數據分析：如何分析活動效果？

場景還原：某音樂類APP，對新用戶進行一個新注冊即送7天會員權益的活動，用戶注冊后，自主決定是否點擊領取，為期1個月，問：如何評價該活動。

首先牢記，所有以評估/評價/判斷作為動詞的問題，答案只有一種：“好or壞”。

比如，如何評價該活動，可以回答：

1. 這個活動很好，該繼續(xù)做；
2. 這個活動不好，不能做
3. 這個活動不好不壞，雞肋
4. 這個活動沒有任何改變，做了也白做

這才是評估類分析的核心結論。離開這四句話，其他的都是廢話。比如：

• 活動期間有4萬新人注冊
• 活動期間注冊人數比活動前多1萬
• 活動期間新用戶點擊率是80%
• 活動期間新用戶使用權益率30%

這些統(tǒng)統(tǒng)不是結論，只是分析過程而已。如果沒有結論，直接甩這些過程指標，很容易遭遇業(yè)務方反問：“所以呢？所以呢？你分析了啥？結論呢！”最后被搞得灰頭土臉。

活動評估，首先要得出好/壞評價。如果評價是好，再看能不能繼續(xù)做，還能做多少次；如果是評價是差，再看差在哪里，是差得不可救藥，還是能拯救一下繼續(xù)用。

數據+標注=判斷。因此想得出好/壞判斷，需要有2樣東西：

1. 明確的考核指標。
2. 明確目標數值。

達標了，算好；不達標，不好。就這么簡單（如下圖）。

看似簡單，實際上運營經常干的是：

1. 稀里糊涂：老板讓做我就做，至于為啥？咱也不知道，咱也不敢問。
2. 呆頭呆腦：我就是要做拉新人，拉就完了奧力給！
3. 投機取巧：反正以前干過/別人也在干，干就完了。
4. 渾水摸魚：這是改變用戶心智資源，數據豈能衡量！

總之，十個運營里最多只有倆，能準確說清楚現狀和目標。這時候就需要數據分析師自己有獨立判斷能力。能分析業(yè)務邏輯、梳理業(yè)務過程，才能得出客觀結論。這里我們拿完全稀里糊涂的場景舉例，看如何幫運營理清目的。

運營活動會改變用戶的行為，進而體現為數據指標的變化。從0開始建立評估模型，第一步就是了解活動具體流程，了解活動可能導致的用戶行為變化。比如問題里的新用戶送權益，可以按如下梳理（如下圖）：

了解到行為變化以后，可以進一步看這些行為能用什么數據記錄，能反應為什么指標的變化。經過梳理，我們就能看清楚：衡量活動結果的指標了。這些工作，應該是運營在策劃階段的干的事，如果事前沒做好，事后就要補課。

一個活動可能影響方方面面，比如上邊的問題，有送東西，你說：

1. 能增加新用戶注冊——沒毛??；
2. 能增加會員購買機會——似乎有機會
3. 能提升忠誠度減少流失——似乎也有道理
4. 能增加DAU！——額，理論上新注冊多了，DAU也增加。

如果不看數據，光聽嘴巴講，以上當然都有道理。但真要一鍋燉，讓你計算沒有流失的用戶，送會員占比百分之幾，產品本身占比百分之幾，歌曲數量占比百分之幾，能算清楚就見鬼了。所以，評估指標要分主次，才容易說清楚問題。

如果是事前定目標，那么活動的主指標應該與目標緊密結合，優(yōu)選直接受影響的指標。比如活動是為了拉新，那主指標就是新注冊用戶數；如果活動是為了提高新用戶留存率，那主要考慮的就是1-7日內留存情況。

這里看似簡單，實則很容易被運營渾水摸魚。運營經常喜歡扯一堆影響指標，甚至扯什么“我的活動從深層次改變了用戶心智認知，從而達到了數據不可衡量的深遠影響”，總之搞一堆指標進來，哪個好看說哪個，不好看的不說。

做數據評估，最忌諱搞幾百個指標然后做巨復雜的評估公式，混淆進來的的東西越多，就有越多搞文字游戲的空間，就越容易粉飾太平。越簡單清晰的評估，才越容易看出問題。

有了清晰的主指標，可以找判斷標準。找標準有四個基本思路：

1. 從整體結果出發(fā)，看總量。比如本月需要10萬新用戶，所以必須做到10萬。
2. 同無活動對比，看增量。比如無活動一個月5萬，活動必須5+5萬，多的5萬作為標準。
3. 同過往活動對比，看效率。比如拉新活動一般100塊一個新人，所以這次不能超過。
4. 同無參與的用戶對比，看差異。比如分無參與組/參與組，對比參與組新注冊數/留存率。

站在公司角度，肯定是第一種方法最實在。但站在組織活動的角度，都喜歡突出自己的貢獻，因此傾向于用2、3、4種方法。運營最喜歡談：自然增長率（沒有活動情況下，自然增長是多少）。并且總是傾向于把自然增長率算得低低的，或者干脆弄成負數，這樣才顯得活動牛逼無比。

要注意的是：所謂自然增長率，只在活動不頻繁的時候才能計算。很多業(yè)務（比如電商、O2O），根本就是活動不斷，大活動套小活動，根本區(qū)分不出來，這時候就不適用。

同理，設參照組的前提，是參照組根本沒有活動提醒和活動參與功能，且參照組和活動組用戶質量差不多。如果不滿足這個限制條件就很難直接得出活動效益好的結論。這些方法都是看似科學，實則充滿玩貓膩空間。想討論清楚問題，就簡單直接立標準。

以上1、2、3步都是為了得出判斷做鋪墊。有了“好/壞”判斷。就能進一步分析為啥好，為啥壞。這時候就需要細化梳理業(yè)務流程，找到能影響結果的關鍵點。比如拉新活動，廣告投放渠道、廣告文案、注冊流程、進去以后提示權益方式、領取會員權益流程，都會有影響（如下圖）。

在分析這些指標的時候，要注意先后順序。比如有關新用戶注冊問題。要先看各個用戶來源渠道的投放力度，活動是否及時上架，何時與投放結合。之后才是深入分析文案、活動禮品、領取后行為等等。

這個題目如果拿來面試，你能一眼看出來菜鳥、新手、老手的區(qū)別：

菜鳥：我認為應該從用戶增長、產品體驗、品牌影響、商業(yè)收入、四大方面考慮，blablabla。然后你就抓住品牌影響問他，到底怎么衡量，基本就能把他問死。沒入門的菜鳥與新手之間最大差距，是他們根本不知道數據還需要做采集。菜鳥們最喜歡憑空講一些很難收集，但聽起來牛逼的指標。

新手：我認為應該考慮新人注冊數、新人次日、3日、7日留存、新人會員領取率、新人留存市場、新人點擊次數、新人購買會員數、新人使用權益頻次……（此處省略100多個各色指標）。建立神經網絡模型，綜合評估。

是滴，新人第一喜歡堆砌指標，似乎指標越多越牛逼。第二喜歡扯模型，不管模型能不能用，自己用沒用過，扯了就牛逼。唯獨會忽視標準問題。想懟死新人，只要問“憑什么增長5萬就是好，4萬9千1百2十7就不好！”“你建神經網絡評價模型，好/壞活動的標注誰來打，是對整個活動打標還是對某些指標打標，不同類型活動憑什么擺在一起打標”基本就把新人問蒙了。

說到底，活動評估這件事，又是一件思路清晰比技術高深重要，守住節(jié)操比思路清晰重要的事。只要對運營常見活動：拉新、促活、留存、轉化、裂變等等玩法有基礎了解。對常規(guī)運營數據有認識，對過往活動有了解跌，基本上都能答出正確答案。怕就怕對業(yè)務流程了解太少，連人家在干啥都不懂。

作者：接地氣的陳老師

來源：接地氣學堂