一、什么是个好的运营活动?怎样样才算是一个好的运营活动?活动方针告竣,且告竣方针投入的本钱是合适的,即投入产出比力高,则可以给出结论这是一个好的运营活动。 1、判定方针能否告竣一切数据分析的起头,都是有某一个方针的。运营活动数据分析的起头,也是要回到最初始,我们计划这场活动的方针是什么?权衡的关键点是找到量化活动结果的数据目标,也就是大师常说的“第一关键目标”或“北极星目标”。北极星目标目标来历于本次活动的方针,电商促销活动中最多见的方针就是快速卖货带动销售,响应的北极星目标就是GMV(定单金额总和)。然后拔取合适的对照工具,对照判定北极星目标能否有告竣量变。如跟客岁同期活动、大概同等量级且定位类似的活动停止对照。值得留意的是,由于北极星目标经常会遭到多重身分的影响,比如GMV的增加能够并不是运营战略有用,而是大盘流量的自然增加带来的。所以偶然辰除了看北极星目标,还需要对北极星目标停止拆解,判定拆解后与本次活动焦点战略关联最慎密的目标能否也告竣了量变。 2、为告竣方针,投入产出比能否合适电商活动中常见的投入本钱有间接的优惠好处补助,如红包、优惠券等,以及广告投放、KOL明星合作等。经过这些投入,可带来更多的流量和转化,从而提升售卖GMV。促销活动的终极本质离不开贸易代价,投入产出比越高,贸易代价也越高,这也诠氏缢为什么促销活动不间接就一切的商品都降价,让消耗者以最简单最优惠的方式采办,而要做优惠券、满减等玩法。焦点实在就是为了让平台和商家能以只管少的本钱获得最大的代价产出。所以在做活动复盘的时辰,也得看获得某一个量级的增加,支出了几多的本钱,这个本钱相比以往或类似活动能否偏高。 二、怎样经过数据分析找到题目和机遇点在做数据复盘报告的时辰,常见的情况是,我们算出了北极星目标涨了or迭代,给出了结论活动方针告竣or未告竣。可是,再往进一步,老板问,是什么缘由让北极星目标发生这样的变化的?很多人常常没法必定的给出确切的回答,这时辰就需要对数据停止深入挖掘了。 1、什么是上卷和下钻分析讲具体的深入分析之前,需要先讲讲上卷和下钻分析。数据分析中的上卷和下钻简化一点,实在可以改变成逻辑树里面的“汇总”和“细分”,如把销售总金额拆分为华南、华中、华北等地域来分析就是下钻,把广州、珠海、深圳、东莞等几大城市汇总为珠三角地域来分析就是上卷。随着维度的下钻和上卷,数据会不竭细分和汇总,在这个进程中,我们常常能找到题目标根源。 2、对北极星目标有挑选的停止维度下钻分析下钻的思绪需要遵守从宏观到微观、一层层往下细分的逻辑,但并不代表在每一层都需要对一切的维度的细分数据展现出来。下钻的维度有很是多种,需要基于对营业自己特征和本次活动的战略的领会来判定选用哪些维度来停止下钻,只需要展现最重要的细分数据即可。下钻的进程也不范围于牢固的1个大概几个维度,常常是多维组合的节点,停止分叉。当停止分叉时,我们常常会挑选不同最大的维度停止进一步拆分,若不同不够大,则这个枝桠就不再细分。可以发生明显差此外节点会被保存,并继续细分,直到分不出不同为止。经过这个进程,我们就能找出影响北极星目标变化的身分。以下罗列一些电商促销活动中常见的下钻分析的维度:
3、还可围绕关键维度,连系其他维度停止穿插分析完成多维度的下钻分析以后,针对出格重要的某几个维度,还可以尝试停止多维穿插分析。例如,将用户性别和渠道穿插,能够会发现微信真个男女用户跟微博渠道的男女用户差别,将品类和期间穿插,能够会发现分歧期间更合适分歧特征的品类爆发。但需要有个预期,此步今朝现实操纵上能够会难度较大。一方面,对数据提取和处置层面要求较高,需要获得专业的数据分析师投入较多精神来支持;另一方面,对穿插工具的判定需要有充足的营业敏感度和行业经历,对现状先有一轮深度的思考,洞察/揣度到一些迹象表白某两个身分之间极有能够是有关联的。否则有能够出现花了大量的时候和资本停止穿插分析,但得不出有现实代价的结论。 4、进程目标也不成轻忽
5、对细化的具体战略做考证此步调是每个数据分析都必须可少的环节,相对来说会更简单间接一些,首要的思绪可以参考OSM(方针-战略-考证)模子,按照现象拔取合适的权衡目标,然落后行战略前后的数据对照分析。具体就不外多赘述了。 三、几个需要避免的点1.一切数据都来历于数据库,对其他数据疏忽(内部数据、调研等)数据库中的数据很多时辰并不能反应一切的量化需求,比如用户在此次活动中下单了,但他的购物体验是好是坏、今后能否还愿意继续介入此类活动等题目、跟友商相比感受若何,此类题目更合适的方式是找到典型用户来停止深度的访谈或做普遍的问卷观察。 2. 不加挑选的停止数据分析数据分析的角度有很是多种,分歧的分析角度合适分歧的分析方针,应当围绕目题目目去挑选合适的分析维度,而不是标新立异按模板把一切的都跑一遍。且有些环节没法获得高质量的数据,偶然就需要做出定夺,宁愿不做此方面的分析,避免由于不正确的数据致使毛病的决议。 3. 先有方针成果,再停止数据分析,报喜不报忧(仅为了报告)在某些报告的场景下,为了方便下级快速get结论,常常不会把具体的分析进程和细节展现,而是挑重点结论出来构成报告。作为报告人,经常会不自觉的报喜不报忧,优先展现好的业绩,疏忽或跳过一些复杂难以论述的题目。久而久之,能够自己也会被压服,对存在的题目不予以重视。 4. 数据并不能解答一切的题目,对营业的了解和思考偶然更重要(研讨营业本质题目比研讨KPI目标更重要)在绝大大都的数据分析场景下,KPI数据常常是一切人关注的重中之重,一旦出现下降,就会经过维度的不竭下钻,定位题目数据环节。这时辰,从KPI视角来斟酌,就会去思考怎样去处理题目环节让KPI提升,然后工作就到此竣事了。这类形式带来的弊端,会让人过于科学数据在思考上偷懒,做的都是亡羊补牢而不是有备无患的工作。有些时辰数据题目背后的题目并不能纯真靠现状数值来诠释,而需要人跳出现状,看行业成长、研讨市场意向、了解用户心理来洞察。所以,看数据之外,每小我都需要有留有思考摸索营业本质题目标时候。 本文为转载分享&保举阅读,若侵权请联系删除 |