数据分析：如何分析活动效果？

编辑导读：“如果让你来评估这次活动，你会怎么分析？”无论是面试还是工作，做数据分析的同学都经常遇到这个问题。本文作者就对此展开了系统的讲解并分享了相关方法，供大家一同参考和学习。

场景还原：某音乐类APP，对新用户进行一个新注册即送7天会员权益的活动，用户注册后，自主决定是否点击领取，为期1个月，问：如何评价该活动。

一、活动评估常见错误

首先牢记，所有以评估/评价/判断作为动词的问题，答案只有一种：“好or坏”。

比如，如何评价该活动，可以回答：

这个活动很好，该继续做；

这个活动不好，不能做

这个活动不好不坏，鸡肋

这个活动没有任何改变，做了也白做

这才是评估类分析的核心结论。离开这四句话，其他的都是废话。比如：

活动期间有4万新人注册

活动期间注册人数比活动前多1万

活动期间新用户点击率是80%

活动期间新用户使用权益率30%

这些统统不是结论，只是分析过程而已。如果没有结论，直接甩这些过程指标，很容易遭遇业务方反问：“所以呢？所以呢？你分析了啥？结论呢！”最后被搞得灰头土脸。

二、活动评估关键问题

活动评估，首先要得出好/坏评价。如果评价是好，再看能不能继续做，还能做多少次；如果是评价是差，再看差在哪里，是差得不可救药，还是能拯救一下继续用。

数据+标注=判断。因此想得出好/坏判断，需要有2样东西：

明确的考核指标。

明确目标数值。

达标了，算好；不达标，不好。就这么简单（如下图）。

看似简单，实际上运营经常干的是：

稀里糊涂：老板让做我就做，至于为啥？咱也不知道，咱也不敢问。

呆头呆脑：我就是要做拉新人，拉就完了奥力给！

投机取巧：反正以前干过/别人也在干，干就完了。

浑水摸鱼：这是改变用户心智资源，数据岂能衡量！

总之，十个运营里最多只有俩，能准确说清楚现状和目标。这时候就需要数据分析师自己有独立判断能力。能分析业务逻辑、梳理业务过程，才能得出客观结论。这里我们拿完全稀里糊涂的场景举例，看如何帮运营理清目的。

三、从0建立评估模型的做法 第一步，梳理活动流程

运营活动会改变用户的行为，进而体现为数据指标的变化。从0开始建立评估模型，第一步就是了解活动具体流程，了解活动可能导致的用户行为变化。比如问题里的新用户送权益，可以按如下梳理（如下图）：

了解到行为变化以后，可以进一步看这些行为能用什么数据记录，能反应为什么指标的变化。经过梳理，我们就能看清楚：衡量活动结果的指标了。这些工作，应该是运营在策划阶段的干的事，如果事前没做好，事后就要补课。

第二步，筛选主指标

一个活动可能影响方方面面，比如上边的问题，有送东西，你说：

能增加新用户注册——没毛病；

能增加会员购买机会——似乎有机会

能提升忠诚度减少流失——似乎也有道理

能增加DAU！——额，理论上新注册多了，DAU也增加。

如果不看数据，光听嘴巴讲，以上当然都有道理。但真要一锅炖，让你计算没有流失的用户，送会员占比百分之几，产品本身占比百分之几，歌曲数量占比百分之几，能算清楚就见鬼了。所以，评估指标要分主次，才容易说清楚问题。

如果是事前定目标，那么活动的主指标应该与目标紧密结合，优选直接受影响的指标。比如活动是为了拉新，那主指标就是新注册用户数；如果活动是为了提高新用户留存率，那主要考虑的就是1-7日内留存情况。

这里看似简单，实则很容易被运营浑水摸鱼。运营经常喜欢扯一堆影响指标，甚至扯什么“我的活动从深层次改变了用户心智认知，从而达到了数据不可衡量的深远影响”，总之搞一堆指标进来，哪个好看说哪个，不好看的不说。