數據分析,如何評估活動的好壞?

0 評論 7612 瀏覽 78 收藏 13 分鐘

我們做活動的時候都會有復盤,活動數據的分析也是復盤內容的一部分。數據可以反應活動的成敗于具體情況,這篇文章。我們就來說說在活動復盤那個中國,如何判斷活動的好壞。

大部分同學在工作或者面試中,都會遇到這樣的問題:

我們做了一個活動,可以從哪些方面分析活動的好壞?怎么說明好在哪,壞在哪?

沒有經驗的一遇到這種問題就開始堆砌指標了,同比/環比/參與率/付費率/用戶畫像等等都用上,結果被批沒重點,不聚焦,說不清,業務方說沒有用。

那么,怎么做才是有效的活動分析呢?

我們今天通過一個例子系統的剖析一下:

某工具類產品,做了一款優惠券活動,目的是促進新用戶付費,進行產品訂閱。在用戶注冊進入首頁后,會主動推送優惠券彈窗提醒。每個用戶都會有,付費時是否使用優惠券由用戶自主選擇。

問:如何評價活動的好壞?

一、避開活動評估的雷區

當我們談到一個評價活動的好壞的時候,想要得到的答案一定是這個活動效果是「好還是壞」,有沒有復用價值,可不可以繼續做。例如:

  • 活動的xx指標提升超過了目標多少,是個好活動,我們要繼續做
  • 活動的xx指標提升離目標多遠,效果差,投入高,很雞肋
  • 活動的xx指標完全沒有提升,做了跟沒做一樣
  • 活動的xx指標比活動前還降低了,出事故了趕緊叫停

而很多新手往往回答的是:

  • 付費率比活動前提升了1%,所以活動是好的
  • 付費用戶的畫像,寶媽占50%,職場女性占30%等等
  • 活動后整體的LTV提升了1塊錢,所以活動需要繼續做

而這些數據,都只是分析的過程,沒有聚焦成結果形成結論,非常容易推翻。

比如:

  • 為什么付費率提升了1%就是好活動?跟誰比的?憑什么提升1%就是好?
  • 付費用戶寶媽占比多然后呢?以前不是嗎?跟買量的用戶結構有沒有關系?
  • 活動后整體的LTV提升了1塊錢,為什么要繼續做?怎么判定的?

如果新手面對的是一個懂行的人,很容易被這些問題問的啞口無言。

二、建立活動評估的標準

既然是需要分析一個活動的好壞,那就必須建立出標準,理清楚「跟誰比」是很重要的步驟。

在這個案例中,目標為「促進新用戶付費」,方法是「發放優惠券」,而缺少一個數據做為具體的標準進行比對,也是非常常見的活動評估不清晰的問題。

假設活動效果如圖所示:

這樣是判斷不出好壞的,因為「跟以前比」、「有明顯提升」都不能說明活動效果的「好與壞」,都還只是分析過程,無法跟目標和投入做比對。

舉個例子,本次投入了100萬,付費率從1%提升到了5%,但是毛利潤不到50萬,叫不叫效果好?為什么?怎么回答?

實際上,這個跟很多運營同學的工作現狀有關系:

  • 聽老板的:老板說要做,所以我要做,我哪知道要到啥程度?
  • 抄同桌的:隔壁項目做了這個效果嘎嘎好,我們為啥不能做?數據咋樣?我哪知道!
  • 看對手的:別人競品都在做,我們也不能落下!數據標準是啥?我哪搞的到,先做了再說!
  • 混績效的:我就是活動運營怎么能不搞活動?搞了再說搞了肯定比自然轉化好!

所以,通常老手會先基于現狀和業務理解,通過問答的方案尋找到可行的標準:

  1. 為什么選擇新用戶做活動呢?是否跟付費用戶的結構有關系?
  2. 優惠券的力度是多大,相當于打幾折?
  3. 平時的付費率是多少?假如付費率提升了,總毛利沒有提升可以嗎?
  4. 這個活動的目標是啥?是驗證策略有效性還提升業績?

通過以上問題,我們至少可以獲取到這幾個信息:

  • 付費用戶的占比是什么?是多少?
  • 優惠券的折扣是多少,對毛利的折損是多少?
  • 通過計算得到至少提升多少付費率才能跟不降價持平作為比對下限
  • 通過毛利目標和折扣計算得到至少提升多少付費率才能達到目標

于是我們可以獲得評估標準:

根據「實際提升」的數值在不同區間,給出不同的結論。

目標的區間都是基于業務溝通而產生的結果,所以在回答的時候面對的挑戰和質疑的聲音也會減少。

三、如何0-1搭建活動分析體系?

1. 理流程

只要有活動存在,那么就一定會存在著對用戶行為的引導而導致行為數據的變化。所以想要從0開始搭建活動分析體系的話,就需要先梳理活動流程,建立流程指標。以優惠券活動為藍本,可以做出如下梳理:

清晰了活動流程和節點之后,再去看行為影響,從而梳理出對應節點的相關指標,從而得到活動的關鍵評估指標。如:

2. 尋重點

有了指標梳理之后,我們會發現設計到的節點指標有很多,一個活動的影響有可能是各個方面的。

仍然以優惠券為例,很多同學進行優惠券活動評估的時候都喜歡講:

  • 增加用戶留存——買單的多了,留存的數量肯定也多了
  • 能增加功能活躍——訂閱了肯定要用
  • 能增加用戶裂變——有優惠,用戶奔走相告

但是做活動總是有目的性的,分清主次,是活動分析的第二個關鍵。

比如,做優惠券,是以促進付費,增加收入為目的的。如果分析和匯報的時候,把留存活躍等等放進來跟「收入」一起講,反而會混淆視聽。

分清楚主次關系,才容易說清楚問題。

一些常見的活動指標參考:

理清主次之后,就可以進行模版化的清晰和匯報了。可以參考以下的匯報方式:

本次活動的目標是「xx主要指標」,超出「目標」xxx,效果「好/壞」;

同時本次「A、B、C等次要指標」與目標、過去對比如何;

再陳述哪些「次要指標」需要迭代未達預期,哪些「次要指標」表現良好可以持續;

最后再總結「次要指標們」做的好的節點和方式以延續優勢,做的未達預期的節點和方式以做改進。

以上,就是一份很好的活動總結,活動評估,就這么簡單。

3. 立標準

尋找和建立標準是活動分析中非常重要的一環。涉及到「評價」、「評估」等場景,在給出答案前,首先要找的就是找到標準的對比值。

只有有了標準的對比值,好和壞的評價也才更有依據,避免業務感覺好就是,感覺不好就是不好的場景。

分清楚主次指標之后,立標準的方法可以總結為這四種場景:

  1. 為完成業績,看KPI/OKR:本月需要達成至少100萬業績,所以收入目標是100萬。
  2. 為嘗試策略,看增量:以前從沒做過類似活動,業績是100萬,先試一下,業績達到120萬就是成功。
  3. 為迭代策略,看效率:以前的活動花了5萬成本業績提升了20萬,這次需要達到花5萬提升至40萬的效果。
  4. 為挑選策略,看對比:策略A比策略B的轉化率高1%才算成功。一般搭配線上實驗使用。

確定活動標準值的3個步驟:

  1. 做活動是為什么,拉業績還是搞策略
  2. 做到多少算成功,預期值在哪個區間
  3. 根據預期計算主指標的評估區間

理清楚標準后,去評估指標和建立合理的活動或者試驗方式就更有跡可循,得到的結果也更可迭代。

4. 找過程

梳理流程、尋找重點、計算標準除了為了準確的評估好壞以外,其中更重要的是要分析影響指標的過程,知道為什么好,為什么壞,以幫助我們總結經驗,迭代策略。

比如這個新人發優惠券的場景,從新用戶的渠道、投放引流策略,用戶填寫資料的轉化、時長,優惠券的文案、展示、觀看時長等都會影響到最后的購買轉化。如:

一般來說,離轉化節點越近,影響越大。比如優惠券的設計離節點更近,對轉化的影響越大。

而分析間隔較遠的節點,例如渠道投放調整對轉化的影響,在有活動的場景下,需要要先做結構分析:

  • 對比過去的用戶結構和分析投放的調整對活動用戶池是否有影響。
  • 然后再拆分渠道用戶,對標準值再進行渠道維度的拆分,形成渠道維度的標準。
  • 最后再進行每個渠道的主要指標、次要指標分析,判斷影響有多大。

四、總結

在活動分析中,新人最容易犯的錯誤是,先堆砌一大堆指標來體現活動效果,甚至一上來就要弄預測模型。

但是最后自己都講不清楚這些指標的關聯如何,模型的效果好還是不好。

其實活動分析是一件「對業務流程的了解比技術的高深更重要」的事情,如果數據人員對運營流程不了解,對拉新、轉化、裂變、召回等玩法不熟悉,只對著一堆數據算來算去的話,很容易陷入誤區。

只要對業務流程足夠上心,對過往的活動模式有所了解,搭建一個合理的符合業務的活動分析體系其實也并不難。

作者:汪浩,公眾號:只說人話的小汪

本文由@汪浩 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

該文觀點僅代表作者本人,人人都是產品經理平臺僅提供信息存儲空間服務。

更多精彩內容,請關注人人都是產品經理微信公眾號或下載App
評論
評論請登錄
  1. 目前還沒評論,等你發揮!