这就是为什么有一些新的玩法出来，如大电商可以通过大宗流量采买降低媒体成本，使用程序化的优先购买方式将自己与这些竞争者区隔开，并通过自动化定向投放来提升广告效果。

　　投放渠道的归因分析模型

　　电商行业如何科学考核KPI？

　　首先，在投放之前，你需要建立一个宏观概念：所投放的资源对你来说作用与核心目的是什么，在这个宏观概念上去衡量媒体的广告投放效率，思考在这个渠道要花多少钱、取得一个什么样的投放效果。

　　至于在每个渠道如何分配预算？如何在众多媒体中均衡？关键是抓住一点：哪些媒体平台的投资回报率最能达到你的KPI。当然这是一个动态优化的过程：先去尝试得到一个反馈，然后你再去调整预算分配。例如：一开始我有100块钱，有10个媒体，每一个我投10块钱，然后我通过一星期或者是一段时间投放之后，取得一些反馈，在这些反馈基础上进行分析，发现有两个渠道我是可以不投，有3个渠道需要增加费用，这样不断调整优化。

　　但是这个问题是，你首先得要有一把尺子，如取所有渠道的平均值，然后再用这个平均值去衡量每个渠道，剔除那些低于平均值的渠道，再加新的渠道进来，再做平均化，再去不断地循环累计，资源就会不断地丰富。有一些媒体在投放一定阶段时间之后会换一把尺子去衡量这些媒体，然后再去实行末位淘汰制，然后再去循环一些新的媒体进来，包括之前死掉的媒体可能在这个过程中又会重新加进来，不断循环。因为每个阶段每个广告主的尺子是不一样的，有时候是ROI，有时候是新用户数量，所以对渠道的选择也会不一样。

　　另外，在考核时，一定要进行归因分析（见图1-7-6）。很多广告主是用last click去做订单归属，即最后交互模型（Last Model），把转化归属为用户最后一次点击下订单的渠道。

　　图1-7-6 归因分析模型大汇总

　　但是问题是说，这个人在买这个东西之前可能已经接触了4个甚至5个媒体的广告，虽然看完没有下单，但是这些媒体难道就没有作用吗？把功劳都归在最后一次点击上这种算法是不合理的，因为很多媒体在前面做了助攻作用。

　　所以我建议对渠道进行归因分析。但是很多时候广告主因为“懒”，又或者可能是“睁眼瞎”，也可能是技术能力达不到，只看最后一次会比较简单粗暴。但是你只看最后一次的时候会发现，有一些渠道会占优势，如CPS、品专、搜索引擎关键词等渠道，这些渠道的数据很好看，你如果不做深度分析会掉入一个陷阱，一旦把别的渠道停掉，这些流氓渠道带来的订单将会大大地减少。因为如果没有中场、后卫渠道的传球，光靠前锋所带来的订单量会逐渐萎缩。

　　目前，企业主面临哪些营销问题？

　　随着今日头条、Wi-Fi万能钥匙、UC头条、猎豹等新兴媒体的诞生，再加上新浪、网易、搜狐等一些老牌媒体通过商业化不断加强程序化交易的能力，导致广告主在媒介端投放选择的复杂性日益增强。

　　当广告主在投放时，要面对很多广告投放系统，每个系统成熟度也不一样，资源有差异，人群数据来源有差异，系统能力有差异；每一个广告系统都有自己的特点，在A平台可以实现的功能在B平台可能实现不了；优化逻辑可能并不是通用的，会导致效果不一样，所以需要因地制宜去找到每一个平台适合这个客户的投放方式。

　　最后的结果就是，广告主如果想在每个系统中进行广告投放且要获得好的效果，是一件非常难的事情。例如，我们现在既要投广点通、智汇推、今日头条、UC等市面上一大堆信息流类产品，又要投百度、360搜索、手助和原生以及小米等一系列厂商的营销产品，它们都有不同的广告系统，然后广告主需要很多人把不同的账户管理起来，这里就发现一个问题—效率很低、效果不一定好。

　　所以需要给每个投放平台都安排一个非常专业的优化师，如果要投放10个平台，一个广告主需要10个优化师，由此产生的人力成本无论是对代理公司还是广告主都很难承担。

　　有没有可能培养一个优化师精通多个平台？

　　我们当然希望一个优化师能搞定10个广告平台，但问题是一个人怎么可能精通10个平台的产品呢？做同一类型的平台可以，但如果是跨类型，基本上不太可能。即便有人能精通10个平台，但人的精力是有限的，一个优化师同一时间去调10个平台，他管不过来。

　　所以促生一个需求—通过程序化、自动化来实现多渠道管理，去辅助优化师，提高他的效率，并且提升广告投放效果，这就是市场上对广告投放的自动化一个非常强的诉求。

　　通过程序化、自动化来实现多渠道管理，是市场上对广告投放非常强的诉求。

　　以下为营销自动化在电商领域的应用，束磊老师将透过媒体曝光阶段与网站转化阶段剖析讲解提升广告效果的方法。

　　优化点击之前和点击之后的注册转化率

　　电商行业如何实现点击之前（Pre-Click）的优化？

　　电商营销解决的是人和货之间的关系，同样的商品曝光给不同的人的反馈是不一样的。以化妆品为例，给你和你的同事?