经常有人抱怨，说自己做的活动分析被人DISS，诸如：“分析不深入”“没有可落地结论”之类的批评。但是，有时候来自业务部门/面试官的批评是没道理的，本文就教你如何区分情况，拒绝无理取闹，感兴趣的小伙伴快来看看吧。
经常有同学抱怨，说自己做的活动分析被人DISS，诸如：“分析不深入”“没有可落地结论”之类的批评。注意！并不是谁闹谁有理。有时候来自业务部门/面试官的批评是没道理的，要认真区分情况再说。
活动分析，有标准四步走：
做活动本身是一个“指哪打哪”，高度目标导向的事情。因此活动分析中，目标是最关键的，清晰了目标才好判定效果。活动过程监控，则是用来诊断问题的，一般采用漏斗分析法+对比分析法，看哪个环节掉链子。
比如针对1万名新用户派特定品类的优惠券，目标拉动其中5000人消费。活动流程，则是新用户登录后通过弹窗领券，之后进行消费。那活动分析，就先看是否有达成5000消费的目标。如果没有达成，再看哪个环节没做好。是派的券压根没人领，还是领了券没地方用（如下图）。
注意！活动是分三类的：
类型一：为了提升总业绩，比如双十一，618。这种一般是冲量型活动，投入力度大，参与商品多，有可能分子活动。因此一般是看整体业绩目标是否达成。
类型二：为了达成特定目的，比如清库存。都已经到尾货期了，能多清一件算一件。这种时候一般不计较收益，而是达成目标即可。
类型三：为了定向提升收益，比如针对特定用户投一批优惠券，拉升消费。这时候一定要考核收益，不能让人白薅羊毛。最好直接设参照组，观察有/无活动时差异。如果不能设参照组，则一定要记录该群体活动前数据，作为对比。
虽然活动分析都是：“目标→执行→复盘→过程诊断”四件套，但是根据不同的类型，目标设法有差异，复盘方式自然也有差异，不能一锅炖。然而有些时候，恰恰业务部门自己脑子不清醒，导致活动组织混乱。这时候要是怪数据分析师做得不好，就是无理取闹了。
一张嘴“我做活动就是为了提升业绩，分析下我提升了多少”——废话！肯定是为了提升业绩呀，难不成为了减少吗。问题是，你要提升多少？不同的目标，投入力度，活动形式，宣传渠道都有差异，事先不考虑，事后咋复盘。
实际上，很多业务本身有自然波动，肯定要提前考虑呀，不然活动咋组织。而很多业务，活动方案就是不知道哪抄来的。这些业务事前不考虑周全，事后抓住数据分析师，拼命研究“自然增长率的800种算法”，企图通过修改自然增长率来起死回生……真是让人哭笑不得。
活动页面不埋点，活动编码随便写，活动券码瞎胡用，派券对象随意增删。上活动的时候只图快！省事！数据一塌糊涂，事后……事后分析个屁。
定向提升型活动是完全可以设参照组的，如果不设参照组，是很难看出来活动增量效果，自然没法深入分析。
参照组不是随机拉一波人就成的，而是要考虑“哪些特征会影响结果”。比如已知高消费人群活动响应会高，则设参照组时，需保证参照组内高消费群体比例和活动组差不多，这样才有可比性。不然结果肯定不对。
当然，也有些是数据分析师们自己惹祸，常见的，比如：
惹祸一：不管业务场景，强行上模型。我就见过有数据分析师拿营销费和GMV做回归分析，然后拿R平方值来解释营销活动“效果”的。被人怼了还说这些人不懂统计学，额……
惹祸二：主动配合业务事后算“自然增长率”。结果不管你咋算，业务都不满意，终于业务满意了，老板不满意！搞得自己里外不是人。
惹祸三：不找业务要目标，企图用各种奇怪的东西代替目标。
实际上，在活动分析中，业务惹的麻烦要比数据分析师多得多得多得多。大部分的问题，都是业务自己目标不清晰、考虑不周全、事先没准备所导致的，数据分析师要做的，更多是不要纵容这种瞎搞。如果条件不充分，就先给一些基础数据，同时反复向大家灌输正确做法。
有趣的是：老板是站在我们这边的。老板也讨厌业务事前不动脑子，事后乱找理由。所以大家一定要有信心，慢慢推动活动评估标准化，正规化。
当然，即使以上都做了，单凭一次活动，也有可能分析不出很深入的东西。因为一次活动能影响用户范围有限，给到用户选择也很少，所以很难充分了解到底是产品不行，活动设计不行，还是用户没需求。这种深入的洞察，是需要多次活动数据摆在一起看，才能发现的。
以下这些场景，都得至少做2次以上，才能在对比中发现问题。比如：
其实很多时候业务自己也是被逼的。有些公司缺少长期计划，业务总是为短期业绩下跌填坑。这时候，业务自己也没空想更多办法，只能每次都用老一套，事后再指望修改“自然增长率”为自己找理由。因此，做规范的活动分析，也能帮业务减负，让业务有合理的理由多做几次尝试积累经验，最终大家一起探索出切实可行的办法。
当然，不指望所有公司都有这么好的氛围，如果你在的公司，就是目标不清晰，活动方案抄抄改改，事后纠结自然增长率。那至少我们自己，可以把活动分好类，然后观察事前/事后差异，观察对大盘影响，这样积累的经验，也能用在下一家公司。
专栏作家
接地气的陈老师，微信公众号：接地气学堂，人人都是产品经理专栏作家。资深咨询顾问，在互联网，金融，快消，零售，耐用，美容等15个行业有丰富数据相关经验。
本文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 Pexels，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。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。