例如，我们是一个花店的老板，在AdWords 和 adCenter账户中我们想要包括关键词“red flowers”。我将会解释清楚对“red flowers”来说，当我们的广告在每个账号中展现的时候，不同的匹配形式是如何起作用的。

Broad Match (广泛匹配)
Adwords:当一个用户的搜索词条包括关键词里的某些或者全部的词时，这个广告是有资格在任何顺序上伴随着其他的词条展现出来的。例如，broad关键词red flowers将会展示任何包括“red”、“flowers”和“red flowers”词条的搜索查询。你的关键词有关联的变更时Goole AdWords也会跑你的广告，即使这些词条并不在你的关键词列表上。关联词的变更包括同义词、单复数形式的变化、有关系的变更（联想关联词）和包含了关键字的短语。

adCenter：当你的关键词中的个别词出现的时候，Broad匹配关键词将会在用户的搜索查询中以任意顺序触发你的广告展示。例如，你的关键词“red flowers”会匹配搜索查询，其中包括“red flower”、 “flowers that are red”，并且可能仅仅包含 “ red”或者“flowers”这些词。Broad Match也会扩张到相关的搜索查询。这个跟Google的基于会话的匹配是相类似的概念。然而，我发现在我的Google账号比Bing账号中出现的不相关匹配要多。下面是一个来帮助理解对Broad Match关键词来说广告在什么时候展示的表格。Yes是指这个广告将会在搜索查询中展示，No则相反。

Phrase Match(词组匹配)

在Goole和Bing中短语匹配形式被认为是相同的。当用户搜索的短语包括你的关键词时，你的广告有资格在同一顺序上展示。你的广告也会在包含其他词条的搜索中出现，只要这些词条包括了你已经指定了的准确的关键短语。

Exact Match(精确匹配)

AdWords:当用户搜索指定的短语“red flowers”时，你的广告是有资格在这一顺序上出现的，并且在搜索词条里没有其他词。带撇的关键词被认为是跟相应的不带撇的词是完全一样的。

adCenter:只有当你的关键词中的某些确切的词以完全相同的顺序出现在用户的查询中时你的广告才会触发显示。跟Goole不同,Bing在搜索查询中会忽略掉像“a”、 “the”、 “an”等这些定冠词。带撇的关键词不会被忽略。

Negative Keyword Match Types (否定关键词匹配类型)

即使我们卖red flowers，但是我们不会推 red roses。 作为negative，red roses将会一个完美的关键词，但是你应该选择哪一种匹配形式呢？它将会怎样影响你的账号呢

AdWords：你可以对 Broad, Phrase, Exact 匹配设置negatives(不知道翻译成么事合适，不过这个词代表的肯定是个名词)。如果“red roses”是一个broad
match negative(broad匹配否定词)，它将会在所有顺序上阻止广告在任何查询中的展示，尽管这些查询包含了 ‘red’ 和 ‘roses’这些词。对phrase match negative(phrase匹配否定)来说，“red roses”这个词条必须在查询中以某个确切的顺序出现。对 exact match negative来说，只有当用户只搜索
“red roses”时广告才会被封锁。

adCenter:在adCenter中没有 negative match types。所有的negatives都被看做是phrase match，也就是说，只有当Bing的搜索查询中在某一确切的顺序上包括了关键词里的所有词条时，搜索查询才会被封锁。所以，不要像 “red roses”、或者 [red roses]这样给adCenter添加negatives，因为Bing不能把他们当做匹配形式。

此文章翻译自原文:  Understanding Match Type Differences Between AdWords and adCenter

个人认为，最后一张图表达的匹配模式有一些问题,  我根据自己对Adwords及adCenter的匹配理解,修改了原图.

希望这篇译文对大家有所帮助,有更多的意见和见解,请在评论中回复, 或者访问搜索营销智库的新浪微博与我互动.
http://weibo.com/semknowledgebase

————————————————分割线啊分割线——————————————————-

网站：一个外贸网站，一个主页，三个产品页，购买信息页面，感谢购买页面。

跟踪：像素种植在感谢购买页面上。

推广：Adwords 付费搜索，每个产品一个关键词。

成本：Adwords点击成本。

收入：每个购买产生10美元毛利（刨去产品成本，运输成本，信用卡交易成本）

目标：利润最大化。

营销指标设置：CPA=10美元，只要每次转化成本低于10美元，就是有利可图的。

————————————————我是复杂了一点的分割线——————————————————-

稍微复杂一点，其余不变。

收入：三个产品毛利分别为：5美元，10美元，15美元。

营销指标设置：针对三个产品分别设置CPA=5美元，10美元，15美元，还是可以操作的，我们可以假设这就是把第一种情况重复了三遍。

————————————————我是复杂了两三点的分割线——————————————————-

再复杂一点，其余不变。

网站：一个外贸网站，一个主页，三个产品系列页，三百个产品页，购买信息页面，感谢购买页面。

推广：Adwords 付费搜索，每个产品三个关键词。

收入：三百个产品毛利不等，在5美元至15美元之间。

营销指标设置：这样的情况已经有点接近现实了。你还是可以针对每一个产品设置一个CPA，但是追踪三百个关键词的CPA并进行不同CPC调整是体力活。其次，同一产品的三个不同关键词成本不同，A产品的转化到底发生在哪个关键词上？再次，如果每个系列中的产品都是相似或者相关的，A产品的关键词产生在产品B上转化，毛利不同，你要用那个CPA来调整价格？再其次，如果A产品的两个关键词先后被点击，但只产生了一个A产品的转化；甚至，AB两个产品的关键词先后被点击，但只产生了一个A产品的转化。到底应该用那个CPA来调整关键词CPC？

————————————————我是开始讨论的分割线——————————————————-

很显然，在这样的案例中，需要有足够的跟踪手段。第一，我们需要知道每次购买成功的具体信息（每次转化的毛利）；第二，我们需要知道到底是哪个关键词引发了这个转化；第三，我们需要能有效联系转化毛利和关键词点击。这是进行有效赢利判断的必要条件。

但对于很多企业来说，我注意到，这样的条件也可能不具备。不少企业的跟踪相当粗放，停留在广告分组甚至是广告系列的级别上，不能够将收入与成本有效连接起来。在这样的情况下，CPC调整优化显然是盲人瞎马。如果追踪手段有限，理论上这可以解决，就是扩充广告分组或者广告系列，尽量细化成本结果。实战中这是不太可能的，因为面临这种问题的企业往往有大量的产品，成千上万的关键词，扩充广告分组或者广告系列的结果就是严重降低管理效率。一般来说，这种企业的解决办法是估计一些大概的赢利出来，用作CPA指标。这种估计接近于艺术，在足够的高度，有经验的财务管理者也许能提供一个不错的指标。但很显然，这样的指标用于CPC计费的搜索营销管理是不充分的。当然，细节差异汇总起来可能就是百分之几或者十几的差异，是不是值得关注，也是一个成本效益的选择。改进的跟踪和报表工具也许能够给出远为精确的关键词层级的赢利亏损信息，但使用这种工具的成本如果过高，也就没有意义了。

即使使用了有效的跟踪，在数据判读和收入分配上仍然有一些规则的置入。A产品的关键词在B产品上转化，没有什么疑问，这个转化收入只能依据B产品的毛利来算。AB关键词先后发生，在A产品上转化的情况就有一点微妙。从搜索引擎或者代理服务上的角度来说，会认为这两个词都是有功劳的，术语叫做ASSIST。就是说，尽管搜索用户是在关键词 A上最终完成了转化，但是他先查看了关键词B，所以关键词A对于最终转化的实现是有帮助(ASSIST)的。对于这个说法，我个人觉得比较接近忽悠。

曾经给一位客户举过相关的例子：假设我要挖一个坑，去装修市场找民工。市场上有男民工A和女民工B。我想挖坑是个纯体力活儿，女民工B细胳膊细腿的，雇她干嘛？经纪人说了：B挖坑不行，可是她唱个歌跳个舞的，A心情舒畅，干活效率就高了，你应该都雇佣了呀！那我该不该雇B呢？这取决于B唱歌跳舞对A到底有多大的激励作用。如果给A饭盒中加条鸡腿就能达到同样的作用，雇佣B就是不划算的。

在实战中，我们很难衡量ASSIST的的价值，因为我们不知道完成转化的用户的心理活动，不知道B对A产生了怎么样的激励。几乎所有跟踪工具的判断都采用就近原则，就是把转化记录在最近发生的关键词点击上。这样ASSIST词通常分配不到转化收入，成为需要赔本投资的关键词。是否真的需要赔本投资？实际上发生双重或者三重点击的转化量并不大，尤其是在收紧COOKIE有效期窗口的情况下。（想想看，一个30天有效的COOKIE，关键词B对30天以后关键词A的转化有帮助作用，是不是有点夸张？）如果确实有兴趣穷追猛打，选择ASSIST词进行短暂的受控测试来观察被ASSIST词的表现变化即可。如果确实认为ASSIST是有价值的，则可以将ASSIST也定义为转化类型，赋予相应的收入。绝大多数情况下，我认为ASSIST可以不用搭理。

营销指标设置的问题，主要是把采集的数据有效集合起来。有了准确的收入，有了准确的成本，那么指标设置值也就呼之欲出了。这里讨论的是一个高度简化的例子，有兴趣的话，我们还可以把这个练习进一步复杂化，纳入其他营销渠道，品牌因素，离线因素等等。

接受THINKINGIT的建议，进一步复杂化案例并且请读者们参与这个练习。根据反馈情况（如果有反馈的话，呵呵），我将在主贴中不断更新读作者反馈和我个人的意见。

参与方式：

1， 根据你们的经验或预期，填入更多推广和收入渠道。

2， 根据你们的经验或预期，提供目标设置的方案及过程。

欢迎过细！

网站：一个外贸网站，一个主页，三个产品系列页，上千个产品，用户注册页面，购买信息页面，感谢购买页面。

呼叫中心：呼叫中心处理电话订单。

实体店面：店面/专柜销售。

跟踪：像素种植在用户注册页面和感谢购买页面上，以及其他跟踪方式（欢迎讨论可能的手段）。

推广：Adwords 付费搜索(完整的关键词系列，含长尾)，；电子邮件；展示广告；YOUTUBE视频；报纸杂志广告，商品目录邮寄。

成本：所有媒体购买点击成本，以及相应的人工硬件成本。

收入：每件产品毛利不同，注册无收入，但注册升级为VIP会员有年费（VIP会员享受特殊折扣/免邮费）。

目标：利润最大化。

营销指标设置：

———————————————————我是讨论开始的分割线——————————————————————————

关于收入的讨论：

非常感谢OWEN同学和SEMER同学的反馈，让我不至于一个人说单口相声。J

点评一下两位的回复。请注意，这只是一个讨论，我个人的看法不会比读者们的更正确也不会更全面，只是大家从不同角度来交流一下看法。三人行，必有我师。

OWEN同学的焦点落在监测跟踪上，基于跟踪展开转化漏斗中的转化率讨论—这更倾向于优化手段多一点了。SEMER同学则指出，电子商务类的网站监测是相对容易的，离线销售才是难点所在。两位的观点都非常好！比如我在写案例的时候就没有想到支付网关这一块，其实是非常关键的；离线销售的跟踪在北美也是老大难问题，没有绝对优秀的解决方案。

这个练习的主题是目标设置。目标设置的关键，在我的理解中，是把成本和收入挂上钩。只有有效挂钩了，才能有效监测投资和收入的相对关系，这两者的关系就是目标设置的基础。

可以把OWEN同学的反馈看作点击后跟踪。点击发生以后，我们需要确认实际的销售量，销售量所代表的毛利，实际收到的毛利（支付网关）；对外贸公司来说，北美这边支付网关的问题可能相对小一些，但要面对另外一个问题CHARGEBACK（退款？不知道怎么翻译好）。

注意一个很关键的事实：几乎所有工具的监测都不绝对精确。两个工具之间几乎一定会存在差异。这是监测跟踪本身的性质决定的。像素激发是一个过程，数据搜集依赖于COOKIE，哪个环节打断（页面没LOAD完，用户清COOKIE等等）都会造成数据丢失。在国内使用外国工具，由于GFW的存在，丢（数据）包这个问题有可能变得更加突出。在使用不同工具的时候，比如同时使用SEM工具，邮件工具，或者WEB ANALYTICS工具的时候，还要面对一个渠道OVERLAP的问题。即不同渠道的广告点击先后发生，最终触发了一个转化的时候，不同工具的记录可能是不同的。这样，在不同监测数据之间要做好协调工作，允许差异的存在，但要理解差异的来源，保证差异的稳定性，这样才能以统一的标准来使用数据。之所以鼓吹监测跟踪工具也基于此，我认为每个广告客户都应该拥有一个可以定制的完整的跟踪监测系统，如果单纯依赖某一种渠道的工具，那么数据可靠性就可能有问题。并且，用户更换工具是正常的，保持数据的一致性和有效性在更换过程中相当重要。

转化监测协调完成还不够，需要跟财务数据对起来。真金白银拿到手里的才是钱，账面数据不是。财务数据中首先是实现收入（支付网关过来的），然后要剔除相应成本获得支付毛利，在支付毛利中还要再剔除退货/遗失/保险/手续等费用。这样才有一个真实有效的收入数据—很可能要比转化监测数据小一些，那就要对转化监测数据给予相应折扣来接近实际收入。

定义收入还有一个问题是转化周期。一次30天以前发生的广告点击与30天之后的的转化到底有多大关系？（30天是很多工具的默认转化周期）这个不好说。一般来说，越是昂贵的产品转化周期越长，对比行为越多。买一个手机吊坠和买一台LED电视的转化周期肯定不同。而北美的房贷类产品完成转化通常是45-60天，因为处理本身需要时间。对于不同产品是否赋予不同的COOKIE生命周期，这又是一个选择。如果数据积累充分，不同产品系列乃至不同产品的平均转化周期可以用作COOKIE生命周期。细化转化周期的目的还是进一步收紧收入窗口，使收入更相关。

我在收入一栏中加入了VIP会员费用。这个收入的加入对那些以注册费为收入来源的网站是核心转化的，比如婚恋交友类网站。这部分收入的特点与在线销售类不同，因为它可以是多次重复性发生的。这样一个注册转化并不以当期收入为实际收入，需要积累统计全寿命收入。全寿命收入中不仅包括了总会员费用的实现收入，还要剔除相应成本。

这样，在本案例中，两种转化收入是可以叠加的—–既有销售收入也有注册收入，两者都要与后台财务实现对接以反映真实收入。后台财务的对接不太可能是过细的，即使每一笔财务收注明具体的转化交易代码，但还有相当的摊销成本不是一一对应的关系。我觉得，能够获得一个稳定的折扣率也许就够了。但在转化收入这一端需要保有每一次转化的具体信息。

实际上我们还可以进一步加入收入因素：呼叫中心收入和实体店面收入。这就是SEMER比较关心的离线销售了。离线销售的收入统计并不复杂，实际运行中可能比在线还要单纯一点。但这种单纯带来的问题就是溯源难度增加。前面说过，我们的目的是把收入和投资连接起来，以上讨论的都是收入部分。投资部分是容易一团乱麻的地方，尤其是加入离线销售以后，今天暂时不讨论，看看读者们是否还有进一步的反馈。

———————————————————我是继续讨论的分割线——————————————————————————

关于投资的讨论。

SEMER之前的回帖认为电子商务网站的相对容易监测，“相对”两个字其实可以做出很大一篇文章来。

在本案例中，大部分投资用于在线方向的营销：Adwords ；电子邮件；展示广告；YOUTUBE视频等等。只要它是在线的，不管是关键词还是视频或者BANNER点击，都可以在链接置入像素进行监测。但是是否这些投资都分别有自己的转化收入呢？在线营销整合中比较大的一个问题是渠道重叠。一个用户在转化之前可能查看过不同渠道的在线广告，那么如何确认是哪个广告引发的转化？在《SEM优化：一个目标设置的练习》一文中我已经讨论过一点Assist的问题，建议使用就近原则。在实战中，就近原则可能面临这样三个挑战：

1. 企业在不同营销渠道中使用不同工具，采取不同监测，这样数据不能实现跨平台的互联，实际上不可能实现就近。比如SEM和电子邮件两个渠道是用两个工具跟踪的，重叠部分的收入是否可能区分出来，应该可以，交易数据唯一，广告点击唯一，数也数的出来谁比较靠近。但因为没有统一的平台，很难用技术手段来做这个工作，人力过滤不仅耗费巨大，还容易涉及两个渠道之间争利的问题。昨天和Luffy讨论SEOmoz做软件的问题，正好谈到Digital Infrastructure的翻译，不同的营销渠道应用构建在相同的基础设施上非常重要。现在的工具开发各自为战，监测数据不统一，工作理念不统一，整合营销对于绝大部分客户来说，在技术层面上暂时还不存在可能性。要是你听到有人如黄河之水滔滔不绝地谈论整合营销，基本上这就是个销售。
2. Assist到底有没有作用？即使在统一平台上使用就近原则可以决定收入分配，这是不是确实合理？尤其是跨渠道的情况下，不同渠道的广告组合确实可能相互影响促进转化。我自己就有这样的经验：在收到促销电子邮件的时候浏览一圈没有买，过两天搜索哪个关键词看见了这个网站的关键词，想起有促销，就进去买了。我们知道这种动机完全是现实的，并把它描述成1+1>2，但是到底大了多少，如何分配，这是难度很高的。个人觉得这首先是个商业的认识和决定，然后才能测试落实分配。如果对不同渠道之间到底会如何作用完全没有概念（很常见），还是使用就近原则更加清晰。
3. 渠道收入再分配。SEO， SEM，URL直接键入，看似三个完全不同的渠道，但其中的部分存在高度类似。在《品牌词闲谈》中，我提到品牌词的收入不能视作SEO或者SEM的努力—-用户本来就是专门来搜你的。URL键入也一样，用户根本就是冲着你的品牌来的，只是在这个渠道上实现转化而已。如果把这部分收入分配给相应的SEO SEM乃至网站渠道，那么会得出这些渠道ROI真好的印象。而相应的品牌拓展投资却会被忽略，因为“本来就是要花的钱”。品牌投资效益很难衡量，手段不充分。即使在不充分的手段中，也应该提取相应的品牌词或者URL键入的收入分配到品牌投资渠道中去。否则投资收入的连接就会本严重扭曲。

实战中我们可能碰到的企业营销收入情况有：1，在线销售在线收入；2，离线销售在线收入；3，在线销售离线收入；4，离线销售离线收入。目前讨论过的只有第1个情况，完全的在线销售和收入。

现在看一下第2种情况，这种情况实际上在5，60年代已经被商品目录+促销代码的方式解决了，当然，那还是呼叫中心的时代。解决方法其实很简单，使用促销代码或者特定收入渠道。具体一点的例子，比如我们在目的地平面媒体上做了一次新春大促销，在报纸杂志上刊登广告。广告中我们加入一个促销代码，要求客户在购买时输入/报出促销代码以获得相应优惠；或者，如果是呼叫中心实现转化，对该促销使用一条单独的800电话线；就可以抓取离线销售的收入了。当然，如果说是持续地在离线渠道投放广告，但不采用促销手段，除了相应电话线之外我们就无法有效抓取离线销售收入。但这样的情况更接近于品牌投资。

第3种情况对于有实体店面的企业是非常常见的。促销代码也可以解决部分问题：在离线收入中要求用户使用在线销售提供的折扣代码来获得相应优惠，可以抓取该促销的收入。离线收入比较大的问题是非促销的营销渠道如何实现收入，某种程度上，这也是品牌投资相关的收入行为。不同企业面对的情况不同，解决方案也不同。但是有些企业采用了这样一种办法：设置在线商品专柜，按照在线销售的展示方案来实际展示商品，同时这些商品仍然在原柜台（露面）销售。我没有接触过这种做法，但报告声称效果是明显的—–有多大的准确程度还是疑问。

第4种情况是不是与我们完全无关？一切都发生在线下。我想，在现在这个社会，完全发生在线下的交易少而又少，及时整个销售到转化完全发生在线下，但转化本身是在线的—–财务收银系统几乎是所有企业最早上线的系统吧？收入过程中登记促销代码，是完全可行的行为，而相应的边际成本可能只是增加条形码扫描或者键入促销代码。嗯，鉴于我自己已经10年没有管理过离线销售渠道，这里也就是纯粹幻想，不多说了。

———————————————————我是累了讨论该结束了的分割线——————————————————————————

SEMER在评论中提到离线销售中的一个难点是如何确认所得到的“瓜”是啥时候种的。在之前的讨论中我们看到，这个问题在在线销售中同样存在。关于收入和投资的讨论关心的是两者之间的关系，确定种瓜得瓜的过程，主要是监测的设计和实施。只有完成投资与收入在每一笔转化上的连接，营销指标设置才成为一个可以讨论的问题。

需要注意的是，尽管在完成连接后，我们可以获得过细的ROI数值，但必须记住这个数值其实不是定值。有时候我们会说，这个关键词的CPA是多少。这个说法不精确，因为所获得的CPA有前提的，是此关键词在当前的投资下的数据。当我们提高或者降低投资，CPA显然也会发生变动。这个概念很容易理解，在实战中却常被忘记。ROI指标是动态的，这才是我们设置营销指标的目的。通过设置一个合理的指标，对ROI进行管理以趋向该指标，这样才能实现利润最大化。

在最简化的模型中，我们知道只要每一次转化成本低于10美元，就是赢利的，所以可以将CPA指标设为10美元，但是这还不够。在《SEM竞价技巧：CPA VS VPC》一文中，我提过两者的差别。所谓“每一次转化成本低于10美元”不是“平均每一次转化成本低于10美元”。要实现利润最大化，需要把CPA指标进一步细分为VPC指标，以有效反映实际利润的趋势。

当我们纳入多个营销和收入渠道后，这个工作就变得尤其细致。对于每个渠道，我们都要确认相应的CPA指标，把这个指标细化到每一个投资行为上（关键词，邮件，BANNER的点击，或者商品目录，平面广告的发送），并且用细化营销指标来指导每个渠道的具体营销投资行为。

我想目前绝大部分企业都没有能力来进行这个维度的营销管理，最基本的跨渠道（离线在线统一并连通财务系统）平台基本不存在。90年代末，国内大中型企业掀起过一场轰轰烈烈的ERP运动，绝大部分的应用都失败了。失败的原因当然有技术方面的因素，但首先还是商业模式/流程上的问题。信息改变商业，这是一个由内而外的过程，必须由内生的需求来激发。拿来一个先进的理念自上而下地套用到现有的流程中，这样的嫁接是很容易失败的。

Hal Varian说：营销是下一个金融。营销涉及的是实在的商品和服务，没有金融的杠杆能力，不是同一个数量级的东西。我想Hal的意思是，数量工具将会彻底的改变营销，就像前四十年中数量工具改变了金融行业一样。这个改变背后的推动力是现实的赢利能力。数字化管理的赢利能力在在线营销中已经得到了有效的展现，有了利益驱动，这个改变就会加快。

对于这个博客的作者和读者们来说，可能很少有人会涉及真正完整的营销指标设置，这个练习所能提供的经验也是极其有限的。如果有读者能看完这冗长繁杂的一篇博文，还能够“有所思”，那么这个练习的意义也就实现了。

自Google出现并改变了游戏规则之后，用户对于网页的关注时间一直在下降。对于任何一个时下话题，有千万条结果可以关注，可以抓住访问者注意力的机会非常明显地下降了（2002年，BBC报告指出大约在9秒内）。想象一下你自己浏览网页时的时：你会阅读所有的文字和图片，尝试着彻底了解整个网页内容是什么吗？最有可能的答案是：“不会。”伴随着充斥四周的信息轰炸，我们像被宠坏了的孩子那样，不会投入足够的的注意力去关注一个网页到底想告诉我们什么。

我们快速决定是否关注一个网站时，取决于我们在几毫秒的时间里可以弄清楚多少东西。提供良好的第一印象是设计师和网站所有者的责任。说服访问者的机会非常小，大部分设计（很可能也包括你）将这个作为次要工作，因为大家觉得设计师只关乎美学。然而，大多数的网站并不是是为了给访问者留下深刻印象，大部分的网站是为了销售而存在的。无论它是为了让访问者去订阅博客还是下载一个试用版软件，每一个网站的存在最终都是为了销售某些东西。

在这篇文章中，我们谈谈如何使用科学的办法，使用A/B测试和多变量测试，去为网站创造更多的销售、下载、注册（或达到任何其他商业目标）。与一切和科学相关的东西一样，这篇文章将一步一步地探索并重现那些增加你转化率（客户与访问者的比率）的方法。还有，你可能会对之前发表在这里的一篇文章《终极A/B测试指南》感兴趣。

1. 定义挑战

怎么让网站用户注意到你提供的东西，然后让他们采取行动呢？我想要在我自己个人博客回答那个软件下载黄金页面的问题。这个页面有所有的正确元素：产品名称、产品说明、认证、奖励、得分和一个突出的下载链接。但是，只有40%的访问者下载了这个免费的软件。请注意，这个页面中几乎所有网页流量都是有针对性的，要么是通过google搜索，要么是来源于相关的参考网站。所以，为什么那剩下的60%访问者不下载这个软件呢？修补这个漏洞就是我的挑战。

关键字：清晰定义你网站（或个别网页）的目标

就我而言，所需的操作是让访问者下载这个软件，挑战是让下载率从40%提升到尽可能的高。一些最通常的可以使用A/B测试的挑战有：

• 提高注册率，减少跳出率，提高电子报订阅量。
• 提高从登陆页中收集到的线索数量，提高白皮书或软件试用版的下载量。
• 优化购买和促销，大幅提高从访问者到客户的转化率。

完全有可能的是你的网站必须要满足多种目的。例如，一个博客的挑战是得到更多的订阅量和提高访问者的参与度（根据评论数量）。在那种情况下，最好的策略是是每次解决一个（清晰定义的）挑战。

快速概览：A/B测试。查看详细

2. 假设

下一步是做一个低转换率的假设名单（采取行动的访客的百分比），低转换率很难得出准确结果（这就是为什么我们称他们为假设），但是仍有三个不错的资源可以帮助你：

（1）你：是的，你！ 虽然你很难不爱上自己的网站，但现在是时候进行自我批评了。 试着跟着你的访客走，你的网页所提供的是否足以吸引到一个没有相关知识背景的访客？ 请记住，这不像你，你的游客不会在早上醒来说：“哇，这东西太棒了！” 批判自己的网站是一个很好的改进方法。

（2）网站分析数据：获得改进办法的另一个资源是您的分析工具。 具体来说，提交的资料和搜索的关键字提供了有价值的数据。 例如，有许多访客来到你的网页搜索了你可能没有注意到的关键字。 在这种情况下，访客可能会错误的认为你提供的资源并不是他们正在搜索的东西而离开你的网站， 处理这类案例可以提高转换率。

（3）可用性测试：从可用性测试中获取到的反馈总会令你感到惊讶！ 也许你会发现，游客甚至不知道网页所提供的东西。 在这种情况下，测试可激发行动的颜色和尺寸大小是一个很不错的办法。如果你没有一个大的预算，可以尝试可负担得起的服务如可用性测试或批量反馈。

关键点： 确定哪些因素影响转换率。

从别人那得到的反馈并不能准确的评估你的网站，你可以记下可能会影响转换的想法。 对于我的软件下载网页，我假设下载率下降主要是由于两个原因：1、大多数访客没有注意到下载链接。2、许多访客不知道该软件是免费下载的。

我的猜测正常的访问大概是这样：访问者来到这个网站，看到了一堆文字，四处寻找下载链接，因为某种原因没有找到（可能是由于标题颜色无差异），最后离开网站。另一些注意到下载链接的人可能不想有阅读文本的烦恼，哪里有提示说“… …这是个免费的”，可能他们认为该软件是一个试用版或是一个演示。

你可能有以下步骤的假设：

• 也许你的注册表单是太长，简短的表单将有助于增加注册量？
• 也许你的“免费试用”按钮不明显，大尺寸的下载按钮有助于增加下载量？
• 也许你的标题包含了大量的行业缩写，或是太普通？
• 也许你到达目标的着陆页面没有明显的下一个步骤导致大量的流失率？

3. A/B测试还是多变量测试?

一旦低转化率的原因清单列举完毕，你就要开动脑筋用不同观点去思考这些原因了。你在这一步需要做的就是，用不同的版本去思考上一步罗列出来的那些因素。拿“注册”举例，不同的版本将会是：

• 表单区别：仅有两块的简化表单；不需要电子邮箱地址的表单；多步骤表单；长表单
• 提交按钮区别：“提交”或者“免费注册”或者“立即注册”又或者“现在就注册！”

如果你怀疑这些小区别没法对转化率有任何显著影响，你该去阅读下 37signal的这篇提升注册30%，它只是测试了简单的头条新闻的变化。同样，你也应该去阅读下Dustin Curtis让他的Twitter跟随着增加了173%，仅仅通过改变链接的文字为“你应该在Twitter上跟随我”。

A/B测试
在A/B测试中（也被称为分离测试），你一次只对页面上的一种因素进行比较，这个因素也许是网页中影响转化率的关键（例如按钮颜色、尺寸、广告复制标题）。相比而言，多变量测试是把许多因素同时测试。但是，A/B测试比多维度测试更简单也更容易完成。

多变量测试
在多变量测试中，你要识别页面中影响转换率的不同的区块/因素。这些因素产生的不同变化，从而共同导致了网站的不同版本。多变量测试要得出结果的时间比A/B测试长 ，但是它更有可能得出较好的结果。

关键词：产生变化

推导性测试
再说回那个增加软件页面中下载量的难题，我用我自己的工具，可视化网站优化者，这个为产生的变化提供了一个可视化的界面，但是你也可以使用其他软件。一个显而易见的办法让访客更容易注意到下载链接，就是让下载的区域变成页面中最明显的部分。在网页的设计中，“下载”的标题尺寸和颜色和网页的其他部分溶在了一起，从而导致人们没注意到下载链接。

对于多变量测试 ，我选择了页面里两个因素来制造变化：侧边栏的“下载”标题和它下面的“PDF生产商”下载链接。测试聚焦于“免费”这个词的效果，以及高亮下载区域的效果。以下就是这个测试之后的变化：

对于“下载”标题

• “下载” 用红色
• “免费下载”用红色
• “下载”用默认颜色，但是更大的字体尺寸

对于“PDF生产商”链接

• “PDF生产商”用默认颜色，但是更大的字体尺寸
• “PDF生产商”用红色

在多变量测试中，不同的变化综合导致了不同版本的网页。在这个案例中，结合以上变化，就有了一个共计12（4×3）个的不同版本（自动的），每个版本都有一个“下载”标题以及一个“PDF生产商”链接（变化1是控制了的或者默认的变化）

不同版本的下载区域被使用在多维度测试中

由于定义的原因，我把两个不同区域的变化组合到了一起，因此这个测试就叫做变量测试 。如果我只是在单一的区域做变化，例如“下载”标题，那么这个测试就应该叫“A/B测试”。

关键词：定义测试目标

每个测试都要有个目标，来衡量不同版本的效果。在这个测试中，目标就是下载的次数。其他类型的目标可能是注册数、购买述、点击数、曝光机会、浏览量或者流失率。定义与你商业目标相关的测试目标是非常重要的，例如，一个电子商务商店若要优化其销售，不应该把点击“加入购物车”定义为目标，而应该把购买完成后的“感谢”页面的访问定义为目标。

4. 进行测试并且分析结果

什么是A/B测试或多变量测试呢，很简单：当您的网页有访客时，随机显示一个版本的网页。 换句话说，你的流量平均分布在不同的版本。 各个版本的职能是为测试跟踪指定目标的变化。 例如，在我的情况下，目标是增加下载的数量，每一次访问者下载该软件时，可视化网站尽可能跟踪展示给游客的网页。设置一个使用这个工具的测试在这里可以帮助我做选择，所见即所得编辑器产生的变化，立即浏览到指定目标在这个网页上如何活动。

经过大量访客在不同版本上测试进行比较，看看哪一个是表现最好，又有多少改善。

关键点： 分析结果。

运行了大约4周的测试后，我对我的软件下载测试出了一份结果。 你能猜出哪一种变化的下载量最大？ 有多少改善？ 我是能够实现超过现有的40％的转换率？

屏住呼吸，结果是：

注：％默认的完善的计算公式为 100 *（变化％-控制％）/（控制％）
＃：指上面的截图中所描述的是组合数目。

可信度*：统计上结果的置信水平（不犯错的概率）。

你可以观察到的标题为红色“免费下载”转化率39％升到63％，60％的惊人增长。 有“下载”大字体大小（与链接，红色的组合）也产生了积极的改善（43％）超过默认组合。 所有结果前三名在统计上达到95％或更多的置信水平。看到下载有一个固定的增长，意味着我可以在这网页上安全地执行这些转变。 还要注意，即使是表现最差的组合有大约超过4％的改善，虽然它并不显著。

值得关注的是， 测试结果可能不可靠 ，而且出现的改善可能是由于机会。因此，必须了解不同参数的可靠性影响：

• 浏览人数：访客数量多，测试结果会更可靠。 你可以使用如持续计算的分割测试法，估计您的测试需要多少访客。
• 转换速率：在一般情况下，与转换率高的（比如40-50％）的网页相比。转换率较低的（比如1-2％）网页需要更长的时间才可获得具有统计意义的结果。
• 在性能上的差异：一个在转变行为有很大差异（例如“10％）的测试比一个差异极小（0.5％左右）的测试要可靠得多。

不管你使用的是自动取得可靠性结果的工具，还是使用在线计算器来衡量结果的可信度，这是很重要的一个工具。 使用和执行不可靠的结果实际上会导致性能下降。A/B测试信度分析如何计算可以阅读文章 统计分析和A/B测试，或者我的博客文章 A/B测试的数学运算。

5. 从测试结果中学习

不管页面的优化版本是否被察觉，每一个尝试都会带来很多收获。以下是从我的尝试中得出的若干要点:

• “免费”是一个很吸引人眼球的字眼。如果你提供免费的东西，那可能是在做一个次优的东西，所以不要在页面上太明显。
• 免费广告最好在操作链接的附近展示，举个例子，“免费下载”的广告展示在下载链接的周围。
• 为什么不把“免费”二字设置为可点击？这个问题使我们想到了重要的一点。我敢肯定如果我分析了页面上的链接点击情况，我应该会发现很多用户在点击了“免费下载”的标题后才意外地发现这不是链接。我应该测试一个标题可点击的版本。
• 红色只有结合其他元素例如“免费”（或其他带有引起行动的文字）时，才会引起访客的注意并让他们采取行动。但如果你的文字没有说服力，访客大概不会采用任何行动的。
• 引起行动的文字大小也是影响因素。较大的字体告诉访客这里是需要特别注意的部分。例如。“下载申请”与页面上的其他内容相比更重要。

即使你不记得以上各点，但请务必记住一个关键点：在您的网站没有测试他们的时候不要复制上述建议！

每个网站都是独一无二的，每次转换的目标也是不同的。而一般关于“免费”的影响意见，关于字的红色以及引起行动的文字的大小都是符合逻辑的。但是最明智的做法是创建一个快速测试，确定其效力。

A/B测试在刺激公司的收入和利润方面有很大的潜力。 尽管如此，奇怪的是采用A/B测试的人并不多。如果你还没有做过A/B区别测试，为什么会这样呢？ 如果你之前做的A/B测试或多变量测试，请在下面分享您的经验，以便别人可以了解真实的例子。

原文地址：Smashing Magazine
译文地址：http://isux.tencent.com/multivariate-testing-in-action-five-simple-steps-to-increase-conversion-rates.html

　　为了方便下面的解释和举例，先设定我们要比较X个体和Y个体间的差异，它们都包含了N个维的特征，即X=（x₁, x₂, x₃, … x_n），Y=（y₁, y₂, y₃, … y_n）。下面来看看主要可以用哪些方法来衡量两者的差异，主要分为距离度量和相似度度量。

距离度量

　　距离度量（Distance）用于衡量个体在空间上存在的距离，距离越远说明个体间的差异越大。

欧几里得距离(Euclidean Distance)

　　欧氏距离是最常见的距离度量，衡量的是多维空间中各个点之间的绝对距离。公式如下：

　　因为计算是基于各维度特征的绝对数值，所以欧氏度量需要保证各维度指标在相同的刻度级别，比如对身高（cm）和体重（kg）两个单位不同的指标使用欧式距离可能使结果失效。

明可夫斯基距离(Minkowski Distance)

　　明氏距离是欧氏距离的推广，是对多个距离度量公式的概括性的表述。公式如下：

　　这里的p值是一个变量，当p=2的时候就得到了上面的欧氏距离。

曼哈顿距离(Manhattan Distance)

　　曼哈顿距离来源于城市区块距离，是将多个维度上的距离进行求和后的结果，即当上面的明氏距离中p=1时得到的距离度量公式，如下：

切比雪夫距离(Chebyshev Distance)

　　切比雪夫距离起源于国际象棋中国王的走法，我们知道国际象棋国王每次只能往周围的8格中走一步，那么如果要从棋盘中A格(x₁, y₁)走到B格(x₂, y₂)最少需要走几步？扩展到多维空间，其实切比雪夫距离就是当p趋向于无穷大时的明氏距离：

　　其实上面的曼哈顿距离、欧氏距离和切比雪夫距离都是明可夫斯基距离在特殊条件下的应用。

马哈拉诺比斯距离(Mahalanobis Distance)

　　既然欧几里得距离无法忽略指标度量的差异，所以在使用欧氏距离之前需要对底层指标进行数据的标准化，而基于各指标维度进行标准化后再使用欧氏距离就衍生出来另外一个距离度量——马哈拉诺比斯距离（Mahalanobis Distance），简称马氏距离。

相似度度量

　　相似度度量（Similarity），即计算个体间的相似程度，与距离度量相反，相似度度量的值越小，说明个体间相似度越小，差异越大。

向量空间余弦相似度(Cosine Similarity)

　　余弦相似度用向量空间中两个向量夹角的余弦值作为衡量两个个体间差异的大小。相比距离度量，余弦相似度更加注重两个向量在方向上的差异，而非距离或长度上。公式如下：

皮尔森相关系数(Pearson Correlation Coefficient)

　　即相关分析中的相关系数r，分别对X和Y基于自身总体标准化后计算空间向量的余弦夹角。公式如下：

Jaccard相似系数(Jaccard Coefficient)

　　Jaccard系数主要用于计算符号度量或布尔值度量的个体间的相似度，因为个体的特征属性都是由符号度量或者布尔值标识，因此无法衡量差异具体值的大小，只能获得“是否相同”这个结果，所以Jaccard系数只关心个体间共同具有的特征是否一致这个问题。如果比较X与Y的Jaccard相似系数，只比较x_n和y_n中相同的个数，公式如下：

调整余弦相似度(Adjusted Cosine Similarity)

　　虽然余弦相似度对个体间存在的偏见可以进行一定的修正，但是因为只能分辨个体在维之间的差异，没法衡量每个维数值的差异，会导致这样一个情况：比如用户对内容评分，5分制，X和Y两个用户对两个内容的评分分别为(1,2)和(4,5)，使用余弦相似度得出的结果是0.98，两者极为相似，但从评分上看X似乎不喜欢这2个内容，而Y比较喜欢，余弦相似度对数值的不敏感导致了结果的误差，需要修正这种不合理性，就出现了调整余弦相似度，即所有维度上的数值都减去一个均值，比如X和Y的评分均值都是3，那么调整后为(-2,-1)和(1,2)，再用余弦相似度计算，得到-0.8，相似度为负值并且差异不小，但显然更加符合现实。

欧氏距离与余弦相似度

　　欧氏距离是最常见的距离度量，而余弦相似度则是最常见的相似度度量，很多的距离度量和相似度度量都是基于这两者的变形和衍生，所以下面重点比较下两者在衡量个体差异时实现方式和应用环境上的区别。

　　借助三维坐标系来看下欧氏距离和余弦相似度的区别：

　　从图上可以看出距离度量衡量的是空间各点间的绝对距离，跟各个点所在的位置坐标（即个体特征维度的数值）直接相关；而余弦相似度衡量的是空间向量的夹角，更加的是体现在方向上的差异，而不是位置。如果保持A点的位置不变，B点朝原方向远离坐标轴原点，那么这个时候余弦相似度cosθ是保持不变的，因为夹角不变，而A、B两点的距离显然在发生改变，这就是欧氏距离和余弦相似度的不同之处。

　　根据欧氏距离和余弦相似度各自的计算方式和衡量特征，分别适用于不同的数据分析模型：欧氏距离能够体现个体数值特征的绝对差异，所以更多的用于需要从维度的数值大小中体现差异的分析，如使用用户行为指标分析用户价值的相似度或差异；而余弦相似度更多的是从方向上区分差异，而对绝对的数值不敏感，更多的用于使用用户对内容评分来区分用户兴趣的相似度和差异，同时修正了用户间可能存在的度量标准不统一的问题（因为余弦相似度对绝对数值不敏感）。

　　上面都是对距离度量和相似度度量的一些整理和汇总，在现实的使用中选择合适的距离度量或相似度度量可以完成很多的数据分析和数据挖掘的建模，后续会有相关的介绍。

           以上文章转载，源自网站数据分析 » 《距离和相似度度量》

变动了什么？

大家都知道Google的CPC公式多年来已经有过多次改动。通过之前的数据积累，对于多种情况下(流量高低，CPC高低，质量度高低)的关键字表现我们可以得到一条CPC变动曲线，这可以知道现实中的竞价。

回溯到到09年，我们看见CPC很典型的右侧低起，随着位置升高而逐渐提升。同时我们发现Google还对于一部分角斗士类型的竞价者(质量度低但是肯出高竞价的土财主)冲击最佳位置时征收了49%的溢价。CPC曲线大体如下图

在2010年后期，我们发现CPC公式出现了改动。我们开始看见在右侧较低展示位置出现了高CPC价格，而在左侧高位出现了低价CPC。我们通过真实的数据进行建模，得到了下面的图表，这足以引起所有专业的PPC从业者关注。

数据处理和寻找变化背后的原因花费了好几个月的时间。下面有几把解锁的钥匙J (注: 三点由表及里循序渐进，不是并列关系。)

关键点#1 : CPC价格和质量度的关联不在如从前紧密

常识是在搜索市场中高的质量度意味着低的CPC价格和高的排位。这必须成立。

但是，同样的常识是你升高CPC竞价就会带来排位提升。这是个错觉，因为低于7的质量度会让你的广告无法顺利展现。2009年得时候你还可以通过高竞价强行提升排位，到了2011年，这样的做法只能让你的广告最多提升到排位第3.即使有展现，展现比例Impression share也会很低，在和高质量广告的竞争中你会失去大部分的展示机会。

高的排位预留给高质量的广告商，只是现在这更加明显了。

关键点#2 : Google遇到了创新瓶颈

竞价广告模式带来的根本挑战是如何从广告主身上合理的赚取最多的价值。Google一直精于此道。但是2007年，他们碰到了新问题 – 商用搜索词的短缺。

表面上看搜索词是无限多的，但是可以产生实际客观收入的比例很少，大约就几百万。因为能够带来利润的搜索词必须具备以下两个要素 :

1. 持续的高搜索量
2. 很多的广告主投标竞价

自动匹配帮助解决第一个问题，自动匹配是指系统判断同义词、错误拼写等因素的基础上调用广告。对于自动匹配，有人爱有人恨，但是这事实上是一个促进广告主投放消费的有效办法。
但是第二点就真的是个麻烦了。投放搜索的广告主数量已经达到了顶点有一段时间了。为此，让广大小广告主想不到的做法是，Google决定减少每个广告词触发展示的广告数量，幅度高达50%!以期望以更少的广告位带来更高的点击率从而提升消费。

这个实验挺有趣，至少取得了一定程度的成功，因为Goolge的大部分收入由搜索结果中的排名前三的广告产生。减少广告位让广告主要么提价要么提升质量度不然就消失。Google的做法是通过限制低价值广告展现在供给面制造人为短缺。剩余的(高价值)广告展现数量则会（相对）升高。

事实上，他们做的有点过火。布林2008年7月17日说到 :

“我们过去的一个季度在缩减覆盖范围的力度太过激进，我们现在认识到广告对于页面质量是一个重要的补充”

不到一年，地位的广告重现展现，但是，Google从来也没想出办法从中更好的获利。
关键点#3 : 顶部高位广告是赢不了的赌注

早有市场人士认识到顶部高位不划算。有着可承受价格的低位广告通常可以带来合理的不错的流量。如果你还想要更好，你可以适当提高竞价或者质量度，通常两者并行。

问题是CPC的增长是非线性的。高位展示会带来高流量，高流量加上高CPC价格导致最终无利可图。聪明的人意识到可以通过保持广告低位来赚取高的转化率，他们把高位留给不那么精明的对手。

Google无法接受这些聪明的家伙付出很少的投资，他们需要的是创新举措，而新的广告定价机制貌似是个不错的着眼点。

解决方案 : 针对高位广告主的折扣

这就是解决方案，不是提价不是减少广告位，Google决定对于左侧顶部高位广告提供高额折扣。对于第一名的广告的49%的多出来的溢价已经没了，（靠广告费开路的）广告主最多只能够买到第二位的排名 (同时，取决于对手的质量度，这个竞价的难度有可能相当高)，为了得到流量，你必须努力优化广告使得质量度保持在7以上。

市场人士乐见这个新的规则，因为广告主通过努力到达高位可以享有60%的点击率(这并不夸张)，另外，高位的CPC会有一个显著的下降(上图显示降幅50%)

千万别人为Google在捐钱，完全不是这么回事儿。他们在低位广告上施压提高最低竞价从而补齐收益。现在越来越难冲击进入左侧高位，同时低位的广告商付出的CPC价格比2009年高出不少。

这对于搜索广告从业者有着明显影响: CPC竞价价格对于位置提升并不如以前奏效，定CPC价格到一个可以接受的位置然后开始着眼优化质量。

下面两幅图表分别为2009和2011年度针对一家直销网站的典型关键词的模拟图。

• 2009年，高位广告并不值得投资，除非你为了占领市场。
• 如今2011年，高位广告带来超常规的收益增长，更多的流量，一般的投资，你懂的!

PPC算法的改动总是很有趣但是通常不好玩儿。但是作者比较认可这种改动 : 这个简洁直观的定价模型补贴质量好的广告主，同时激励新广告主优化广告质量正确收益的跃升。顶部高位通常是品牌广告主的地盘，现在人人都在争取。

原文: http://www.adgooroo.com/has_google_changed_their_cpc_formula.php
翻译作者：http://semwatch.org/author/goody/

“关键词没有转化”是个具有一定普遍性的问题，我就罗列一下我遇到这类问题可能采取的几个检验步骤，其中大部分相信Hewei已经操作过了，但对其他读者可能仍然有意义。

1， 检查跟踪手段。SEM广告投放中如果出现违背正常认知的“完全没有转化”的情形，首先要排除的是技术上的障碍。网络营销的效果评估建立在有效跟踪的基础上。或者是通过JS写Cookie,或者是在网站日志中读reference，都是通过展示—点击—结果的过程追踪来实现的。Hewei的案例中，品牌词有转化，而其他词都没有，需要确认一下品牌词和其他关键词的跟踪部署是否一致。如果跟踪手段没有问题，则进入下一步。

2， 检查着陆页。大部分客户对品牌词和其他关键词的跟踪手段不会不同，但着陆页不同则是很常见的。品牌词一般会指向网站首页，而其他关键词可能指向相关页面。那么相关页面的载入是否有问题？从相关页面抵达购买页面的过程有没有问题？实践中我没有碰到过非品牌关键词着陆页普遍出现问题的情形，但部分关键词着陆页及下一级页面出现问题的情况并不罕见，这往往是由于调整网站结构和URL格式产生的。大型网站里成千上万个页面经常牵涉不同部门，某些部门或者某些功能的调整有可能产生连锁反应。如果网站结构不科学URL格式不统一，调整就容易出现失误，造成部分页面失效或下级链接失效。如果检查发现着陆页ok，继续检查转化页。

3， 转化页其实是一个比较容易出问题的环节。一个可能是转化支付环节本身出问题，无法未完成交易；另一个可能是转化支付本身没问题，但支付完成页面载入出问题，造成JS无法有效写入Cookie。区分这两者也很容易，因为前者在内部收入变动中就可以直接反映出来，而后者只是监测失效，真实收入和报告收入出现落差。在Hewei的问题中，品牌词有转化而其他词没转化。我们通常会认为如果转化出了问题，就应该所有关键词一起出问题—–这里的前提是整个网站拥有统一的转化页面。但不少网站会使用不同的转化页面来记录不同KPI，比如不同品牌/注册/下载/安装/购买/退货/推荐/加订等等，可能都有独立的转化页面。如果是使用第三方支付的时候，可能还有不同域名之间的跳转问题。所以要看具体的情况来确认到底是不是转化页出了问题。

4， 以上三者统统排除，也就是说技术层面上都检查过，是非品牌关键词的确没有产生转化。那就把有转化的品牌词和非品牌词做对比，比展示，比点击。一般而言，品牌词的转化率必然大大高于非品牌词，因为客户在搜索品牌词的时候本来就具有更强的购买动机，跳过了购买漏斗中很长的一段搜索行为。这也是为什么SEM管理中应该将品牌词与非品牌词分离管理，品牌词的ROI标准应该是不同的。（关于品牌词管理，我以前做过讨论，请看这里。）假设品牌词有100个展示，50个点击，10个转化；而非品牌词有100个展示，10个点击，没有转化，这很可能是合理的。品牌词是20%的转化率，非品牌词可能转化率在5%甚至更低，要20个以上点击才会出现转化……如果是非品牌词总体展示点击偏低的情况，暂时不用纠结为啥没有转化，应该通过种种手段去增加非品牌词的展示和点击，积累更多的数据。

5， 在花更多的钱去购买展示和点击之前，还需要做一下“疯狂性检查 sanity check”。也就是非品牌关键词的投放是否具有起码的合理性。如果客户是卖QQ币的，但投放的关键词是“洗衣机”，或者投放的广告是“快来参加Ipad抽奖，点击一下就有奖”，那显然对带来转化没有帮助。不要认为这是天方夜谭，例子也许略有夸张，但类似的情形真实存在。不少客户投放的首批关键词，首批广告是拍脑袋想出来的。我们不能完全排除低相关性关键词带来转化的可能，但它们并不适合首批投放。在刚开始进行SEM投放的时候，需要把精力集中在最核心的关键词和最相关的广告上。可以通过对客户的网站，产品分析来获取这些关键词和广告，也可以从竞争对手的投放中偷取一些最相关的。如果在没有获得转化的非品牌关键词中看见足够“疯狂”的关键词或者广告，就应该将它们从帐户中剔除，以免造成浪费。只有我们预期会带来回报的关键词才值得我们增加投入去或者更多的展示和点击。

6， 如果我们在20个，甚至50个点击上看见了转化，那么剩下的问题就是如何获取合理的转化成本。但如果还是看不见呢？SEM管理中我们常常要面对未知。很显然，有了现有数据的情况下，优化决策就有依据。可在推广一个新产品，一个新广告词，一批新关键词的时候，应该投入多少成本呢？在获取第一个转化之前，所有的投入都是损失，是学习成本，是沉没成本，我们要准备亏损，问题是亏多少。假设一个转化是100元，我们是应该投入100元，200元，还是500元，1000元成本来获得初始数据的积累？很可惜，没有一定之规，你打算投入多少学习成本完全取决于你的商业决策。不管具体金额是多少，必须订出一个可忍受的成本上限来。非品牌词的学习成本一旦超过上限，就坚决喊停。选择了相关的关键词，完全不转化的可能性不高，但完全不挣钱的可能性太大了。在《老张的搬家公司》一文中，我就讨论过，小型个体搬家公司做百度凤巢投放有可能不划算。不管是品牌关键词还是非品牌关键词，不管是有转化还是没有转化，只要计划周详实施严整的SEM投放测试证明不挣钱，那么就别玩了。

一言以蔽之，如果SEM投放不能产生效益，就不应该继续投放。商业行为不是慈善活动，花钱是为了挣钱，不能挣钱的事情万万做不得。在得出这个结论之前，需要确认不能产生效益的原因，因为这个结论的隐含前提是“已经实施的SEM投放是正确的”，我想这也是Hewei问题的焦点所在。

今天的Inside Adwords （Google官博）宣布正式推出广泛匹配定制（BMM=Broad Match Modifier）。BMM的BETA版在英国加拿大试运行一阵子了，美国的少数代理/大客户也参与了试验，准备是充分的，但到推出的时候我还是略觉得意外—有点快！

先来解释一下这个广泛匹配定制BMM是个什么东西，最方便的还是直接使用Google自己的图片：

简单说：在使用广泛匹配的关键词（或关键词组成部分）前增添一个+号，就能把这个词（或组成部分）的广泛匹配限制在一定范围中：只有完全含有该词（或组成部分）的搜索词才会激发竞价以及展示。

之前写过一个博文来讨论广泛匹配VS精确匹配，但没有短语匹配的具体案例，同时文中的广泛匹配只基于Adwords广泛匹配的现状，没有涉及多少广泛匹配演变的渊源，及其引发的口水战。2004年以前，Adwords使用相对保守的广泛匹配，匹配到的搜索词相关度非常高，基本是含有原词和微量变形的。从2003年下半年开始，Google开始测试延伸广泛匹配extended broad match，并在2005年用以取代原有的广泛匹配。从RKG这样比较优秀的代理商的博客上，可以看见这在2006年已经成为了一个问题。

延伸广泛匹配的意思就是说：我很广泛！我很延伸！假如我投放的关键词是西太平洋大学，那么太平洋大学，西太平洋，太平，大学这类搜索词都可能激发竞价以及展示。这可能是好事：因为对于一个懒惰/过于忙碌的搜索营销管理员来说，使用广泛匹配就可以用最少的关键词抓获最多的潜在搜索量；而搜索用户也未必能键入最准确的搜索词。但也可能是坏事：广泛匹配会大大降低搜索词的相关性，带来无效展示和点击，对于讲究ROI的客户是很不利的。对于很多严肃的搜索营销管理员来说，向延伸广泛匹配切换是个糟糕的事情，因为延伸广泛匹配可以带来的好处往往可以通过扩充关键词投放来实现，但坏处却是搜索营销管理员所不能控制的。基本上，我觉得这是Google提高流量变现能力的措施，对于广告和搜索用户到底有多少益处就不好说了。

2008年下半年，Google推出Campaign级别的自动匹配测试，再次引起了对于延伸广泛匹配的申讨。自动匹配和延伸广泛匹配是两个概念，但出发点却有相似：只要你还有预算Google就来帮你花掉，你可以得到更多的点击和展示—–注意，这些点击展示的相关性要弱得多。与延伸广泛匹配的强制性不同，自动匹配是可以选择的，但默认值是允许—-相当多的客户可能从头到尾都不知道这个选项，即使知道，对于我们这种管理几百上千个Campaign的搜索营销管理员来说，修改设置也是大麻烦。不知道是否因为客户反弹过大，自动匹配很快变成了需要修改设置来加入的模式。很久没有跟踪这个测试的进展，今天查看帐户，这个功能在我目前管理的帐户中完全看不到了！

近一年来，Google的Adwords开发进度大大加快，连续发布了多个重量级功能，看得我眼花缭乱，到现在还有不少没有消化掉的。可以看得出，在SEM市场增长相对放慢的情况下，Google加强了深耕力度来提高广告商的消费能力。很显然，中长期的SEM市场繁荣需要得到广告商和代理商的支持和认可，不能把ROI带给广告客户的增收措施（比如简单的广泛匹配切换或者百度的MIN CPC提价）在当前的市场条件下代价增加了（高速发展的市场中，搜索引擎有本钱忽略这样的矛盾）。即便如此，如前所述，对于BMM的推出我还是略感意外。

对于广告商和代理商针对延伸广泛匹配的批评，Google的反应是：你不喜欢广泛匹配就用短语匹配嘛！

短语匹配的确是一种取代方式。但实际操作中，短语匹配是Adwords帐户管理中相对较弱的一种匹配方式，平均利用率较低。BMM的图例解释得很清楚，通过+号的运用，搜索营销管理员可以对关键词的广泛匹配范畴进行充分的定制—这比使用短语匹配要灵活得多。而这种可定制的广泛匹配所能激发的竞价和展示也比短语匹配要多得多，对Google的流量变现也是有利的。

我不懂技术，只是YY一下，通过+号方式实现关键词广泛匹配的定制在技术上来说应该不是太大的障碍。如果我们把BMM视作一组独立的匹配规则，那只是在现有的平台上加入了一种参数。当然，由于+号的位置可变，这显然比短语匹配要复杂不少，但规则本身仍然是单纯的。换句话说，+号的应用其实与“”或者【】一样，只是一个参数，对于Adwords的算法不会形成巨大的障碍。

如果技术上的难度没有那么大，那Google为什么要在5年以后才推出这个功能？很简单，BMM的对手不是短语匹配，而是广泛匹配。如果BMM在实践中被证明切实有效，那么它将立刻侵蚀广泛匹配的大量市场空间。RKG的George认为，在更高的相关度下，广告商可能获得更好的ROI，从而提高广告商的支出意愿。这是对的。但另一方面，在这个高相关度的环境中，提高支出意味着竞争实质上增加了，竞价成本也提高了，所以这个支出到底是否能平衡低相关度搜索词带来的收入，我颇存疑。

Google在英国和加拿大这两个二级市场中进行的测试，除了验证这个匹配的可靠性，我猜测很大一部分测试内容是观察BMM对点击量和收入带来的影响。根据前面的讨论，我认为BMM在短期内对Google收入的影响应该是负面的，顶多是这个负面影响不太大，损失可以承受，而推出BMM更多还是着眼在中长期。

最近比较懒，对于Google近期的动作一直想做点讨论，却一直没有动笔。总得来说，BMM和竞争分析或者提供系列试验功能等等一样，都是为了完善Adwords这个市场平台做出的重大努力。Google的这个完善过程将会严重挤压中小代理服务商的生存空间，但会使整个SEM市场水平上一个台阶。而这一切的核心在于：Google将自己定位成平台/市场/环境。正好在SEMWATCH讨论组里与天岸交换了一点关于苹果IAD的想法，下次也许可以拿出来谈谈？苹果，如大家所知，是与Google形成鲜明对照的。

前些日子受朋友之托查看某客户的百度帐户，这是一个大型帐户。说是大型，没有具体标准，我个人觉得关键词数千至数万的都可以算作大型，十万以上就可以列入超大型帐户了。

进去一看很头大。不意外的，既然是大型帐户，里面的系列和分组就颇多，关键是从名字上很难看清内在联系—这就回到了《超大型SEM帐户管理》中涉及的帐户结构问题，如果一个帐户一进去看不清层次安排效果分布，就是不合理的结构。没有人想把帐户结构设计的不合理，在最初之初，所有的帐户大概都是可读的，但要是没有合理的结构设计，随着业务的发展，帐户就很容易长走了样。

合理的帐户结构是效果可阅读操作可执行的前提，一眼看不清首尾，就很难找到合适的切入点下手优化。对付这种帐户我的习惯是索性不看系列和分组，先从关键词下手，把握关键词轻重之后再回头捋结构。把三个月的关键词报告拉出来按消费和收入排序，还没有透视，问题已经摆在眼前—-消费排名前十的关键词中竟然有近一半在三个月中没有产生一个转化。所有关键词透视了一下，超过九成关键词，超过一半的SEM消费在三个月以内竟然完全没有转化！再回头看一下系列表现，同样是一大半系列完全无转化，同时每天都触及预算上限。这意味着：这三个月里，每天过了中午不久，该客户的SEM广告就因为耗尽预算下线了，而这些预算大半打了水漂……

坦率地说，这类现象在国内SEM市场中并不罕见，很多广告主没有对帐户进行起码的管理，遑论优化。不过考虑这个客户的级别，我还是略感吃惊。该客户对于帐户现状显然也并不满意，对朋友提出了短期内快速改善帐户整体表现的要求。看清帐户实况，我其实心下窃喜，因为改善帐户表现太容易了—–只要把所有没有转化的关键词都停掉，其他啥也不用做，ROI就已经提高了，后面的事情慢慢做，怎么做都是改善。

朋友听了优化方案的第一步，仔细浏览了一下关键词报告，觉得有点为难：“这样停词客户可能不会同意，因为九成的关键词都停掉了。”既然这些关键词并没有带来收入，那停掉这些关键词的难度在哪里呢？我首先想到的是客户方的SEM管理员面子上下不来，毕竟对方也有好几个SEM管理员，辛辛苦苦做了那么久，忽然有人告诉他们平时做得大半是无用功，的确比较伤人。这倒也无妨，SEM管理首先是客户管理，然后才是帐户管理。任何动作，得到客户的赞同和理解是最重要的。于是我和朋友说：“没关系，他们接受停多少就停多少，真正消费大的能瞬间改善ROI的关键词其实也就是那么几百个。”朋友挑出几百个关键词，去跟客户沟通了一番，回来依旧抓头：“客户对停这些关键词还是有意见，他们说，这些关键词可能没有带来直接转化，但说不定带来了间接转化呀？”我当时被雷得外焦里嫩，脑海里缓缓浮现出两行大字：流氓会武术，谁也挡不住……

说实在的，客户的顾虑并非空穴来风，还是有其依据的。解释一下间接转化，英文中有时叫assist keyword, 有时叫keyword aid，大意都一样：用户先点击关键词A再点击关键词B，随后在关键词B上发生转化，尽管关键词A没有带来直接转化，但这个点击也许是有价值的。如下图所示，搜索词有一定的递进关系。

再举个短关键词的例子，如果用户想买一台数码相机，他先搜索“数码相机”，了解一点概念，开始搜索“数码单反相机”，接着搜索“佳能数码单反相机”，然后是“全幅佳能数码单反相机”，再然后“无敌兔”，最终在“便宜无敌兔”上完成转化。这个过程可能耗费了一两周，涉及好几个关键词，但最终只产生一个转化。看起来似乎所有的关键在都在促成这个转化的过程中发挥了作用，这个转化的价值分配给哪个关键词好呢？从学术角度来说这是一个非常复杂的问题，支持“第一次点击”“最后一次点击”以及“全程点击平均/权重”的分配方式都有其支持者；但在实战领域中，这个问题就比较简单：尽管搜索引擎和SEM代理商通常都会推销间接转化的概念，但在其系统中默认或者首选的多半都是“最后一次点击”。“最后一次点击”的收入分配模式也就是我们通常所说的直接转化。

很显然，直接转化在整个转化形成过程中所起的作用是片断的。拿前面的例子来讨论的话，用户每次搜索到一个关键词广告，点击进入你的网站上获取信息，这个过程有可能加强他在你的网站上进行购买的决心。但问题是，到底哪个关键词对他最终的购买决定影响最大呢？那个关键词应该被匹配上全部/最高的转化收入呢？这个问题是无法用技术手段来解决的。

反过来说，即使所有其他关键词你都没有购买，或者没有取得展示。但用户从其他渠道获取完整产品信息以后把关注点放在了价格上，当他搜素“便宜无敌兔”的时候看见了你的广告，点击进入并完成了转化，那么之前其他渠道所购买的诸如“数码相机”“佳能数码相机”之类的关键词广告都是为你做了嫁衣，你仅凭一个关键词的直接转化就获取了全部的转化收入。说得夸张一点，如果我们知道所有的最终转化词，就完全可以不购买所有的搜索研究词。

如果我们使用“第一次点击”的间接转化模式（有人的确认为第一次点击最重要，因为这是用户开始产生购买动机的第一步），你的网站有关于数码相机以及无敌兔最详尽最有公信力的介绍，用户可以在你的网站上完成所有购物研究，但不幸你的无敌兔价格比竞争对手高了三千元，此用户本次购买过程中所有的广告点击消费对你有任何商业价值吗？也许有品牌价值，此用户可能会向朋友推荐：“研究相机可以去XXX网站做功课，但是买相机还是去YYY网站便宜！”恭喜收到“好人卡”一张……我们必须把网站页面的点击漏斗和搜索词的点击漏斗区分开，否则会带来观念上的困扰！网站上的点击漏斗一定指向最终转化，所有点击只发生在你的网站上。而搜索词点击漏斗的每一层都是一次全新的用户搜索。也就是说上一次的搜索词点击可以跟下一次搜索词点击的目标网站完全没有关系。如果搜索用户只点击排名第一位的搜索词广告，那获得转化的显然就是最后一次搜索排名第一的词，其余关键词都是陪太子读书。

顺推不一定可以获得转化收入，倒推根本就是从转化收入开始的。一来一去之间，最后一次点击的重要性就展示出来了。当然，重要并不意味这最后一次点击有足够的合法性获取全部的转化收入，转化前发生的一系列点击都是有其价值的，实战中主要的难度是如何分配每个点击的收入。平均（线性）/权重分配在理论上更合理些，但实战中采用什么分配比例往往是很大的问题。分配不好的时候，我倾向于索性不分配。SEM管理是基于数字的管理，但我们也应认识到这种管理是趋近式的数字管理，不可能达到绝对的精确。在无法有效向前递分转化收入的时候，间接转化在SEM管理中就成为相对不那么实用的效果衡量手段。

这样说来，该客户对于停词带来间接转化损失的担忧还是有道理的，为啥我会被雷到呢？是因为关键词比重不对。在实战中，如果一个关键词只为其他关键词带来转化流量而自己完全不转化，那很可能是低价值的关键词—–否则为什么用户只搜不买？ 如果拉长观察期的话，会发现大部分的assist keywords都会相互帮助转化，也即如果关键词A帮助了关键词B获得间接转化的话，很可能在某一个时间点上关键词B也帮助了关键词A或者C转化，这样才能展示出关键词之间的内在联系。无论如何，90%以上的关键词为剩下不到10%的关键词提供点击帮助的可能性都是非常低的。同时，对于一个上万关键词的普通帐户，如果确实存在这样的“雷锋关键词”，数量也往往屈指可数。

当然，客户既然雇佣SEM代理商，就说明他们不一定具有代理商的SEM管理经验，这份担心值得得到详尽的解释。现在不少工具其实可以提供间接转化的跟踪，Adwords帐户里提供的Search Funnel（搜索漏斗）工具就是一个非常好的应用。在报告选项下点击转化，可以针对不同层面Search Funnel进行多维度的考察。在下面这张样图中，可以看见assist keyword 和实际的转化关键词往往很接近，这是很常见的情况。

我不清楚百度凤巢上是否可以使用百度统计工具或其他报表获得类似数据，但如果客户使用GA UTM做URL标签的话，显然也可以在GA报告中看到类似数据。这些工具还都是免费的！退一步说，如果现在使用的工具无法实现间接转化的跟踪，也可以针对相关关键词进行A/B测试来查看到底是否产生间接转化。如果确实是雷锋式关键词，那么它一牺牲就可以观察到明显的转化量下滑。假如十天半个月都没有产生转化下滑，广告主就应该问问自己花了一多半的钱去买这么低的潜在转化量是否值得？

在这个真实案例中，如果把无直接转化的关键词停掉，省下来的预算就可以用在有效关键词上，获得更多的展示机会。如果停词节省一半消费可以带来100%的ROI成长，那有效关键词带来的收入增长又是50%-100%。几乎还没有展开严肃的优化，就获得150%-200%的ROI成长，要多大的间接转化才能带来这样的收益呢？

关键问题不在跟踪工具或者测试手段，在于SEM管理员的思路。重复，SEM管理是基于数字的科学，即使我们知道数字只能趋近无法做到100%的精确，也还是大大好过没有依据的幻想。

文章来自于搜索营销观察，作者Gaoge

问答中涉及的帐户结构其实是大中型帐户管理中最重要的一个部分，这次没有展开，如果读者有兴趣的话，可以单独起一篇讨论。

问: 超过10万关键词的超大型账户，怎么分组比较方便管理呢？ 现在这个账户主要靠类型去分的，比如行业/通用/疑问/竞品等等，但是感觉管理很繁琐。

答:对于大型帐户来说， 帐户结构是SEM管理里最重要的一个部分了。本质上帐户大小，关键词多寡在SEM管理上并无本质差异。大帐户的问题主要是内容过多，容易迷失在细节中,造成无法有效确认优先问题和解决方法。一个清晰合理的帐户结构的目的是提高帐户的可读性和可操作性，排好优先顺序，则管理不会太繁琐。原则上，我认为哪怕是几百万上千万关键词也不需要几十个人来操作，三五个足矣。

问: 对。现在有一个问题。 我这边客户有几个小女孩自己在弄，他们经常会把质量度低的 拿出来重新建计划。结果我进去一看都要疯掉了，乱七八糟的，大动的话，估计数据波动会比较厉害。

答: 接手新帐户要避免大动，一下动太多容易引起剧烈波动。即使做全新的帐户结构也应该循序渐进，对客户来说，在稳定的基础上优化更有意义。剧烈波动本身也会对优化带来更多障碍。

问：那就只把top消费前100的调整好就OK了吗？我准备筛选出TOP前100消费的keywords,和相关搜索词

再重新分组。

答: 可以这样，比如选一个最大的项目行业做样本， 选出最有意义的关键词重组一个测试系列。然后优化此系列。完成初步优化后，以相同的测试组概念替换其他的项目/行业，一点点更换， 不要一次全改掉。

问: 我看过你以前写百度中级培训的PPT，去测试一组关键词组合，这个没有一套系统，很难实现吧？

答: 也不一定困难，EXCEL就够用。 主要是架构要自己先搭好，做测试的时候自己大概布局就要出来了，然后逐步调整。

问： 恩。 你这边有没EXCEL数据分析的样本。 我看下你怎么做的， 学习下。DEMO数据就行。

答: 没有…… 这个一点不复杂，基本就是简单的排序和效果对比。但是需要经验吧？结构的话，除了自己组织，还可以跟他们的站长或者商业负责人聊聊，与网站结构或者商业流程相呼应，以报告易读性和操作易可执行性为目标。

问: 我想了解你们做这些优化工作中，是关注哪些方面数据的波动。 看一个表的话，就很直观了。

答: 当然是新旧系列的效果对比了。做小的测试组也就是这个目的，保证测试前后的数据可读可对比，以消费和转化为主要指标，展示 点击和CPC为手段。

问: 广告组也是要保证 相关性吧？ 创意和keywords的相关性， 不同目的的话，做结构也会有区别。

答: 你的测试系列是要以最优目标来设计的， 否则就没意义了。 测试成功以后更换时逐步复制淘汰旧词旧系列，这样才能保证新结构清晰可控。

问: 恩。明白了。 有时候开始规划是好的，但是后期优化极有可能把账户弄乱了。

答: 嗯，这个是经验问题了。还是思路没理清，东西一多就失去优先顺序呢。做SEM管理要进得去出得来，始终了解问题的核心，任何时候都能抓住主线，纲举目张，则不会被后期大量的细节淹没。

问: 还有这种情况， 我测试的时候不断加入优质的搜索词，这样的话对比就困难了。 如果不加的话，只能在CPC，创意，LANDING这几个环节去优化。

答: 测试只针对旧的，不要复杂化， 扩词是替换掉旧关键词旧系列以后的事情。优化必须分步实施，每次针对有限标的，否则你不知道如何评估效果。 你做帐户优化有点着急，总想一步到位。

问: 恩。 你这边一般什么步骤？ 对，我哪有你这么成熟老练啊。 主要是客户也急于求成， 没办法。

答: 有些工作是水磨工夫没法着急的，关键是要确认优化及优化手段可以复制，这些需要数据积累来验证。光着急没用，买彩票中一次不能中第二次，可复制是系统优化的关键。

问: 你大概指导下 具体实施步骤。 我好好记录下，并按照这个执行，看看效果。

答: 首先要解决优先目标。从消费转化两个角度排序，选影响力最大的系列或者关键词下手，建立理想的测试分组或者测试系列。现在谷歌欧美帐户在系列设定中支持测试功能，可以在运行状态中分成测试。中国用户使用百度或谷歌中国的，则使用传统手段：就是停旧关键词旧系列，启动测试系列，对比测试前后同时间周期的效果。

问: 谷歌的测试就是新旧系列/分组分成，设置不同两个CPC出价，看最后的比对结果？

答: 不仅仅是CPC。 其实优化第一步的时候，CPC不重要，重要的是结构。必须在测试系列中实现最理想的结构，然后调整CPC，广告，LP，相关性，等等。 初步测试完成以后把这套模式复制到其他目标系列中。在已经完成新旧替换的新系列里可以进一步扩词/调整预算/改进广告等优化。其实一点不复杂，主要是思路要清晰，每一步都知道自己做什么，目标是否实现，是否与实施的手段匹配。

问: 恩，我记录下。还有个问题，有些行业本身波动较大，比如 这周比上周正常波动个30%都是有可能的。

答: 一是拉长观察期。二是锁定系列，分组或者关键词，剔除波动来看整体效果。波动是正常，但所有分组关键词一起波动，如果没有外力影响就不正常。

问：整体波动在某些行业真是很正常。

答: 你没明白我的意思。如果你认为一定的波动正常，把这个波动范围放进效果观察去即可，这和拉长观察期的意义是一样的。就是说，如果30%的波动正常，那么我们的优化可以以50%为目标。另一方面，你可以将所有数据用7日平均，15日平均的方式来加权 那么就可以弱化短期波动的影响。 说到底还是思路问题：你定下一个结构和优化方案，如何实施和效果评估。

问: 太感谢了，听你这个一说，感觉思路打开了。平时总是很疑惑如何从数据分析加权去，排除正常波动的影响。

答: 不客气，要有耐心，主要是确定问题，确定解决问题的方法，确认问题得到解决。小处入手，方法正确，则小的改进也是可以复制放大的。但如果一下上一大堆操作，不知道到底哪些有用那些没用，就彻底看不清了，客户急自己急都没用。

问: 测试的系列，是不是不要放入过多的关键词和分组？

答: 以你能够有效管理为标准，如果你有把握可以同时管理大批关键词，也不怕多上。但一般来说，关键词越多，对SEM管理经验要求越高。

此处所说跳出率和退出率是基于Google analytics的度量标准

跳出率（Bounce Rate） 也被称为 蹦失率：浏览单页即退出的次数/访问次数=single access/entry visits

退出率 exit rate：从该页退出的的页面访问数/进入该页的页面访问数= exit pv/pv（注意这里面的访问数和一般概念的visits是不一样的 其实是指pv，非visits，关于pv和visits参考Google analytics的说明文档)

其中：

跳出率只能衡量该页做为着陆页面（Landing Page）的访问， 跳出率分母等于Landing Page的visits ，分子也是指跳出的visits

退出率则是针对全部的访问页面不限于着陆页面（Landing Page），任何页面都有退出率。

退出率的分子=退出的次数（包括一次访问过程中用户浏览单页即跳出的次数，也包括浏览多页后从该页面退出的次数。）

退出率的分母=进入该页的页面访问次数=该页的所有访问pv(综合浏览量)

进入的次数包括用户重复浏览该页的次数，因此可理解为综合浏览量。

google analytics和Omniture关于退出率的定义区别：

google analytics里面计算退出率分子分母是计算pv的，而Omniture是exit/visit

当然google analytics和Omniture里面计算跳出率都是计算访问次数visits的。

EG:

10个visits来到a页面 ——5个visits直接离开，3个visits去b页面 （2个visits去c页面然后直接离开）。 b页面的3个visits有2个visits返还a页面最终从a页面离开

计算a页面的于Bounce Rate和Exit Rate 分别就是（5/10) *100% 和 (5+2/10+2 )*100%

这是Google analytics里面的退出率的计算 ，在Omniture是算exit/visit，也就意味着这个值是(5+2)/10*100%

换个条件 ，如果从b页面返还a页面的2个visit ，一个visits去d页面 一个visit去f 页面 然后1visit从d页面返还a页面并最终离开

这个时候计算a页面的Bounce Rate和Exit Rate 分别就是(5/10)*100% 和 ( 5+2+1/10+2+1)*100%

在这个例子里面我所有的条件都是用访问而没有用访客，是因为ga在计算跳出率是算visist的而不是uv(绝对唯一访客），而退出率的分子分母是pv.

为了证明结论 再贴一副图做为来证实结论

这幅图说明几个问题 ，一直来很多概念在度量跳出率都是用进入，可能部分读者还是不能明白所谓进入是指什么，这里可以看到所谓进入其实就是访问数visit.

这个实验的网站全站我们验证跳出率 ，跳出数259，进入访问数visit等于451。于是跳出率略等于259/451≈0.574279 忽略小数点就是图中的57.43%。

退出率,退出数是 451，综合浏览量pv是975，计算退出率就是451/975≈0.46256,忽略小数点就是46.26%

二 退出率和跳出率说明什么

跳出率

跳出率只能衡量该页作为用户的landing page的页面质量，不能衡量其他。

一般来说，如果你做的是从其他媒体引入的流量，说明你的媒体渠道选择失误，搜索引擎付费关键字定位不准、客户群定位不准确，还是landing page的call to action可能不够吸引人。

当然对于不同页面和不同类型的网站的跳出率需要区别对待，很多网站的性质决定用户甚至只要浏览首页，需求就可能得到满足。比如wordpress的博客，可能一些老访问者，访问博客只是看有没有更新，没有更新，跳出很正常。这种情况如果简单的说网站质量很差是值得商権的，这个时候建议细分群体和细分页面去看跳出率。

退出率

退出率高也要分情况讨论并不能一概而论，如果你已经规划好你网站的用户访问流程，但是你发现你网站的某个退出页面成为去其他某个很重要的页面的阻碍，那么你应该关心的你的这个退出页面的内容了。

退出率不能用来分析网站所有的页面，只能用来分析特定流程中的某些页面能不能满足用户的需求（交互）的问题。一般认为退出率高需求没有得到满足，但在特定页面不能用退出率衡量用户需求问题。

如果客户需要得到满足直退出，退出率高是很正常的，如电子商务网站的支付成功页面，其他网站的客户服务（eg:联系我们，关于我们）此类页面，退出率一般肯定很高。用户结算支付完需求得到满足，用户知道联系方式需求得到满足。这个时候需要借助其他分析了,例如电子商务可以用转化漏斗分析。但是在同样的类似流程中，注册页面、支付页面和填写收货地址页面却又是可以用退出率来衡量页面质量的（这样的页面一般是有固定步骤的），如果退出率高，那么反映你的注册流程页面、支付流程页面和物流流程页面存在问题了，比如不支持货到付款，需要填写项过多，界面不友好等等。

退出率还反映在页面内容的吸引性，call to action能不能激励用户。另外从网站技术角度来说，页面太大不能被完全加载，页面没有返回任何其他页面的链接入口，也是造成退出率过高的问题。

三 面对跳出和退出，我们如何优化？

跳出率可以用在外部流量渠道分析和付费关键字广告的分析上面，对于那些跳出率过高的渠道，一方面我们要分析，是不是渠道客户群和网站定义客户群有偏差，另外一方面是鉴别虚假流量上，大部分的虚假流量的跳出率一般都是很高的。

退出率更多被运用在页面内容，页面用户需求分析上面，对于什么样子的页面是满足需求的，可以采取A/B Test和多变量分析。你可以首先分析你关键页面的退出率，比如支付，注册等你认为对于你网站完成转化很重要的页面的退出率还有高参与度【页面参与度=(总目标价值+电子商务收入)/ uv）】页面。