数据化运营之活动分析

优质的、有价值的活动运营方案能够严格的落地执行并且助力业绩提高，活动中实时数据监控及有效数据反馈可以对活动计划执行和快速解决其中问题提供重要保障。以店铺为例，我们该如何利用数据驱动活动运营呢？

第一步、根据店铺数据需求，搭建活动数据指标体系

1、确立本次活动运营的目的

如果活动没有设置目标，运营到最后很难衡量本次活动方案的好坏，影响执行者的积极性，同时难以沉淀其中的亮点和不足，不利于长远的发展。电商平台做活动的常规目的如下：

a)提高店铺知名度

b)提高店铺GMV

c)打造爆款提升销量

d)清库存止损

2、根据目的确定对应指标

活动目的确定后，对应指标可以根据对应业务确定：

a)提高店铺知名度

此类活动目的以曝光为主要效果，可以通过打折、半价、减免，好评返现，广告、买赠及满赠等促销方式，吸引更多用户关注。衡量指标及对应分析如下：

访客数（UV）：吸引用户关注可以分为拉新和召回，拉新对应的数据指标为新访客数增长，召回对应的数据指标为老用户数量，根据花费同时可以计算拉新和召回的单位成本费用。拉新和召回的数量越多效果越好，单位成本越低越好。

交易订单量：通过价格刺激及满减买赠等手段，提升交易订单总量，付出一定的成本实现店铺知名度的提升。对应的数据指标为订单量增长和平均订单成本，订单量由目标决定，订单成本越低越好。

曝光效果：通过广告的方式可以大幅度提升知名度。衡量广告效果的数据指标可以是曝光量和千次展现成本，曝光量由目标决定，千次展现成本越低越好。

b)提高店铺GMV

此类活动目的以销售业绩为导向，主要看店铺的GMV变化，也就是拉动用户消费而增强用户贡献，衡量角度如下：

GMV= 流量*转化率*客单价（从用户浏览角度计算，偏用户转化）

GMV=sku总量*动销率*库存周转率*商品均价（从进销存计算，偏供应链）

分析的方法主要为控制变量法，根据实际情况确定其中相对变化小的数据指标，寻找其中影响程度较大的单个指标。

c)打造爆款拉高销量

此类活动大幅度提升销量，目标是强化用户对单个产品的认知程度，可以对应奢侈品（走高客单价）和快消品（走量）两种商业模式。数据指标为产品销量和单台成本费用，以较低的单位成本实现销量的大幅度提升，打造爆款效果最好。

d)清库存止损

此类活动目的是减少库存压力，通过对比库存成本和促销降价之间的差额，目的是减少整体损失，从而达到止损效果。数据指标主要计算库存成本（方法有移动平均法；全月平均法；先进先出法；后进先出法；个别计价法；计划成本法；毛利率法；零售价法）和促销降价损耗（降价、打折、优惠券及广告等费用支出）。

1、确认分析指标系统的合理性，通过以下规则进行考量：

a)清晰性：指标是否简单易懂，方便与产品或者技术协作；

b)准确性：提供的数据是否能够准确衡量这个指标系统；

c)可计算：能够计算汇总，有延续性或者阶段性；

d)相关性：与商业价值或者活动相关性高；

e)逻辑性：对活动的结果和问题的解决方案符合逻辑；

f)重要性：对受众有价值，直接有效，能够定位问题并找出原因；

第二步、采集业务数据，向业务部门提供数据报表

1、数据采集

数据采集过程几乎占据整个分析流程的80%时间，只有20%用于分析，通过技术手段减少数据采集时间，提升分析有效时长有利于提升分析深度。数据采集常用的方法和途径：

a)问卷调查法：访问调查，邮寄调查，电话调查，网页调查等；

b)座谈会：通过与受访者沟通，获取相关信息，如品牌方，店铺小二等；

c)互联网：通过搜索引擎采集互联网上露出的数据，例如百度指数；

d)数据库：本地数据库已经存储的数据；

e)观察法：调查人员边观察边记录以采集信息的方法；

f)第三方软件：生意参谋、卖家网、情报通等相关数据软件。

2、数据可视化

数据采集完成后，通过图表、图形及dashboard形式反馈给业务部门，这样比直接数字更加直观。数据可视化工具最常规的可以使用Excel，能过解决大部分数据问题，此外SPSS/R/SAS等统计分析软件也是好的选择，如果技术水平略低可以选择tableau、fineBI、Qlikview、PowerBI等自助性BI工具。

第三步、利用数据建模和数据挖掘等技术，结合业务数据，提供数据分析报告，界定问题并提出解决方案

运营目标确认及数据采集基本完成，开始进行数据整合分析。有如下步骤：

a)结合实际业务确立衡量指标

假设店铺主要活动目的是提高店铺GMV，那么本次指标选择维度为销额、客单价，访客数、转化率、同比增长率、市场占有率、目标达成率等几个指标。

b)活动前期的销售预测与目标设定

通过线性回归分析的分析方法，对大盘、品牌、细分市场进行销售预测，

首先将预备数据输入到excel中，选择数据>>数据分析>>回归

在Y值输入区域输入需要预测的数据集，就是本次的销额数据；在X值输入区域输入需要改变的数据集，就是本次的年份或者月份数据，然后根据需求设定具体参数，进行简单的线性回归分析。（该处数据展示预测仅作参考）

最终输出预测结果：

图1大盘销额回归分析预测

预测结果通过计算得出，结合自身运营情况，预估店铺自身的销售目标、市场占有率和同比增长率。

c)监测活动预热期与活动期

活动预热期监测预约量和流量，根据前期目标确定预约量和流量，坚持目标完成情况和数量缺口，然后决定是否叠加资源；活动开始的前2小时爆量监测，根据活动销售目标完成百分比，确定在疲软期进销售种刺激方式，如价格优惠，淘宝客，优惠券及延长优惠时长等措施。

d)总结和评估活动

切入点1：活动的目标达成率是否符合预期？

评估：查看达成效果数据，评估活动效果和目标的设定是否合理。目标完成情况和预测差异较大，将实际数据与预测数据进行对照，总结其中的差异并分析产生差异的原因，利用数据反馈对现有数据模型进行优化和升级，同时沉淀其中的亮点和不足。

切入点2：目标达成，市场占有率和同比增长率是否符合预期？

评估：通过计算去年同期的增长率和市场占有率变化，与行业平均水平和竞争对手相比，利用波士顿矩阵评估店铺的真正活动效果。

图2同比增长率-市场占有率对比

通过对比市场平均水平可以判断我店处于的竞争梯度，以及与竞争对手的差距，矩阵同时可以应用到具体产品，可以分析我们产品结构组合是否合理，产品及资源分配结构是否实现良性循环（如果产品型号变化较多，可以根据产品属性进行划分，比如电视可以根据尺寸为标准分类等）。

切入点3：销售目标增长或者降低的主要影响因素是什么？

评估：主要因素有价格变动、产品结构、促销方式和资源叠加等。价格变动和货品结构与销售之间的相关性，可以通过回归分析和相关分析等定量分析方法确定其中相关程度，然后衡量具体因素对销售的影响；促销方式和资源叠加倾向于应用观察和描述等分析方法进行评估。

切入点4：活动促销方式对比行业是否有差异？

评估：观察市场其他竞争对手的促销方法，通过对比自有促销手段，寻找其中差异细节和创意，总结优势和不足，可以从时间节点的资源叠加方式、创意展示、规则理解、人为加购收藏操作等方面进行分析。

根据上述活动数据的分析，确定实际的活动效果，合理的评估其中指标，深度分析影响因素，提出合理化建议，沉淀其中的亮点和不足，完成完整的活动分析过程。有关数据化运营的步骤可能不够全面，欢迎拍砖和交流！

【温馨提示】思路网倡导尊重与保护知识产权。如发现本站文章存在版权问题，烦请提供版权疑问、身份证明、版权证明、联系方式等发邮件至tougao@siilu.com，我们将及时处理。本站文章仅作分享交流用途，作者观点不等同于思路网观点。用户与作者的任何交易与本站无关，请知悉。