“全覆盖的活动，毫无针对性，策划得再好，没有推给对的人，就像白干了一场，纯属浪费资源。”
“做活动就好比谈恋爱，一切不以结婚为目的的恋爱都是耍流氓，那么，一切不以精准为基础的活动也是在耍流氓。”
“所以，如果以活动运营精准与否为标准，我想在座的各位都应该引咎辞职。”
语出惊人的正是活动盒子产品总监Peter，集美貌和才华于一身的男子。因为泡过洋墨水，个人风格特别幽默开放。
“说出这样的话来，不是梁静茹给了我勇气，是多年的实践经历让我底气充足。”从外企到自创业再到活动盒子产品总监，拥有将近十年产品/活动运营管理经验的“老司机”Peter对活动运营有着独到的见解。
他深谙活动运营法则，通过一次次或成功或失败的例子，在事实基础上总结出一套行之有效的方法，并落实到之后的活动中。
借助这次难得的机会，peter给观众做了一场相当精彩的分享，干货多多，马上去看看他都说了些什么！
活动是要做到精准的点对点还是全覆盖？
Peter在开场就抛出了运营人员做活动过程中，经常遇到的问题：活动是越广泛越好还是越精准越好？
去年年底，一个注册用户百万级、公众号自有粉丝超5万的某医药电商使用活动盒子做了一场流量抽奖活动，目的很明确：增粉。
活动的生成非常顺利，在活动盒子提供的适合不同目的自选模板（老虎机、刮刮乐、一键抽奖、摇一摇等）中，商家选择的C端展示页面模板是圣诞老人大转盘，充分利用了节日的热点借势；规则和奖品也按照计划落实。
人力、物力、资金通通到位，活动开展的轰轰烈烈，最后却惨淡收场。为什么？
原来，该商家在做活动的时候，居然放弃自有的用户资源转而选择外部渠道，换而言之，就是放弃自家精准的种子用户而选择了对其品牌一无所知的活动对象。
有句话说的好：不作死就不会死。该商家最终败在了超额支出上：耗费4元/人的高成本获取用户关注。
“需要花4块钱来获得一个用户，弄活动的意义已经不复存在，还不如直接每个人给4块钱要求加关注来的方便有效。”Peter无不遗憾地表示。“正是这个活动让我意识到了精准的重要性。全覆盖的活动，毫无针对性，策划得再好，没有推给对的人，就像白干了一场，纯属浪费资源。”
“因此，相对于广撒网的覆盖式活动，我认为精准才是王道。”
有了这样的认知，接下来的活动少不了“精准”一词。
“真正做到点对点的精准活动，我们有了一次相当成功的尝试。”
是个怎样的活动呢？Peter跟我们介绍，他给淘宝某女装电商做了一个扫订货单抽奖活动，形式非常简单，用户扫描订货单附带的二维码即可参与抽奖，既能吸粉又能引流。
在场的各位当时一定笑了：啥呀，不就一个扫码抽奖嘛，玩烂的把戏，怎么就扯到精准头上了呢？看看Peter怎么说的。
和之前的医药电商一样，这个女装店自身拥有150万流量，意味着商家掌握了数百万的用户资源。
“这批庞大的自有资源，给用户精准化提供了可能。”
实现用户的精准化，第一步就是把活动参与的对象设定为这批自有用户；第二步是借助活动生成工具——活动盒子，跟踪目标用户在应用场景中的实时行为，搜集用户访问时长、行为节点等数据，做出最基础的用户画像分析。
“当然这还不够。”Peter好像读懂了大家的疑惑：“我们又做了关键的一步。”
为了做到更加精准的点对点，从抽奖的二维码着手，嵌入女装店的发货单ERP系统，ERP背后对应着商家的整个CRM系统。
于是，用户在参与扫码抽奖活动时，商家再次依托活动盒子的“用户分析”功能，通过埋点的ERP系统，获取了用户更加详尽的信息（年龄、性别、等级），分析并细化数据，对用户进行群体划分，深挖用户画像。
最后，通过提前设置的规则引擎（消费金额）智能匹配奖品，把剩余库存按用户分级（A/B/C/D等级）存放到奖品里面，根据精细化用户画像实现了高效的活动投放。
用户精准分级匹配
“什么等级的用户发放什么价值的奖品，通过埋点获取数据，让数据触发自动化，这才算真正做到了精准的点对点。”
精准的点对点活动，让数据把控整个过程，减少人工造成的失误；通过不间断地监控和自动反馈，使成本牢牢控制在合理的范围内，应该就是“精准”的意义所在了。
“从全覆盖到点对点的觉悟，并不是喊口号讲空话，事实就在那里，这就是我要跟大家分享的第一个内容。”
而在精准的活动中，获取的大量数据扮演着怎样的角色呢？
数据是直接生产力还是间接生产力？
Peter分析解答这个问题的时候，借用了抽奖的例子。
某商家做一个抽奖活动，提前设置好相应的中奖概率。但根据实际的参与人数和奖品领取情况，概率随时需要改变，数据就是最重要的依据。
比如，商家通过查看后台反馈的具体活动数据，分析发现参加活动的人数比预期的要多得多，而奖品数量固定不变，为了防止出现中奖人数超过奖品数的情况，手动降低中奖概率。
不难发现，商家先是人工处理已有数据，后人为作出判断，改变原有决策。
“这是把数据被用作间接生产力的典型做法，人为的干预活动，时间上是滞后的。”
那么，让数据成为直接生产力又是怎样一种情况？
还是抽奖的例子，如果商家在生成抽奖活动的时候，把提前设置好的点埋到活动、奖品页面。当用户参与活动，会触发系统产生并分析数据，及时判断当前的变化，自动地不断地做出抽奖概率的调整，以达到最佳的效果。
这样就打破并延伸了活动的边界，获取到了精准的数据；然后，让数据触发活动，做到真正的自动化——由系统自动判断这件事情是否可行，并源源不断地根据反馈的数据调整优化整个过程。
“不必通过人工手段，让系统即时自动做出判断，这样，数据就成为了直接生产力。”
“我认为，把数据变成直接生产力的过程，也可以用程序化运营或者数据驱动活动来概括。”
关于这点，活动盒子经过多次的更新迭代，具备了强大的“点对点推荐引擎”功能，能够通过举办一次次的活动，记录用户在每个活动环节中的行为，为用户打上更加个性化的属性标签，如年龄阶段、喜好、性别等，让运营者在创建活动和奖品时，通过标签分析用户，实现用户数据细分，达到精准的点对点营销。
“众多商家选择活动盒子作为活动生成工具，也正是看中了这一点。”
活动内循环
最后，不知道大家有没有注意到，关于数据是直接还是间接生产力的议论，有一个非常关键的前提：适用于当前短期的活动，优化的是进行中的活动，属内部范畴。
“而在活动运营过程中具有长期价值属性的，是我接下去要分享的第三大点。”
数据是资源还是土壤？
这句话引用自阿里集团首席执行官张勇的言论，也是Peter 在现场的发问。
还是用一个例子帮助理解。
某商家做节日活动，在网上商场消费金额达到一定级别，有相应的礼品回馈用户。
假如，该商家并没有给礼品、活动页面埋点，仅仅靠用户注册、关注获取基本的性别、地址等信息，活动之后得到的数据并没有任何更新叠加。
“这样的数据是静止的、一成不变的，对下一次活动没有指导意义，不能让活动得到更好的优化改善，是无法循环的资源。”
让数据变成循环利用的土壤，活动该如何进行？
首先，在活动页面埋点；其次，向同一个人推送两个或多个礼品，让用户选择其一；最后，根据用户的选择行为，获取更全面具体的属性。
“就比如，根据注册信息，我们知道她是一个女性用户，但并不知道她的年龄阶段。因此，在礼品推送中，我们分别选了适合20~30岁和30~40岁两种不同年龄段使用的产品，最后她选择了前者，我们就能进一步知道，这位女性处于20~30岁这个年龄段。”
随着数据不断补充叠加，在活动结束的时候，就掌握了更加庞大的用户信息。这些数据，就是下次做活动的强大支撑。
“数据不应该是静止的，要不断延伸。”
上升到更深的理论层面，就是先通过SDK埋点，抓取用户的基本属性（性别、年龄、喜好、行为等），以便精准地推送相应的活动给用户。
再就是利用A/B test和灰色发布来优化活动，让活动标签化、奖品标签化、广告标签化；然后用不断优化的活动使标签发生变化，给相同的标签加1，不同的进行调节，刻画完整的用户画像，让2D的数据延伸为3D数据。
打标签，经过一次活动，获得更多更细化的用户标签，更精准地服务下一次的活动。
3D用户画像
“因此，我认为活动数据最好的使用状态，就是让它成为土壤，变成直接生产力，为我们所用。”
最后，说到活动好坏的界定，peter引用了非常精炼的一句话。
不好的活动是广告，好的活动是服务
“不好的活动是广告，好的活动是服务。”
对活动盒子足够熟悉的人，会发现，这句话出自活动盒子的产品slogan。
广告特别是硬广，大部分用户是拒绝甚至厌烦的。一个活动，如果做的足够好，能够满足用户的需求；如果做的不好，于用户而言，纯粹是打扰，像强制推送的广告。
活动盒子产品slogan
怎么理解？Peter举了非常简单的例子。
在网上商城买了台电脑，商家给用户推送的是其它品牌型号的电脑，这对于用户来说，已经不再需要，就是广告；而如果商家推送的是电脑的其他配套用品，比如鼠标垫、耳机、散热器等等，正好是用户需要的，这就是服务。
到这里，相信在场的都理解了“不好的活动是广告，好的活动是服务”的深层含义。
原标题：精准+埋点+自动化，活动盒子正在用数据驱动活动
