Airbnb 是如何追踪和衡量市场增长的？

神译局是36氪旗下编译团队，关注科技、商业、职场、生活等领域，重点介绍国外的新技术、新观点、新风向。

编者按：活动跟踪和分类系统，一直是支持Airbnb公司营销活动的关键部分。本文译自Medium，作者是Jing Guo，原标题为" How does Airbnb track and measure growth marketing?"，希望对您有所启发。

简要介绍

Airbnb公司的使命是“创造一个为旅行者带来归属感的世界。”这一信息是通过企业营销传递给世界各地的人们的，例如，“什么都是可能的，看看房东们能给你带来什么惊喜”。它帮助Airbnb公司将客人和房东联系起来，建立一个强大的社区，毫无疑问，这有助于公司可以达到令人印象深刻的增长。

Airbnb的市场营销是令人兴奋的，在很多方面都提出了挑战，其中一个是跨不同的广告平台的数据跟踪活动 (见图1)。跟踪使营销团队有充分能力分析活动的表现和影响，然后进一步优化这些活动与预算最小化，以实现他们的目标。

在这篇文章中，我们将讨论Airbnb公司如何通过引入c参数，跟踪以及分析和增长评估系统，来建立一个统一的跟踪测量系统，来支持营销活动。

概述

市场营销团队在各种渠道中开展客户获取活动、房东招募活动和一般的品牌营销活动，包括绩效营销、社交网络、网站/杂志帖子、联盟计划、品牌营销和国际奥委会(IOC)。与其他高增长公司一样，Airbnb公司的营销策略也是动态的——数字目标在特定情况下会有所不同，比如全球新冠疫情。构建一个简单、直观、能够适应高度动态和快速移动情况的系统是成功的关键。

在我们的设计中有几个主要的系统需求：

1.    可扩展性：要包括谷歌Google和脸书Facebook等大型付费增长品牌。针对不同的市场和国家要有不同的广告平台。我们需要任何的广告平台都能够轻松进入数据追踪系统。

2.    灵活性：在市场营销中，数据追踪往往是第二优先事项。该系统必须足够灵活，即使是对已经进行了很长时间的活动进行跟踪，也不会失去任何流量。

3.    容错性：考虑到广告平台和营销运营供应商的名单很长，内部跟踪系统必须能够检测和解决任何类型的跟踪故障。

4.    高数据质量：营销活动的数据质量至关重要。如果数据不完整，那么任何数据优化工作都没有多大价值。高质量的营销数据，最终将帮助Airbnb公司节省数百万美元的营销预算。

C-parameter跟踪(C-Tracking)

为了支持程序化跟踪参数的营销渠道，Airbnb公司开发了嵌入URL中的自己的跟踪参数。它被称为C(活动)参数跟踪。C参数由两个参数组成：PI(平台ID)和PK(平台Key)

http://airbnb.com?c=.pi{π}.pk {pk}

PI: PI代表“平台ID”，是特定提供商的整数ID值，例如，PI = 0代表谷歌。

PK: PK是特定平台上，每个单独活动或营销活动的唯一标识符。它通常由带有下划线的字母数字标识符组成。这里重要的是要有足够低的粒度，以便可以在尽可能低的级别应用元数据。不同的营销目标需要不同的PKs。假设你想要在最著名的博客中推广Airbnb品牌，现在你需要确定一组平台关键词，以便在多个博客中跟踪一系列活动:

•博客A：除夕推广

•博客B：让做房东成为可能

•博客A：房东感恩回馈

•博客B：情人节促销

PK = blog_id的PK定义似乎效果很好，但如果我们想要跟踪“推广”级别的表现，这其实没有帮助。我们需要pk {blog_id} _ {promotion_id}

对于付费营销，为了追踪每个单独关键词或展示广告的表现，PK应尽可能设置在最低水平；例如，谷歌关键字级别C-parameter:

http://airbnb.com?c=.pi0.pk{adgroup_id}_{creative_id}_{device}_{keyword_id }

跟踪维度

有了追踪关键词，下一步就是在活动中添加营销洞察力。在Airbnb公司内部，营销洞察力被称为跟踪维度，它由三个部分组成：跟踪关键词、供应商元数据和营销元数据。

跟踪关键词：C参数用于跟踪增长营销流量和跟踪维度查找。

供应商元数据：关于广告平台和供应商的活动、账户和状态的详细信息。这些细节大部分，是通过各种数据摄取管道收集的。供应商元数据包含营销渠道和活动信息。

营销元数据：关于营销目的的详细信息。策略用于划分市场营销目的，如应用安装、客人/房东增长或通用品牌认知度；目标定位用于对营销活动目标进行分类，如用户群体或目的地国家；元数据是关于营销活动的所有其他元信息，如内部CMS(活动管理系统)相关数据，活动时间，版本等。

通过结构良好的跟踪维度属性，营销人员或数据科学家，能够以尽可能低的粒度对营销活动的性能进行切片。这样，他们就可以提出全面的营销见解，进一步优化营销转化率。

为什么是C-tracking而不是UTM?

UTM跟踪是一个行业范围内的跟踪标准，它也与谷歌Analytics无缝对接。UTM代码是添加到url末尾的简单代码片段，用于跟踪营销活动和内容的性能。UTM代码如下所示:

https://yoursite.com/your-page/?utm_source=facebook&utm_medium=cpc &utm_campaign = spring_sale&utm_content = shoe_ad

为什么Airbnb不直接使用UTM进行数据跟踪？考虑到Airbnb公司营销策略中快速灵活变动的部分，Airbnb公司的营销需要一种具有完全灵活性的跟踪技术，以支持任何跟踪粒度。同时，跟踪系统应表现出高容错性，以便轻松修复任何可能的跟踪数据，而不阻塞活动的启动。UTM和C-tracking的详细对比如下表所示：

URL中的所有值

UTM代码在URL中具有主要的跟踪值，例如流量源、活动名称等。相比之下，C-Tracking只需要一个平台标识符PI和一个唯一的活动标识符PK。所有其他活动细节都在Airbnb公司内部保存。因此，PK可以被视为所有现有或新添加的UTM参数的集合。除此之外，PK还支持有意义的字母数字参数和UUID的组合。

参数的数量和灵活性

UTM跟踪URL的五个变体，包括utm_source, utm_campaign, utm_content, utm_term。对于不同的营销活动，UTM要求所有参数都要预先定义。为了解决同样的问题，C-Tracking只需要将PI和PK结合起来，同时PK定义给了营销团队最好的灵活性来跟踪任何级别的活动。为了达到同样的目的，UTM跟踪需要向URL添加一个额外的参数，这在整个系统中增加了额外的复杂性。

节约时间

假设你想发起一项重要的活动，需要在紧迫的时间内提交一份详细的报告。UTM跟踪需要仔细预先定义所有跟踪参数，这些参数在活动启动后是不可修改的。否则的话，大量的流量将在任何新的更新后永久丢失。然而，C-Tracking只需要一个唯一的标识符(PK)。这给C-Tracking带来了速度和性能的好处。跟踪设置不会阻止活动的启动。

容错性

C-Tracking在活动分类方面具有完全的灵活性。即使在活动启动后，发现了一些问题，营销团队也可以随时更新跟踪维度。这将导致更高的容错阈值，以便更精确地分析活动。

分析和增长评估系统

在引入C-Tracking之后，下一个主题是介绍Airbnb内部使用的系统(见图2)，用于管理所有C -参数、跟踪维度以及它们之间的互相分析查找。

活动管理

供应商管理系统服务两大功能：

1.    数据收集——与第三方广告平台或活动管理供应商合作，以收集各种元数据。它用来收集所有我们可能想知道的营销活动的信息。同时，所有性能数据，如成本、点击、印象，也会在此过程中被收集。

2.    跟踪设置——对于支持程序化跟踪的广告平台，将在内部创建一个C参数。C参数的自动创建，可以防止在供应商层面和Airbnb公司层面上，重复这些参数。

跟踪维度管理

跟踪维度管理(TDM)系统允许工程师、数据科学家和营销人员创建、插入和修改跟踪维度。它还支持其他管理功能，如跟踪维度验证、元数据查找(例如，提供者元信息、业务单元需求等)和监控。

流量监控

来自营销活动的流量至关重要，但问题也可能出现。例如，URL可能包含特殊字符，URL解析器失败。在呈现的URL中C参数可能会损坏，或者跟踪维度数据可能会在TDM系统中丢失。为了获得预警，以便在最短的延迟内，处理所有可能的问题，营销流量监控中有两个主要功能。

实时流量分类和警报：为了覆盖100%的营销活动跟踪，所有Airbnb公司进行的活动都预先分类，然后实时验证。经过验证的流量被反馈给数据库Druid，然后数据仓库工具HIVE来进行实时和批量分析。蒸汽作业中的验证，可以在短时间内防止任何可能的跟踪问题。

活动跟踪维度监控：为了保证所有营销C -参数的质量，系统还扫描系统中的所有C -参数，以验证跟踪维度，以实现尽可能高的营销数据质量。

离线数据层

最后，营销管道将聚合多个数据源，并生成关于营销活动的完整数据集。它被用作一个单一的真实来源，来表示存储在数据仓库中的所有广告跟踪维度。除此之外，还有许多基于追踪维度数据的数据应用——如转换率归因、营销表现报告、活动指标分析、目标优化和活动优化。离线数据系统的几个重点领域是：

•离线异常检测-该系统检测尺寸和跟踪系统中的异常。任何偏差都将导致在oncall的队列中提交票据。这种早期检测系统有助于防止损坏的数据向下游传播。

•归因-收集跟踪关键元数据的最后x天，并将其归因为转换。这里的转换可以是预订、体验、注册、房东列表创建等。这一归类系统，有助于将每一种转换与特定的营销渠道或直接流量联系起来。

•分析——在属性之上存在一组总结数据集。这些数据集在运动和地理水平上进行汇总。这里使用提供者和用户元数据以及成本和转换数据，来获得每个活动的效率。随着循环的重复，效率数字有助于进一步调优活动(参见图3)。

•报告——报告层建立在属性和总结数据集之上，使用Airbnb公司的内部报告框架。这些关于支出、归属和总结转换率的报告，包含有助于公司决策过程的关键指标。

结论

活动跟踪和分类系统，一直是支持Airbnb公司营销活动的关键部分。我们的数据模块和系统设计仍在不断发展，我们继续提高数据质量、可伸缩性和市场性能，即使我们提出了新的产品需求。其结果是，该系统目前为Airbnb公司的130多个广告平台和1亿多个营销广告跟踪提供优质服务。

译者：TeresaChen