本篇文章的渠道评估思路主要是将渠道表现拆分为ROI及这两个维度来进行矩阵分析，通过发现问题再进行下一步的拆分。

很多公司都会投放非常庞大的费用在APP的渠道推广上，在流量红利消失殆尽的今天，我们不得不在应用市场进行付费投放，或者拓展一些异业合作以量换量。那么如何才能知道什么渠道的量比较优质，如何用最少的钱带来最优质的量，通过不断的调整资源分配优化渠道构成使得渠道投放的ROI效率最大化呢？你的渠道评估体系可以给你最终的答案。下面我会以电商产品为例，聊聊渠道流量的一个很简单易理解的评估思路。

一、确定评价体系构成因素

电商产品要促进用户转化、提升成单量，主要存在三个阶段，即流量、互动和交易：流量阶段要获取客户，互动阶段是用户在app内的一些行为互动操作，交易阶段为下单进行转化和收益。以上三个阶段构成了电商产品的转化漏斗，促成用户转化。显然通过渠道获取高质量用户的重要性不言而喻。

那么如何判定某个渠道带来的用户是具有高转化意愿、高价值用户呢?我们来梳理下指标。我们可能会想到渠道带来的用户量,即渠道用户规模。而如果这些用户进到页面，看了一眼就跳出，此为互动意愿低。或者虽然有互动行为，浏览记录等，但没有购买，此为转化率低。或者虽然用户有购买，但是金额非常少，此为收益低。那么即使这个渠道带来非常大规模的用户量，对我们的核心收益也是意义甚小的，流量价值微乎其微。因此，对一个电商产品的流量渠道价值的评价需要同时考虑以下几个因素，即用户规模、用户互动行为、用户转化和用户收益。

二、确定评价体系指标1. 投资回报率ROI

ROI是指流量渠道的投资回报率，即在某个渠道上买量，每投入一块钱所带来的商品销售额。ROI是一个非常重要的指标，它可以同时体现用户流量规模、用户转化和用户收益这三个因素。我们来对这个指标进行拆解：

ROl的计算公式为：ROI=(访客数*转化率*客单价)/渠道成本

其中，访客数可以反应用户流量规模，转化率反应转化情况，销售额/渠道成本反应流量收益。

ROI非常重要，但是仅仅用ROI来评估渠道是有局限性的。随着精准流量的引入完毕，还需要引入次精准流量，这些流量的ROI会逐渐降低，所以我们需要考虑其他指标以持续经营，保证流量增长速度。其次，计算ROI是需要有一个周期，即投入成本多久后获得收益。而一些经营模式的投资回报期相对较长，这会导致ROI统计的不够完全。除此之外，某些渠道虽然直接带来收益低，但是用户曾在平台上深入筛选对比过商品，虽然没有直接收益，但这些渠道与访客直接跳出的渠道相比，对平台的价值是更高的。

因此，我们引入这一指标以反应用户互动行为。

2. 用户参与度

有非常多的指标可以反应用户行为，我们可以将其归为数量指标、行为指标、质量指标这三大类别。

以上这些指标均是从不同方面反应用户的参与度，需要结合在一起看。跳出率是用来衡量用户留存的常用指标，跳出率越高代表用户流失越严重。但是假如你进入一个页面,你对里面的内容很感兴趣，停留时间很长，但由于没有进入下一步操作，页面后台就会显示你是跳出用户。此时若只用跳出率这一指标来衡量，就会产生你是流失用户这样的错误结论，但如果结合页面停留时长指标，则评估结果会更加客观。基于此，上述指标应放在一起形成反应用户行为总和的综合指标即用户参与度，用于衡量访客和平台的交互程度。此外，不同类型产品的参与度评价指标非常不同，电商产品如上述，但内容社区类产品的指标可能就是用户注册、发布帖子、转发、评论、二级评论、关注等指标。

三、评价指标的赋权计算

案例数据：

ROI指标计算：此处需要注意通常买量会用到各种形式的计价方式，此处我们需要将各种计价方式进行统一标准化，得出一个通用单位的渠道成本指标。

指标计算：

赋权、指标筛选的方法多种多样，此处我们采用变异系数法结合层次分析法来给各细粒维度的指标来赋权和筛选，计算出最终的总得分。具体详见评价得分计算：确立权重的方法一文。

四、矩阵分析

综合上述ROI及得分的计算，以横纵坐标绘制矩阵图。

我们可以进行ROI及的下钻分析来找出指标表现差的原因，确定下一步解决方案。看是渠道费用太高？用户客单价太低？以及针对这些渠道入口进一步拆分，看是否是所有细粒维度入口数据表现都是如此，对数据表现差的入口进行优化及商务谈判调整投放价格，对表现好的入口继续投放。第四象限内没有数据，如果落在该象限，则可能表明该渠道成本过高，或者该渠道的很多用户对东西感兴趣却没有完成最终转化。

本篇的渠道评估思路主要是将渠道表现拆分为ROI及这两个维度来进行矩阵分析，发现问题再进行下一步的拆分。进一步，我们可以将这两个指标赋权，得出一个渠道最终评价总分，会更加直观。退一步，可以将这两个拆分为多个维度，进行雷达图绘制，可以更加清晰快速的定位渠道的各维度表现，以对症下药。此外，还可以用归因分析的方法来分析各渠道的贡献价值。

以上，就是我对渠道流量评估的一些思路。欢迎关注我的微信公众号（赵小洛洛洛），随时交流数据分析方面问题。