Engagement Index-3：計算方法和案例初探

建議先閱讀系列的第-1篇：參與度指數的含義和第-2篇：構成參與度指數的參數選擇，分類和數據收集辦法。

1. Peterson給出的Engagement Index的計算方法

提高Engagement Index（EI）的計算方法，就不能不提 Eric Peterson 最初的貢獻，后來他整理成了白皮書，發(fā)布在這里：Measuring the Immeasurable-Visitor Engagement（備選下載鏈接），這是關于參與度指數計算方法的第一次正式討論；我們最終提到的參與度指數的計算方法也受了他的很大的影響。不過Petersson提出的是一個非常普遍化的一個公式，具體到一個項目中，需要根據所研究對象的屬性尋找合適的參數和權重。

Petersson給出的公式很簡單，只是一個簡單的加權求和的公式，其中使用到的參數也是網站分析中非常常見的：

其中，

• C=Click Depth Index，指用戶的訪問深度，由PV和Event組成

• D=Duration Index, 指用戶在網站的停留時間

• R=Recency Index，指用戶最近一次訪問網站的時間+用戶的訪問頻率

• B=Brand Index，指用戶對網站和產品的認知程度（awareness）

• F=Feedback Index, 指用戶對網站做的有價值的反饋信息

• I=Interaction Index，指用戶和網站內容/功能的一個互動的過程，在這個過程中用戶會對網站和產品給予更多的關注。

• L=Loyalty Index:，指用戶在較長時間段內和網站/產品互動的情況

（更詳細的解釋請參考白皮書）

2. 在IIPIC基礎上的EI的維度和計算方法

我們在最初論證參與度指數的時候（可以推到2008年），因為從一開始便考慮到了一個網站（主網站）所處的生態(tài)系統(tǒng)，包括第三方網站，競爭網站，衛(wèi)星網站，社交網絡應用和widget，所以最終得出結果是建立在Forrester最初提出來的參與度構成的4I (見 1參與度指數的含義)的基礎上的，和人群分組相結合，按照參與度的組成部分來計算，可以在時間軸上橫向比較的一個參數。所以我們設想中的參與度指數是至少分為三維的：

ei=f（s,i,to), EI=F(S,I,to)

其中S=Σs，人群分組，segement；I=Σi, 構成參與度指數的元素，4i （或者IIPIC）,to為所選時間點或者時間區(qū)間

也就是說，

• 參與度指數首先可以在時間軸上（T）進行橫向比較，以此來跟蹤網站用戶的參與度情況，尤其是在網站發(fā)展變化較快較大的時候，在網站吸引流量的階段，長期跟蹤這個指數的變化情況能讓我們對網站表現(xiàn)情況（包括流量來源）有一個整體的了解。
• 其次，參與度指數可以縱向在不同的人群分組之間(S)進行比較，反過來，參與度指數對于網站人群分組提供參考。
• 然后，我們還可以深入挖掘到細節(jié)，看每個階段（I）的參與度情況
• 最后，參與度指數適用于任何一個（s, t, to）組合，并且ei之間具有可比性。

比如，一個隨便舉的例子，其中所有數據都為假設：

在這里，每個階段的總EI可以加權求平均值，權數就是每個分組的用戶數目；但是對于每一個分組的總的EI，和整個研究對象的EI則很難通過一定的公式來求得，比如說，他應該是各個階段的ei的平均值呢還是各個階段ei的和？亦或是加權和或者是加權平均值？權數如何確定？這里的主要決定因素是具體計算中，ei=f(s,i,to)的函數是怎么樣的，和EI=F(S,I,to)有什么聯(lián)系。

談到這里，希望大家對EI的計算方法有了一個大體的印象，主要是理解其中的思維和邏輯吧。至于ei=f(s,i,to)的具體寫法，這個是根據項目和需求而定的。我在案例分析中會談一下我們使用的方法。

3.關于參與度指數的案例初探

案例所要介紹的項目是為一個奢侈品公司的電子商務網站創(chuàng)建一個Engagement Index模型。這是一個Flash網站，若干衛(wèi)星網站，在社交媒體上有行業(yè)中相對領先的布局。項目整體的scoop很大，評估的是整個digital environment。不過我們這次是從網站數據入手，先通過網站分析數據對用戶有一個大致的了解。我們使用的數據是從其網站分析工具Omniture Insight中提取出來。樣本是隨機抽取的2009年的大約900萬Visitor的所有訪問數據，總共20G 的txt文件，導入SAS之后80G。第一次處理這么多的數據，遇到的困難還是挺多的。

這個網站在6個國家有電子商務模塊，銷售可觀；但是在大部分國家沒有。品牌更注重的是這個網站如何能夠提升自身的形象，而不是銷售。正如模型的名字所說，要做的是“Engagement”，而不是“Sales”。項目的目的是通過研究網站用戶的行為特征，通過Engagement Level來評估，進而評價網站內容和相關市場營銷活動的效果，同時（我們考慮）后期有條件的話，研究不同程度的Engagement和銷售的關系。

點擊此處查看原始數據樣本。

原始數據包含諸如Visitor ID, Session Number, Language, Country, Turnover, Traffic sources，Campaign等29個原始變量。變量的數目雖然少，但是它們已經涵蓋了大多數網站分析的基本變量，在這些變量的基礎上我們可以計算出其他參數和指標。不過當然，在項目初期我們要求的很多變量還是沒有能夠提取出來。

通過原始數據樣本大家也許可以看到一些端倪。實際上，這些數據的最小記錄單元是Page，一條記錄（一行）代表一個PV，以及和這個PV相關的28個變量的值。PV可以通過Session Number歸類組成一條visit的全部記錄（2009年），而Session Number可以通過Visitor ID歸類組成一條visitor的全部記錄（2009年）。

有了這些數據，下面我們就可以開始干活了。下一篇中我會重點介紹原始數據的數據結構和各種不同層次（Page，Visit和visitor）視圖的創(chuàng)建。敬請關注Engagement Index-4：數據準備和參數創(chuàng)建

后記：這是上周寫的，竟然忘記發(fā)了。最近忙的焦頭爛額，恨不得把自己大卸八塊，然后每塊裝上三頭六臂，所以這周也沒有寫，正好拿這篇頂替了。

火上澆油，老板突然又給了一個關于Emerging Platform的東西，要求周四交框架。目前主題集中在SNS和Mobile兩塊上。自2005年以來，大家都知道哪些Emerging Platform呢（諸如Facebook, Twitter, Foursquare，iAD之類）？在Marketing的層面上，它們都能提供哪些機遇？我們如何評測在這些平臺上進行的廣告活動的效果呢？謝謝建議！也可以發(fā)送到我的email大家一起討論。hailongxia AT gmail . com

出處：http://semwatch.org/

生活不易，碼農辛苦
如果您覺得本網站對您的學習有所幫助,可以手機掃描二維碼進行捐贈