方法二：单个Engagement指标的加权汇总

第二种方法，把单个的Engagement指标按照自定义的重要程度加权汇总起来，弥补了第一种方法的部分不足，毕竟，宏观的Engagement是由具体的一个一个的Engagement指标综合而成的结果。这个方法有三个步骤：首先，列出所有的Engagement的具体指标，然后根据你心目中的每个指标的重要程度，给各个指标指定一个权重，最后把每个指标乘以权重，加总起来。加总起来的值，即Engagement Index。

不同类型的营销选用的具体指标和权重的安排肯定不一样。

第二种方法比第一种方法全面，但是权重的分配很主观，而且一些常用的全局指标，比如Bounce Rate、PV/V或者Time on Site，反而不能囊括进入，不得不成为两套并列的衡量。后者不是大问题，但是自作主张的权重分配似乎很容易被老板和客户challenge。不过，事实上，这种方法是目前采用最多的方法，因为它相对简单，而且对于一个广告主而言，固定一些常见行为的权重值有很多好处，它很明确地指明了营销活动应该努力的方向，而且也有助于campaign不同阶段或者相似campaign之间的横向比较。

方法三：转化关系核定下的Engagement指标的加权汇总

第三种方法，对第二种方法做了一些改进，它基于这样一个思想：在营销活动中，用户看似混沌的各种行为，实际上与最终达成（如转化）的终极目标有相当确定的比例关系。尽管对各类营销活动以及各个网站而言，这些比例关系并无相同的值，但对于一个确定的活动或网站，这些比例却相对稳定。

例如，对于很多电子商务网站而言，除非是品类结构发生大的变动，否则它们的“购物车到实际购买之间的转化概率”是比较稳定的，比如在40%的基准上左右浮动。那些不需要销售商品的品牌推广营销，其实也适用这种关系，因为这些营销几乎都以明确希望用户采取行动（例如申请试用、分享给朋友等）作为最终目的，这些具体的行动与电子商务网站的购买行为其实并无本质的差别。现在，我们假设一个电子商务网站有如下的转化规律：每100个新注册用户会产生4个订单；每100个IPV会产生（对应）18个订单；每100次把商品放入购物车会产生20个订单……我们可以得到下面的一个表格(表1)。

为了后面的计算关系，我们把每个Engagement指标都变成1为基准，我们可以得到一系列比例关系， 有了这个对应关系，我们可以很容易地给转化发生之前的所有重要事件定义Engagement的权重。如果我们以1个转化为100分计算，按照各个不同行为的实际值，计算出各指标的Engagement Index完全轻而易举(表2)。