第 9 章：分析与衡量

大多数邮件营销人员在发送后查看一下打开率，感觉好或不好，然后就继续了。这不是分析，只是在不理解比赛的情况下读记分牌。

真正的衡量意味着将邮件活动与业务成果联系起来。这意味着要了解哪些活动实际上产生了收入、哪些细分群体正在增长或衰退，以及你的项目相对于实际可达目标的位置——而不仅仅是 ESP 仪表板告诉你的数字。

本章涵盖真正重要的指标、揭示真相（和谎言）的归因模型，以及将严肃的邮件项目与那些凭感觉运营的项目区分开来的分析框架。

按活动类型划分的 KPI

并非每封邮件都应该以相同的方式衡量。欢迎系列和重新激活活动有完全不同的任务，因此需要完全不同的评分卡。

以下是我对你的衡量框架的结构建议：

关于这个表格，有几点值得注意。

RPR（每收件人收入）是任何创收邮件最重要的单一指标。它对列表规模进行了标准化，让你真实了解活动效率。向 10,000 人发送邮件产生 $5,000 的收入，RPR 为 $0.50。相比之下，另一封向 50,000 人发送并产生 $8,000 收入的邮件，RPR 仅为 $0.16。规模较小、更有针对性的发送效率是后者的三倍。

对于冷邮件，完全忽略打开率。它们不可靠（尤其是随着隐私政策的变化），也不能告诉你任何可操作的信息。正向回复率才是关键。3-5% 的正向回复率意味着你的定向、主题行和优惠都在协同发挥作用。低于 1% 则说明某些根本性的东西出了问题。密切追踪你的退信率和垃圾邮件投诉率，因为如果你发送到无效地址，冷邮件的送达率会快速下降。

对于新闻通讯，增长率比大多数人意识到的更重要。一份打开率 40% 但订阅者增长停滞的新闻通讯是一项正在萎缩的资产。你需要追踪净增长（新订阅者减去退订、退信）占总列表规模的百分比。健康的新闻通讯在早期阶段每月增长 5-10%，超过 10,000 订阅者后稳定在每月 2-5%。

CTOR（点击打开率）对于培育活动比原始 CTR 更有用，因为它能将邮件内容质量与送达率和主题行表现隔离开来。如果打开率高但 CTOR 低，问题在邮件内部。如果两者都低，从送达率开始排查。

还有一个很少得到应有关注的指标：每封发送邮件的收入。不是按活动，而是按每封邮件单独计算。这能捕捉到过度发送带来的收益递减问题。如果你每周发送三个活动，而每封发送邮件的收入已经连续三个月下降，你正在让你的列表产生疲劳。少发送，每次发送赚更多。我见过品牌将发送频率削减 30%，总收入持平甚至增加，因为每封邮件的互动率上升了。

归因模型

归因是邮件营销变得"政治化"的地方。每个渠道都想要为销售邀功，而你选择的模型决定了谁赢。

以下是每种模型的诚实分析。

末次点击归因是大多数分析平台的默认设置。它将 100% 的功劳归于购买前的最后一个触点。简单，但对于邮件来说极具误导性。如果有人看到你的 Instagram 广告，两天后点击你的邮件，然后谷歌搜索你的品牌名称来购买，谷歌搜索获得所有功劳，邮件什么都没得到。这种模型持续低估邮件的价值，夸大品牌搜索的表面价值。

首次点击归因将所有功劳归于第一个触点。有助于了解哪些渠道推动了认知，但完全忽略了从发现到购买之间发生的一切。六个月的培育序列？不可见。

线性归因在每个触点之间均等分配功劳。原则上是公平的，但它将随机的曝光与触发购买决策的邮件同等对待。这不是真实购买行为的运作方式。

U 型（基于位置）归因将 40% 归于首次触点，40% 归于末次触点，其余 20% 分配给中间的所有触点。这对大多数企业来说是一个良好的起点，因为它认识到发现时刻和转化时刻最重要，同时也给予中间培育环节一定的认可。

时间衰减归因给予距离转化更近的触点更多功劳。7 天半衰期很常见，意味着购买前 7 天的触点获得的功劳是购买当天触点的一半。这种模型最适合销售周期较长（B2B、高考量购买）的企业，在这些场景中，最近的触点确实承担了更多工作。

数据驱动归因使用机器学习根据你的具体数据确定每个触点的实际影响。Google Analytics 4 提供了这一功能。它是最准确的可用模型，但需要大量转化量才能正常工作。如果你每月运行少于 300-400 次转化，该模型将没有足够的数据保证可靠性。对于大多数中小型企业，U 型或时间衰减是更好的实际选择。

Ryan Phelan 对所有这些模型提出了一个重要观点：关注增量性而非点击归因。哪次点击获得功劳并不重要，重要的是邮件是否实际引发了否则不会发生的行为。每种归因模型都是关于发生了什么的故事，增量测试告诉你实际发生了什么。

对照组是测试这一点最简单的方法。从受众中随机扣留一小部分（5-10%）的邮件，并将他们的购买行为与收到邮件的群体进行比较。差异告诉你该邮件的真实增量影响。

多渠道订阅者值得关注。通过邮件、社交媒体和你的网站与品牌互动的人，其购买率和生命周期价值比单一渠道订阅者高约 50%。邮件通常在这些渠道之间扮演连接角色，但末次点击归因很少能显示这一点。打开了你邮件却没有点击、但两小时后直接访问你网站的订阅者是一种常见模式，在大多数归因模型中是不可见的。

光环效应

即使在从未打开邮件的人群中，邮件在发送日也能产生可衡量的收入光环。我在第 1 章中介绍了这一点，因为它对于理解邮件的价值至关重要。从归因角度来说，以下是实用的衡量方法：提取过去 90 天的每日收入，将每天标记为"发送日"或"非发送日"，控制星期几的影响，然后进行比较。差距就是你的光环效应。发送日通常显示整体网站收入高出 15-30%。

如果你的 CFO 基于末次点击数字质疑邮件的 ROI，向他们展示发送日收入光环。再用增量数据支撑，你就构建了一个难以反驳的论据。

增量测试

增量测试是了解邮件实际对业务贡献的黄金标准。它比大多数人想象的更简单。

以下是如何运行一次测试。

从一个活动中随机抑制 5-10% 的细分群体。不告诉他们促销信息，不发送弃购提醒，不发送重新激活邮件，就是把他们排除在外。"随机"部分至关重要，你需要真正随机的保留组，而不是你因为他们参与度较低而选择的细分群体。

然后在同一时间段内比较被抑制群体和收到邮件群体的购买率。这两个数字之间的差异就是你真正的增量邮件收入。其余所有部分——无论如何都会发生的购买——是邮件正在邀功的有机需求。

一些营销人员对此持抵触态度，因为这意味着故意不向潜在买家发送邮件。但你获得的洞察远比从 5-10% 保留组放弃的少量收入更有价值。把它看作是对了解项目真实价值的投资。

测试通常会揭示以下内容。对于弃购挽回邮件，你通常会发现 30-50% 的"挽回"购物车无论如何都会转化。客户本来就会回来，邮件加速了他们的时间线，但并没有改变结果。对于促销活动，增量性通常低于预期。对于欢迎系列和购后流程，增量性往往更高，因为你在塑造早期行为。

每月或每季度运行增量测试以保持持续衡量。随着项目的演进、列表构成的变化和客户行为的季节性变化，收入归因会随时间推移而发生变化。

对于优化良好的电商店铺，预计邮件驱动总收入的 25-40%。但在相信你 ESP 的仪表板之前，先运行增量测试。大多数 ESP 使用宽泛的归因窗口（有时是点击后 5 天，有时甚至是打开后），这会虚高他们的数字。真实的增量贡献几乎总是低于 ESP 报告的，但与其他渠道相比仍然令人印象深刻。

邮件队列分析

队列分析回答了聚合指标所掩盖的一个问题：事情是否随时间推移变得更好或更差？

不要查看整体打开率，而是按注册月份或周将订阅者分成队列，然后追踪每个队列随时间的互动曲线。

你寻找的模式是：在生命周期的同一时间点，较新的队列是否比较旧的队列参与度更高或更低。如果 1 月份加入的订阅者在第一个月的打开率为 45%，而 6 月份加入的订阅者只有 35%，说明某些东西发生了变化。你的获取来源可能已经转移，你的欢迎系列可能有所退化，或者你的内容可能在吸引不同的受众。

队列分析还揭示了"互动悬崖"——订阅者通常停止互动的时间点。对于大多数邮件项目，在第 2 到第 4 个月之间有一个急剧的下降。准确了解这种情况的发生时间，可以让你精确地安排重新激活活动的时机，在人们脱落之前而非已经脱落几个月后捕捉他们。

按队列追踪以下指标：

• 打开率轨迹（第 1、2、3 个月等）
• 点击率轨迹
• 购买率（电商）
• 按月退订率
• 从注册到首次购买的时间

如果你在运营新闻通讯，队列分析可以告诉你内容质量是否在提升或下降。六个月前加入的读者正在用他们的注意力投票，他们的互动曲线与较新队列的比较能说明真相。

一个实际案例：你注意到今年第一季度的队列比去年第一季度的队列互动下降更陡峭。他们以相似的打开率开始，但下降更快。这可能意味着你的内容在最初几封邮件后变得不那么吸引人，或者你的欢迎系列设定的期望是常规内容无法满足的。无论哪种情况，如果没有队列分析，这种趋势在聚合数字中将是不可见的。

如果你的 ESP 不提供队列分析，可以在电子表格中构建。导出带有注册日期的订阅者数据，然后计算注册后 30、60、90、120 和 180 天时每个月度队列的互动指标。绘制曲线，视觉效果比任何表格都能更快讲述故事。

订阅者生命周期价值

大多数邮件营销人员能精确到小数点后两位告诉你他们的打开率，但无法告诉你一个订阅者的价值。这是个问题，因为没有这个数字，关于获取支出、内容投资和列表管理的每一个决策都是猜测。

订阅者生命周期价值（LTV）的计算很简单：每个订阅者每月的平均收入乘以平均活跃月数。

如果你的平均订阅者每月产生 $2.50 的收入（通过购买、广告收入或其他变现方式），并保持活跃 14 个月，他们的 LTV 为 $35。现在你知道获取新订阅者可以花多少钱了。

按获取来源细分 LTV。来自自然搜索的订阅者 LTV 可能为 $42，而来自付费社交的订阅者 LTV 可能只有 $18。这将极大地改变你的获取预算分配方式。并非所有订阅者都是平等的，你的获取策略应该反映这一点。我见过企业在第一次进行这种分析后重新分配了 40% 的获取预算，因为他们发现最便宜的订阅者也是最没价值的。

LTV 与 CAC（客户获取成本）的比率应该大于 3:1 才能实现可持续增长。低于这个比率意味着你在获取订阅者上花费太多，相对于他们的价值。高于 5:1 则意味着你可能在增长上投入不足，把钱留在桌上了。

对于新闻通讯企业，以下是订阅者获取的典型成本：

• 推荐计划（SparkLoop）：每个订阅者 $1-3
• 社交媒体广告：每个订阅者 $2-5
• 与其他新闻通讯的交叉推广：每个订阅者 $3-8
• 冷广告（展示、程序化）：每个订阅者 $5-15+

经济学因你的变现模式而变化。每千次展示费用达到 $40 CPM 的新闻通讯可以比 $20 CPM 的新闻通讯花更多钱获取每个订阅者。从你每个订阅者的收入反向计算，设定最高获取成本。

不要忘记考虑收入时间线。今天获取的订阅者可能在 30-60 天内不会产生第一美元的收入。如果你的现金状况紧张，具有更快回收期的较便宜获取来源可能比整体 LTV 最大化更重要。

邮件收入追踪

从邮件获取准确的收入数字需要花费工夫。以下是实用设置。

在每封邮件的每个链接上使用 UTM 参数：utm_source=klaviyo，utm_medium=email，utm_campaign=[campaign_name]。命名约定要保持一致。如果你的欢迎系列在一封邮件中叫"welcome-series"，在另一封中叫"Welcome_Series"，你的分析工具会将它们视为不同的活动。记录你的 UTM 命名约定，并与所有创建邮件的人分享。

为邮件内的单个链接追踪添加 utm_content。用它来识别点击了哪个按钮或链接：utm_content=hero-cta 与 utm_content=footer-link。这种详细程度能告诉你邮件设计的哪些部分实际上在推动转化。

你 ESP 归因的收入将始终高于 Google Analytics 归因的收入。ESP 使用宽泛的归因窗口，有时如果有人在最近 5 天内打开了邮件然后购买，即使他们通过完全不同的渠道回来，也会将购买归因于邮件。GA 默认使用末次点击，所以如果有人点击了你的邮件，然后谷歌搜索你的品牌完成购买，GA 将功劳归于谷歌。

真实的邮件收入介于这两个数字之间。使用 ESP 归因进行活动级别的比较（哪些邮件相对表现最好），使用 GA 归因进行渠道级别的预算分配（邮件相对于付费搜索、社交等产生了多少总收入）。

对于优化良好的电商项目，邮件应该驱动总收入的 25-40%。如果低于 20%，你的项目有很大的改进空间。如果超过 40%，检查你的归因，你可能在过度计算。超过 50% 的项目几乎肯定是过度归因，除非他们的付费媒体支出非常少。

设置一个简单的收入仪表板，显示：

• 总邮件归因收入（ESP 和 GA 并排）
• 按活动类型的每收件人收入
• 每个订阅者每月收入（随时间趋势）
• 来自邮件的总收入百分比（随时间趋势）
• 每封发送邮件的收入（捕捉过度发送带来的收益递减）

每周审查一次。趋势比单个数据点更重要。一次糟糕的发送并不意味着什么，三个月 RPR 下降意味着某些根本性的东西需要改变。

列表增长率

大多数邮件营销人员能告诉你他们有多少订阅者，但很少有人能告诉你他们的列表是否在实际增长、萎缩或踏水。列表增长率是回答这个问题的指标，它比仅仅计算新注册数更有深度。

净列表增长率 = （新订阅者 - 退订 - 退信 - 投诉）/ 总列表规模 x 100。

这是一个月度计算。健康基准：

如果你的净增长率为负，你的列表正在萎缩。这比大多数人意识到的更为常见。普通邮件列表每年通过自然流失（人们更换邮箱地址、失去兴趣、B2B 的工作变动）减少约 22-25%。这意味着你每月至少需要增加 2% 的新订阅者才能保持持平。

分别追踪以下组成部分：

总增加量（每月新订阅者）。这告诉你获取渠道是否在正常工作。如果总增加量在下降，调查你的注册表单、流量来源和潜在客户磁铁。

流失率（退订 + 退信 + 投诉占总列表的百分比）。健康的流失率是每月 0.2-0.5%。每月超过 1% 意味着你的内容、频率或受众期望存在问题。

按来源的流失率。 来自付费社交广告的订阅者通常以自然订阅者 2-3 倍的速度流失。了解这一点让你能为每个获取渠道设定现实的预期，并将预算分配给产生留存订阅者的来源。

列表质量指标与规模同样重要。一个有 10,000 活跃订阅者的列表比一个有 50,000 但只有 3,000 人定期打开邮件的列表更有价值。追踪你的活跃订阅者百分比（过去 90 天内打开或点击过的订阅者除以总列表规模）。低于 30% 的活跃率意味着你在为不产生价值的联系人付费存储。

捕获表现

你的注册表单是邮件漏斗的顶部。如果它们表现不佳，下游的一切都会受影响。

弹窗转化率基准：

如果你的弹窗转化率低于 2%，说明出了问题。最常见的问题：触发太早（访客还没有任何背景信息）、优惠不够吸引人、表单要求的信息太多（姓名 + 邮箱 + 电话 = 高摩擦），或者设计侵入性强但价值不足。

登陆页邮件捕获基准取决于流量来源和优惠：

按流量来源衡量捕获率。 自然搜索访客与社交媒体推荐的转化方式不同。一个对自然流量转化率为 5% 的弹窗，对社交流量可能只有 1% 的转化率，因为访客意图不同。相应地调整你的优惠和时机。

持续捕获优化需要追踪的指标：

• 曝光到提交率（看到你表单的人中有多少百分比实际完成了它）
• 表单放弃率（开始填写但没有提交）
• 按设备的捕获率（移动端 vs 桌面端——如果没有适当优化，移动端表单通常转化率低 30-50%）
• 按页面的捕获率（哪些页面产生最多注册，有没有高流量页面没有注册表单？）
• 弹窗时机 vs 转化（测试不同的延迟时间——有时等待更长时间能产生更高质量的订阅者，即使总量下降）

大多数 ESP 弹窗工具（Klaviyo、OptinMonster、Privy、Justuno）原生提供这些分析。如果你的工具不提供，在 GA4 中为表单曝光和提交设置事件追踪。

确定最佳发送频率

邮件营销中最常见的问题是"我应该多久给列表发一次邮件？"诚实的回答是：这取决于你的受众、内容类型和商业模式。但有一种结构化的方式来找到答案。

多发（通常）更好，直到某个点为止。 研究表明，每月发送 9-16 封邮件可带来 46:1 的 ROI，而仅月度发送则为 13:1。打开率在每月一次和每周两次之间保持一致——只有在每日发送时才会下降。上限比大多数品牌想象的要高。

收益递减曲线。 每周额外发送的每封邮件，每封邮件产生的收入递减。第一封每周邮件可能产生 $2.00 RPR，第二封可能产生 $1.50，第三封 $0.80，第四封 $0.40。在某个时候，再多发一封邮件的边际收入会被增加的退订和降低的互动所抵消。你的最佳频率就是这个临界点之前的位置。

如何找到你的频率上限：

1. 以当前频率作为基准。衡量 RPR、退订率和互动率。
2. 每周增加一次发送，持续四周。追踪相同指标。
3. 如果每封邮件的 RPR 下降但总周收入增加，额外的发送是值得的。
4. 如果退订率每次发送增加超过 0.1 个百分点，你已经超过上限。
5. 如果互动率（打开、点击）整体下降超过 10%，拉回。

按类型划分的总体频率指南：

每封发送邮件的收入是这里的关键指标。 不是邮件总收入，不是每个活动的收入，而是每封单独发送邮件的收入。这个指标能捕捉到聚合数字所掩盖的过度发送问题。如果你的总邮件收入持平但你发送的邮件数量是原来的两倍，你每封发送邮件的收入已经减半。你在付出两倍的努力获得相同的结果，同时加速了列表疲劳。

基于互动的频率（在第 3 章详细介绍）是大多数品牌的最佳方法。 不是对所有人采用一种频率，而是按互动级别分层发送。你最活跃的订阅者收到每个活动。参与度中等的人只收到你的最佳内容。参与度最低的人收到最少的发送，同时你尝试重新激活他们。这种方法通常能在减少退订 20-40% 的同时维持或增加总收入。