一文看懂:搭建活动分析体系

简介: 要问互联网上啥最吸引人,当然是活动啦!各种优惠让人眼花缭乱,以至于很多人专门游走于各个平台“薅羊毛”。活动只是互联网运营一部分工作,却是最烧钱,最吸引眼球,最让人纠结的一部分。今天就简单分享一下:活动分析该怎么做。

一、什么是活动


活动,特指:在常规销售以外,企业额外投入资源奖励用户的动作。比如一家服装店,一件衣服100元。我们花100买一件衣服,这是常规销售。如果某天,这个商店挂个牌子:本周内全场衣服8折。我们只花了80元买衣服,这就是参与了活动。



昨天冬至,网上还有一个关于活动的段子:


image.png


虽然例子很简单,但是可以清晰看出:活动的本质是以质换量。通过小恩小惠来吸引用户,刺激用户消费更多。活动的效果,都是叠加在常规销售之上实现的增量。


互联网上的活动形式,会远比实体店复杂。常见的有四种:


  • 商品类活动:针对某个商品做优惠。比如商品打折、买一送一等等。


  • 用户类活动:针对某类用户发福利。比如新用户注册送100元抵用券,累计消费满10000元可升级为钻石级会员享受专属礼品。


  • 产品类活动:针对某些APP/小程序使用行为做奖励。比如APP连续签到7天可得礼品,观看直播参与互动可抽奖等


  • 品牌类活动:针对品牌传播行为的奖励。比如用户关注品牌的公众号可以领福利。


不管是那种行为,都是给奖励,换用户的动作。只是商品类、用户类活动,更功利一些,会鼓动用户多消费。产品和品牌活动则更软性,大有“赔钱赚吆喝”的感觉。


那么,如何对活动进行分析呢?


二、如何分析一个活动


活动有3大关键要素:


  • 叠加于常规销售


  • 额外投入资源


  • 产生额外增量


基于这三点,活动分析要清楚这三方面内容:


  • 常规的销售数据是什么?


  • 针对哪个问题,额外投入资源


  • 投入以后,产生了多大效果


还拿开头的服装店举例,想要分析“本周内全场8折”活动,则需要:


  • 了解没有打折的时候,一周卖多少件,多少钱


  • 监控打折期间内,一周卖多少件,多少钱


  • 对比打折/非打折时期,销售差异


注意,并非所有的活动都能产生增量。比如下表所示,打折期间销量还跌了。实际上,如果活动没有达到“四两拨千斤”的效果,则很有可能亏钱。这也是为啥活动分析特别重要的原因。


image.png


只是,并非所有活动,都是为了提升销量的,不同类型的活动要分开看。


三、不同类型,重点不同


商品类活动,在商品不同生命周期目标不一样:


  • 孵化阶段:提高市场知名度(关注信息的人数)
  • 上市阶段:快速占领市场(销售数量/购买人数)
  • 成熟阶段:赚取利润(商品利润)
  • 退市阶段:库存清理(避免积压)


如下图所示


image.png


用户类活动,则要根据用户状况:


  • 在业务扩张期:多获取新用户/鼓励用户转介绍
  • 在业务稳定期:注重用户活跃/用户转化
  • 在业务衰退期:注重用户留存


如下图所示


image.png


产品类活动,则要看具体引导目标。


  • 引导用户完成一次交易?
  • 引导用户进入直播间?
  • 引导用户连续登录?


指哪打哪的效果,在产品类活动更明显(如下图)


image.png



品牌类活动,则要看:在哪个平台进行传播。不同平台,衡量传播效果的手段,指标都不太一样(因为涉及好多种平台,这里不细说了,回来单独分享)。


这么多类型,是不是把小伙伴看晕了?晕了那就对了。因为这一块正是活动分析的最大难点。

四、活动分析难点


活动分析的难点,根本就不是数据计算太过复杂,而是:


  • 同时间活动太多,相互重叠
  • 活动目标不清晰,甚至没有目标
  • 活动目标太多,指望“毕其功于一役”

这些问题,常常是源自运营/营销/产品等部门的管理混乱。并非所有公司,都有清晰的管理。很多公司的运营,都是:


  • “这个活动去年做过,所以今年继续做……”
  • “这个活动领导很喜欢,所以我要赶紧做……”
  • “这个活动投了那么多钱,必须在方方面面都有效!”


image.png


这样浑浑噩噩,浑水摸鱼式的工作方式,导致很多活动在上线时,没有清晰的分类,没有明确的目标,甚至连过程监控都没有做。一个用户,能叠加享受好几重优惠,在规则上全无限制。这样等到活动结束,数据根本就是一坨烂泥。想在烂泥里再把水和土分出来,已经不可能了。


由于小熊妹本人,刚刚被双十一、双十二两个大活动的监控、复盘蹂躏过。所以对活动不清晰这件事真是恨得咬牙切齿(是滴,我司就是那个,因为双十一投入力度很大,所以必须方方面面都证明丫很牛逼,哪怕改数据口径也在所不惜的……)。

相关文章
|
消息中间件 缓存 监控
Sentry 开发人员文档(中文手册,二次开发指南)
Sentry 开发人员文档(中文手册,二次开发指南)
3597 0
Sentry 开发人员文档(中文手册,二次开发指南)
|
10月前
|
前端开发 UED
React 消息提示组件 Toast
本文从基础概念出发,逐步介绍如何在 React 中实现一个简单的 Toast 组件,包括基本功能、状态管理和样式设计。并通过具体代码示例,探讨了多个 Toast 同时显示、Toast 消失后立即重新显示、消失动画和样式冲突等常见问题及其解决方案。希望本文能帮助读者更好地理解和使用 Toast 组件,提升用户体验。
259 23
|
数据采集 缓存 NoSQL
三级缓存实操系列(一)
三级缓存实操系列(一)
|
Kubernetes 调度 Apache
Docker 编排工具比较:Kubernetes、Docker Swarm 和 Mesos,选择最适合你的容器编排方案
Docker 编排工具比较:Kubernetes、Docker Swarm 和 Mesos,选择最适合你的容器编排方案
484 0
|
监控 Java 测试技术
Java性能测试与调优工具使用指南
Java性能测试与调优工具使用指南
|
存储 分布式计算 DataWorks
阿里云 DataWorks 智能数据建模(一)| 学习笔记
快速学习阿里云 DataWorks 智能数据建模
阿里云 DataWorks 智能数据建模(一)| 学习笔记
|
Android开发 iOS开发
判断是否为安卓或者IOS
判断是否为安卓或者IOS
694 81
|
小程序 数据安全/隐私保护
【Arduino+ESP32+腾讯云+sg90】强制门户+腾讯云控制开关灯
本文给出了利用Arduino和ESP32实现远程开关灯的解决方案,文章中参考了两篇大佬的博客,但是也加入了自己修改的内容,有一定的参考价值。
322 0
|
机器学习/深度学习 人工智能 运维
Serverless 架构下的 AI 应用开发
本篇内容连载自《Serverless 架构下的 AI 应用开发:入门、实战与性能优化》。
Serverless 架构下的 AI 应用开发
|
前端开发
1.5w字的Rmarkdown入门教程汇总(三)
1.5w字的Rmarkdown入门教程汇总
238 0
1.5w字的Rmarkdown入门教程汇总(三)