本文驳斥了系列文章中的第二个假设（“神话”），即“我的网络商店收入足以证明电子商务商业案例的合理性”。
📌 神话
许多传统零售商在制定在线营销预算时，往往假设其对营销目标的贡献是清晰可见的。尽管在线营销看似一切皆可衡量，但除线下效应外，线上环境还存在其他影响因素。虽然数据丰富，但我们必须谨慎评估和解读。
✅ 现实
在线营销常以转化率、销售额或CPA为导向。但根据麦肯锡消费者决策旅程模型，评估在线媒体价值时，除直接转化外，还需考量其他效应。
客户旅程模型（麦肯锡）
结合AIDA模型，客户旅程可分为五个阶段：
- Awareness：客户开始认知品牌价值
- Desire：客户意识到需求被满足
- Interest：客户对提案产生兴趣
- Actie：客户购买并体验产品/服务
- Loyalty Loop：基于积极体验产生留存、口碑与忠诚度
这五个阶段对应不同的线上线下渠道，可细分为自有/赢得媒体（owned/earned media）和付费媒体（paid media）。不同渠道在客户旅程各阶段的贡献度不同，CPA也因此存在差异。例如，展示广告（display）的CPA通常高于搜索广告（search），但这并不代表其价值更低，仅是衡量维度不同。
客户旅程中的线下与线上渠道（Olivier van Hees, 2013）
线下渠道同样遵循此规律：部分渠道作用于购买初期，部分则紧邻购买时刻。电视和广播的功能类似于品牌展示广告，直接营销（DM）则类似于品牌搜索。具体运作因广告主而异，需通过测试确定各渠道效果及其对前后接触点的影响。关键在于将在线营销目标与其在客户旅程中的功能相匹配。
📊 在线效果测量
要确定在线媒体预算的效果，首先需明确各渠道在客户旅程模型中的价值，并确保其可衡量。转化归因是一种有效方法，可对转化前每个接触点的价值进行建模和测量，进而围绕归因及渠道价值开发假设。
将此整合进现有流程和工具可能较为复杂。建议采用分阶段方法，逐步实现全渠道追踪测量。下图展示了四个成熟度阶段：
在线效果测量成熟度模型（Olivier van Hees, 2013）
- Level 0：按渠道测量直接结果（销售额或转化率）。
- Level 1：除转化率外，增加测量“辅助转化”（对转化有贡献的接触点）。通过测试假设，识别客户旅程各阶段的效应。
- Level 2：明确各接触点价值后，进行媒体组合建模。纳入辅助转化数据，预测各渠道理想预算分配，制定有效媒体策略。
- Level 3：将线下接触点纳入考量。虽整合难度大，但能为优化媒体组合提供关键洞察。
💡 最后
评估线上线下媒体预算价值时，需注意以下几点：
- 深入了解组织的客户旅程，这是确定媒体预算分配比例的起点。
- 基于客户旅程洞察设定KPIs，而非仅依赖现有数据。从已有数据出发易导致视野局限，仅优化临近购买的渠道；且在最后点击归因模型中，这些环节被高估，易引发次优优化。
- 分阶段实施渠道有效性衡量方法，避免被转化归因复杂性压垮。初期可将线下媒体计划（GRP投入）与网站分析结果结合，Google Analytics通常已能提供足够的首批洞察。简言之：着眼大局，从小处着手，快速学习！