在上一回我们说明了网络营销效果衡量的两个最主要方法——衡量人心的改变和衡量人行为的改变。人的行为的改变，按照对它的影响从浅到深的逻辑，我们分为四个阶段：Traffic、Engagement、Conversion和Retention，并且详细介绍了Traffic的情况，下面准备用两次文章，为大家详解Engagement——这么大的篇幅讲解Engagement，实在是因为它很重要，涉及的方方面面也很多，大家如能耐心看完，定能有很多收获。

Engagement是什么

很久以前我写过一篇介绍Engagement的文章：网站分析的最基本度量（8）——Engagement，请大家参考。Engagement并不是指一个具体的度量，而是一系列衡量用户在营销活动中参与程度的指标集合。由于网站是营销活动的一部分，因此engagement很多时候用来衡量用户在网站中与网站内容与功能的交互程度。但engagement其实不仅如此，它也一样可以衡量用户与营销活动的其他交互方式，例如微博营销中用户的阅读、评论和转发，或者受众和富媒体广告（richmedia）的交互情况。Engagement是一个含义丰富的指标，可以这么理解它——它用以衡量在流量产生之后和发生最终转化之前的用户行为和过程，尤其反映用户对于营销活动/网站的兴趣程度以及衡量影响最终转化的诸多因素。

所以我无法给Engagement下一个具体的定义，它是一个指标体系，而不是一个具体的指标，它也不是一个如visit一样的一个标准化的度量。为此，美国人（Avinash Kaushik和Eric Peterson）自己也有不同的意见，一个觉得这是一个值得推广开来成为标准化的度量，一个则认为它不应该成为一个度量，也难以标准化地应用。无论谁更有道理，在解决具体问题中，engagement有它十分明显的价值，因此在我们的核心指标体系中，我一直认为engagement是其中最为重要的一块。

Engagement可以分为两大类，一类是可以标准化衡量用户行为的指标族，另一类则是根据不同情况按需定义的指标族。两类指标的含义不同，作用类似，都非常重要。

标准化Engagement指标

标准化的engagement指标分为宏观级别的和微观层面的。宏观的指一个网站全站范围的engagement情况，而微观则指一个具体页面上的engagement情况。

宏观engagement指标主要是我们俗称的老三样——Bounce Rate（跳出率）、PV/Visit和Time on Site，这三个指标描述了三类不同的用户行为。

Bounce Rate

Bounce Rate说明了用户进入网站后是否对网站的内容产生了兴趣。如果没有，那么这个用户不点击任何页面上的链接就离开，这样他其实就只看到了网站呈现给他的着陆页面（登陆页面）。Bounce Rate是一个随着技术的进步却没有做太大改变的指标。有些朋友问我，如果一个人进入了着陆页面，他仔仔细细看了着陆页上的内容好几分钟，但是却没有点击任何上面的链接查看其他页面，他算是bounce掉了吗？这是大多数网站分析工具的bounce rate定义上明确标明的，即bounce与否其实与这个用户在着陆页上查看的时间无关，只与他是否点击进入了其他页面有关。如果有点击进入其他页面，那么就不算bounce，否则就算bounce，所以上面的情况无论这个访问者看了着陆页面多久，而没有点击任何其上的链接进入其他页面，这仍然是一个bounce。这么看来也许bounce rate的定义过于严厉了，与浏览页面的时间长短无关似乎也不合理（后面还会专门说明时间的问题）。但这个定义是技术简明性以及抓住大概率事件（查看页面好几分钟却不点击页面上任何的链接确实算是小概率事件）共同作用下的效率原则产生的“最佳解决方案”，于是一直被沿用。

有意思的是，很早之前，Avinash对于bounce的解释是在页面/网站上浏览时间少于10秒钟（或是30秒钟，我记的不是很清楚了）的情况。不过，由于用户页面浏览时间不太容易准确监测（或者说准确监测降低了网站分析工具的技术实施简单性），而且替代方案（就是现在的bounce rate的定义）仍然能够相当准确地描述现实中的bounce的情况，因此大部分工具都并未采用浏览时间作为bounce和bounce rate的定义基础。

关于Bounce Rate的详细定义和解读已经很多了，如果之前没有太多了解或者想要系统复习，请阅读这些文章：《网站分析的最基本度量（5）——Bounce Rate》，《Bounce Rate —— 多少算好？》，《挑战网站分析中的大众智慧（1）——Bounce Rate》。

PV/V

与Bounce Rate不同，PV/Visit（或者很多时候简写为PV/V）描述另外一类用户与网站的交互行为，即浏览网站的深度。用户一次访问过程中（visit）查看的页面数越多，说明这个用户对网站的兴趣越浓厚。所以一般情况下PV/V越高越好。当然，兴趣有主动兴趣和被动兴趣之分。被动兴趣是指因为在网站中找不到你想要的内容而不断尝试寻找的过程，PV/V也会比较大，但这就不是什么好现象了——不过这种现象非常罕见。

Time On Site

既然谈到了浏览深度，那自然有浏览长度与之对应，即Time on Site，指人们访问网站的平均停留的时间。例如一个网站有3个访问，一个停留了2分钟，一个停留了10分钟，一个停留了0分钟，那么time on site则是4分钟。与PV/Visit一样，一般而言，这个值是越大越好。

不过，值得注意的是，网站分析工具上统计的时间与实际用户在网站上停留的时间肯定是不同的。人们访问网站最后一个页面的时间长短不会被网站分析工具统计到。原因很简单，因为一般的网站分析工具不统计人们离开一个网站的精确时间，而只能记录他访问这个网站倒数第二页的精确时间，这样最后一个被他访问的页面的停留时间实际上被完全忽略掉了。你会问为什么不统计最后一个页面上停留的时间呢？——因为网站分析工具默认对用户关闭页面的行为，或是从这个页面浏览器窗口中跳转到其他网站的行为不做统计，除非你进行专门的设置。

如果不做额外的设置，这种安排意味着两点，第一，网站分析工具统计到的网站浏览时间总是小于网站被打开在浏览器中的时间（尽管浏览器打开页面未必意味着你真的每分每秒都在看它）；第二，所有bounce掉的visit（即只访问了一个页面的visit）在网站上的停留时间计为0。

确实有一些网站分析工具打破了这个窠臼，能够尽量记录到人们离开网站的那一瞬间的时间。不过，我个人感觉，其实意义并不特别大，除非各个访问的最后一个页面有很大几率是那些特别需要人们多做停留仔细查看的页面。只要工具统计的方法保持一致性，那么就算少了最后一个页面的停留时间，仍然可以实现apple to apple的比较，仍然可以帮助我们把握用户宏观的engagement情况。而且，还降低了技术实施的难度，并且提高了监测的一致性从而提高了监测精度（因为记录离开网站准确时刻的方法实际上并不是完全可靠的，只有一定的几率能够统计到，这使这些方法实际上的可用性降低了）。