Question

对于流量运营而言，流量采购和流量分发是运营的核心。

7.7.1　流量采购

流量采购指通过多种媒介和广告渠道采集或购买流量，从而实现流量目标。流量采购是各个公司非常重要的工作，这不仅是因为流量决定了后端所有运营的规模，更是因为流量采购的预算通常会占据公司整体预算中非常大的比例。所以企业都希望花出去的钱能产生最大价值，即以尽量低的单位成本获得目标规模的流量，并尽量保证流量质量。

围绕流量采购而产生的数据支持，有一个细分的数据工作领域几乎就是围绕该内容产生的——网站数据分析。网站数据分析的对象是流量，而流量的产生大多依赖于广告渠道或推广媒介，因此在很多公司内部网站数据分析都在广告中心或营销部门之下，目标就是更好地为流量采购服务。

除了采购流量外，企业当然也会包括自然流量，例如SEO、直接输入、社交媒体引荐、友情链接等，但在大多数企业来看，这些流量是相对稳定且没有大规模爆发能力的。在企业需要做大型促销时候或搞“大事件”时都需要依赖于外部采购。这种思路其实适用于95%以上的企业，包括京东这种体量的公司每年也花费巨额广告费在流量采买上。

在流量采购方面，数据主要支撑以下四方面内容：

（1）流量预测

流量预测是对未来的预估和推断，常被应用在业务执行前的计划和评估阶段。效果预测可以帮助业务建立合理的预期目标，并为实现目标建立资源需求图谱。常见的流量预测的应用示例：

未来1个月SEO的流量预期能达到多少？

如果有100万预算，SEM渠道能带来多少收入？

在新浪首页投放一个banner，预计能带来多少访问量？

（2）效果评估

广告效果评估是已经发生的过去做出结果判断，以评估结果是否符合预期或存在异常情况。效果评估常应用的到业务状态进行时和业务状态完成后。业务状态进行时的结论定义可快速帮助业务建立实时数据反馈机制，通过即时的数据结果判断是否符合预期，并可通过措施优化当前业务状态；业务状态完成后的结论定义除了可以做业务效果评估外，还为原因解析和数据探究提供方向。常见的广告效果评估应用示例：

今天刚上线的重定向媒体X效果如何？

昨日广告渠道C的跳出率增加了45%，正常吗？

（3）效果分析

广告效果分析指对广告数据进行探索和研究以便发现进一步的数据观点和数据洞察，它是挖掘数据深层次原因和关系的关键动作，也是数据论证的主要过程，表现在数据结果中大多是数据论证过程。常见的广告效果分析应用示例：

为什么公司投放了150万在暴风影音的弹窗，但实际上暴风的转化率只有0.01%？

为什么品牌专区平日的ROI可以达到109%但在活动期间只有88%？

为什么某大V的一篇转发文章能带来12万的访问量？

（4）作弊检测

流量作弊几乎伴随着广告行业一起“发展壮大”，流量作弊几乎已经成为广告行业的潜规则。对于广告主来讲，自然不希望花出去的钱买到的是一堆垃圾流量，因此对于广告流量的作弊检测是营销部门的重要工作。

流量作弊主要体现在以流量规模为主要衡量指标的媒体上，例如CPC、CPS、CPA等，这些媒体的普遍特点是按点击或转化收费，因此广告平台/广告代理/广告媒体自然希望能有更多的点击或转化产生，这样能产生更多的收益。

在反作弊的检测方面，数据能基于大多数普通用户的行为模式，对所有流量进行监控和预警，同时基于预警信息能为业务运营提供及时信息支持，帮助业务部门派出异常。

对于流量作弊检测结果，需要读者选择恰当的时间和方式给恰当的对象反馈。因为，大多数的广告部门的负责人对于广告投放直接责任，过多垃圾流量可能意味着工作失责；更重要的是，很多负责人其实了解其中实情，但限于某些原因而跟广告媒体达成“默契”。

7.7.2　流量分发

流量分发指如何对流量进行内部分配，通常这部分工作由网站运营中心完成。当流量通过广告或营销中心采购到达网站后，运营中心便通过四种方式进行流量分发：

（1）内部广告

内部广告是平台型网站流量分发和变现的主要途径之一。平台网站内部不同的店铺通过多种形式参与广告流量的竞价和购买，这种情况跟广告中心去外部广告媒体采购流量类似。只不过不同的是，已经到达网站的流量由于已经是具有一定兴趣的用户，因此购买转化率较高。

（2）活动引导

促销活动是各个网站的主要运营内容之一，要做促销就必然要有促销策略。促销策略的重要一环是如何设计流量引导的问题。流量引导涉及流量的分布、利润的倾斜、品类支持、标杆策划、走量品类转化等多个主题。

（3）自然引导

自然引导是网站设计时的自然链接，通常基于网站目标、产品策划和用户体验产生。自然引导的核心是能够将与当前页面主题最相关的其他信息连接起来，形成一张能够无限连接的网络，用户在网络上的每个节点都能快速找到兴趣信息。

（4）个性化推荐

严格意义上来讲，个性化推荐的初衷不是为了流量分发，而是通过分析用户的行为提高网站浏览体验和购物体验，并最终实现网站目标（例如浏览时间增加、访问深度增加、每次购买金额增加等）。但个性化推荐的实现，也需要依靠在特定页面展示推荐信息，每个推荐信息栏位都是一个流量入口，因此也是一种流量分发途径。

数据辅助于流量分发，可以支持的数据主题示例如下：

首页焦点图上的每个banner，从第一个位置到最后一个位置的点击率递减规律是怎样的？

为什么最后一屏的点击率要高于中间屏？

品类热度对入口的位置依赖有哪些显著性关系？

如何综合品类关注度、位置热度实现最大化点击量目标？

内部广告与点击落地页的匹配度如何？