学习理财博客空间

理财鱼

您现在的位置是:理财鱼 > 理财方法 >

理财方法

一个案例,看懂如何分析活动效果

发布时间:2022-03-14 17:10理财方法 评论

理财鱼小提示:一个案例,看懂如何分析活动效果

无论是面试还是工作,做数据分析的同学都经常遇到“如何分析活动效果”的问题。本文基于某音乐类APP对新用户进行一个新注册即送7天会员权益活动的场景还原,对分析活动效果进行详尽的阐述。从常见错误、关键问题、评估模型的具体方法论三大方面与大家分享经验,推荐感兴趣的同学阅读学习。

 一个案例,看懂如何分析活动效果

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:

这个活动很好,该继续做。

这个活动不好,不能做。

这个活动不好不坏,鸡肋。

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:

明确考核指标。

明确目标数值。

达标了,算好;不达标,不好。就这么简单(如下图)。

 一个案例,看懂如何分析活动效果

看似简单,实际上运营经常干的是:

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。

呆头呆脑:我就是要做拉新人,拉就完了奥力给!

投机取巧:反正以前干过/别人也在干,干就完了。

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 1. 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):

 一个案例,看懂如何分析活动效果

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,能反映什么指标的变化。经过梳理,我们就能看清楚:衡量活动结果的指标。这些工作,应该是运营在策划阶段干的事,如果事前没做好,事后就要补课。

 一个案例,看懂如何分析活动效果

2. 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:

能增加新用户注册——没毛病。

能增加会员购买机会——似乎有机会。

能提升忠诚度减少流失——似乎也有道理。

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。

 一个案例,看懂如何分析活动效果

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。

3. 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:

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。

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。

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。

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。

 一个案例,看懂如何分析活动效果

4. 找影响结果的过程。

共2页: 上一页下一页

>相关《 一个案例,看懂如何分析活动效果》内容:


1、 河南发布2021年度全省消协系统消费维权十大典型案例

理财鱼小提示:河南发布2021年度全省消协系统消费维权十大典型案例 央广网郑州3月14日消息(记者 张惟一)3月14日,记者从河南省市场监管局获悉,河南发布2021年度全省消协系统消费维权典型案例,其中涉及活动兑奖打折扣、商家临时加价、4S店截留车险保费等,具...【继续阅读】


2、 2021年四川省公安机关打击食药环知领域犯罪十大典型案例

理财鱼小提示:2021年四川省公安机关打击食药环知领域犯罪十大典型案例 1、成都等地公安机关侦破“924”特大生产、销售伪劣液化石油气系列案。公安机关侦查查明,贺某德、王某航等人向液化石油气钢瓶内非法掺入二甲醚,降低原料成本,生产、销售伪劣罐装液化石油...【继续阅读】


3、 一图看懂新品NUC,传奇飞龙,闪亮登场!

理财鱼小提示:一图看懂新品NUC,传奇飞龙,闪亮登场! 在迷你主机领域,英特尔有着丰富的技术积累,产品线涵盖家用办公、游戏娱乐等众多使用场景。今天纳客要向大家介绍的是全新升级的12代NUC飞龙峡谷,不仅升级为混合架构处理器,而且主机的整体结构以及接口都...【继续阅读】