数据分析,如何评估活动的好坏?

0 评论 6425 浏览 63 收藏 13 分钟

我们做活动的时候都会有复盘,活动数据的分析也是复盘内容的一部分。数据可以反应活动的成败于具体情况,这篇文章。我们就来说说在活动复盘那个中国,如何判断活动的好坏。

大部分同学在工作或者面试中,都会遇到这样的问题:

我们做了一个活动,可以从哪些方面分析活动的好坏?怎么说明好在哪,坏在哪?

没有经验的一遇到这种问题就开始堆砌指标了,同比/环比/参与率/付费率/用户画像等等都用上,结果被批没重点,不聚焦,说不清,业务方说没有用。

那么,怎么做才是有效的活动分析呢?

我们今天通过一个例子系统的剖析一下:

某工具类产品,做了一款优惠券活动,目的是促进新用户付费,进行产品订阅。在用户注册进入首页后,会主动推送优惠券弹窗提醒。每个用户都会有,付费时是否使用优惠券由用户自主选择。

问:如何评价活动的好坏?

一、避开活动评估的雷区

当我们谈到一个评价活动的好坏的时候,想要得到的答案一定是这个活动效果是「好还是坏」,有没有复用价值,可不可以继续做。例如:

  • 活动的xx指标提升超过了目标多少,是个好活动,我们要继续做
  • 活动的xx指标提升离目标多远,效果差,投入高,很鸡肋
  • 活动的xx指标完全没有提升,做了跟没做一样
  • 活动的xx指标比活动前还降低了,出事故了赶紧叫停

而很多新手往往回答的是:

  • 付费率比活动前提升了1%,所以活动是好的
  • 付费用户的画像,宝妈占50%,职场女性占30%等等
  • 活动后整体的LTV提升了1块钱,所以活动需要继续做

而这些数据,都只是分析的过程,没有聚焦成结果形成结论,非常容易推翻。

比如:

  • 为什么付费率提升了1%就是好活动?跟谁比的?凭什么提升1%就是好?
  • 付费用户宝妈占比多然后呢?以前不是吗?跟买量的用户结构有没有关系?
  • 活动后整体的LTV提升了1块钱,为什么要继续做?怎么判定的?

如果新手面对的是一个懂行的人,很容易被这些问题问的哑口无言。

二、建立活动评估的标准

既然是需要分析一个活动的好坏,那就必须建立出标准,理清楚「跟谁比」是很重要的步骤。

在这个案例中,目标为「促进新用户付费」,方法是「发放优惠券」,而缺少一个数据做为具体的标准进行比对,也是非常常见的活动评估不清晰的问题。

假设活动效果如图所示:

这样是判断不出好坏的,因为「跟以前比」、「有明显提升」都不能说明活动效果的「好与坏」,都还只是分析过程,无法跟目标和投入做比对。

举个例子,本次投入了100万,付费率从1%提升到了5%,但是毛利润不到50万,叫不叫效果好?为什么?怎么回答?

实际上,这个跟很多运营同学的工作现状有关系:

  • 听老板的:老板说要做,所以我要做,我哪知道要到啥程度?
  • 抄同桌的:隔壁项目做了这个效果嘎嘎好,我们为啥不能做?数据咋样?我哪知道!
  • 看对手的:别人竞品都在做,我们也不能落下!数据标准是啥?我哪搞的到,先做了再说!
  • 混绩效的:我就是活动运营怎么能不搞活动?搞了再说搞了肯定比自然转化好!

所以,通常老手会先基于现状和业务理解,通过问答的方案寻找到可行的标准:

  1. 为什么选择新用户做活动呢?是否跟付费用户的结构有关系?
  2. 优惠券的力度是多大,相当于打几折?
  3. 平时的付费率是多少?假如付费率提升了,总毛利没有提升可以吗?
  4. 这个活动的目标是啥?是验证策略有效性还提升业绩?

通过以上问题,我们至少可以获取到这几个信息:

  • 付费用户的占比是什么?是多少?
  • 优惠券的折扣是多少,对毛利的折损是多少?
  • 通过计算得到至少提升多少付费率才能跟不降价持平作为比对下限
  • 通过毛利目标和折扣计算得到至少提升多少付费率才能达到目标

于是我们可以获得评估标准:

根据「实际提升」的数值在不同区间,给出不同的结论。

目标的区间都是基于业务沟通而产生的结果,所以在回答的时候面对的挑战和质疑的声音也会减少。

三、如何0-1搭建活动分析体系?

1. 理流程

只要有活动存在,那么就一定会存在着对用户行为的引导而导致行为数据的变化。所以想要从0开始搭建活动分析体系的话,就需要先梳理活动流程,建立流程指标。以优惠券活动为蓝本,可以做出如下梳理:

清晰了活动流程和节点之后,再去看行为影响,从而梳理出对应节点的相关指标,从而得到活动的关键评估指标。如:

2. 寻重点

有了指标梳理之后,我们会发现设计到的节点指标有很多,一个活动的影响有可能是各个方面的。

仍然以优惠券为例,很多同学进行优惠券活动评估的时候都喜欢讲:

  • 增加用户留存——买单的多了,留存的数量肯定也多了
  • 能增加功能活跃——订阅了肯定要用
  • 能增加用户裂变——有优惠,用户奔走相告

但是做活动总是有目的性的,分清主次,是活动分析的第二个关键。

比如,做优惠券,是以促进付费,增加收入为目的的。如果分析和汇报的时候,把留存活跃等等放进来跟「收入」一起讲,反而会混淆视听。

分清楚主次关系,才容易说清楚问题。

一些常见的活动指标参考:

理清主次之后,就可以进行模版化的清晰和汇报了。可以参考以下的汇报方式:

本次活动的目标是「xx主要指标」,超出「目标」xxx,效果「好/坏」;

同时本次「A、B、C等次要指标」与目标、过去对比如何;

再陈述哪些「次要指标」需要迭代未达预期,哪些「次要指标」表现良好可以持续;

最后再总结「次要指标们」做的好的节点和方式以延续优势,做的未达预期的节点和方式以做改进。

以上,就是一份很好的活动总结,活动评估,就这么简单。

3. 立标准

寻找和建立标准是活动分析中非常重要的一环。涉及到「评价」、「评估」等场景,在给出答案前,首先要找的就是找到标准的对比值。

只有有了标准的对比值,好和坏的评价也才更有依据,避免业务感觉好就是,感觉不好就是不好的场景。

分清楚主次指标之后,立标准的方法可以总结为这四种场景:

  1. 为完成业绩,看KPI/OKR:本月需要达成至少100万业绩,所以收入目标是100万。
  2. 为尝试策略,看增量:以前从没做过类似活动,业绩是100万,先试一下,业绩达到120万就是成功。
  3. 为迭代策略,看效率:以前的活动花了5万成本业绩提升了20万,这次需要达到花5万提升至40万的效果。
  4. 为挑选策略,看对比:策略A比策略B的转化率高1%才算成功。一般搭配线上实验使用。

确定活动标准值的3个步骤:

  1. 做活动是为什么,拉业绩还是搞策略
  2. 做到多少算成功,预期值在哪个区间
  3. 根据预期计算主指标的评估区间

理清楚标准后,去评估指标和建立合理的活动或者试验方式就更有迹可循,得到的结果也更可迭代。

4. 找过程

梳理流程、寻找重点、计算标准除了为了准确的评估好坏以外,其中更重要的是要分析影响指标的过程,知道为什么好,为什么坏,以帮助我们总结经验,迭代策略。

比如这个新人发优惠券的场景,从新用户的渠道、投放引流策略,用户填写资料的转化、时长,优惠券的文案、展示、观看时长等都会影响到最后的购买转化。如:

一般来说,离转化节点越近,影响越大。比如优惠券的设计离节点更近,对转化的影响越大。

而分析间隔较远的节点,例如渠道投放调整对转化的影响,在有活动的场景下,需要要先做结构分析:

  • 对比过去的用户结构和分析投放的调整对活动用户池是否有影响。
  • 然后再拆分渠道用户,对标准值再进行渠道维度的拆分,形成渠道维度的标准。
  • 最后再进行每个渠道的主要指标、次要指标分析,判断影响有多大。

四、总结

在活动分析中,新人最容易犯的错误是,先堆砌一大堆指标来体现活动效果,甚至一上来就要弄预测模型。

但是最后自己都讲不清楚这些指标的关联如何,模型的效果好还是不好。

其实活动分析是一件「对业务流程的了解比技术的高深更重要」的事情,如果数据人员对运营流程不了解,对拉新、转化、裂变、召回等玩法不熟悉,只对着一堆数据算来算去的话,很容易陷入误区。

只要对业务流程足够上心,对过往的活动模式有所了解,搭建一个合理的符合业务的活动分析体系其实也并不难。

作者:汪浩,公众号:只说人话的小汪

本文由@汪浩 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

该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务。

更多精彩内容,请关注人人都是产品经理微信公众号或下载App
评论
评论请登录
  1. 目前还没评论,等你发挥!