题记：
A-你做网站优化有什么目标吗？
B-有啊，增加收入，提高转化率！
A-这不是目标，顶多算是方向.
B-那什么是目标？
A-在2011年1月1日之前，投入增加10%的情况下，收入增加20%，转化率提高5%
B-巴西和德国的目标就仅仅是拿冠军吧…
在Engagement Index-1：参与度指数的含义中，通过Forrester的模型和一些补充，希望大家对参与度指数有了一个最初的概念。那么如题，这里我们来谈在不同的engagement的阶段，参与度指数都由哪些参数组成，以及通过何种途径收集相关的信息。
这里需要注意的是，参与度指数，从根本上来说，虽然是一个整体的概念，但它是以个人为单位的。首先要衡量的，是对一个特定的人来说，他的参与度指数 是多少，然后通过一定的算法，求的一个整体的值，比如，最简单的做法，一个网站的参与度指数等于这个网站在研究区间中的所有单个访问者的参与度指数的平均 值。所以我们在确定每个阶段需要收集什么信息的时候，要注意一个总体层面的信息是不够的，可以和一个具体的用户ID联系起来的信息才有效。
1. Involvement (接触)
对于品牌来说，这首先是一个reach的过程，也就是说通过各种途径和手段，让潜在用户接触到品牌的信息；接着这是一个attraction的过 程，对于接受到的信息，用户所给予的关注很重要，有的信息可以吸引用户的注意力，而更多的则被无情的忽略了；然后，在用户被吸引之后，需要传递更多的信 息，这个时候就是一个吸引用户到网站或者应用等自有平台上，引到用户去探索的过程。
在这个过程中，我们搜集信息的方式有很多，比如通过邮件服务器收集关于邮件的信息，通过adserver收集关于条幅广告观看和点击的信息，通过社 交网站分析工具收集各种相关信息，最后通过网站分析工具收集网站上用户的行为信息等。这里可惜的是这些不同的工具很少交通，有时即使交通了也只是在宏观层 面上，不能共享一个用户ID，这样便直接导致了信息的分割和封闭从而在研究参与度指数的时候无法应用。
在理想情况下，我们希望在一个ID的记录中，可以保存相关人看过了什么条幅，收到并打开了哪些邮件，点击了哪个链接来到网站，然后在网站上以一种什么样的途径看过了哪些页面….
在现实情况下，我们能做的只是以网站分析工具为核心（能提供包含visitor id的匿名个人信息），尽量和其他工具交通。这里我们可以连接到一个ID上的数据有，比如但不限于：
- 访问背景：访问时间，地点，网络服务商，浏览器，OS…
- 访问来源：引荐链接，广告条幅ID，Email ID，搜索关键词…
- 访问内容：landing page，content group/page x time spent, 访问路径（path），内容的版本信息（如果网站个性化显示或者正在进行Testing的话）
- multiple-touchpoints：如果能和adserver联系共享id的话，可以获得multiple view through （总共看过多少广告信息）；如果能和mail router联系共享id的话，可以获得email open的信息
2.Interaction （互动）
互动是用户的一个自主的与品牌交互的过程，区别于一般的访问和浏览。我给互动加的界定是：互动要求有用户的输入（input），这个输入可以是文字 性的输入，也可以是情感和意向方面的一个输入。比如，网站上有一个flash游戏，用户在上面玩，和游戏互动，很高兴。如果情景截止到这里的话，这不是一 个真正意义上的互动，而仅仅是消费了网站的内容，是一般性的访问。不过如果用户在玩过游戏之后，给自己取了一个昵称，然后把自己赢得的分数反馈给网站的 话，这便成了一次互动的过程。同样道理，使用store locator不是互动，使用站内搜索引擎不是互动；使用商品点评，哪怕是仅仅点了一下鼠标，是互动；使用wishlist是互动，订阅 Newsletter是互动，发表评论是互动，注册是互动，购买是互动…
互动一方面取决于用户的兴趣，另一方面取决于网站提供的互助的可能，甚至是品牌提供的在网站之外互动的可能，比如在social media上的互动。
而具体到我们的项目，在衡量互动的时候，把到达一定深度的访问和典型的事件也作为了互动来考虑，我这里把它们归为伪互动。
在这个阶段，我们需要和可以收集的参数有，比如但不限于：
- 伪互动：达到一个的访问深度（visit depth），使用站内搜索引擎/store locator等小工具，玩flash游戏…
- 参与性互动：评分，发表评论，使用wishlist，加入收藏…
- 转化型互动：订阅新闻，注册，购买，下载打折券…
- 贡献型互动：发表内容，发起活动…
以上数据可以使用网站分析工具和网站平台、数据库等来收集
3.Proximity （亲近）
Proximity是一个非常情感化的东西。当听到一个品牌的名字的时候，用户如果不仅仅知道，而且有一种亲切的感觉，觉得和自己相关，渴望拥有， 那就有一种proximity存在。比如，当一个典型的中国大中型城市的中青年女性听到“LV”这个词的时候；比如当本文典型的读者听到“iPhone” 这个词的时候。但是当你听到“思科”这个词会有什么感觉呢？很可能知道，可能亲切，但是很小的可能你想要一台思科的光纤通道交换机，这时候是否有一种 proximity呢？当你听到联想，健力宝，中国建设银行，华为，兰蔻，西门子，空客，白猫，海飞丝，新华书店，网易，徐州重工，奥美，浙江大 学，NASA，TNS, 大连造船厂，歼十，中国足协，SEMWatch 各有什么感觉呢？
扯远了，言归正传。Proximity的信息比较难以精确收集。目前可以使用的方法有，比如但不限于：：
- 网站分析数据：这里主要是通过一些行为特征来推断proximity。比如，frequecy, recency, 对newsletter的反应，使用个人账户的次数和时间，对新产品的访问等等；
- CRM收集数据：客户服务中心，callcenter等收集的服务记录
- 调查问卷：直接或者间接的询问，需要把用户的回答和他的ID关联起来
4.Influence （影响）
用户对品牌产生好感，感觉到品牌的价值的时候，会主动去分享关于品牌的信息，成为品牌最好的推销者。这种影响最好的体现是向第三方推荐这个品牌的产 品，一般是口头上的，这个几乎不可能量化追踪；或者在博客上，在评论中推荐，这个可以追踪，但是很难和用户的ID联系起来。这里目前比较可行的信息来源有 两个：
