快好知 kuaihz

活动结束啦,那么复盘该从哪些方面展开?

当一个活动结束时,我们应该需要哪些维度的数据来进行复盘呢?

这个问题来源于读者提问,问的超级好,他的问题原文如下:

如何复盘一场自己做的活动?应该从哪些角度收集信息和数据以优化以后的运营策略和手段?

那么,今天我们就用一个小故事聊聊复盘的细节。

社区的本质

小王做了一个活动,预期是希望通过活动,提升一段时间内,用户的交易额。小王做了如下设计:

活动期间,所有参与交易的用户,都可以获得1次抽奖机会,然后根据实际完成的交易额(付款-退款)进行排名,排名前100名的用户,可以抽取包括iPhoneX在内的大奖(实际不可能啦,毕竟单个奖品的单价不能超过5000元),并且抽奖机会直接从1次变成10次,而排名100名以后的用户,可以抽取包括小米note3在内的其他奖品,所有用户100%中奖,预期活动期间的交易额是非活动期的3倍,总成本控制在5万元以内,人人有奖,奖池里包含了实物奖品和各种置换来的优惠券。同时,活动需要报名,预热期为活动开始前一周。

那么活动结束了,小王应该需要哪些维度的数据来进行复盘呢?

复盘的准备

1、活动预热期的效果数据

需要准备的数据有:

活动预热页面的UV、PV

报名button的点击次数

后台记录的报名用户数

来源渠道

……

2、活动前一段时间报名用户与非报名全量用户的消费数据,如前2周,或者一个月,或者去年同期

需要准备的数据有:

UserID

交易订单量

消费金额

消费时间

消费频次

退款订单量

退款金额

退款时间

……

3、活动期间报名用户与非报名全量用户的消费数据

需要准备的数据有:

UserID

交易订单量

消费金额

消费时间

消费频次

退款订单量

退款金额

退款时间

……

4、活动结束后一段时间报名用户与非报名全量用户的消费数据,如后2周,或者一个月,或者去年同期

需要准备的数据有:

UserID

交易订单量

消费金额

消费时间

消费频次

退款订单量

退款金额

退款时间

……

要说明什么问题

这些数据要说明什么问题呢?

预热数据用来说明宣传渠道的流量来源拉动的情况

对比报名用户在活动期间与非活动数据的对比,来证明活动究竟对报名用户是否有拉动

对比非报名用户在活动期间与非活动数据的对比,来证明活动究竟对非报名用户是否有影响

对比最终的交易成功的订单数据,来反馈是否活动期间存在刷量现象,以及成本与收入的关联,这一点极其重要

活动结束后的数据用来反馈活动本身是否会对用户带来长尾的影响效果

这其中有好些注意事项。

有些数据,可能原先系统中是没有的,譬如预热期的宣传渠道埋点、页面的监控埋点、button的点击埋点,等等,这些数据,是需要在开发前去和开发确认和沟通的。

数据对比有环比和同比,环比可以去比前一周、前一月,看活动的时间,它是延续的,同比是比前一年的同期对比,它是不延续的。采用哪种对比方式,是需要去实际场景下去讨论的,通常环比是够的。

复盘要复的,除了数据,还有行为。数据用来验证效果,而行为是找到造成数据变化的原因。这里面要记录的事情就多了。

复盘不是为了追究这一次的活动是否如预期展开,而是为了积累经验,在下一次活动的时候明白要规避哪些坑,或者要强化哪些方面,包括渠道的、活动规则本身的、文案的,等等。

小结

总结一下,如果要追究数据,首先是要有数据,有数据的前提是,你自己知道要做什么样的对比,这样才能看是否要加入新的统计源。

在统计工具方面,UV、PV的流量检测工具,完全可以用百度统计之类的第三方统计作为输入源,而其他的统计,如果是日常数据,都应该本身就做了埋点监测,如果没有的话,那么可能就是需要加强的部分了。

先这样了。

本站资源来自互联网,仅供学习,如有侵权,请通知删除,敬请谅解!
搜索建议:复盘  复盘词条  展开  展开词条  方面  方面词条  那么  那么词条  哪些  哪些词条  
运营

 你的产品有用户使用模型吗?

经常会听到用户成长、用户生命周期、用户模型和用户画像(Persona),那什么是用户使用模型呢?和这些常常听到的用户xx名词,有交集,却不全是。一、什么是用户使...(展开)