数据驱动下的Coupon(优惠券)BI工具三件套

AI浪潮袭来,产品经理如何应对?15天系统化入门AI产品经理,先人一步抢占时代红利。了解一下>>

Coupon(优惠券)是互联网电商一个非常重要的促销武器,在实际的营销活动中也是收获效果最好的工具之一。那么在公司内部怎样管理促销活动的成本,综合考量其在不同渠道的收益,并保证投放达到预期的效果呢?笔者结合本公司的实际操作,来介绍数据驱动下的Coupon工具三件套。

01 背景

笔者所在公司是跨国的互联网电商,每年会在世界范围内,发放几千款Coupon,实际投入高达几亿美元。同时,它为公司导入流量和客户效果也极为显著。

面对如此高的投入,怎么能够配合高效的运营管理显得尤为重要。业务的同学希望可以做一套管理工具,帮助他们快速锁定效果显著的活动并追加投入,扩大产出比(ROI)。对于低效的Coupon及时止损,避免公司羊毛被白白薅走。

02 业务现状

在探讨产品设计之前, 笔者首先梳理了一下Coupon的主要的投放渠道和发放模式,从横向和总想来讲述一下目前业务的复杂度和主要困境。

首先介绍投放渠道。 本司的优惠券主要有以下的几个核心发放渠道:

1. 公司站点内投放

网站

  • 网站页面上的展示,如首页,产品页,付款页等。
  • 站内信
  • 站内的通知
  • 动态弹出

手机App:App内推送

2. 公司站点外投放

  • 电子邮件
  • 实体邮件
  • 短信
  • 三方合作导流网站
  • 其他实体渠道

由于需要配合营销活动,那么经常会有同一个coupon通过不同的渠道进行投放。 当做效果追踪时,跨渠道分析变成了一个难点,由于非常复杂的系统集成和分析模型,使得业务人员必须在有分析人员协同的情况下才能得到真是的渠道的效果总结。

举一个例子:

一个Coupon在电子邮件,收集短信和站内消息上同时发送,最终用户使用Coupon完成了购买。

之前,业务人员是没有一个直观的方法看到那个哪个渠道在购买中产生了最大的影响。业务人员需要分析师帮忙,分析三套系统对应的数仓数据,并结合其他事件,如交易类事件,点击类事件最终确定如何对每隔一个渠道进行效果评估。

另外,由于跨国公司本身存在多个地域市场,对应的分析师的分析模型和统计口径其实会有很大的不同,这会导致这些效果评估数据存在很大的偏差,无法做到通用。

除了渠道,另一个重要分析因子是投放管理平台:

  • 客户关系管理平台- 不同的营销活动主题,基于用户画像来筛选营销活动受众。 比如9月开学,发放返校营销coupon,主要受众就是学生和他们家长等。
  • 动态投放平台 – 基于不同线上AI模型,实时分析用户浏览行为,在线发放coupon。比如购买手机后,发放配件类营销信息。

由于这些平台的复杂性,数据结构不一致和缺少元数据索引,使得分析师们在进行分析时也需要花费大量的时间来理解数据如何使用,而且有时会发生错误的使用数据导致对业务错误指引。

03 业务需求及分析

那么面对以上的业务现状,业务方对我们团度提出解决一下几个问题:

  1. 实时监控coupon,包括使用状况和预算预警, 以保证在营销活动期间的可以快速作出业务调整。
  2. 统一统计口径,集成营销活动的A/B测试,满足对全球范围内的Coupon以及其相关的营销活动跨渠道的评估。
  3. 自动化管理Coupon的metadata,可灵活的对业务的进行不同营销组合分析。

我们从以下几个方面对这个需求进行了分析:

1. 统计统计口径

这个需求实际上是一个跨部门合作的需求,由于我们团队作为数据平台,驱动着项目需要和几个主要的业务团队的分析师进行会面并共同整理出适合跨市场的评估模型。

笔者在这里花费了大量的时间对业务模型进行梳理,如某些团队只使用了部分渠道,某些团队使用不同的营销管理平台等,这些地理隔离导致了大量的分析工作和整合工作。笔者在这里不赘述,以后会写一片文章专门介绍经验,如何和跨团队分析师合作。

2. 数据整合

在统一评估模型后,已经完成了对业务流程的梳理和抽象。这个时候需要整理数据层, 我们需要保证数据可以直接反应业务主要节点事件,保证向上提供自助分析能力,使分析师和其他数据使用者能容易的理解数据设计,不会出错。

因此需要把多平台的系统数据进行抽象并整合。这个部分在实际的开发过程中最为复杂,也存在和平台的开发团度的大量沟通,整理使用逻辑和补充缺失数据。

3. 实效性

业务对整体的时效性有两种需求,对于正在进行的营销活动, 为保证正常运行, 业务部门需要对部分数据进行实时或准实时的监控,比如预算使用情况,使用速率等。

而一些对于评估的数据,业务部门其实没有非常强烈的实时需求,所以可以用批来进行处理,这样的话会最大程度的保证我们系统资源的开销并将最为复杂且沉重的模型计算安置于此。

4. BI工具

对业务分析后, 我们对主要的用户画像进行了细分, 存在以下几种角色:

  • Campaign Owner – 端到端的负责业务,对结果负责,关注历史相似营销活动的数据,多关注投放之后的效果评估,需要知道每个渠道的效果。缺少直接对数据的使用,多用工具获得数据见解。
  • 业务运营团队 – 管理某一业务线下的多个coupon campaign, 需要对实时的数据进行监控,把握实时的预算使用,并即使对意外事件进行反馈,增加预算或停止活动等。
  • 分析师 – 需要快速从数据中获取分析机会。 多使用BI进行机会探索,然后直接对数据进行操作,得到分析见解。
  • 财务师 – 需要进行内控,对花费进行管理并和实际支付进行比对。 多关心财务类数据。
  • 领导层 – 关注某一个大的业务线的整体表现。

同时由于业务主题经常存在重组,所以在不破坏对单体的汇报体系,需要提供整体的业务重组的可能性。

于是我们把整体的部分切割成了:

  • 为业务灵活重组而设计的元数据管理工具
  • 为支持实时业务汇报的实时监控工具
  • 为结果评估设计的整体综合评估工具

04 产品设计

在实际的产品设计中,我们需要分析这三个需求,如何在实际的工作中完成产品闭环。

套件一 : Coupon 元数据(metadata)管理系统

首先Metadata是所有报表的基础,对于这个使用场景, 存在这三种的metadata。

  1. Coupon的可用性相关的metadata,比如有效期,折扣使用条件和折扣数量等。这个需要和Coupon底层系统集成,自动获取metadata保证了我们可以正确的获取到这个计算逻辑。
  2. Coupon相关的营销活动数据,比如属于哪一个营销活动,发给了那些人群,希望达到一个什么样的效果。这些需要和不同的投放管理平台进行集成。
  3. 另外对于业务的变化过快,很多时候需要对Coupon进行向上重组,这个组织架构更多面向于业务侧也相对动态成程度较高,强行自动化会导致业务工作过重,所以较为轻量级的输入会更适合这个数据

于是我们集成了相关的平台,自动获取所需要的元数据。并开发了基于业务架构的元数据管理系统,即开放了自动化集成部分供自助使用,也允许基于业务扩展的数据收集。

套件二 : 实时数据监控工具

这个场景主要是针对于Coupon的负责人,他们需要实时监控自己的Coupon使用情况。对于实时的需求,由于各方面成本较高,我们当时对于需求的定位是业务同学能够在检测到异常后立刻采取行动,于是和业务方沟通后具体的需求如下:

  • 优惠券的使用数据(使用次数,购买的产品数,产生的总成交额)
  • 优惠券的预算使用情况(预算剩余情况)
  • 优惠券的预算消耗率(基于目前的预算和使用情况,这个营销还能运行多久)
  • 对上述情况异常预警

套件三:整体Coupon评估工具

满足跨地域,跨管理平台,跨渠道的标准化业务报表。 这个需求的工作量很大,因为前期需要对大量的数据源进行集成,尤其是在本公司内部,一些历史原因导致存在者多套的营销管理平台,如Adobe,CHIME以及自主研发的平台。那么首先第一步要做的就是抽象业务流程,整合多平台的数据并使其满足报表需要内容,如用户选择,A/B 测试数据,跨渠道营销的追踪数据等。与此同时需要集成Coupon使用相关的数据源,如交易数据,coupon使用数据。最终结合coupon的元数据(metadata)生成 OLAP 支持最终生成的标准化报表。

对于报表的逻辑统一化,笔者在做这个产品的时候拿到了多份逻辑,发现其中有很多的不同之处,使得每个逻辑生成的结果都不太一致。于是笔者找到了财务部门(很重要,因为财务在审核的时候很有发言权),最大的市场部门(全球增长部门)和北美市场的分析师,分析已有的逻辑后,共同确定了一套公司范围内的标准的逻辑模型,这个操作大大的帮助了笔者在之后的维护中,对于计算逻辑的解释成本,标准有时候比原因更加重要。

总结

这个项目从开始到落地用了4个月。 它不只是一个工具套件,更是提供了一个新的工作模式:

  1. 用系统层面的解决方案代替了人工维护的文档和业务数据。
  2. 破了不同地域,不同系统以及不同渠道的的壁垒。
  3. 提供了一个整体的业务视角,提供了业务的决策的重要数据支持。

 

作者:Stanley;邮箱: pm_stanley@163.com

本文由 @Stanley原创发布于人人都是产品经理。未经许可,禁止转载。

题图来自 unsplash,基于 CC0 协议

给作者打赏,鼓励TA抓紧创作!
评论
欢迎留言讨论~!
圈子
关注微信视频号
大家都在问