您当前位置:资讯中心 >大数据 >浏览文章

活动效果评估体系,该怎么搭建?

来源:互联网 日期:2023/8/30 11:41:17 阅读量:(0)

“如果让你来评估这次活动,你会怎么分析”无论是面试还是工作,做数据分写的同学都经常遇到这个问题。今天我们系统讲解一下。

场景还原:

某音乐类APP,对新用户进行一个新注册即送7天会员权益的活动,用户注册后,自主决定是否点击领取,为期1个月,问:如何评价该活动。

一、活动评估常见错误

首先牢记,所有以评估/评价/判断作为动词的问题,答案只有一种:“好or坏”。

比如,如何评价该活动,可以回答:

1、这个活动很好,该继续做;

2、这个活动不好,不能做

3、这个活动不好不坏,鸡肋

4、这个活动没有任何改变,做了也白做

这才是评估类分析的核心结论。离开这四句话,其他的都是废话。比如:

  • 活动期间有4万新人注册
  • 活动期间注册人数比活动前多1万
  • 活动期间新用户点击率是80%
  • 活动期间新用户使用权益率30%

这些统统不是结论,只是分析过程而已。如果没有结论,直接甩这些过程指标,很容易遭遇业务方反问:“所以呢?所以呢?你分析了啥?结论呢!”最后被搞得灰头土脸。

 二、活动评估关键问题

活动评估,首先要得出好/坏评价。如果评价是好,再看能不能继续做,还能做多少次;如果是评价是差,再看差在哪里,是差得不可救药,还是能拯救一下继续用。

数据+标注=判断。因此想得出好/坏判断,需要有2样东西:

  1. 明确的考核指标。
  2. 明确目标数值。

达标了,算好;不达标,不好。就这么简单(如下图)。

图片图片

看似简单,实际上运营经常干的是:

1、稀里糊涂:老板让做我就做,至于为啥?咱也不知道,咱也不敢问。

2、呆头呆脑:我就是要做拉新人,拉就完了奥力给!

3、投机取巧:反正以前干过/别人也在干,干就完了。

4、浑水摸鱼:这是改变用户心智资源,数据岂能衡量!

总之,十个运营里最多只有俩,能准确说清楚现状和目标。这时候就需要数据分析师自己有独立判断能力。能分析业务逻辑、梳理业务过程,才能得出客观结论。这里我们拿完全稀里糊涂的场景举例,看如何帮运营理清目的。

三、从0建立评估模型的做法

第一步梳理活动流程

运营活动会改变用户的行为,进而体现为数据指标的变化。从0开始建立评估模型,第一步就是了解活动具体流程,了解活动可能导致的用户行为变化。比如问题里的新用户送权益,可以按如下梳理(如下图):

图片图片

了解到行为变化以后,可以进一步看这些行为能用什么数据记录,能反应为什么指标的变化。经过梳理,我们就能看清楚:衡量活动结果的指标了。这些工作,应该是运营在策划阶段的干的事,如果事前没做好,事后就要补课。

图片图片

第二步筛选主指标。

一个活动可能影响方方面面,比如上边的问题,有送东西,你说:

1、能增加新用户注册——没毛病;

2、能增加会员购买机会——似乎有机会

3、能提升忠诚度减少流失——似乎也有道理

4、能增加DAU!——额,理论上新注册多了,DAU也增加。

如果不看数据,光听嘴巴讲,以上当然都有道理。但真要一锅炖,让你计算没有流失的用户,送会员占比百分之几,产品本身占比百分之几,歌曲数量占比百分之几,能算清楚就见鬼了。所以,评估指标要分主次,才容易说清楚问题。

如果是事前定目标,那么活动的主指标应该与目标紧密结合,优选直接受影响的指标。比如活动是为了拉新,那主指标就是新注册用户数;如果活动是为了提高新用户留存率,那主要考虑的就是1-7日内留存情况。

图片图片

这里看似简单,实则很容易被运营浑水摸鱼。运营经常喜欢扯一堆影响指标,甚至扯什么“我的活动从深层次改变了用户心智认知,从而达到了数据不可衡量的深远影响”,总之搞一堆指标进来,哪个好看说哪个,不好看的不说。

做数据评估,最忌讳搞几百个指标然后做巨复杂的评估公式,混淆进来的的东西越多,就有越多搞文字游戏的空间,就越容易粉饰太平。越简单清晰的评估,才越容易看出问题。

第三步设定判断标准。

有了清晰的主指标,可以找判断标准。找标准有四个基本思路:

1、从整体结果出发,看总量。比如本月需要10万新用户,所以必须做到10万。

2、同无活动对比,看增量。比如无活动一个月5万,活动必须5+5万,多的5万作为标准。

3、同过往活动对比,看效率。比如拉新活动一般100块一个新人,所以这次不能超过。

4、同无参与的用户对比,看差异。比如分无参与组/参与组,对比参与组新注册数/留存率。

站在公司角度,肯定是第一种方法最实在。但站在组织活动的角度,都喜欢突出自己的贡献,因此倾向于用2、3、4种方法。运营最喜欢谈:自然增长率(没有活动情况下,自然增长是多少)。并且总是倾向于把自然增长率算得低低的,或者干脆弄成负数,这样才显得活动牛逼无比。

要注意的是:所谓自然增长率,只在活动不频繁的时候才能计算。很多业务(比如电商、O2O),根本就是活动不断,大活动套小活动,根本区分不出来,这时候就不适用。

同理,设参照组的前提,是参照组根本没有活动提醒和活动参与功能,且参照组和活动组用户质量差不多。如果不满足这个限制条件就很难直接得出活动效益好的结论。这些方法都是看似科学,实则充满玩猫腻空间。想讨论清楚问题,就简单直接立标准。

图片图片

第四步找影响结果的过程。

以上1、2、3步都是为了得出判断做铺垫。有了“好/坏”判断。就能进一步分析为啥好,为啥坏。这时候就需要细化梳理业务流程,找到能影响结果的关键点。比如拉新活动,广告投放渠道、广告文案、注册流程、进去以后提示权益方式、领取会员权益流程,都会有影响(如下图)。

图片图片

在分析这些指标的时候,要注意先后顺序。比如有关新用户注册问题。要先看各个用户来源渠道的投放力度,活动是否及时上架,何时与投放结合。之后才是深入分析文案、活动礼品、领取后行为等等。

关键字:
声明:我公司网站部分信息和资讯来自于网络,若涉及版权相关问题请致电(63937922)或在线提交留言告知,我们会第一时间屏蔽删除。
有价值
0% (0)
无价值
0% (10)

分享转发:

发表评论请先登录后发表评论。愿您的每句评论,都能给大家的生活添色彩,带来共鸣,带来思索,带来快乐。