营销分析（Marketing Analytics）是指对营销渠道、广告活动和用户行为数据进行系统性测量、归因与分析，以判断哪些投入真正带来转化，并据此优化预算分配和投放策略的一整套方法。
生活化类比
把营销想象成一家餐厅的厨房。你同时推出了 5 道新菜：传单广告、朋友圈投放、KOL 试吃、搜索引擎广告、邮件促销。月底你发现营业额涨了，但问题是——是哪道菜带来的客人？
如果只凭感觉，你可能会说“KOL 看起来最火”，于是下个月把预算全砸给他。但营销分析会告诉你：KOL 带来了 3000 次曝光，却只有 12 单成交；而邮件促销只触达了 800 人，却成交了 96 单。前者是热闹，后者是生意。 营销分析就是那个把“热闹”和“生意”分开的账本。
核心概念与公式
营销分析的核心是围绕漏斗和ROI做量化。常用指标包括：
- CAC（Customer Acquisition Cost，获客成本） = 营销总花费 ÷ 新增客户数
- ROAS（Return on Ad Spend，广告支出回报率） = 广告带来的收入 ÷ 广告花费
- ROI（Return on Investment，投资回报率） = （收入 − 成本）÷ 成本 × 100%
- 转化率（CVR） = 转化数 ÷ 点击数 × 100%
- LTV（Life Time Value，客户终身价值）：一个客户在整个生命周期内贡献的利润
判断健康度的黄金标准是：LTV > CAC，通常建议 LTV 至少是 CAC 的 3 倍，业务才具备可持续放量的空间。
举个具体数据：某独立站当月广告花费 $8,000，带来 400 个订单，客单价 $60，则：
- 收入 = 400 × $60 = $24,000
- ROAS = 24,000 ÷ 8,000 = 3.0
- CAC = 8,000 ÷ 400 = $20
- 若该客户平均复购 2 次，LTV ≈ $120，则 LTV/CAC = 6，属于健康区间。
与相关术语对比
| 术语 | 关注点 | 核心问题 | 典型指标 |
|---|---|---|---|
| 营销分析 | 全渠道效果与归因 | 钱花在哪最有效？ | ROAS、CAC、LTV |
| 数据分析 | 泛指数据探索 | 数据说明了什么？ | 均值、分布、相关性 |
| 增长黑客 | 快速实验驱动增长 | 如何低成本撬动增长？ | AARRR、实验转化率 |
| 商业智能（BI） | 企业级报表与看板 | 业务整体运行如何？ | 营收、毛利、留存率 |
| 归因分析 | 转化功劳分配 | 哪个触点该记功？ | 首次/末次/线性归因 |
简单说：BI 看全局，营销分析看投放，归因分析看“谁该拿奖金”。
应用场景与案例
场景一：多渠道预算再分配。 某 DTC 品牌在 Facebook、Google、TikTok 三渠道投放。数据显示 Facebook ROAS 2.1、Google ROAS 4.3、TikTok ROAS 0.8。团队将 TikTok 预算削减 60% 转移至 Google，整体 ROAS 从 2.4 提升至 3.6，月利润增加约 $15,000。
场景二：识别“虚假繁荣”渠道。 某品牌发现某 KOL 带来 50,000 次点击，但转化率仅 0.02%，CAC 高达 $180，远超 LTV $90。及时止损后，把预算转向邮件营销，邮件渠道 CAC 仅 $6，转化率 12%。
场景三：漏斗诊断。 某独立站加购率 8%（行业均值 10%），但结账流失率高达 70%。分析发现运费在最后一步才显示，导致弃单。优化后结账完成率提升 22%，月增订单 340 单。
常见误区
1. 只看 ROAS，不看利润。 ROAS 3.0 看起来很漂亮，但如果毛利率只有 20%，实际是亏的。
2. 迷信“末次点击归因”。 用户往往是先看广告、再搜品牌、最后下单，末次归因会高估搜索渠道、低估品牌曝光。
3. 忽视数据延迟与跨设备。 用户手机看到广告、电脑下单，若未打通 ID，会误判渠道无效。
4. 样本太小就下结论。 10 次点击 0 转化不代表渠道差，可能是随机波动。
5. 把相关性当因果。 销售额上涨可能只是因为旺季，而非你新换的素材。
相关术语
- 归因分析（Attribution Analysis）
- ROAS / ROI / CAC / LTV
- 转化漏斗（Conversion Funnel）
- A/B 测试（A/B Testing）
- 客户终身价值（LTV）
- 多触点归因（MTA）
- 增量实验（Incrementality Test）
- 营销组合建模（MMM）
