DCCI-2009年第一季度中国市场IT数码品类营销媒介价值监测指数数据报告

DCCI Data Center of China Internet DCCI互联网数据中心 2009.06.08发布
Ⅰ结论与发现
1.1报告结论
1.2关键发现
Ⅱ调查概述
2.1 DCCI BMI背景与意义
品类营销媒介价值监测指数体系（BMI Brand Monitoring Index），其前身是DCCI品牌网络传播监测体系，后者是DCCI 互联网数据中心与2008年研发出的一整套品牌网络传播方面的指数体系，有品牌关注度、品牌活跃度、品类关注度、品类活跃度等系列指标。

品类营销媒介价值监测指数体系（BMI Brand Monitoring Index），是在原DCCI品牌网络传播监测体系的基础上发展、完善而成，是DCCI互联网数据中心依托客户端固定样本组技术，获取网站访问基本链接信息和特征，并自身研发的另一种面向服务器的页面访问、页面内容信息采集技术，分析所有所有相关链接所代表的网页信息，再运用相关技术统计、分析相关品牌、品类的网络传播路径、媒介分布特征。

此举有助于帮助广告主发现自身品牌传播路径、相关度最高的媒体以及传播能力最强的优势媒体，从而做到广告营销对于品牌在用户那里的传播路径的跟随，并与竞争对手品牌传播进行动态比较。

BMI是对网络媒介营销价值通过连续、动态、连续监测的手段的量化科学评估，减少以问卷调查方式的品牌效果传播调查的用户回忆误差，对于广告主、代理公司、网络媒介深度认知媒介品牌传播能力与品牌网络传播过程意义重大。

DCCI BMI 品类营销媒介价值监测指数在网络营销中的意义：
互联网用户在对品牌或产品的消费行为流程为AIDAS：第一，注意（Attention），即关注自己所感兴趣的品牌或产品的相关信息或广告；第二，兴趣(Interest )，对相关的信息或广告产生兴趣，对相关的产品产生兴趣；第三，对自己感兴趣的产品主动的去努力发现“真相”，如其他用户对该产品或品牌的评价，最合理的价格等等；第四，行动（Action），即采取行动，进行产品或服务的购买；第五，分享（Share），即对产品或服务的使用感受与大家分享。

【参考INTEL建议书】
2.2 DCCI BMI指数与体系
品类营销媒介价值监测指数体系（BMI Brand Monitoring Index），依据消费者某品类信息网络媒介接触路径，选择该品类信息TOP10“热点”互联网媒介为研究对象，对TOP10媒介的该品类营销综合价值进行评估。

本套评估体系共涉及“媒介品类指标”和“媒介综合指标”两类一级指标，品类到达力、品类占有力、品类专注力、品类黏着力、受众覆盖力、受众购买力、受众黏着力七个二级指标。

目前确定权重的方法有几十种之多，但大体上可归纳为主观赋权法和客观赋权法两种类型，前者如专家打分法、专家咨询法（德尔菲法）、层次分析法等，后者如因子分析法、主成份分析法。

根据DCCI BMI指数体系的具体情况，考虑相关因
素，DCCI在对相关七个指标确定权重时，采用专家咨询法最终确定。

关于各指标的具体权重系数和含义详见下表。

一级指标二级指标权重系数指标含义详细说明
媒介品类指标品类到达力20% 媒介某品类信息季度月平均受众到达率
品类占有力20% 媒介某品类信息PV数占互联网该类信息总PV数的比例
品类专注力20% 媒介某品类信息PV数占该媒介总PV数的比例
品类黏着力10% 媒介受众对其提供的某品类信息的季度月平均人均访问时长
媒介综合指标媒介受众覆盖力10% 媒介季度月平均到达率
媒介受众购买力10% 媒介受众季度月平均人均消费支出媒介受众黏着力10% 媒介受众季度月平均人均访问时长
2.3 DCCI BMI流程与方法
z DCCI BMI数据动态监测及统计流程
品类营销媒介价值监测指数体系（BMI Brand Monitoring Index），是DCCI互联网数据中心依托客户端固定样本组技术，获取网站访问特征，并利用爬虫技术分析访问页面，统计与分析相关品牌、品类的网络传播特征。

z DCCI Panel固定样本组方法简介
DCCI采用基于客户端固定样本组（Panel）监测方法的Netmonitor网络监测系统。

相关技术、样本、方法、规范、指标均为国际范围内进行网站/媒介监测和受众/用户测量最前沿、最主流的标准。

Netratings、Comscore等在北美、欧洲等国家和地区进行广泛、连续的互联网监测时也采用类似的panel方法。

通过用户许可协议，按照严格的样本招募方法招募固定样本群（panel），通过样本授权许可的客户端软件实时持续统计固定样本组的上网行为，统计分析互联网受众的应用行为、习惯、需求、消费，科学、进行深入系统的网站/媒介的连续性监测。

Netmonitor系统经过2005、2006两年时间的开发，2007年开始大规模募集样本。

截止到2007年底，符合结构等指标要求的有效样本量超过5万个，截至2008年底有效样本规模已经超过11万个。

样本募集严格执行客户端固定样本组（Panel）监测方法的样本结构要求，对中国互联网受众/用户的总体统计误差要求在1%（置信度95%）范围内，对网站/媒介要求统计误差在5%（置信度95%）范围内。

基于客户端固定样本组（Panel）监测方法的Netmonitor系统，能够实现传统调研方法、网站/媒介自身所不能实现的动态、立体监测。

基于客户端固定样本组（Panel）的监测方法，与以下几种方法在样本、技术、规范、指标、定义等方面完全不同：基于浏览器插件的信息收集与统计、应用软件附带进行的用户信息采集与统计、Alexa基于插件的网站排名、基于网页套嵌码的流量统计、基于网站日志的数据统计、基于线下或者线上问卷进行的调研统计等。

所以，相关统计数据以及能够产生的结果也存在较多差异。

相关数据统计差异：
1．样本募集结构、流程、定义和数据统计结果的差异。

基于客户端固定样本组（Panel）的监测方法，有效受众/用户的样本的募集和确认，基于CNNIC和国家统计局关于互联网用户结构和中国人口分布结构，严格执行随机抽取、反向剔除、身份确认的原则。

用户在自愿、许可原则下实名注册、安装并持续正常运行调查软件。

样本随时间推移进行更新、补充和校正。

相关样本募集的流程、结构和原则避免了其它方法，尤其是基于插件的排名数据结构和结果失衡问题（插件即样本，或者无法基于用户信息进行深入的样本控制），也避免了作弊者通过程序提交虚假数据、制造流量、冲高排名等问题；样本募集采取非付费原则，避免了有偿样本的数据结构失真问题；更为严格的受众/用户定义（其他机构定义为半年访问一次或者只要访问一次即计为一个用户），使得系统所能产生的统计结果更加符合使用相关数据的产业投资者、网站决策者、广告投放者等专业人群的标准和需要。

2．方法本身的技术、局限和数据统计结果的差异。

以客户端固定样本组（Panel）监测方法与服务器端基于页面代码或者网站日志的监测方法相比较为例，前者相对于某一特定网站而言为抽样统计因而数据可能存在一定偏差，后者相对于某一特定网站为站内抽样或站内全流量统计数据因而相对完整。

但是由于技术、费用等原因后者实际也经常采用站内抽样方法，另外由于数据来自站内，在外部的可信度偏低。

前者能够同时实现对受众/用户访问的几乎所有网站和互联网使用行为的监测、统计，能够对流量、用户进行各种横向统计分析，采用统一的样本、方法、指标、时间区间，而后者往往只能够在局部、在不同网站的不同时间段实现一个或者数个网站的流量数据统计，样本、指标、时间区间等不尽一致。

在数据结果上的差异是最主要的，以访问网站的独立用户数（UV）、页面浏览数（PV）、访问时长（duration）等3个指标的统计为例：
独立用户数（UV）的统计差异：如果受众/用户端电脑中Cookie被删除或者曾经被删除状态，则网站服务器端依据Cookie，对于访问该网站的用户数量统计结果会偏高。

Comscore出具的一份研究报告曾经向美国业界表明，服务器端对用户数量的统计可能因此偏高30%以上。

页面访问量（page views）的统计差异——在服务器端的监测统计方式之下，机器人、搜索爬虫、作弊程序等带来的非有效用户页面访问请求都有可能被记录为有效页面访问。

受众/用户向服务器发出访问请求后即使页面下载不完整、不成功，只要服务器记录到了访问请求都可能会被计为有效页面访问。

每次访问30分钟之内连续点击同一个地址向同一个页面发出多次访问，可能会被记录为多个PV；页面打开后很快被关闭没有形成有效浏览的页面访问也会被计为有效PV。

客户端固定样本组（Panel）监测方法中，这些都不会被记录为有效PV。

访问时长的统计差异：客户端固定样本组只统计用户电脑当中的当前活动窗口的活动时间且该时间有最大时长限制，同时可以测量离线时长。

服务器端监测方法目前尚不能区分当前活动窗口和非活动窗口，无法按照与用户在客户端发生的应用行为完全相符的方式进行统计。

实现对于互联网网站／媒介与受众／用户的精确测量意义重大，但是目前中国国内各个方面尚处于初级阶段。

据悉，DCCI 将在客户端固定样本组（Panel）监测方法的Netmonitor网络监测系统的基础上，进一步联合业界各方不断探索、不断深入、不断完善，促进客观、有效的互联网数据的产生和使用，以此促进网站与用户能见度、网络广告与营销精准度的提高。

Ⅲ报告正文
1IT数码品类媒介流量价值测量
1.1 IT数码品类到达力
淘宝网IT数码品类到达力优势明显，稳居第一
DCCI Netmonitor 2009第一季度品类营销媒介价值测评数据显示：淘宝网IT数码品类季度月平均受众到达率以20.8%居于首位，即淘宝网接触IT消费数码产品/品牌的受众到达力度最高，占中国互联网用户整体接触IT消费数码产品/品牌的受众到达力的20.8%。

该数字高出位于第二的百度8个百分点，排名第二至第五的百度、泡泡网、中关村在线和新浪科技四网站IT数码品类到达力竞争胶着，前五名之后的网站这一指标均未超过10%。

公式：该媒体IT数码品类季度月平均受众到达人数占互联网整体IT数码品类季度月平均受众到达人数的比例。

1.2 IT数码品类占有力
淘宝网、中关村在线、新浪科技、泡泡网IT数码品类占有力形成第一阵营
DCCI Netmonitor 2009第一季度品类营销媒介价值测评数据显示：淘宝网接触IT消费数码产品/品牌的PV相对中国互联网整体的密度最高，达到11.1%，这意味着中国互联网用户整体接触IT消费数据产品/品牌的PV总量中，通过淘宝网作为关注IT数码品类主要渠道的受众比例有11.1%，而位列这一指标第二至第四位的分别为中关村在线（9.3%）、新浪科技（8.6%）和泡泡网（7.8%），其他网站IT数码品类占有力均不达3%。

总体上看，中国互联网IT数码品类占有力在一定程度上表明IT数码品类的产品/品牌在该媒体的扩散深度与该媒体占互联网整体的密度。

公式：该媒体IT数码品类季度总PV占互联网整体IT数码品类季度总PV的比例。

1.3 IT数码品类专注力
新浪科技、网易科技、中关村在线、泡泡网与IT168的IT数码品类专注力领先
DCCI Netmonitor 2009第一季度品类营销媒介价值测评数据显示：各网站IT数码品类专注力统计中，新浪科技全频道IT数码品类专注力最高，即新浪科技全频道PV总量中，高达33.6%的PV量为IT数码品类产品/品牌的信息，这一比例越高表明该媒体对IT数码品类产品/品牌的专注力越高，新浪科技、网易科技、中关村在线、泡泡网与IT168五大媒体的IT数码品类专注力均不低于24%，这说明IT数码品类产品/品牌为这五大媒体的核心内容，综合门户科技频道与IT数码类垂直网站为互联网用户关注IT数码类信息
的重要媒介接触点。

公式：该媒体IT数码品类季度总PV占该媒体全站季度总PV的比例。

1.4 IT数码品类黏着力
新浪科技、中关村在线、泡泡网、淘宝网与太平洋电脑网的IT数码品类黏着力超1.5分钟/人
DCCI Netmonitor 2009第一季度品类营销媒介价值测评数据显示：新浪科技与中关村在线IT数码品类黏着力最高，分别为136秒/人与130.3秒/人，其次是泡泡网、淘宝网与太平洋电脑网的IT数码品类黏着力高于1.5分钟/人。

品类黏着力即IT数码品类季度月平均受众人均访问时长。

公式：中国互联网用户接触该媒体的IT数码品类的季度月平均人均访问时长（秒/人）。

2IT数码品类媒介营销价值测量
2.1媒介受众覆盖力
搜索引擎、C2C电子商务类媒介受众覆盖力最高
DCCI Netmonitor 2009第一季度品类营销媒介价值测评数据显示：IT数码品类到达力前十名网站中，百度依靠其强大的搜索流量，在各网站受众覆盖力中，以87.1%的互联网用户季度月平均到达率位列第一位，排在其后的分别是谷歌中国（49.5%）、淘宝网（33.1%）等。

IT数码类垂直网站受众覆盖力不敌搜索引擎和C2C电子商务网站，这一比例最高IT数码类垂直网站中太平洋电脑网的互联网用户季度月平均到达率仅为10.4%。

2.2媒介受众购买力
综合门户科技频道受众购买力显著领先
DCCI Netmonitor 2009第一季度品类营销媒介价值测评数据显示： IT数码品类到达力前十名网站中，网易科技受众购买力最强，其季度月平均消费支出为1529元/月。

其次是新浪科技受众购买力，季度月平均消费支出为1479元/月。

综合门户科技频道受众购买力显著高于C2C电子商务网站、搜索引擎、IT 数码类垂直网站。

2.3媒介受众黏着力
淘宝网与百度受众黏着力遥遥领先
DCCI Netmonitor 2009第一季度品类营销媒介价值测评数据显示：IT数码品类到达力前十名网站中，淘宝网与百度受众黏着力显著优于其他网站，淘宝网、百度季度月平均受众人均访问时长超2小时，分别为156.5分钟与125.7分钟，而其他网站受众黏着力均未超过半小时，两者领先优势显著。

3 IT 数码品类媒介综合价值评估
方案一：
计算原则：为了使指标体系中各项评价能够合并，以计算每个网络媒介的总得分，我们采取对每分项指标排名计算“相对分”、然后将各项相对分加权相加的原则，也即采用相对值转换法。

计算方法：换算“相对分”的过程，就是将分项数据或分项计算结果标准化到[0-100]区间的过程：每项指标中，数据或计算结果数值最高的网络媒体，在该项最终得分为100分，其它网络媒体在该项的得分为其数据或计算结果数值除以最高数值的相对百分数。

例如，媒介品类到达力最高的网络媒介得分为100分，排第一名，其它网络媒介得分为品类到达力与第一名品类到达力的“相对分”。

公式如下：
(10)
MAX TOP =媒介品类到达力
媒介品类到达力得分媒介品类到达力
网站 总评分 品类到达力 品类占有力 品类专注力品类黏着力 到达力 购买力 黏着力
拍拍网() 23.7 25.3 9.9 5.2 36.9 17.6 92.7 8.5
IT168() 38.0 25.3 18.1 72.7 46.8 5.4 92.6 3.3
网易科技
42.7 26.2 19.1 89.9 46.1 4.3 100.0 6.5 ()
谷歌中国
26.6 34.7 11.4 0.7 6.8 56.8 94.5 14.7 ()
太平洋电脑网
37.4 37.1 24.8 29.3 71.2 11.9 91.7 16.4 ()
新浪科技
67.6 53.9 77.3 100.0 100.0 9.4 96.7 7.8 ()
中关村在线
65.6 59.7 83.5 80.0 95.8 11.6 94.2 8.3 ()
泡泡网() 60.4 60.5 70.4 77.3 79.0 10.9 91.9 5.5
淘宝网() 70.8 100.0 100.0 2.1 71.6 38.0 94.7 100.0
百度() 45.9 61.3 22.7 0.2 17.8 100.0 93.0 80.3
权重 20% 20%20%10%10% 10%10%
方案二：(去掉专注力指标，淘宝拍拍及搜索在专注力得分上极低，而综合门户却以频道参与，所以该方案不考虑专注力指标。

)
计算原则：为了使指标体系中各项评价能够合并，以计算每个网络媒介的总得分，我们采取对每分项指标排名计算“相对分”、然后将各项相对分加权相加的原则，也即采用相对值转换法。

计算方法：换算“相对分”的过程，就是将分项数据或分项计算结果标准化到[0-100]区间的过程：每项指标中，数据或计算结果数值最高的网络媒体，在该项最终得分为100分，其它网络媒体在该项的得分为其数据或计算结果数值除以最高数值的相对百分数。

例如，媒介品类到达力最高的网络媒介得分为100分，排第一名，其它网络媒介得分为品类到达力与第一名品类到达力的“相对分”。

公式如下：
(10)
MAX TOP =媒介品类到达力
媒介品类到达力得分媒介品类到达力
网站
总评得分
品类到达力品类占有力
品类黏着
力
综合到达力
综合购买
力
综合黏着力
拍拍网() 28.1 25.3 9.9 36.9 17.6 92.7 8.5 IT168()
30.3 25.3 18.1 46.8 5.4 92.6 3.3 网易科技() 31.6 26.2 19.1 46.1 4.3 100.0 6.5 谷歌中国() 29.5 34.7 11.4 6.8 56.8 94.5 14.7 太平洋电脑网
() 41.7 37.1 24.8 71.2 11.9 91.7 16.4 新浪科技
() 64.2 53.9 77.3 100.0 9.4 96.7 7.8 中关村在线() 66.4 59.7 83.5 95.8 11.6 94.2 8.3 泡泡网() 59.4 60.5 70.4 79.0 10.9 91.9 5.5 百度() 51.9 61.3 22.7 17.8 100.0 93.0 80.3 淘宝网() 87.6 100.0 100.0 71.6 38.0 94.7 100.0 权重
25%
25%
20%
10%
10%
10%
方案三：(去掉专注力指标，同时考虑到方案二中多数网站得分较低，所以在数据归一化处理上，取该指标的平均值作为分母，进行数据的归一化处理，详见下文公式。

)
计算原则：为了使指标体系中各项评价能够合并，以计算每个网络媒介的总得分，我们采取对每分项指标排名计算“相对分”、然后将各项相对分加权相加的原则，也即采用相对值转换法。

计算方法：换算“相对分”的过程，就是将分项数据或分项计算结果标准化到[0-100]区间的过程：每项指标中，以该项指标均值为100分，其它网络媒体在该项的得分为其数据或计算结果数值除以指标均值的相对百分数。

公式如下：
网站 总评得分 品类到达力 品类占有力品类黏着
力
综合到达
力
综合购买
力
综合黏着
力
拍拍网() 46.0 52.3 22.7 36.9 66.2 98.4 34.0 IT168() 45.9 52.3 41.4 46.8 20.2 98.3 13.2 网易科技() 48.5 54.0 43.7 46.1 16.0 106.1 25.8 谷歌中国() 63.0 71.7 26.0 6.8 213.7 100.4 58.5 太平洋电脑网
()
68.3 76.7 56.7 71.2 44.9 97.4 65.2 新浪科技
()
108.9 111.4 176.7 100.0 35.3 102.7 31.0 中关村在线() 115.4 123.3 190.9 95.8 43.6 100.0 32.9 泡泡网() 103.4 125.1 161.0 79.0 41.1 97.6 21.8 百度() 127.7 126.6 52.0 17.8 376.1 98.7 319.6 淘宝网() 187.3 206.6 228.8 71.6 142.8 100.5 397.9 权重 25%25%20%10% 10%10%
另外，考虑到连续性问题，可以将本次每个指标的“分母”数值，作为“基期”，
之后各次测评时的“相对值”转换均以“基期”指标数据为分母。

方案三：(综合门户以整站参与测评，七个指标)
网站 总评得分品类到达力 品类占有力 品类专注力 品类黏着力
（秒/人）
受众覆盖力
受众黏着力（分钟
/人）
受众
IT168 42.0 25.3 18.1 90.9 45.4 5.4 3.3 百度 46.4 61.3 22.7 0.2 17.3 100.0 80.3 谷歌中国 27.2 34.7 11.4 0.9 6.6 56.8 14.7 拍拍网 24.3 25.3 9.9 6.5 35.9 17.6 8.5 泡泡网 64.5 60.5 70.4 96.6 76.8 10.9 5.5 太平洋电
脑网
39.2 37.1 24.8 36.7 69.2 11.9 16.4 淘宝网 71.3 100.0 100.0 2.6 69.5 38.0 100.0 网易 32.2 26.7 20.6 1.1 44.6 48.6 34.0 新浪 61.2 58.7 80.8 2.4 100.0 75.6 53.5 中关村在
线
69.9 59.7 83.5 100.0 93.1 11.6 8.3 权重 20% 20%20%10% 10% 10%方案四：(综合门户以整站参与测评，6个指标)
网站 总评
得分品类到达力 品类占有力品类黏着力（秒/人）受众覆盖力
受众黏着力
（分钟/人）
受众购买力
IT168 30.6 25.3 18.1 45.4 5.4 3.3 97.8 百度 52.3 61.3 22.7 17.3 100.0 80.3 98.2 谷歌中国 30.0 34.7 11.4 6.6 56.8 14.7 99.8 拍拍网 28.4 25.3 9.9 35.9 17.6 8.5 97.9 泡泡网 59.4 60.5 70.4 76.8 10.9 5.5 97.1 太平洋电脑网 41.8 37.1 24.8 69.2 11.9 16.4 96.9 淘宝网 87.7 100.0 100.0 69.5 38.0 100.0 100.0 网易 38.8 26.7 20.6 44.6 48.6 34.0 98.2 新浪 77.7 58.7 80.8 100.0 75.6 53.5 98.9 中关村在线 66.3 59.7 83.5 93.1 11.6 8.3 99.5 权重 25% 25%20%10% 10% 10%。