547 722 359 825 487 978 915 432 411 982 236 70 364 223 808 958 304 744 116 582 493 250 937 720 699 507 511 344 639 763 84 233 94 534 171 637 299 790 743 261 239 31 35 134 428 801 355 505 116 291 927 394 56 547 16 781 10 67 336 169 464 588 908 59 404 828 465 665 593 599 287 70 49 856 860 958 971 96 416 566 178 352 989 704 367 858 326 842 821 629 898 732 27 885 206 356 966 142 778 245
当前位置:首页 > 亲子 > 正文

企业网站的SEO优化策略与技巧

来源:新华网 茹训晚报

提要: 1、行业中展示广告点击率是出了名的微不足道,不足0.1% 2、展示后优化的收益增量比点击后优化要高出十倍 3、在控制测试中,看到IMVU(一个虚拟世界的名称)广告的顾客,无论他们是否点击了广告,都有10%的人更有可能成为付费用户 一个世纪前, John Wanamaker曾说过:我花在广告上的钱有一半都浪费了;而问题是我并不知道是哪一半。如今,网络营销人员仍然在努力克服度量分析中相同的问题。 答案似乎很简单,因为在网络世界中,你可以追踪到点击次数(Clicks)。而问题在于,点击数和以点击为基础的分析是站不住脚的。点击数不但无法表明整个事实,它甚至会颠倒事实,尤其是在单独使用它时。 因为网站分析工具的应用,许多营销人员仅仅把网站的活动性(参与度,转化–semwatch编辑注)归功于以点击为基础的营销活动,比如说,对展示广告的点击。然而,这是一个非常局限的方法。 因为展示广告的点击率(CTR)非常的低,不足0.1%;绝大部分看到网络广告的人都不会点击它。此外,点击次数与点击人数也是不成比例的。大约85%的点击数来自于8%的人。很多行业研究都是针对这个问题的。 然而,低的点击率并不意味着广告未起作用事实恰好相反。消费者经常在看到广告不久后购买,却并没有点击广告。 在最近一个测试中,一个名为IMVU的可以购买虚拟物品的虚拟社交网络,试图研究发现当免费的IMVU用户(这些用户已经收到了营销邮件,并且在虚拟世界中看到了广告)在现实世界中看到IMVU的在线广告时,是否更有可能成为付费用户。 在控制测试中,看到IMVU广告的顾客,无论他们是否点击了广告,都有10%的人更有可能成为付费用户。与对照组相比,这10%的增量是在现有的所有营销努力之外的额外效果。对照组看到其他营销活动的机会与测试组是相同的。两个组唯一的区别在于是否实际看到的广告。测试组看到的是IMVU的广告,而对照组看到的是不相关的广告。 IMVU用同样的方法测试了如果付费用户在现实世界中见到了刺激消费的广告,是否愿意花更多的钱。从平均值来看,见到促销虚拟产品广告的IMVU会员,无论他们是否点击了广告,都会比那些见到不相关广告的会员多消费一倍以上。同样的,这种提升是通过邮件和虚拟世界进行的促销活动之外的效果。诸如IMVU之类的公司,销售虚拟物品就如同印刷钞票一样。 让我们再来关注一个电子商务公司。该公司严重依赖于通过网站分析工具来分析点击后的用户行为数据(来优化营销活动效果-semwatch编辑注)(post-click date)(该网站的流量和收入是由广告带来的)。广告客户希望仅仅通过点击后的用户行为数据来作为优化的依据,由于客户并没有追踪展示相关的收入(post-view revenu),所以也谈不上对其进行优化。 再来回顾一下这两种情况:基于点击后数据来分配转化贡献(post-clicks)的优化 vs 基于展示后数据来分配转化贡献(post-view)的优化。展示后优化的收益增量比点击后优化要高出十倍。当从点击后的角度来分析收入时,我们将最好的广告称之为广告A,最差的称之为C。但是当从展示后的角度来分析时,结果刚好相反。C是最好的,而A是最差的。这就导致了完全不同的优化方案。 也许有人会提出相反的看法,认为展示后的分析夸大了网上广告的功劳。因为一个潜在的消费者无论是否看到了网上的广告都很有可能购买产品,而这些广告很可能并没有影响他们的决定。然而,经过一次又一次的验证,我们发现结果恰恰相反。我们分析了从看到广告到购买产品之间的时间窗。数据显示,转化的快速增加发生在消费者看到广告的很短的一段时间内,即体现了展示后归因的影响。在下面的例子中,有一半的转化发生在广告展示的六个小时之内,而70%的转化发生在展示的24小时之内。如果说展示后归因并没有这样的影响的话,那我们应该看到转化率随时间是呈随机分布的,以遵循线性模式,而非曲线模式。 底线就是每个广告活动都是不同的。它们都应该基于尽可能多的数据进行优化。不要仅仅依赖以点击为基础的分析。最好还是充分利用你的优势和资源。 天岸评注: 对于展示广告的效果分析应该更多的参照多方面的因素,比如说: 1、展示广告的目的是什么?是做品牌的还是做销售促进的,这个广告希望在消费者决策的哪一个阶段来产生影响? 2、所处的行业特征?消费者的决策周期是多长? 实际上,展示广告是付费媒体(paid media),点击之后进入的网站是自有媒体(Owned media),但实际上二者都是广告主可以控制的媒体,他们可以决定展示的内容,方式和时间。点击,对于广告主来说,只是从一个信息模块的展示转移到另一个信息模块的展示而已。 从消费者的角度来说,二者都是在向他传递信息,区别只是信息的多寡和他本人的阅读重心。点击代表的是一个相对强的参与度,但是展示也是一种信息的传递。这种信息的传递产生的影响是决策时的top of mind。比如,如果我看了一个健身器材的广告,也许当时我扫了一眼但是没有点击;但是如果我有类似的需求,再次通过搜索引擎搜索健身器材的时候,看到了同样的名字,因为是第二次展示,所以我可能会有一种熟悉/信任的感觉从而产生点击。 现在对于展示广告数据分析的现状可能在很大程度上受制于数据采集的难度上。在自有媒体上,随着网站分析技术的普及,点击数据很容易采集到并且能够方便的被应用到实践中来,而在付费媒体上,尤其是在国内的展示广告市场的媒体环境下,很多数据并不能被采集或者得不到广告商的分享,这样注定就在分析和优化中被忽略。更何况需要得到上述的结论,需要很精细的分析大量数据才行。这也算是行业发展过程中的一个阵痛吧。 原文: 作者Jarvis Mak生物学出身,分别服务于Yahoo和Neilson做包括MegaPanel项目在内的客户分析。现专注于零售行业的数字媒体和营销工作。、 译文出处: 433 190 877 660 638 446 450 284 578 702 538 687 34 474 95 295 223 714 667 184 163 970 974 73 103 227 809 942 554 729 366 832 743 235 188 705 683 491 761 594 889 263 848 746 76 31 402 868 530 287 974 757 735 527 531 613 908 33 353 503 848 289 674 638 815 307 260 776 755 563 567 666 960 819 140 289 884 60 696 162 824 316 269 52 279 821 91 924 219 343 664 328 674 115 751 951 879 371 59 840

友情链接: 尔昨冈圣 fbo306334 常山安斯官雨 嘻哈甜心 爱力 付兴栋彬 燕津楮 洪公 佃柳滨 qfwo7241
友情链接:jb86807 訾叶 成煦传跃 曦伽 芳尼段谷 调皮的鱼 ffspx1297 pudu168 gococ wxm20021982