为了制定恰当的数字营销策略，我建议广告主要始终关注目标受众。但是，目标受众并非一成不变，他们像溪流一样从一个地方流向别处。不久以前他们还通 常活跃在数百万的网站上，但现在他们在移动设备上花费更多的时间。他们比以前更加难以监测和识别，花费的时间更加碎片化，兴趣点也变得易于分散。
我们需要校正我们的工具来监测他们，去发现他们在哪里、有什么行为、有什么兴趣，并立刻调整我们的营销战略和战术。否则若是他们突然从网站上溜走，就可能再也不会回来了。因此，我们必须更新那些传统的数字分析观念。
网站依然重要，但需要从新视角去衡量
移动的时代到来，人们开始谈论App应用程序；但这并不意味着我们可以抛弃网站。为了满足受众的好奇，强化他们的喜好，并且实现转化，网站依然在数字营 销中扮演着决定性的“终结者”角色。在移动领域常用的数字营销方法是从第三方的App应用中获取流量，引导到广告主的官方活动着陆页。这样的话，我们依然 需要留意一些网站的关键指标，比如吸引、劝导和转化的能力。我们还需要关注一些关键业绩指标(KPI)，比如说跳出率、转化率、访问深度和访问停留时间 等。
但有一点不同：就在两三年前，访问数还是网站分析的关键指标。我们分析受众在一个访问范围内的行为。一些重要的指标都是用访问数（visit）作为 分母计算出来的，例如跳出率或访问深度。但是，这样做的明显缺陷是一次访问只是访客在该网站整个生命周期中的一个片段；如果我们基于访问进行分析，就不得 不也基于访问去进行优化。访客从知道你的网站到完成购买，不只发生在一次访问之内，而是需要多次访问。另一个问题是访客往往不会总是通过同一个渠道访问网 站，他会通过多种渠道。搜索引擎、社交网络和其它来源共同促成了同一个转化的情况非常普遍。为了了解更加复杂的现实世界，你必须考虑衡量和分析访客的行 为，而不再是访问的行为。这就是说基于访问的分析不足以再帮助我们了；我们需要跨访问（pan-visit）的分析，它是基于访客而不是访问的。对此，一 些建议如下：
1) 必须进行跨渠道/多渠道分析。需要分析的不只是单一渠道的表现，而是多渠道的综合表现。因为多渠道涉及到了同一个访客的决策制定过程，通过跨渠道分析你可以发现1+1大于2的效果，或者相反的效果。这对我们制定有效的渠道策略至关重要。
2) 细分访客，而不是访问。很多网站分析工具提供了细分不同访客的功能，但有的却只能细分访问。选择前者，自定义属于自己的访客细分方法，将了解到关于他们的全景信息。比如说，看一下那些通过我们网站下单的访客通常都有什么行为？没有下单的呢？你都可以轻松的获得答案。
3) 分析一个访客的生命周期。从访客在网站的所有交互行为来看，访问只是一些独立的片段。我们应该开展跨访问分析，去关注下单回访率，而不仅仅是回访次数；去关注购买衰减率或增长率，而不仅仅是转化率。
只有跨渠道分析还不够
上文中提到了跨渠道分析，但这还不足以了解访客的行为，原因在于一个更新的挑战的出现：移动互联网。人们开始在移动设备上花费更多的时间。Facebook宣布现在每天有48%的用户只使用移动设备登录它的网站。还在考虑跨渠道分析？现在应该做到跨终端分析了！
越来越多的网站访问来自于多终端设备。SAP所做的一项调查显示，67%的访客从一个设备上开始购物，然后在另外一个设备上继续操作。这就是现实： 如果你想监测真正的访客，你必须有跨屏的监测方法。我们传统的监测方法是基于cookie的，但是访客使用一个新的设备时，会产生一个新的cookie， 也随之被标记为一个新访客。这当然是不对的。即使访客拥有两种或者更多的设备，我们也希望把他只标记为一个访客。此外，我们还想知道他在不同设备之间的行 为。
这是一个需要克服的新挑战。幸运的是，我们有了新的方法来应对。Google这个业界巨头利用用户的ID（UID）去监测跨设备的访问行为。一些公 司也在通过大数据技术计算访客的行为方式，去判断某些访客是否是同一个人。更多的公司在使用数字指纹或者相关的技术去替代传统的cookies技术。 Google似乎很有优势，但其他方法也不乏机会。可以非常确定的是，我们离完美的解决这个问题的时间已经非常近了。对此，一些建议如下：
1) 留意跨终端/多屏幕的监测方案。Google推出的Universal Analytics已经整合了这一特性，并且即将发布。
2) 跨终端分析没有那么困难。通常来讲，你需要做三件事：通过设备的重叠数据，找出访客同时使用的设备是哪些；通过设备访问路径，找出不同设备所发挥的不同作用（这里很像跨渠道分析）；通过细分访客，找出在行为方式上使用多种终端的异同。
大数据，大舞台
现在我们比以往更加依赖于大数据。在当前的数字营销中，一个重大的变革是程序化的广告购买。为了实现实时竞价，需要使用大数据技术。这一趋势也将影 响到数字分析模式。以前，我们人工的进行分析（特别是在渠道/广告分析中），但是在实时广告中这明显是行不通的。分析、建议和优化也都应该实时的进行。为 了做到这一点，唯一的办法就是大数据技术和相关的程序化分析。一种可以被整合到不同DSP（Demand Side Platform广告主服务平台）的第三方的程序化分析解决方案将很受欢迎。
预测分析也将成为2014年的一大重要趋势。没有大数据技术，在这个领域将很难有所作为。借助大数据，我们能得到更完美的答案。同时，预测分析的模 式也受到大数据技术的影响。我们不再需要挖掘事物的因果性，而只要让大数据的“汽轮机”去挖掘出相关性就可以了。投入的数据量越大，做出的预测分析就越精 确。基于这种精确预测的市场策略是革命性的，也是极其诱人的。
当然这里也有不少挑战：首先是从哪里可以获得这些大数据。DSP可以借助DMP（Data Management Platform数据管理平台），搜索营销机构可以借助SEM（Search Engine Marketing搜索引擎营销）的程序优化供应商，例如EF或Marin；但是其他的营销方式呢？因为目标受众总是在变化的，因此对与时俱进的、精确的 关于受众构成的大数据总是有着刚性需求。其次，可以在毫秒级处理大数据的超级算法也非常紧缺。在2014年，这些问题的研究有望取得显著进展。对此，一些 建议如下：
1) 大数据对数字营销的影响远远超出你的想象。我们需要关注程序化广告购买，并找到一个可靠的程序分析供应商，这可以是DSP、DMP或者一家第三方咨询公司。
2) 目前看来，大数据并不能解决所有问题。尽管它很具有吸引力，但传统的分析是不会被取代的。大数据可以帮助你程序化的购买广告，但却不能解释为何你的网站转化率下降了。可以通过咨询公司获得一些专业的建议，去决定哪些地方需要大数据，哪些地方仍然需要人工分析。
来源：chinawebanalytics
了解更多新媒体行业资讯，请访问巨搜科技- http://www.juso8.com
