很可能，您的上下文广告支出报告中没有区分新客户和现有客户，因此您不清楚在吸引新客户和保留现有客户上各花费了多少。这可能导致您无法从现有客户身上获利，反而将全部利润用于吸引新客户。关于如何在电子商务中按新老客户维度管理经济效益，将由帕维尔·科里亚金（Pavel Koryakin）进行讲解。
例如，我们可以将首单的全部毛利用于吸引新客户，因为他们很可能进行复购并带来利润。但我们不能将全部毛利用于重复吸引同一客户，否则我们将无利可图。
文章末尾提供了简单有效的工具，接下来我将通过图片结合我朋友维基的例子来解释相关理论。
1月，维卡通过搜索引擎广告来到我们的网店，购买了一双价格为1万卢布的女鞋。其中2000卢布是我们的毛利，扣除广告费用后，我们获得1000卢布的毛利润。
似乎，一切都清楚了。
因为我们的商店深受维卡喜爱，她于二月再次光顾，又买了一双价值1万卢布的鞋子。这次她是通过免费搜索找到我们的，因此由于无需支付广告费用，我们的利润翻了一番。如今，维卡已成为我们的常客。
现在，让我们用表格来反映同样的内容，并得出 LTV 和 CAC。简单来说，LTV 是我们在整个时间段内获得的利润，而 CAC 是我们用于留住维基（Vika）的成本。
由此可见，在整个期间我们花费了1000卢布（获客成本CAC），而获得了3000卢布（客户终身价值LTV）——维卡为您带来了利润！
3月，维卡通过再营销再次来到我们这里，购买了价值1万卢布的鞋子，但我们为此花费了2千卢布用于吸引她，因此3月的利润为零 :(
于是我们不禁要问：为什么我们在Vika身上花了2000卢布却收益为零，而此前她曾带来利润？如何加以控制，以确保每位客户都能保持正向收益？——我们需要编制一张类似的表格，但不再仅针对Vika，而是涵盖所有用户。
构建按用户群划分的收入报告
最终我们将得到下表，其中各列分别显示来自维基（Wiki）在1月、2月等的收入。唯一的规范性在于，现在我们将“维基”称为一个队列（cohort），具体为1月队列，因为它首次出现在我们这里是在1月。
基于 Google Analytics 的数据
为此，我们将从 Google Analytics 导出以下报告。为简化起见，报告中仅包含维卡（Vika）的数据。
可能的问题
“我没有 User ID”
理想情况下，应将其作为 custom dimension（自定义维度）与交易数据一起传递给 GA。
但现实世界并非如此完美，因此可以通过 VLOOKUP 根据 CRM 或 1C 数据库中的交易标识符来获取该值。
用户“合并”
通常情况下，在 1C 中用户不会被“合并”，或者仅通过电话号码进行合并，而不包含电子邮件和姓名。例如，如果维基有两个电子邮件地址，我们就无法将她的数据关联起来。
最好的情况下，我们只能匹配 70% 的客户；其余客户会使用不同的电子邮件、电话和地址，导致我们无法将它们“匹配”在一起。
“我在 GA 中的收入数据不正确”
如果从网站传入 CRM 的订单被取消，且金额和构成发生变化，则需要从服务器向 GA 传递正确的数据。10% 以内的偏差尚可接受，但如果偏差达到 30%，则必须解决。
在表格中添加第一组数据的日期
为此，只需以 Google Sheets 为例，使用以下参数构建一个透视表。也就是说，我们为每个 User ID 提取首次购买的日期。
得到：
接下来，通过 VLOOKUP 按 User ID 将此日期提取到总表的 Когорта（群组）列中。
一切就绪，只需添加一个月份列。
构建群组报告，得到：
目前我们的群组中只有维卡和她的高跟鞋，让我们以类似的方式查看一个拥有更多客户的报告作为示例。
也就是说，在 群组 列中，我们可以看到用户的首次购买日期，而在 月份 列中，则显示了指定月份内的重复购买总额。
可能出现的问题
我希望看到的是毛利，而不是收入！
可以取各商品组的平均毛利率并乘以收入，但这样画面仍然会模糊不清 :( 因此最恰当的方法是，在与收入同时从 CRM 传输到 Google Analytics 的交易 tax（税费）字段中，一并传递毛利（收入-成本）。
无法导出数据，我遇到了采样问题
请使用 ETL 服务，或通过 Google SpreadSheets Addon 每天单独导出，或每次按 7 天为单位导出。
好的，还不错，但我们需要弄清楚我们在吸引和留住维基上花了多少钱？
本质上，我们需要构建一个类似的队列报告，其中将收入替换为支出：维基首月的获客成本，以及后续通过再营销等手段的重复获客成本。
但我们面临一个问题：如何将点击成本归因于交易，因为交易本质上就是客户，我们不妨继续称它们为客户。
1月，我们花费1000卢布获得了10次点击，据此计算，获取一位“维卡”（Vika）用户的成本为1000卢布。但实际情况并非完全如此，因为我们还吸引了另外9名用户，每位成本为100卢布，但他们并未购买任何商品，因此我们将所有支出都计入了“维卡”这一用户身上。
那么，这合乎逻辑吗？
是的，阿丽娜也合乎逻辑地出现了，她也买了鞋，1000卢布已经分成了两笔交易。
随后会出现各种广告渠道，由于它们的工作方式不同，平均分配支出是不公平的，因此我们按渠道进行分配。
随后，来自VKontakte的斯韦塔也加入了。她一直是我们公司的老客户，但这次她并没有购买任何商品。然而，我们确实为吸引她投入了广告费用，因此将VKontakte的全部花费在阿丽娜和斯韦塔之间平分是合理的。
如您所见，现在我们的支出不仅用于吸引新客户，还用于留住老客户，也就是斯维塔！接下来，这350卢布将计入斯维塔的后续交易中。
替代性留存示例：
现在，让我们尝试添加不同的月份，计算将不仅按渠道进行，还将按时间段进行。
也就是说，当我们试图将费用分摊给客户时，会遇到一系列困难：
- 12月我们应将Yandex Market的费用归集到哪个用户名下？因为当时没有任何用户。
- 为什么我们按月份范围分摊费用，而不是按周？
- 如果客户未在网站登录或通过其他设备访问，我们将无法识别该客户，因此也不会计入相关费用。
- 如果客户在首次交易前多次访问，我们需要根据新数据重新计算回溯期（retrospective）。
这些问题以及其他一些任务无法在 Excel 中解决，因此我决定用 Python 编写计算代码。但我不提供代码，因为其中逻辑复杂难以理解，而且也没必要去深究——我们应该寻找更简单的解决方案。
让我们回到与 Vika 相关的表格
假设我们在最右侧的最后一列成功将费用归因于 Vika。
当我们拥有按月统计的 Vika 相关费用和收入时，就可以轻松计算所有衍生指标。
我们得到了一个类似的群组报告（cohort report），其中不仅包含收入，还包含我们在 1 月吸引的客户群体的相关费用。
附上一个更复杂项目的示例结果，其中行显示的是“Cohort”，即我们首次吸引客户的月份，而列显示的是用于维持这些客户的各月费用。
例如，在 2019 年 12 月，我们为那些在 2018 年 8 月完成首次交易的用户支付了 3910 卢布的留存费用。
可以看出，归属于之前月份的费用并不多，但这源于该在线商店的业务特性，他们主要面向新客户开展业务。
现在来看看按群组划分的毛利润：「收入 * k - 留存费用」
计算 ROI 并不困难，新老群组的 ROI 大致相同。
数据可按广告渠道进行筛选。例如，在下图中，定向广告的毛利润显示，近一半的利润来自旧用户群的回头客。
好的，既然我们看到了这些数字，接下来该怎么做？
你可以看到从获客到客户整个生命周期内的利润和 ROI。实际上，毛利润正是由这些用户群构成的。最常见的问题是留存成本超过了边际利润，即我们为留住老客户所花费的成本与获取新客户一样多。
能否自动生成此类报告？
目前尚无“开箱即用”的工具，因为每个项目的定制化程度差异很大。但可以使用 OWOX、Renta 或 SegmentStream 等工具来构建此类报告，粗略估算每月成本至少为 500 美元。
第二个问题在于准确性。如果能在网站上将客户身份匹配准确率至少达到 70%，那就算不错了。
针对这个问题有哪些简单有效的解决方案？
下面我将以 Yandex Direct 为例，说明如何区分其经济效益。类似的方法也适用于 Google Ads、Facebook 等平台。
需要将回头客的电子邮件和电话号码导出为 CSV 文件并上传至服务器，然后将该文件作为受众群体导入 Yandex Audiences（Yandex 受众）。可以通过 API 自动化这一流程，或者建立多个回头客列表，以便将其划分为 RFM 细分群体：高价值、中等价值和低价值群体，以及结合您业务的具体特性。
在 Yandex Direct 的广告系列设置中，对回头客受众进行调整。例如，如果您愿意为新客获取投入 1000 卢布，而为复购投入 500 卢布，则调整系数应为 -50%。
随后，在 Yandex Direct 的报告生成器中，可以查看按回头客和新客划分的数据。截图中，“所有时间的买家”指的是回头客，而“—”代表其他所有用户。
可以看出，回头客的单次获客成本为 300 卢布，而其他所有用户则为 831 卢布。这是因为我们可以预期新客户的复购行为，从而愿意为获取新客户支付更高的费用。
类似的报告可以在 Power BI 中构建，通过 API 从 Yandex Direct 导出数据，因为在界面中难以深入分析这些数据，但这又需要另写一篇文章了。
结论
- 不要将全部利润率都用于客户留存，而是通过调整受众来管理经济模型。如今，几乎所有广告系统都具备这一功能，这是一个简单且高效的工具。
- 追踪那些能带来新客户的广告渠道，而不是像CPA网络那样经常向你出售已有客户。