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。