mcpField
M
marketing-analytics

marketing-analytics

github.com/okou-ai营销与增长8164 次安装今天更新
代码仓库

关于 marketing-analytics

面向分析师和营销人员的营销分析参考技能,涵盖渠道表现、报告、预测与归因。它提供指标定义及解读结果、规划优化的结构化方法。

主要功能

  1. 01渠道指标定义
  2. 02周、月、季度报告结构
  3. 03仪表板设计原则
  4. 04趋势分析与预测
  5. 05归因模型指导
  6. 06优化方法

适用场景

  1. 01编制渠道表现报告
  2. 02审视营销活动与漏斗趋势
  3. 03比较归因方法
  4. 04规划营销预测

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/okou-ai/okou-skills --skill marketing-analytics

安装后在 Claude Code 中输入/marketing-analytics确认已加载。

详细介绍

渠道指标参考

电子邮件
指标计算方式典型范围提供的洞察
投递率已投递 / 已发送95-99%发件人信誉和邮件列表质量
打开率独立打开次数 / 已投递15-30%主题行和发件人名称的有效性
点击率(CTR)独立点击次数 / 已投递2-5%内容和 CTA 的相关性
点击打开率(CTOR)独立点击次数 / 独立打开次数10-20%打开邮件用户所看到的邮件内容质量
退订率退订数 / 已投递低于 0.5%受众与内容的匹配度,以及对发送频率的容忍度
退信率退信数 / 已发送低于 2%邮件列表数据质量
转化率转化数 / 已投递1-5%电子邮件的全漏斗表现
单次发送收入总收入 / 发送的电子邮件数因情况而异直接带来的收入贡献
邮件列表增长率(新增订阅数 - 退订数)/ 邮件列表总人数每月 2-5%受众获取情况
社交平台
指标计算方式提供的洞察
展示次数内容出现在动态中的次数分发覆盖面
触达人数看到内容的独立用户数受众覆盖范围
互动率(反应数 + 评论数 + 分享数)/ 触达人数内容引发共鸣的程度
点击率链接点击次数 / 展示次数引流能力
粉丝增长率每个周期净增粉丝数 / 粉丝总数受众扩张速度
分享/转发率分享数 / 触达人数病毒式传播和拥护度的信号
视频观看率观看次数 / 展示次数视频开场吸引力
视频完播率完整观看次数 / 总观看次数内容质量和时长是否合适
声量份额提及你的次数 / 类别总提及次数竞争中的可见度
付费广告(搜索和社交)
指标计算方式提供的洞察
展示次数广告出现的次数预算使用情况和受众规模
点击率(CTR)点击次数 / 展示次数创意和定向的相关性
单次点击成本(CPC)花费 / 点击次数引流效率
千次展示成本(CPM)每 1,000 次展示的花费品牌认知成本效益
转化率转化数 / 点击次数落地页和优惠的有效性
单次获客成本(CPA)花费 / 转化数全漏斗成本效益
广告支出回报率(ROAS)收入 / 广告支出收入产出回报
质量得分(搜索)平台相关性评分(1-10)广告、关键词和目标页面之间的匹配度
频次每位用户平均看到广告的次数广告疲劳风险指标
浏览后转化看过广告但未点击的用户产生的转化展示广告和品牌认知广告位的影响力
自然搜索 / SEO
指标计算方式提供的洞察
自然搜索会话数来自搜索引擎的访问次数SEO 整体健康状况
关键词排名目标搜索词的排名搜索结果中的可见度
自然点击率点击次数 / 搜索展示次数标题和元描述的吸引力
已编入索引的页面数存在于搜索索引中的页面数可抓取性和网站架构
域名权威度第三方综合评分网站整体实力
反向链接数链接至本站的外部域名数站外权威度和内容价值
页面速度达到可交互状态所需时间用户体验质量和排名信号
自然搜索转化率转化数 / 自然搜索会话数意图匹配度和内容质量
自然搜索热门入口页来自搜索的访问量最高的页面表现最佳的 SEO 内容
内容表现
指标计算方式提供的洞察
页面浏览量内容页面的总浏览量内容覆盖范围
独立访客浏览内容的不同用户数实际受众规模
页面平均停留时间在内容页面上花费的时间参与深度
跳出率单页会话数 / 所有会话数内容与受众的匹配度及用户体验
滚动深度页面滚动比例参与度的持续性
社交分享次数内容在社交平台上的分发次数受众认可度
获得的反向链接内容获得的外部链接数SEO 价值和权威性
归因线索数可追溯至内容互动的线索数转化能力
内容投资回报率归因收入 / 制作成本投资回报
管线与收入指标
指标计算方式提供的洞察
市场认可线索(MQL)达到营销资格标准的线索漏斗顶部产出
销售认可线索(SQL)被销售团队接受的 MQL线索质量
MQL 到 SQL 的转化率SQL / MQL营销与销售的协同情况
新增管线新商机的金额营销对收入的影响
管线推进速度商机推进的速度活动紧迫性和质量信号
客户获取成本(CAC)营销支出 + 销售支出总额 / 新客户数获取效率
CAC 回收期通过收入收回 CAC 所需的月数单位经济效益的可行性
营销来源收入来自营销促成交易的收入营销的直接贡献
营销影响收入来自接触过任何营销触点的交易的收入营销更广泛的影响范围

报告结构

每周快照

旨在让团队快速了解情况:

  • 三项核心指标及其周环比变化
  • 成果:1-2 项有数据支持的亮点
  • 关注事项:1-2 项需要关注的领域及相关数据
  • 后续行动:未来一周的 3-5 项优先事项
月度表现回顾

用于利益相关者报告的标准格式:

  1. 执行摘要(3-5 句话)
  2. 核心指标表,包含月环比和目标对比
  3. 按渠道划分的表现明细
  4. 活动结果和亮点
  5. 成功之处与表现不佳之处,以及相应的工作假设
  6. 下月的建议和优先事项
  7. 实际支出与计划预算对比
季度战略回顾

用于领导层分析:

  1. 季度结果与既定目标的对比
  2. 年初至今的进展和趋势
  3. 按渠道评估投资回报率
  4. 活动组合表现摘要
  5. 竞争格局和市场环境观察
  6. 下一季度的战略建议
  7. 预算提案和重新分配计划
  8. 实验结果和关键经验
仪表板构建原则
  • 展示与业务目标直接相关的指标,而非虚荣指标
  • 展示多个时期的趋势,而非孤立的数据点
  • 提供对比基准:上一时期、目标、行业基准
  • 统一使用颜色标识:绿色表示进展符合预期,黄色表示存在风险,红色表示进展偏离预期
  • 按漏斗阶段或所回答的业务问题组织内容
  • 将仪表板控制在单屏内;详细数据放入附录
  • 让刷新频率与决策频率相匹配(付费媒体实时刷新,内容每周刷新)

趋势分析与预测

识别模式

分析性能数据时,请关注:

  1. 持续趋势:指标是否在连续 4 个或更多周期内持续上升、下降或保持平稳?
  2. 转折点:趋势在何时发生变化?当时发生了什么事件?
  3. 周期性模式:是否按星期、月份或季度出现反复波动?
  4. 异常值:孤立的峰值或谷值是什么原因造成的?能否重现或避免这种情况?
  5. 预测信号:哪些指标会先发生变化,并预示后续结果?
分析流程
  1. 绘制指标随时间变化的图表,至少包含 8-12 个数据点,以确保统计相关性
  2. 描述总体趋势(上升、下降、稳定或波动)
  3. 量化变化速率——趋势是在加速还是趋缓?
  4. 加入外部事件(活动发布、产品更新、市场变化)
  5. 与目标或行业基准进行比较
  6. 寻找与相关指标之间的相关性
  7. 提出因果假设,并设计实验进行验证
预测方法
  • 趋势外推:将现有趋势向未来延伸(最适用于稳定指标)
  • 滚动平均:对最近 3-6 个周期求平均,以平滑噪声
  • 同比叠加:采用上一年的季节性模式,并根据增长系数进行调整
  • 漏斗计算:根据输入预测产出(X 条潜在客户线索按 Y% 的转化率可带来 Z 位客户)
  • 情景规划:对乐观、预期和悲观情形进行建模
预测注意事项
  • 近期预测(1-3 个月)的可靠性远高于长期预测
  • 基于少于 12 个数据点的预测应标注为低可信度
  • 外部变化(市场变化、竞争对手举措、经济变化)可能使基于趋势的模型失效
  • 始终以范围而非单一数字来表示预测

归因基础

归因为何重要

买家很少在单次互动后就完成转化。归因会在转化前的多个触点之间分配功劳,为渠道投资决策提供依据。

标准归因模型
模型机制优势弱点
最后互动将全部功劳归于最后一个触点找出促成转化的渠道忽略认知和培育阶段
首次互动将全部功劳归于第一个触点突出发现渠道忽略推动转化的因素
平均分配在所有触点之间平均分配功劳认可每个渠道未能体现影响力的相对大小
近期加权触点越接近转化,获得的功劳越多平衡认知与促成转化可能低估早期认知
基于位置(40/20/40)首尾触点获得较多功劳,其余部分由中间触点分摊兼顾发现与转化权重分配有些随意
算法模型根据转化路径数据,通过机器学习分配功劳最能反映实际影响力需要大量转化数据
实用归因建议
  • 如果没有归因系统,可从最后互动模型开始——它最简单,也最容易立即采取行动
  • 对比首次互动和最后互动视图,了解哪些渠道带来发现,哪些渠道促成转化
  • 对大多数 B2B 组织而言,基于位置(40/20/40)是务实的默认选择
  • 算法模型需要大量转化数据,才能得出统计上可靠的结果
  • 将归因视为方向性参考,而非绝对真相
  • 任何多触点模型都比单触点模型更有参考价值,任何模型都胜过没有模型
归因陷阱
  • 基于单触点数据优化单一渠道,可能会导致漏斗其余部分资源不足
  • 面向认知阶段的渠道(展示广告、自然社交媒体、公关)在末次触点报告中的表现始终不佳
  • 面向转化阶段的渠道(品牌搜索、再营销)在首次触点报告中的表现始终不佳
  • 自我报告归因(“您是怎么知道我们的?”)能提供有用的定性信号,但不适合用于定量分配
  • 跨设备和跨渠道的追踪缺口,意味着归因数据必然始终不完整

优化方法

系统化改进流程
  1. 发现:哪些指标未达到目标或基准?
  2. 定位:漏斗的哪个环节出现了问题?(展示、点击、转化、留存)
  3. 推测:是什么导致了未达标?(定向、信息传达、创意、优惠设计、时机、技术问题)
  4. 排序:哪些干预措施相对于所需投入能带来最大影响?
  5. 试验:开展受控测试,验证或证伪假设
  6. 评估:指标是否有显著改善?
  7. 行动:广泛推广成功的改动;对结果不明确或负面的方案继续迭代
按漏斗阶段划分的干预手段
漏斗阶段警示信号可用手段
认知展示量低,触达范围有限预算水平、定向参数、渠道组合、广告格式
兴趣点击率低,互动较弱创意呈现、标题文案、内容吸引点、受众细分
考虑跳出率高,停留时间短页面内容、加载速度、相关性匹配、用户体验
转化转化率低优惠结构、行动号召文案、表单复杂度、信任元素、页面布局
留存流失率上升,再互动减少引导流程、邮件序列、产品体验、支持质量
影响与投入优先级

从两个维度为每个优化想法打分:

影响(对指标的潜在推动):

  • 高:直接解决主要瓶颈
  • 中:改善促成问题的因素
  • 低:带来渐进式提升

投入(实施难度):

  • 低:微调文案、调整定向、快速开展 A/B 测试
  • 中:制作新的创意素材、重新设计页面、修改工作流
  • 高:引入新工具、跨团队项目、大规模内容制作

执行顺序:

  1. 高影响、低投入——立即执行
  2. 高影响、高投入——规划并配置人力
  3. 低影响、低投入——有余力时推进
  4. 低影响、高投入——推迟或降低优先级
实验规范
  • 每次测试只隔离一个变量,以便解读结果
  • 在测试开始前确定成功指标
  • 提前计算所需样本量,避免过早结束测试
  • 每项测试至少持续一个完整的业务周期(B2B 通常为一整周)
  • 记录所有实验及其结果,包括负面结果和无显著结果
  • 在团队内分享经验——即使测试证实了当前做法,也能增强信心
持续优化节奏
  • 每日:检查付费广告系列的投放进度,标记异常,查看广告审核状态
  • 每周:评估各渠道表现,暂停表现落后的工作,加大对优胜方案的投入
  • 每两周:轮换广告创意,并推出新的测试变体
  • 每月:全面审查表现,发现新的优化机会,更新预测
  • 每季度:从战略层面重新评估渠道策略、预算分配和受众定向

评论

支持 Markdown