管理 Management > 行銷公關
feature picture
陳姿伶

如何用數據分析行銷成效?行銷活動做得好不好,衡量這6個KPI

2021-05-05 高端訓
分享
收藏
已完成
已取消

你還記得大數據預測科學,就是「predicting something for an individual case」這句話嗎?

所謂的「case」,就是一個人的日常生活,有不同情境,也有不同身分;有來自實體世界的,也有來自網路世界的,便會產生不同數據。平常,是消費者;生病時,是一個病人;想買房,就變成一個貸款者。你在不同情境的需求數據搜集起來,就能分別被廠商、醫院和銀行用來做預測。

➜ 數據分析能力 = 職場競爭力!「數據思維養成課|從 0 到 1 練成邏輯表達力」讓你的邏輯更清晰,報告更有說服力 ►點擊查看

我談到很多的案例,都是來自網路世界,例如 Amazon、Uber、NETFILX 等,所以可能你會誤以為,預測行銷只發生在虛擬世界。事實上,實體經濟仍然占 80% 以上的交易行為;而實體品牌在大數據時代,也可以好好發揮預測行銷的價值。所以,在談論預測行銷的 KPI(Key Performance Index,關鍵績效指標),也必須把實體品牌關心的內容,納入考量。

延伸閱讀:用 GA 制定你的年度 KPI!淺談行銷人必懂的「ABC 指標」

網路上可以找到不下數十個指標,來評估你的行銷活動是否成功,可以說令人眼花繚亂,這些指標是用來計算執行過程,但是站在品牌負責人的角度,我關心的指標有限,大概只有 6 個 KPI 就夠了。

行銷KPI:4個預測指標+2個財務指標

行銷成效分析KPI.jpg
陳姿伶

這 6 個 KPI,又可以分成 4 個預測指標(Predictive Indicator),包 括 Trac(流量)、Impression(曝光量)、Engagement(參與數)、 Conversion(轉換數);以及兩個財務指標(Financial Indicator),包括 CPA(Cost Per Action,每一互動成本)、OPI(Operating Prot Index, 毛利指數)。

以MARTECH經營大數據會員行銷p188.jpg
時報出版

Tracffic(流量)

先來談談 4 個預測指標。一開始,品牌會篩選出目標對象,一一的推播或投遞訊息,這個訊息可能是一則數位廣告、一封 email 或者一條簡訊,如果把預測行銷的概念徹底執行,每一個消費者所看到的訊息都會不一樣,而這推播或投遞訊息的總量就是 Traffic。

Tracffic,就是消費者可能接觸到你的品牌訊息的潛在最大數量; 但是事實上,不會這麼理想。不過,這個指標讓你知道,品牌的打擊面夠不夠廣,是 1 萬人、10 萬人,或者 100 萬人,也牽涉到行銷的成本,以及你對市場的企圖心。

Impression(曝光量)

如果你投遞訊息給 100 萬的消費者,實際上會看到的人可能不到一半,至於會是多少,主要跟幾件事有關:目標對象的定義是否精準、顧客的資料是否清理乾淨、訊息的標題及內容是否有吸引力。

曝光在品牌訊息的不重複人流數量,就是 Impression。 所以,如果你推播訊息給 100 萬個給消費者或 100 萬封 email 給顧客,實際上有看到這則訊息的人可能只有 40 萬人,這時你的 Impression 是 40 萬,Impression Rate23 則是 40%。

Impression 可以說是最基本的績效指標,因為之後我們計算 Engagement Rate 及 Conversion Rate 都是基於這個基礎。

Engagement(參與數)

有曝光在你推播訊息的消費者,或者收到你發送 email 的顧客,不一定會看到你的訊息或打開你的 email,所以這階段我會關心到底有多少人參與了活動。參與數的計算就包括了按讚、留言、分享、點「more」、按 連結、滑照片、看影片、打開 email 等。

如果發送 email 給會員,首先關心有多少人會打開(Open)這封信,計算出開信率(Open Rate)。然後,比較每一次的開信率,就知道哪一次的活動比較吸睛,同時不斷優化。一般而言,開信率如果來到 30% 就算高,15% 應該是一般的水準。

如果是一則推薦產品促銷的訊息,就會關心有多少人點擊(Click)這則廣告,進入到活動網頁,瀏覽了照片、看了影片,這些都是 Engagement,最後你需要算出一個 Engagement Rate(參與率),以便知道有多少比率的人進入了活動網頁。

Conversion(轉換數)

這 4 個預測指標,我最關心的是轉換數。轉換數,包括了我們要消費者或顧客的回應,比如下載檔案、安裝應用程式、填寫問卷、註冊成為會員、達成交易等。這幾個轉換行為,可以一開始就設定為你的行銷目標,例如這一波活動要吸收 5 萬個會員、達成 1 萬個人次的交易。

如過你的 Impression(曝光量)是 40 萬,此時你的會員 Conversion Rate(轉換率)26 是 12.5%,即;成交 Conversion Rate(轉換率)則為 2.5%。

會員 Conversion Rate

= ( 會員 Conversion / Impression ) × 100%
= ( 50000 / 400000 ) ×100%
= 12.5%

成交 Conversion Rate

= ( 成交 Conversion / Impression ) × 100%
= ( 10000 / 400000 ) × 100%
= 2.5%

到了這裡,你會發現 Open Rate(開信率)、Engagement Rate(參與率) 和 Conversion Rate(轉換率)的共同分母都是 Impression(曝光量),這是因為便於在共同的基礎上做比較,解讀資料比較不會出現誤判。

做為一個行銷活動的執行者,會關心 Conversion Rate(轉換率),而且要盡一切努力提高 Conversion Rate;做為一個品牌的負責人,更會關心這一檔活動有沒有賺錢。財務的指標非常多,看愈多愈無法集中焦點,所以我喜歡用減法的法則,只看最重要的兩個。

CPA(Cost Per Action,每一互動成本)

要知道一檔活動有沒有賺錢,首先要計算達成行銷目標,也就是取得轉換數所需付出的代價,由此可以計算出 CPA 。其中 Action 可以是一個讚、一個會員,或者一筆成交,看你設定的行銷目標而定。不過,我總是比較關心完成一筆交易所需付出的代價,因為我會想知道,最後是否能夠獲利,所以 Action 就是成交與否。

在我輔導網絡品牌客戶的經驗中,我發現某個品牌的成交愈多,虧損愈大,例如每成交一筆就要虧損 160 元。這時,就可以拿這個資料去跟網站媒體談判,爭取降低廣告費率,或改變計價的方式。

延伸閱讀:ROI、ROAS、CPA 是什麼意思?10 個行銷人一定要懂的專有名詞

OPI(Operating Prot Index,毛利指數)

前面你看到的都是「分類帳」,也就是每一參與、每一轉換、每一交易的成本。最後,我們必須來算「總帳」,就是這一波活動,你到底賺了多少錢?或者是賠了?你只要算出毛利,也就是 OPI。

OPI 的計算方式,就是毛利除以總收入,乘上 100;如果是正的就是有利潤;如果是負的,代表做愈多,賠愈多。如果經過優化,OPI 還是負的, 就代表不能再執行這類活動了,而且必須改變策略。

毛利就是總收入減總變動成本,總變動成本指的是因這一次的活動所增加的成本,包括廣告費用、email 及簡訊支出、促銷給消費者的現金優惠,加上產品的成本;總收入,則是交易收入。

例如有一檔活動,溝通了 15 萬 的會員(Traffic),開信數(Open) 是 11 萬 6738,開信率(Open Rate)是 77.8%。收到 1800 筆交易,轉換率 (Conversion Rate)是 1.5%,總淨收入 32 萬 4000 元。

這一波的活動的變動成本包括:簡訊費用 3 萬 6000 元(前 30% 顧客加強簡訊溝通)、現金折扣 18 萬 0000 元,以及 email 寄送費用零(email 寄送為公司固定成本),所以總變動成本為 21 萬 6000 元。如果進一步連結財務指標,每一單的成本 (CPA)是 120 元,毛利指數是(OPI)是 33,也就有毛利 33%,是一個還不錯的行銷活動。

以MARTECH經營大數據會員行銷p193.jpg
時報出版

(本文出自《以MARTECH經營大數據會員行銷》,時報出版)

繼續閱讀 行銷 圖解
相關文章

以MARTECH經營大數據會員行銷

領導 Leadership > 領導力
feature picture
經理人

不必比快,但要比AI更懂「價值」:臺大 EiMBA 給管理者的三堂領導力修練

2025-12-09 台大EiMBA
分享
收藏
已完成
已取消

當生成式 AI 以驚人的速度席捲各行各業,管理者面臨的挑戰,不再只是技術導入,而是組織內部真實的人心震盪:員工擔心被取代、團隊在轉型中無所適從、流程因缺乏共識而屢屢卡關。臺大EiMBA執行長李家岩指出,這些問題的核心在於企業的跨域管理思維尚未跟上時代的技術變化。

「過去商管教育的任務,是培養能掌握資訊、做精準判斷的決策者;但在 AI 時代已經不夠了。」他提出一個破框的觀點,未來領導者必須轉型為智慧協奏(SymphonicIntelligence) 的設計者。這與EiMBA強調的 E(Entrepreneurship,創業精神)與 i(Innovation,創新)不謀而合,而在AI潮流下,「i」更進一步指向Intelligence(智慧)。在這裡學員不只是學管理,而是在實驗如何設計一個讓「人腦」與「電腦」互補共生的系統。EiMBA也從實戰課程與學員經驗中,提煉出 AI 時代管理者必備的三大核心能力:擴增智慧、系統設計力與科技人文反思。

臺大EiMBA執行長李家岩
臺大EiMBA執行長李家岩
經理人

能力一:擴增智慧讓 AI 成為決策的鏡子

許多管理者誤以為導入 AI 就是為了自動化、為了取代人力以節省成本。但在李家岩眼中,重點應該是「擴增」而非「取代」。他強調,AI 應該是延伸人類洞察力的一面鏡子,幫助管理者看見過去看不見的盲點,這就是「擴增智慧」。

這並非抽象的理論,而是許多創業者正在面臨的真實挑戰。EiMBA 一年級學員、赤赤子設計師林宏諭就是一個典型的例子。設計背景出身的他,過去經營品牌多仰賴美感與經驗,「以前做決策就是憑感覺,覺得這個會賣就做了,因為自己做比較快。」但在公司規模擴大後,這種依賴個人直覺的決策方式反而成為瓶頸。

但在臺大EiMBA的「雙軸轉型與人工智慧」課堂上,林宏諭被迫面對冰冷的數據與流程,這正是李家岩強調的「數位孿生(Digital Twin)」概念實戰。林宏諭回憶,為了將腦中模糊的「感覺」轉化為 AI讀得懂的SOP,他經歷了一段「像被架著刀子往前走」的陣痛期。「AI 就像一面鏡子,它毫不修飾地反映出流程中的邏輯漏洞。你無法含糊帶過,必須把每一個步驟定義清楚。」

然而,這些痛苦也正是轉型的起點。當感性的創意被裝進理性的數據框架後,林宏諭發現自己的決策不再是賭博,而是可被驗證的科學。AI協助他拆解了供應鏈的每一個環節,建立起可複製的制度。他深刻體悟到,真正的管理不是「自己做」,而是學會把事情交出去。對管理者而言,這就是擴增智慧的真諦,利用 AI 的理性補足人類的感性,建立更穩健的決策邏輯。

能力二:跨域系統設計定義AI的「自主邊界」

第二項關鍵能力,是「跨域系統設計」與「人機協作管理」。李家岩指出,未來的領導者不需要是最會寫程式的人,但必須是最懂得定義「自主邊界(Autonomous Boundary)」的人。這意味著管理者要能精準判斷:哪些流程該放手讓AI執行?哪些關鍵時刻必須保留人類的價值判斷?這項能力在導入AI的過程中特別重要,因為最大的阻力往往不是技術,而是人心。

寵物百分百用戶體驗暨品牌行銷中心負責人鐘紫瀕
寵物百分百用戶體驗暨品牌行銷中心負責人鐘紫瀕
經理人

臺大EiMBA二年級的寵物百分百用戶體驗暨品牌行銷中心負責人鐘紫瀕,分享了她推動 AI 的經驗。她所帶領的團隊橫跨企劃、行銷、數據等不同職能,在一個超過兩百人的組織中,很多一線員工對 AI 既陌生又害怕,甚至第一次使用工具時手足無措。她認為這時候不是要求大家「一定要用 AI」,而是必須重新設計工作流程,讓 AI 真正融入日常。

她把 AI 定位為替團隊處理繁瑣雜事的助理,同時推動內部資料的結構化與標準化,為未來的 AI 查詢介面打下基礎,讓員工能透過 AI 更快找到資訊或生成初步分析。

不再只是把數字貼進報告,而是要求同事利用 AI 找出趨勢、比較同期差異、提出洞察。當員工開始感受到 AI 能讓自己更準時下班,而不是更加焦慮時,協作才真正展開。她強調,即使 AI 能處理掉大部分繁瑣的工作,真正體現人類價值的,仍然是那些需要判斷、同理與溝通的關鍵時刻。領導者的職責,就是設計出一個讓人與 AI 各司其職、互不踩線的協作系統。

赤赤子設計師林宏諭
赤赤子設計師林宏諭
經理人

能力三:科技人文反思問出「為什麼」的能力

在AI能瞬間生成無限選項的世界裡,稀缺的不是答案,而是「問題」。李家岩強調第三項能力:價值遠見領導(Value-based Leadership)。「AI 可以告訴你如何(How)優化流程,但它無法告訴你為什麼(Why)這件事對人類社會有價值。」為培養這種能力,臺大EiMBA將課程進行大幅度革新。例如在「創業專題」課程中引入Vibe Coding技術,讓沒有程式背景的學生也能透過自然語言,快速生成商業模式的原型。但技術只是手段,重點是背後的思維。

李家岩舉例,由臺大EiMBA學生與GMBA學生組成的「RiiVERSE」團隊,成員涵蓋時尚、行銷與永續等不同領域。他們在創業專題中利用專利技術將回收舊衣製成塑膠粒子,再製成電腦鍵盤、家具等商品,成功打造出循環經濟生態圈。更重要的是,這項創新在製程中降低了平均 83%的碳足跡 。不僅是商業模式的勝利,更是對全球 ESG 議題的精準回應。他們之所以能從全球知名的霍特獎(Hult Prize,被譽為學生界的諾貝爾獎)脫穎而出,正因領導者在設計商業模式之初,就不只問「技術可不可行」,更堅持反思「這件事能為社會創造多少具體價值」。

台大EiMBA.jpg
寵物百分百用戶體驗暨品牌行銷中心負責人鐘紫瀕(左)/臺大EiMBA執行長李家岩(中)/赤赤子設計師林宏諭(右)
經理人

這種反思能力,正是臺大EiMBA強調「行動學習」的核心。在這裡,來自不同領域的同學形成了一個微型的「創業生態系」。過去,跨領域溝通往往成本高昂,猶如鴨子聽雷;但在這裏,AI素養成為了大家的「共創語言」。

從「做中學」到「人機共創」,打造未來的領導格局

「我們不提供標準答案,因為AI時代沒有標準答案。」李家岩總結道。臺大 EiMBA 就像一個容許試錯的「實驗沙盒」,讓學員在這裡用真實的數據、真實的專案,去碰撞AI的可能性。從 創立至今,臺大EiMBA始終堅持「創業創新」的初衷;而在 2025 年,這個初衷被賦予了更深刻的時代任務:培養出不只能駕馭 AI 工具,更能定義 AI 價值、設計人機協作體系的新一代領導者。對於正處於轉型焦慮中的經理人而言,這或許正是最需要的一場思維升級。

會員專區

使用會員功能前,請先登入

  • 台灣首款對話式 AI 職場教練,一次提升領導力
  • 會員專享每日運勢、名人金句抽籤
  • 收藏文章、追蹤作者,享受個人化學習頁面
  • 定向學習!20 大關鍵字,開放自選、訂閱
  • 解鎖下載專區!10+ 會員專刊一次載
追蹤我們