营销人转向了ROI目标，即而设定市场营销每一块钱能带回销售收入贡献的底线。市场行销的ROI或许是一个相对新的现象，但是“拍脑门”策略和“拇指规则”的时代似乎时日不多了。

    但是你怎么来设定市场行销的ROI呢？这就是为什么市场分析变得至关重要——特别是在中国。对于任何经得住检验的ROI分析，它必须量化所有市场活动的全方位的影响，这包括短期的，也包括长期的。只有这样，商家才能评估是否他们更好地把这1000万花在了广告活动上而不是额外的制造费用上。

    虽然在估计市场回报的时候，所有市场都有他们独特的挑战性，但没有那个市场像中国一样如此盘更错节。单单是庞大的市场，人口，收入分布，以及经济增长率就意味着中国市场几乎不可能被作为一个整体来对待。相反，我们必须把中国作为一个不同市场的组合来考虑，每个都有其特性。据说理解中国的关键是调研，调研，再调研。这无疑是对的。  

    在中国，基于单个不同市场的市场营销回报分析带来的回报最大。这样一来的话，市场选择至关重要，并且市场覆盖必须被仔细考虑。聚类分析在帮助决定那些市场需要被包含进来是有用的。基于一系列相同特点来分组，使得只有少量市场需要被分析。分析的结果可以通用于每个群类，这样可以尽可能广泛的传播利益点。  

    在像中国这样的发展中市场中，需要仔细地去考虑大量的可选的分析方法。通常中国的数据比其他地方更有限，仅仅涵盖几个季度，使得量化投入回报的分析必须等到有足够多的数据时方能完成。但是此时，其他有助于确定影响销售关键因素的分析是可能的，即使它无法把这些因素直接与营销投入相匹配。

    一个特别有用的备选方案是从消费者调研或内部的客户关系管理数据库中分析数据。并非发现市场营销如何随着时间影响销售，这个方法是去发现市场营销如何影响购买的意愿。

    图1是一个购买者获得的实例。高购买者获得率和低获得率的市场分别用星和圈来表示。虽然高购买者获得率的市场有一定的地域上的集中性，但是仅仅从地域上是不能解释这种模式的。 

  
    为真正的明白市场，商家必须把收入，人口统计，生活方式，态度以及购买行为的差异纳入考虑范围。这些因素中的任何一个都可以通过截面分析来量化。分析结果可以被用来评估市场潜能和产品分类性增长，也可以通过确定那些对购买决定有最大影响力的消费态度来辅助广告战略。

  有很多的近似做法但只有一个真正的度量尺度

    好消息是大多数公司市场部都充斥着数据。这些数据来自于大量的差异化的数据源并且每一个数据源都有自己分析方法论。坏消息是这些信息很少被综合起来分析。结果就是一个错综复杂的KPI系统，繁琐的分析，孤立的营销投入产出预测。

    图2表示一些更普通的品牌表现的度量。这些度量尺度可以以一种阶梯的形式来表现。每上一层使消费者更接近购买决定。但是相对于购买每进一个阶梯则引入一套新影响因素，使得分析更加复杂。

    高层管理者一般只对一个台阶感兴趣-购买-因为购买是唯一真正实现ROI的途径。然而，对于其他步骤的分析会帮助商家认清购买的障碍并且发展最好的市场营销组合以提高业绩。理解市场行销能够在多大程度上影响每一个步骤有助于更好的规划市场营销或沟通活动。

  “反复烘烤” 蛋糕

    要有效地分析每个步骤，我们可以求助于计量经济模型，有时候计量经济模型给人一种不好的印象，因为它融合了建立数学模型的科学方法论和艺术的把握。然而，它依然是当前估计实际市场营销回报最优的技术。把计量经济学方法与“反复烘烤”蛋糕相类比可以帮助你更加理解这个概念。这个理念是我们已经有了这个蛋糕，也就是历史销售数据，但我们不知道它是由什么样的原料做的。因此我们不得不重新尝试不同的原料组合，烤出大量的蛋糕直到我们发现味道和这个一样的蛋糕。

    一般来说，一个模型建立者与营销部门一起合作去构造对于销售（蛋糕）潜在影响（原料）的理论销售模型。通常的影响或者说原料，如图3所示。这些影响因素通常被分离成内部因素（市场营销驱动因素）和外部因素1.

  建模人收集相关的数据并开始分析。在“反复烘烤”中（即不断地建立新数量模型中），建模人试图去确定原料种类和数量以最优地匹配原始蛋糕的口味，外形和质地，虽然建模人知道完全匹配是不可能的。换句话说，建模人会：

 1.确定关键影响因素

 2.量化对过去表现的每一个关键因素（见图4.）

 3.计算收入的回报。

  因此，短期来看，计量经济模型能更好地为市场营销决策提供依据。但它必须被用在恰当的背景下以便有助于确定并达到ROI目标,并且最终贡献于营销目标。

  终极价值

  对于弄清楚短期影响销售的错综复杂的驱动因素，计量经济模型显得特别有用，但恰恰因为是短期的，结果看起来可能很不爽。1元投入电视广告的平均短期回报在0.4元左右-没有哪个市场部经理愿意听到这些。幸运的是，拇指规则允许我们对于一个品牌用这样的短期分析去计算长期回报。这种规则来自于进一步的研究，这个研究说的是广告的长期价值在其四到五倍的短期回报之间-这的确是一个好消息。

  因此，对于单个市场的单个产品，ROI分析对于理解短期利润回报特别有效。然而，当品牌所有者应用ROI分析去把在这个市场上该产品的回报同其他产品在这个或另外市场回报做比较时，终极价值被意识到了。进一步来说，通过把各种各样的销售回报模型和财务信息结合起来的分析能够：

  •估计最有效的市场营销组合

  •设定并且分配媒体预算

 •决定用什么样的媒体营销手段

 •建议在每个媒体手段上花多少钱

 •帮助确定具体的排期策略

 •就价格策略做出建议

 •帮助确定产品组合的差异

 •表明是否业绩目标被达到了

  实践中的考虑因素

  正如先前提到的那样，ROI分析不是那么简单。成功的实施既取决于对于可能性的清晰理解，也取决于一个能胜任的建模人。一个更深层次的因素是数据本身。任何的统计学的技巧，不论多么深奥精妙，如果应用了不合适的数据，注定要失败的。对于时间序列分析，关键的数据问题是：

 •跨度-在任何建模开始之前最少30个数据点是必要的。如果不同季度的数据有着急剧变化的话，那么数据跨度至少是两年，最好是三年。

 •质量-数据是问题变量的精确代表吗？

 •频率-周数据优于月度数据

 •广度-每个可能影响因素的数据都存在吗？

     实际中对于ROI分析的应用经常遭遇到所有这些问题。有时数据集的差异如此巨大以至于任何有意义的分析都变得不可能了。然而，更经常的是，所需要的是一些想法和仔细对待可获的有用信息。当有些影响因素的数据缺失时，相关并且接近的代理变量可以被发展出来。在一个数据集很少被捕获的时候，诸如季度数据，包含的信息可以用来推演出趋势而不是仅仅被忽略掉。

     任何ROI分析的一个非常有价值的副产品是识别对现状理解的漏洞，进而采取行动缩小这些漏洞，随着时间的推移，提高商业决策的准确度。

环球企业家