618、双十一促销活动监控怎样做?

3 评论 11786 浏览 31 收藏 8 分钟

编辑导语:每当电商大促时间到来,我们总是会忙得不可开交,特别是活动监控方面。我们需要实时反馈活动数据,以及时作出调整。那么,面对这种促销活动监控该如何做呢?

每年的618都很特别,那时候小伙伴是不是都在忙着加班,备战活动呢?特别是活动监控,每次活动领导都一次次催监控数据,搞得人紧张兮兮。

那么,到底活动监控该怎么做呢?就拿上个月我司刚做过的一个小活动举个例子吧。这个活动是一个很简单的全民派福利活动。

从5月10日开始到5月31日,用户登录APP后可以领一张优惠券,优惠券在5月内都有效,满400减80呢。

活动好简单呀!于是负责运营的妹纸做的汇报也很简单:

  • 5月11日:28万人参加
  • 5月12日:12万人参加
  • 5月13日:8万人参加
  • ……

像小鸡啄米一样,一个字一个字的嘣,然后当场被领导批了:进度不是这么报的!然后我就被要求陪着一起加班了。

为什么会被批呢?因为用领导原话:“这也看不出来啥呀!至少把目标加上吧!”确实,如果不带目标的话,也不清楚这些数字是好是坏。因此,做运营进度监控,第一条就是:与目标做对比,发现问题。

活动的总目标是100万人参加,50万人用券消费。那么是不是就直接拿现在的数据,和这个100万/50万对比呢?

当然不是,因为活动的时间长达22天,如果只看整体目标的话,在最后一天才发现:诶呀,不能达标!那就大势已去了。因此,做运营进度监控,第二条是:分解目标,树立标准。

理论上最简单的分解方法,就是100/22=4.5万。每天参加4.5万人就算达标。但是从实际数据看,显然第一天参加的人更多,第二天开始大幅度减少。因此很有可能参与人数的分布不是均匀的。因此可以参照之前的活动数据,看看每日参与分布。

找到4月份类似的活动为参考。当时有80万人参加,在4月12日到4月30日,活动参与数据如下表所示。为了看得清楚分布,可以分为:

  1. 第一步:用SUM函数,计算整个活动总参与人数
  2. 第二步:计算每日参与人数,占总人数比例
  3. 第三步:画出折线图(10个点以上且是连续数据,用折线)

这样就看得很清楚啦。

从这个分布看,前三天是重点,之后每天也有3%-1%参与,结尾时有个小高潮。虽然5月份活动时间和4月份不一样,但活动形式是一样的,这样就能参考4月份走势。仿照4月份走势,做5月的目标拆解如下:

用同样的方法,可以拆解用券人数目标。有趣的是,用券人数走势和领券人数走势并不一致,在月底有明显高峰。猜:应该有两类用户。

  • 一类:领到券立刻用,从数据上看,这个比例是相对稳定的。
  • 另一类:月底券快失效了,收到提醒的时候才用。

因此计算最后一天的用券率,公式应该是:用券人数/(有领券人数-已用券人数)计算,经过估算,大概4月30日用券率是20%,如下图。

这样可以模拟出5月份的每天用券人数了。

有了这些判断标准,就能判断本月活动走势到底怎么样了。在对比目标的时候,每日完成情况与累计完成情况,都要做对比,因为二者含义不同。

每日完成情况:发展趋势如何?眼前的手段是否有效?

累计完成情况:整体上,还盈余多少,差多少。

5月数据做出来,结果如下图。

这样看,就比一开始光秃秃的只报数字,多说明了很多问题:

首先,整体领券情况并不好,5天下来,差了5万的进度。

其次,领券发展趋势也不好,除了第一天人暴多,后边每日差异都是负的。

类似的,也能做用券表对比如下:

啊,用券的结果,兼职更加惨不忍睹。这样下去,这个月的活动肯定会完蛋呀!得赶紧想办法了。可是,在短时间内,运营能想的办法是有限的。

  1. 把领券放到更显眼的位置
  2. 全体用户再推送一轮
  3. 提前发用券提醒,让用户把券用一用

注意,这三种做法能起到的效果是不一样的:

  1. 放到更显眼位置:增加每日用户参与人数
  2. 强推一轮信息:立刻拉一批人参与
  3. 提前发用券提醒:月底峰值下降,月底前用券率提升

体现在数据上,可能的效果有下图:

可是,看起来,这些都是临时抱佛脚的做法。很有可能是这个活动本身设计的不好。

比如就有小哥哥说:4月份活动效果好,是因为领的是满100减20。虽然满400减80看起来优惠力度是一样的,都是减了20%,但是要用户出320元现金,肯定比出80元更难。

嗯嗯,听着好有道理,但是眼下木已成舟,临时改规则,不但额外增加开发负担,而且对已经参加过活动的用户不公平,会被投诉的。眼下也只能救救急了。

至于是不是因为券的问题导致的,得等事后再分析了。

以上就是运营活动监控分析大体做法。就这么简单轻松,用excel就能完成哦。

做数据分析一般有3个场景:

  1. 事前:策划类分析、预测类分析
  2. 事中:监控类分析、原因类分析
  3. 事后:总结性分析

 

作者:码工小熊,微信公众号:码工小熊

本文由 @码工小熊 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

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. 好奇问你会从哪些维度期评估是否是券的问题导致的,我初步想到的是这几个维度:① 网站的平均客单价。② 活动平均客单。③ 活动订单数。④ 环比往年同期客单,订单数。⑤ 渠道用户特点。

    来自广东 回复
  2. 用券率的计算公式【用券人数/(有领券人数-已用券人数)】,有点不明白,为什么不是【用券人数/领券人数】呢

    来自湖南 回复
  3. 大数据

    回复