探讨ROI计算

34 views
Skip to first unread message

Qing

unread,
Apr 16, 2008, 1:12:25 AM4/16/08
to tt...@googlegroups.com
评估ROI让人厌倦,我不大喜欢干这事儿,总觉得是斤斤计较。干就干了,干吗还假假地去评估收入成本。可这是数字化社会的基础,一件事情干的好干的坏,得用数字来证明一下。但显而易见,数字是可解释的。因此,我怀疑,一种好的ROI计算方法,并不是因为其科学而客观的将各种收入、成本效益都考虑到,而是因为她能够被合理地解释并且并接受。
干斤斤计较的事情没意思,但琢磨这事情的本身却有点意思。
 
也许人们的期望并不高,只是需要这样一种可以被解释的ROI计算方法吧。而以前总是有一种本能的排斥,总是在争论哪有绝对精确的度量方法呢?我们还是忘了"绝对"这个词,去追求"可以接受"。
本文探讨电信行业营销活动的ROI计算,特别是精确营销活动(用分析模型支撑的营销活动)。大体计算方法是依赖收入和成本,如果这两项已经落到财务层面,到好说。可营销活动并非如此,财务的成本、收入很少细化到财务层面。
 
什么样的ROI计算方法能够被大家认可呢?每一方不一样,作为负责项目的,不论是甲方还是乙方的,当然都希望效益好,因此,希望是偏向于高回报的评估方法,当然,如果这种评估方法过于偏颇,就像一些软文里面描述某种产品那样,一看就让人知道是忽悠的,那也被人看穿。
 
说到底,ROI方法是一种证明手段,证明什么?
1、 整体营销活动确实挣到钱了;
2、 即便没有挣到钱,也影响了很多客户。没有物质回报也得有精神回报;
3、 如果没有精确营销的模型,达不到这样的效果;
其实大家心里很明白,不少营销活动并非真的为了挣到钱,多多少少是一种"政绩工程",也并没有去影响到很多客户。但势头比较猛,符合和谐社会的调子,那么这个营销活动的ROI一定得是好的。
 
这么说好像ROI计算非常主观,不过也应该看到一个现实情况,如今很多项目的ROI都是自己控制,并非第三方,开始必然是很主观的,但虽然时间流逝,大家也有点不再自欺欺人的感觉。毕竟外界压力还在起着作用。
 
对于上面的三个目标,要证明它们,可以整出三项指标出来。衡量整体营销活动是否挣到钱,那就是传统的ROI——收入减去成本比上成本。可收入、成本都不太好算。先说成本,因为一项营销活动用到了好多资源,人力、设备、宣传等等,宣传成本可能很容易当作是营销活动的成本,但人力、设备这些东西得分摊。再说收入,也是,电信行业的收入,主要就是客户的话费收入,你说这些收入那些是你营销活动造成的?
有办法。
 
那些一次性成本咱先不考虑,比如宣传之类的,那些是有现成数字的。而根据营销活动的目标客户量进行成本、收入计算,比如接触成本、赠送成本。根据客户接触方式的不同,考虑单位成本,外呼两块,短信一毛。这些值被当作是常量,如果严谨一点,需要综合历史数据衡量,得出一个相对客观的值,如果不严谨,差不多就可以。就像上面说的两块一毛,当然,也许有人反对,不对,短信一毛是对外的,我们内部发短信根本就没有这么高成本,那好,就改成一分,于是大家认同了,那就这样吧。
收入也是,目的就是要将那些客户的总收入划拨点出来,算成是营销活动的收入。但你会发现每种活动的目标不同,有的根本就是赔钱赚吆喝,收入反倒是下降的。没关系,吆喝也是有用的,可以算是吸引了新客户,或者是延长了客户在网时长,原来在网1年的,通过话费捆绑活动,延长了6个月。如此,就算话费没有提高,那就算在网时长,延长那部分贡献的收入都算是本活动的,哈哈哈。收入的提升呢,每月的话费多出来的部分,也算是活动的收入。没有必要去算每个客户的收入,只需要用活动前后的收入对比就可以。如果再严谨一点,还得考虑相对于总体话费变化的水平。
此处,目标客户的在网时长,某类活动延长的在网时长应当被当作常量。可以是经验判断或者统计分析确定下来,关键是大家约定好。变量部分,就是每个月目标客户的平均话费和话费提升。
 
尽量将一些看起来变化的因素共同约定,成为一种常量,可以主观也可以客观。上面的客户接触成本、客户在网时长都是如此,这样可以让ROI计算简洁一点,容易落地执行。
归纳简化一下:
 
营销成本 = 一次性成本+(单位客户成本×目标客户数)
营销收入 = 延长在网月份×目标客户话费提升
收入要高于成本,不然你这个活动可就亏了。
 
待续…

Qing

unread,
Apr 17, 2008, 12:47:38 AM4/17/08
to tt...@googlegroups.com

昨天谈到如何证明一项营销活动挣到钱了,说了一些计算收入、成本的思路。具体的计算方法没有提。评估效益还有两个目标——证明影响了多少客户,证明如果没有分析模型效果不会那么好。

我们内部又在讨论这个东西,很热烈,感觉最后几乎要吵起来。为什么呢?就是因为这种计算方法没有标准,每个人都能自己理解一套,每个人都有一些不同的假设。很难说服另一个人采用某种方法,只能从概念上加以判断,看某种计算方法是不是合乎逻辑。但,争吵到了一定阶段,突然发现,也许我们一开始就是错的,很多争论沿着细节前进,却远离了原来的目标。只有重头来过,再次梳理。

说了些感慨,来思考一下影响客户的指标。

影响多少客户,这是一个有点矛盾的度量值。我们讲究精确营销,就是有的放矢,缩小目标客户范围,但命中率很高的那种。从这个角度来说,影响客户要小一点才显得精准。但现实中,营销并没有到那样的程度,很多时候是广撒网多捞鱼。因此,这个数大了也不行,小了也不行。

幸好,不需要用这个绝对值来衡量影响客户的程度。我们可以改去关注覆盖率,这个指标是指营销活动覆盖了多少可能的客户群。可以是全网的客户,可以是某种品牌的,也可以是符合某种条件的客户群。

覆盖率=活动客户数/潜在客户数

当然,这个客户群得提前给出,在活动设计之处就得给出。否则,这个数来历可疑,恐怕是为了造就这个覆盖率而设计的潜在客户条件。

接下来证明如果没有分析模型就无法取得如此的营销效果。

通常,如果在活动的时候设计一些对照组,这些对照组是非分析模型得出的客户。这样,只需要在活动之后对比两组的成功率,就能证明分析模型的作用。但现实又一次占了上风。很多时候,活动执行部门不希望有对照组,因为他们希望有更高的成功率,他们也有指标的压力,他们并不希望被当作实验。当然,除非你不要告诉他们有这个对照组存在。总之,有时候就是没有对照组。

这时可以用一种方法。记得刚才谈覆盖率的时候,有个潜在客户群,那个值应当是所有可能符合活动条件的客户。比如促销手机报的活动,这个潜在客户群至少要支持彩信才是。而除了营销活动促销之外,肯定还有其他非活动促销购买此产品的。那么当期所有购买这个产品的客户可以视为自然增长(虽然不能算真正的自然增长,因为有了活动的影响),如此可以设计一个自然成功率指标=自然增长/潜在客户。对比活动成功率与自然成功率就能显示出活动效果。

上面说了这些计算方法虽然不够标准,也许不够合理,甚至还得不到客户的认可。但一定要在活动设计阶段就给出来。否则在真正评估的时候才给出,恐怕就是忽悠成分偏多。

hunter

unread,
Apr 17, 2008, 3:39:16 PM4/17/08
to ttnn BI 观点
对没有对照组的情况很感兴趣,这段没看明白,能否请庆解释一下,为何"可以视为自然增长",当期是指哪期?

谢谢

〉这时可以用一种方法。记得刚才谈覆盖率的时候,有个潜在客户群,那个值应当是所有可能符合活动条件的客户。比如促销手机报的活动,这个潜在客户群至少
要支持彩信-才是。而除了营销活动促销之外,肯定还有其他非活动促销购买此产品的。那么当期所有购买这个产品的客户可以视为自然增长(虽然不能算真正的
自然增长,因为有了活-动的影响),如此可以设计一个自然成功率指标=自然增长/潜在客户。对比活动成功率与自然成功率就能显示出活动效果。

raullew

unread,
Apr 17, 2008, 8:41:11 PM4/17/08
to ttnn BI 观点
基于实际结果计算Lift,呵呵

On Apr 17, 12:47 pm, Qing <happys...@gmail.com> wrote:
> 昨天谈到如何证明一项营销活动挣到钱了,说了一些计算收入、成本的思路。具体的计算方法没有提。评估效益还有两个目标----证明影响了多少客户,证明如果没有分析-模型效果不会那么好。
>
> 我们内部又在讨论这个东西,很热烈,感觉最后几乎要吵起来。为什么呢?就是因为这种计算方法没有标准,每个人都能自己理解一套,每个人都有一些不同的假设。很难-说服另一个人采用某种方法,只能从概念上加以判断,看某种计算方法是不是合乎逻辑。但,争吵到了一定阶段,突然发现,也许我们一开始就是错的,很多争论沿着细节-前进,却远离了原来的目标。只有重头来过,再次梳理。
>
> 说了些感慨,来思考一下影响客户的指标。
>
> 影响多少客户,这是一个有点矛盾的度量值。我们讲究精确营销,就是有的放矢,缩小目标客户范围,但命中率很高的那种。从这个角度来说,影响客户要小一点才显得精-准。但现实中,营销并没有到那样的程度,很多时候是广撒网多捞鱼。因此,这个数大了也不行,小了也不行。
>
> 幸好,不需要用这个绝对值来衡量影响客户的程度。我们可以改去关注覆盖率,这个指标是指营销活动覆盖了多少可能的客户群。可以是全网的客户,可以是某种品牌的,-也可以是符合某种条件的客户群。
>
> 覆盖率=活动客户数/潜在客户数
>
> 当然,这个客户群得提前给出,在活动设计之处就得给出。否则,这个数来历可疑,恐怕是为了造就这个覆盖率而设计的潜在客户条件。
>
> 接下来证明如果没有分析模型就无法取得如此的营销效果。
>
> 通常,如果在活动的时候设计一些对照组,这些对照组是非分析模型得出的客户。这样,只需要在活动之后对比两组的成功率,就能证明分析模型的作用。但现实又一次占-了上风。很多时候,活动执行部门不希望有对照组,因为他们希望有更高的成功率,他们也有指标的压力,他们并不希望被当作实验。当然,除非你不要告诉他们有这个对-照组存在。总之,有时候就是没有对照组。
>
> 这时可以用一种方法。记得刚才谈覆盖率的时候,有个潜在客户群,那个值应当是所有可能符合活动条件的客户。比如促销手机报的活动,这个潜在客户群至少要支持彩信-才是。而除了营销活动促销之外,肯定还有其他非活动促销购买此产品的。那么当期所有购买这个产品的客户可以视为自然增长(虽然不能算真正的自然增长,因为有了活-动的影响),如此可以设计一个自然成功率指标=自然增长/潜在客户。对比活动成功率与自然成功率就能显示出活动效果。
>
> 上面说了这些计算方法虽然不够标准,也许不够合理,甚至还得不到客户的认可。但一定要在活动设计阶段就给出来。否则在真正评估的时候才给出,恐怕就是忽悠成分偏-多。
Reply all
Reply to author
Forward
0 new messages