如果通过指标评估法中的ROI发现一些有问题的渠道，因为ROI是个最终的结果，那到底是什么问题，在哪个业务环节中出现了问题，有没有调整的空间，这个就需要进一步的分析了。
进一步的分析
ROI这个是终极的指标，如一些ROI不好的渠道，我们还需要进一步去分析它到底哪个环节出了问题？是流量少、还是用户不感兴趣、还是网站有问题……
我们还需要其他的指标去判断，这些指标属于过程指标，可以直接看Channel报告：
这个报告数据呈现方式是从数量上、质量上和核心交互的角度上去在评估渠道情况，它们之间的关系是一个层层递进的关系。
从数量上
主要是从数量上去描述和评估流量的大小，是以流量为中心阶段常用的方法，目前来说不是主流的分析方法，但是仍然适用，常用的指标有。
- Users：用户数，是Google Analytics中衡量数量的一个重要指标。
- Visitors：访客数，在Google Analytics中，数值上和用户数相同，但是计算原理不同，而且两者有本质上的区别，Users是指标，而Visitor是维度，不少人经常会搞混，将两者混为一谈；在Adobe Analytics，这是网站唯一身份访问者的数量，可以理解为用户数。
- PageViews：简称PV，就是页面浏览量，通常跟Users成正相关关系。
- Sessions：会话数，以流量分析为核心工具常用的一个指标。
- Visit：访问/访问数，在Adobe Analytics表示访问者的会话数，其实就是Google Analytics中的会话数Session了。
- UV：Unique Visitor，独立访客数，对访客数的去重，通常在国内的网站分析工具用的比较多，跟GA的Users接近。
- 独立IP数：基于IP角度的计数，因为目前IP资源有限，存在多个用户共用同一个IP出口的情况，或动态IP，所以从IP角度去计算用户的数量不是很恰当，但国内的用户由于使用习惯倾向于使用IP计数，目前仍有分析工具采用IP计数，甚至直接提供访客IP给用户。由于国外的隐私保护政策比较严格，所以GA是没有这个维度的数据的。
不同工具用的指标是不同的。
从质量上
从流量质量上，就是用户在站内的浏览具体情况，通过这个指标，可以从访问角度评估流量的价值，通常有这么几个：
- Bounce Rate也就是跳出率，这个是衡量质量最常用的一个指标，如果你想要判断流量质量如何，这个是你第一个需要看的指标。这个指标在不同行业的差异是很大的，所以没有一个适用于所有的行业的参考值；这个指标也不是越低越好的，特别是对于长页面和单页应用，这个指标就会失灵了。
- 页面停留时间：就是在页面上的停留时间，这个的重要程度是仅次于跳出率，通常在跳出率失灵的时候会用这个去评估流量，特别是在长页面分析的时候用的比较多。
- 页面访问深度：就是访问了多少个页面，如一个会话访问了多少PV，通常访问得越多，质量越好。
从核心交互上
可以将用户的在站内的一些关键行为跟踪下来，用于评估流量情况，通常这些行为需要通过事件跟踪去实现，如：
- 页面浏览比例：看访问页面的比例，可以知道这部分用户是不是目标用户。
- 单击：一些关键行为，如添加到购物车、单击注册、试用等，可以用于衡量用于兴趣与意愿的。
最主要的直接看两个指标就行，跳出率和核心交互情况，跳出率高表示用户没兴趣或网站打开贼慢；跳出率低，那么进一步看核心交互情况。
核心交互多，表示用户有兴趣，但没有产出，那么需要进一步分析，看是那些门槛阻碍了用户，让用户犹豫；核心交互少，可能用户没有找到想要的。
可以看到指标评估法往往会出现片面的情况，如前面，单看跳出率低，会觉得这个渠道很不错，但如果跳出率低但没转化，ROI很差，就会觉得这个渠道有问题，可能存在某个指标很好，而另一个指标差的情况，只用一个指标不能很好的评估，这种情况要通过两个指标去评估，这种方法叫波士顿矩阵评估法。
波士顿矩阵评估法
波士顿矩阵（BCG Matrix），这种方法是市场营销领域非常常用的一种方法，通过两个主要的指标综合评估一个渠道的优劣，也就做矩阵分析方法、四象限分析方法、二维评估方法、场增长率-相对矩阵、Engagement-ROI评估模型，波士顿咨询集团法、产品系列结构管理法等，花名非常多。
下面看看波士顿矩阵怎么用？
比如还是跳出率和ROI，横坐标是ROI，纵坐标是跳出率，图形大小是流量大小，可以用一个坐标轴来表示，将不同渠道的流量的ROI-跳出率和流量大小的关系通过下图表示：
再加上两条线，整体ROI和整体的跳出率，可以理解为ROI均值和跳出率均值：
将两条均值先看做一个坐标系，可以看到如上图，不同的渠道位于不同的象限，这个就是波士顿矩阵：
第一象限：高跳出率，高ROI， 这里的SEM的是有需求的精准用户，而却有较高的跳出率，可能是着陆页首屏的内容没有吸用户的眼球；或是核心关键词和长尾词流量中，长尾词的占比较高，可以对关键词也用波士顿矩阵去筛选。
第二象限：高跳出率，低ROI，符合AFF的特征，AFF的流量通常是比较差的，带来的流量非潜在用户，可以对AFF的流量进一步细分去分析，矮个子里挑高的，往这些高个子匀多一点预算。
第三象限：低跳出率，低ROI，Social的用户有意愿，但是没转，说明用户有些顾忌或担忧，需要进一步分析，可能是价格，服务质量，支付方式，这些都有可能导致用户犹豫，迟迟没有转化，需要根据客户在交互过程中的反馈去分析，然后在针对性给与折扣，体验等营销，促进用户转化。
第四象限：低跳出率，高ROI，Referral是优质渠道，可以加大预算。还可以进一步分析这部分用户的用户属性，去扩大受众人群。
基本上，你能画出这个图，结合业务的特点，不仅能够评估出各个渠道的情况，还能够分析出所存在的问题，对应的策略也就出来了，但也存在部分情况需要进一步验证分析的。
这个分析思路可以应用在很多角度的分析上面，如广告评估和广告效果评估。
示例一
关于广告评估的，利用CVR (Conversion Rate，转化率)和CTR（Click-Through-Rate，单击率）来分析:
横纵轴划分出四个象限，分成四类：
- 第一象限的单击率和转化率都比较高，这是满意消费者，需要促进，加大投入，力促取得规模效应(这是经济上的一种分析方法，用于最优化，取最好效益)
- 第二象限是低单击率，高转化率，问题是处在广告上面，属于糟糕的广告，这就需要定位是Banner还是广告语的问题，再针对性调整
- 第三象限是低单击和转化，这是由于受众的问题，是广告定位不精准用户导致，这就需要对广告的受众做重新定位
- 第四象限是高单击率和低转化，这部分受众有兴趣，但进到页面后没转化，产品难以满足需求，可能是价格因素，也可能是知名度等导致用户迟疑不转化，这个需要具体分析后在做策略，如果是价格因素，可以选择在再营销的时候降价，或捆绑销售，降低访客的心里价位；或赠送等，如果是知名度问题，则找知名的第三方做背书~
示例二
广告效果评估，通过ROI和消费：
还可以在很多方面使用，这是通用型的分析方法。
Google Analytics中的波士顿矩阵：气泡图
在Google Analytics中点击Acquisition>Channel，然后点击如图所示，右上角的气泡图图标：
就可以看到如下：
横纵坐标和图标表示的值都可以自定义的，如图中的圆圈越大表示流量越高，自己计算均值将其划分为四个象限，就是波士顿矩阵。
这个气泡图还可以以动态的形式展示一段时间的变化。
