数据指标的计算也存在“错位时空”

不能否认，很多企业在计算转化率和投入产出比的时候，因为计算方式上的错误，而导致数据有了很大的波动。

是什么导致了数据计算错误？

——“时间的错位”。

这就好比“用明朝的剑去处决清朝的官”。

常规的转化率计算方法是：

转化率=购买人数/潜在客户数

表面上看，这没什么毛病，好像也就该这么算。但实际上，产品可以按照购买决策的特点而分为“即刻决策购买型”产品，以及“非即刻决策购买型”产品。

一般像低客单价的快消品，属于能够即刻决策购买的，而类似奢饰品、高档耐用品等，因为客单价较高、决策时间较长，所以并不会马上购买，有可能短则一到两周（如教育行业），长则三到六个月以上（如房产、汽车等行业）。

因此，在计算转化率的时候，需要结合该行业的客户决策周期。

不能单纯地用：当月购买人数/当月潜在客户数=转化率的逻辑。

这种逻辑会在企业快速增长的阶段，出现数据上的误差。

典型的如618前夕的15-30天，购买人数骤然下降，那么这个阶段的转化率，必然非常低，因为客户都堆积到活动开始后才会购买，那么不能因此说这半个月转化率下降了。

同样的，如果企业在5月底举办了一场促销会，这导致了潜在客户数量剧增，而客户决策周期实际上有一周，大多数会在6月上半月陆续进行购买，那么6月份的购买人数会剧增，但是6月份没有安排促销会，客户决策周期这个影响因素，会“干扰了”两个月的转化了和ROI的结果。

怎么办？

可以根据客户决策周期，把真正匹配的属于同一因果周期的购买人数、潜客人数进行错位匹配，例如5月25日到月底举办的促销会，根据过去的销售数据统计获得大约一周的客户决策周期的结论，想要统计较为准确，则需要预估有多少潜在客户是来自5月25日-31日的（如占5月份潜客的30%），然后追踪这些潜在客户，在6月份完成购买动作的购买人数，把这些部分的购买人数，纳入到5月份的购买人数当中，如此算出的转化率和投入产出比，才是5月份的真实数据。

这时候计算转化率的方式就变成了：

转化率=潜在客户人数（减去前月延迟购买而进入的部分+本月当月+下月再次进入的部分）/购买人数（减去前月延迟购买的部分+本月当月购买的+下月正式购买的部分）

这种算法需要企业具备一定的数据分析调研能力，能够准确获取客户决策的周期。此外，还应确保额外的因素不变，如企业的实力不变等。

当然，这种“错位校正”的计算方式也有缺点，数据获取有滞后性，不利于执行的快速反馈，但更适合CMO面向CEO汇报时呈现出更真实的数据。

而在日常工作中，还是可以使用原有的方式，因为其计算是即时性的，能够协助CMO快速找到问题所在，并调整执行过程。

要想数据尽可能精确，我们可以把数据的统计周期，圈定多个不同的时间粒度，如每天数据可能不真实，那么统计3天、7天、10天的9（假如客户决策周期是7天-15天），如此尽可能贴近真实的数据反馈结果。

核心观点来自《极简市场营销》