中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

導語：相信對于很多剛入門的分析師小白來說，評估活動效果、洞察業務機會，是所有工作中最可以體現價值感的事情，但也可能是令我們最頭疼的事情。本文作者基于自身的實際工作經歷，結合一個真實的運營活動，對活動評估中可以復用的數據分析“套路”進行總結和整理，希望能夠給初接觸數據分析的同學帶來幫助。

一般來說，互聯網公司的運營活動按照目的可以分為3種：拉新、促活、品牌宣傳，盡管每種活動關注的核心績效指標完全不同，但是分析的思路還是可以套路化的。接下來，本文將以某次促活活動為案例，分享下如何對一場活動的效果進行量化評估。

一、活動背景

伴隨著移動互聯網用戶的增速越來越趨于飽和，用戶增長的破局方法不得不從拉新獲客轉換為如何促活存量用戶。

通過第三方廣告媒體app（比如微信、抖音等）投放針對老用戶的素材對用戶促活，已經成為很多公司用來提升存量老用戶活躍度的有效方法（后續會統稱為“渠道拉活”）

某公司的市場投放部門也開始投入預算試水「渠道拉活」這一項目，在項目啟動一段時間后，已經回收累積了大量的用戶數據，但是：

• 渠道拉活對于DAU的帶動貢獻究竟有多大？
• 是否值得持續投入更多的資源？
• 活動情況的ROI如何？是否符合預期？
• 活動是否存在改進空間？

這些領導和業務方非常關注的問題，需要分析師基于數據給出公正和客觀的答復。

二、分析框架和指標體系

1. 分析框架

• 活動整體增量效果評估 (包括短期效果分析、長期效果分析)
• ROI 核算（計算單用戶的拉新或者促活成本）
• 參活用戶質量評估
• 活動存在問題分析

2. 指標體系

（1）流量規模

數據指標：

• DAU
• 參與活動的用戶數（舉例：渠道拉活成功召回的用戶數）
• 通過活動首次調起app的uv（舉例：通過渠道拉活首次調起app的uv）
• 通過活動首次調起app的uv占day的比例（舉例：通過渠道拉活首次調起uv的dau占比）

可解決的問題：

• 通過對比事先制定好的活動KPI指標，評估目標完成率；
• 與其他活動對比，評估促活的核心指標（通常是DAU）是否達到預期；
• 評估渠道拉活能夠召回的用戶量級有多大；
• 評估對DAU的凈增量貢獻有多大；

（2）用戶質量、用戶畫像

數據指標：

• 留存率（次日回訪率、7日回訪率、30日回訪率）
• 日均使用時長
• 核心功能滲透率
• 核心功能人均PV
• 人群畫像（性別、城市、消費能力）

可解決的問題：

• 評估渠道召回用戶的質量
• 監測是否存在刷量作弊渠道

（3）用戶行為

數據指標：

• 站外轉化漏斗（舉例：廣告曝光-廣告點擊-成功調起app-deeplink抵達特定頁面）
• 站內核心行為的轉化漏斗（舉例：活動頁-列表頁-詳情頁）

可解決的問題：

• 評估用戶從站外渠道到抵達App的路徑是否順暢，發現產品bug或者可以改善的機會點
• 評估活動的站內承接策略是否合理

三、分析過程

1. 活動效果評估以及活動ROI分析

在量化DAU (或者活躍天數) 貢獻時，需要減去用戶的自然活躍量，即計算“凈增量”貢獻。該貢獻可以分為當日貢獻和長期貢獻。

• 當日貢獻是指：當日的召回用戶對于當日DAU的增量貢獻
• 長期貢獻是指：由于召回用戶的后續回流，在后續特定時間范圍還會持續貢獻的用戶天數增量。比如，活動后的50個參與用戶，在后續30天內人均活躍天數比活動前提高10天，那么促活的增量貢獻就是500天。

不得不承認，AB實驗最擅長處理歸因和量化的問題。它的思想是，將流量隨機分為數量均勻和特征均勻的兩組（即對照組和實驗組），實驗組用戶只有在產品策略上與對照組不同，因此我們可以認為兩組用戶在同一時間維度上的指標差異，可以完全歸因于策略上的差異。

然而，該廣告拉活項目無法設計對應的AB實驗，但我們可以基于AB測試的思想，構造與實驗組“相似”的用戶群體作為對照組。具體過程如下：

1. 將拉活渠道喚起app的用戶作為實驗組，未曾被拉活召回的存量用戶作為對照組；
2. 選取可能影響用戶未來活躍度的特征（比如機型、新增渠道、歷史活躍度、…），基于“特征相同”的原則，對兩組用戶劃分為 N 對實驗組和對照組。注意盡量將特征通過區間離散化，避免劃分出的某一組落入的樣本數過少，導致兩組樣本的指標差異不可信，比如特征「新增日期間隔」可以離散化為：7天內、8-14天、14天以上；
3. 計算 N 對實驗組和對照組的每一組的指標差異值，以及實驗組的總指標差異（等于每一組指標差異*人群占比的相乘結果求和）

通過以上方法，可以計算出拉活對于當日DAU的貢獻、以及拉活對于未來30天DAU的總增量貢獻。

實際上，對于拉活對DAU的單次短期貢獻，有更為簡便的方法，即基于“首次歸因”的思想，通過“拉活首次調起app的uv”進行量化評估，即如果用戶多次啟動過app，那么只有當通過促活廣告首次調起app了，才會計入到促活廣告的功勞。

值得一提的是，“首次歸因”的方法也可以應用至“產品新上線功能評估”的效果量化中，通常我們可以將“啟動app后首次訪問該功能的用戶量”作為該功能對dau的貢獻量。

對于活動成本的核算，我們可以通過 “總成本消耗量 / 總DAU增量”，計算每個DAU增量的成本，以評估ROI是否符合預期。

2. 用戶行為分析、和用戶質量評估

可以以「大盤未參活用戶」、「同期同類活動」、「往期同類活動」分別作為對比基準，基于用戶行為漏斗、留存率、核心行為pv、人均使用時長等指標，識別本次促活策略是否有薅羊毛或者作弊嚴重的渠道，并評估活動拉來的用戶質量好壞。但這里不作為本次分享重點，因此不再展開贅述。

四、結語

作為數據分析師，實際工作中遇到的促活策略往往是五花八門，但是活動效果好壞的評估過程依然是有章可循的。最后，簡單總結下本文對于后續活動評估的可復用之處：

• 如何構建活動評估的指標體系；
• 如何量化歸因活動的短期貢獻（即“首次歸因”法）；
• 如何在無法開展AB測試的情況下，通過構造對照組的方式，快速地量化評估長期的增量貢獻；

本文由 @郝笑笑 原創發布于人人都是產品經理，未經許可，禁止轉載

題圖來自Unsplash，基于 CC0 協議