单个活动VS 策略组合
如果只做一个活动的分析,估计很多同学都没问题。
因为我们有活动分析四步法:
第一步:定目标
第二步:找差距
第三步:看过程
第四步:写建议
搞掂!(如下图)
但是!当要分析的是一个策略组合的时候,麻烦就来了。因为一个策略组合下有多个活动,经常出现活动相互抢用户的问题。比如用户运营,同时对新用户、复购用户、沉睡用户有奖励。用户很有可能被优惠力度最大的吸引过去,导致其他的策略统统失效。
而且,策略之间也会相互重叠。比如用户运营的活动,与商品运营的活动相互重叠。如果设置成完全不可叠加,则用户又会奔着最优惠的去,其他的策略失效。如果设置可以叠加,很有可能堆叠出超级优惠,额外增加被薅羊毛的风险。
两下组合,经常出现上了一堆活动,还是问题遍地的情况:
1、用户留存、流失等指标不见改善
2、单个活动参与率始终不高,又找不到合理解释
3、不管,羊毛党横行;一管,各种指标又开始跌
4、单个活动评估出的效益,加总起来,比总业绩还高
综上,运营策略分析,核心要解决的就是:排兵布阵的问题。为了避免各个部门各自为战,需要围绕同一目标,把能投入的资源梳理清楚,再统一评估效果。
而想达成这个目标,就不能等到几十上百个活动做完以后,再试图拆解出每个活动的影响。而是要在活动立项的时候,就开始着手工作。
第一步:明确策略方向
进行策略分析第一步,是在整体策略上,得有个清晰的目标。这是避免各自为战的先决条件。
一般运营上,会选择商品/用户作为主目标。
如果选商品做主目标,可以从四大品类布局着手(如下图)
如果选用户做主目标,则先定整体策略,再定每一层目标(如下图)。
这一步看似简单,可对很多公司来说,非常难实现。因为很多公司,特别是大公司,讲究“政策延续性”,相当多的项目都是“因为要做,所以要做”或者“因为去年做了,所以今年继续做”,没有清晰的方向和整体规划。这种时候,自然也无法进行策略上分析。
第二步:统一收集信息
要收集同一个时间内的以下信息:
1、有多少活动在进行?
2、每个活动归属哪个部门?
3、每个活动服务哪些目标?
4、每个活动针对哪些群体?
5、每个活动配置了何种奖励?
总之,目标-部门-对象-商品-奖励,五大要素要对齐,这样才构成真正意义上的,围绕一个目标的:策略组合。并且,如果策略之间会相互有重叠,优惠可以相互叠加,或者活动相互争抢用户,在这个阶段就能发现。避免被薅了羊毛以后,才当事后诸葛亮(如下图)。
这个看似简单,可在很多公司,又是不可能完成的任务。大公司有大公司病,部门之间深沟高垒,信息不通很常见。小公司经常是有机会就上,缺少人员收集信息,还是不知道别人干了啥。这种时候,又自然无法进行策略上分析。
第三步:关注整体影响
当活动实际开始以后,每个活动的策划,都会盯紧自己的活动,输出单个活动的分析结果。因此在策略分析层面,就不需要在单个活动评估上浪费太多时间,而是紧盯整体目标。
先算清楚几个大数:
1、每个活动,对目标人群覆盖有多少
2、按单人实际获得奖励汇总,每个活动在各目标上实际消耗多少
3、在当前活动组下,是否能达成整体目标
4、哪一目标达成的好,哪一目标差
(如下图)
输出建议的时候,优先看大盘。这样才会体现出策略的感觉,而非陷在一两个具体活动力出不来。从整体上看,可以有如下布局:
总之,效益好,资源丰富,就多做投入;效益差,就专项解决。这样避免了只见树木,不见森林的问题。
而且这样做,能很好地回答领导们:“为啥单个活动都很好,大盘不涨”的问题。如果若干个活动叠加,影响的用户实际上是同一类,那就没有起到多活动相互补充效果。一个活动很容易单点见效,比如找个爆款打折,肯定销量,收入都涨了。但是覆盖不到某些弱势群体,则也不会对大局产生影响。总之,要把活动摆在一起看,才能看出效果。
第四步:逐项进行优化
除了看整体结果,围绕子目标,也能有很多有趣的发现(如下图):
试想,如果出现:
1、唤醒用户的专项活动,还没季度末清仓吸引的沉睡用户多。
2、新用户刺激首单的券,还没单品爆款吸引的新用户消费多。
3、VIP专属优惠没人用,都跑去买新品特卖了
则说明:这些针对用户的专项活动没有达成目标。要么是奖励力度不够,要么是根本没抓住用户需求,用一些毫无感觉的抵用券敷衍了事。发现了这些问题以后,就能对具体活动设置进行优化。
并且,如果一个用户重复的参与活动,则说明用户是明显的优惠爱好者。如果一个用户对活动不感冒,则说明可能是需求驱动/品牌驱动。这样分组做标签以后,也能推动精细化策略制定,优惠整个策略方向(如下图)。
小结
综上可见:想要实现真正的运营策略分析,首先得把运营工作,从一个个孤立的,单点式活动中解放出来,站在二层楼看问题。把各种主动动作拉通,看清楚围绕一个目标的策略组合是什么,才能做到策略层面的分析。
但遗憾的是,无论大小企业,都有很多业务方面的因素,制约了策略分析体系的建立。各扫门前雪的办公室政治,干就完了奥力给的粗暴运营,都会导致信息的不通畅。
数据分析师连发生了什么都是后知后觉,数据没有做标记,活动规则之间相互重叠毫无策略可言,又能做什么分析呢?
那作做数据的同学能做哪些改善呢?首先可以做的是第二步:收集信息。之后自己试着围绕一个目标,看各种活动的影响。这样即使业务方管理混乱,做数据的同学也能自己积累经验,增强分析能力。
所以强烈建议做数据的同学们把收集工作做起来,毕竟涨的本事是自己的,无论走到哪里都好用,与大家共勉。
本文作者:CIO之家的朋友 来源:36氪
CIO之家 www.ciozj.com 微信公众号:imciow