你知道广告费浪费了一半，却不知道浪费在哪里；你做了一次品牌推广活动，却不知道如何衡量活动对公司品牌的影响；你选择了适合公司的营销矩阵，多管齐下的做营销活动，却没有办法区分不同渠道的效果。也许这篇文章能给你一些启发。
营销理论中有4A、4R或者AIDA模型，依次对应了用户从接触到营销信息开始，注意、知晓、态度、行动的四个阶段。从广告投放上看，品牌广告和效果广告分别针对消费者消费行为过程中的不同阶段。数据表明，在效果广告投放中，品牌知名度高的企业获得的销售转化率高于其他同类型企业。
反观现在成功的企业，一般将品牌营销和效果营销相结合使用：
通过品牌营销来建立消费者对产品的早期认识，通过效果营销促进消费者最终购买产品。如此反复，将企业品牌和销售额推向一轮又一轮高潮。
俗话说，有衡量才有促进。相比效果营销，品牌营销一直具备模糊性。这篇文章提出4个数据模型，先尝试解决品牌营销的模糊性问题。
1、模型一：助攻模型球场上，一个助攻球员将球传给主力球员进球，并不能说助攻球员没有价值。助攻球员的价值在于通过团队协作，辅助了其他球员进球。
品牌营销就像助攻球员，前期做了大量的铺垫，才会有最终的用户下单，哪怕下单的渠道是其他渠道，也是这次品牌营销的助攻贡献。
助攻贡献的计算方法不难理解：
假如渠道A的一次营销活动覆盖的用户，在一段时间内，在渠道B中完成了转化目标，那么成功转化的用户就是渠道A对渠道B的助攻贡献。转化目标可以是任意的用户行为，比如注册、下单、发帖、看完新手教程等等，根据产品的需要来设定。
因为每次营销活动对用户的影响是随着时间衰减的，所以在这个计算中需要人为的指定一个时间窗口（一般不要超过1个月）。可以认为只有在时间窗口内完成了目标转化的用户，才算作品牌营销活动真正的助攻贡献。
最后还想多说一点：
上述模型假设每个转化用户只受到单一助攻渠道的影响。现实情况中，企业会同时在多个渠道上进行矩阵式营销，一个用户可能会同时接受到多个助攻渠道的信息，最终完成下单。我们需要做多渠道分权，将助攻贡献公平的分给不同的助攻渠道。重新评估每个品牌营销活动的贡献值。
我不建议采用简单的将助攻贡献平分给所有助攻渠道的方法。门户网站上的一个简单文字链，和线下体验店的深度交互的体验式营销，两者给用户留下的印象程度不同，不应该获得相同的数值；36kr的报导，和创业公司官方微信对公司的介绍公信力不同，前者相当于获得了媒体的背书……
要做到公平分配可能要考虑的因素：
1、 采用渠道的知名度为权重，给影响力大的渠道以较大的权重。
这里想多说一句，并非越大众的渠道影响力就越大。如果你是一个细分行业，可能所在细分领域的专业媒体的用户更加精准，影响力也更大。好比不存在日报之于科幻用户，36kr之于互联网从业人员的意义。
2、 采用营销活动的用户参与度为权重。
每一次营销活动，能或多或少获得用户的浏览时间、浏览次数、滑屏次数、转化、点赞等行为。我们假设用户参与度越深，营销活动在用户注意力吸引和认知建立上的效果越好。将用户参与度作为营销渠道的权重。
3、 采用用户参与营销活动距离用户产生行为的时间段为权重。
这里有一些算法，大家可以自行配置：
2、模型二：参与度模型
用户参与度指用户在参与活动过程中的可量化的行为指标，比如用户浏览时间，用户点赞、转发、评论等行为的次数。一般来说，用户的参与度越深，说明活动的吸睛效果越好，用户对你的活动越有兴趣。
技术的发展，让我们可以衡量的渠道形式越来越多。比如线下广告可以通过wifi或者蓝牙探针技术，来了解受众的驻足时间。一次普通的线上媒体投放，可以获得用户阅读时间、用户评论数量及内容、用户翻屏次数等等。
3、模型三：传播模型在这个人人都是自媒体的时代，有的官方营销活动不仅让目标用户产生强烈的心理认知，还会演变成热门话题，以不同的姿态传播开来。
我推荐重点关注新闻、微博、微信、知乎和所在细分行业垂直媒体和垂直论坛等渠道的舆论导向。了解参与话题的媒体数、文章数、用户评论数、阅读数、转发数等等。
此外，关键节点也是传播模型中需要重点关注的。大V的态度可能会影响未来的舆论方向。
在微博中重点关注大V用户的转发和直发话题，在知乎中需要关注大V用户的点赞、评论、话题关注、回答话题。因为这些行为都会出现在信息流中，成为新的引爆点。
转化成数据模型来看，先制定账号的级别标准。
比如微博有多少个粉丝是A级别，知乎获得多少个赞是B级别之类的；接着将参与上述行为的用户数据搜集起来，分析账号的级别分布、用户所在的圈子（行业）等等。
对于高影响力的账号发出的信息，需要做情绪分析，了解其中正面、负面信息的比例。如果有必要，甚至需要逐条人工分析大V用户的信息流，后续再做对应的处理。
TIPS：上述传播分析，可以借用一些第三方工具来完成，比如火线舆情、微博风云榜、百度指数的舆情洞察（是的，不是百度指数整体趋势）、清博指数。假如公司有资源，也可以自己获得原始数据来分析。清博、微博、知乎提供了API，有微博、微信和知乎的数据。也可以通过爬虫获得更多平台的原始数据。
4、模型四：情绪分析模型
有时候，并不是参与的用户越多，用户参与的越深入越好。我们还需要了解用户的心理感受，判断活动是否如期引导了用户的认知。这里罗曼罗推荐用情绪分析的方法。
举个例子，支付宝的儿童节营销引起了用户、媒体们和互联网从业人员的极大关注。如果只是将用户参与度作为唯一指标，那这次活动无疑是巨大的成功。然而，大家对这次营销的态度也是两极分化，如果结合情绪分析来看，这次活动的成功与否就不好说了。
我们可以获得用户评论、用户面部图像或者用户的语音等数据，来了解用户是否满意、评价是正面还是负面的。
如果是一次病毒营销，需要获取参与话题的媒体文章、用户评论，对文章和用户的评论都做语义分析。
TIPS：技术的发展，让我们的分析越来越智能。很多学者和研究机构提出了不同的文本情绪分析模型，语音情感识别算法，面部情绪识别工具，其中很多算法框架被开源共享了。如果能采集到评论文字、用户语音、用户面部图像的数据，可以考虑通过开源或自研的方式来分析用户的态度。
如果不想占用研发资源，我推荐万能的人工分析大法，全量或抽样的分析上面的数据等。
5、总结1、品牌营销以建立用户的早期认知为主，不以销量为目的，但是能为后续的效果营销带来更高转化率。可以用助攻模型来衡量品牌营销的效果。
2、用参与度模型来评估用户对产品的兴趣；用传播模型来评估公众或媒体对产品的兴趣；用情绪分析模型来了解所有活动参与者对活动的态度，以免活动产生了适得其反的效果。
具体指标也许是：
