数据分析视角的营销方案设计与评估

1. 项目需求

目标: 利用促销推广活动,提升某电商平台中数码类产品的销售额。

具体方案: 对已有用户分群,进行精准活动推广,从而在最大程度上实现 用户的活跃召回 ,并推动购买行为的完成,最终达到 提升活动交易额 的目标 。

2. 指标量化

指标体系是分析师的指南针。将业务需求量化,建立恰当的指标体系,可以为后续的数据采集工作、具体场景分析提供指引。

根据此次项目需求,从活跃度、精准度、贡献度三方面来衡量活动效果。

评估指标体系

3. 数据采集

我们需要两个角度的数据:用户属性和事件属性。

  • 用户属性:即用户基本信息,比如性别、年龄、注册时间、渠道来源等等。
  • 事件属性:即用户进行的各项操作,比如注册、登录、浏览、下单、支付等等。

而活动分析需要在日常的操作中,嵌入某项活动,之后观察数据的变化。

数据采集的整体思路:

  1. 根据业务流程、用户的关键行为设计事件
  2. 为事件添加相关属性,并明确事件的触发点
  3. 检查需求,完善事件设计

最终形成一张给工程师的 埋点设计需求表

埋点设计需求表

4. 方案实施

4.1 基于促销活动的用户分群

针对数码商品,有两大类活动,一是满减活动,二是特定类型数码产品折扣促销。由此,确定目标用户群:

  • 满减活动营销用户群:最近三个月浏览过任意满减商品,且购买次数大于等于1次
  • 手机数码促销用户群:最近一年买过数码产品,且购买次数大于等于3次

4.2 根据用户群活跃时间,确定不同分组的的营销推送时间

分别查看不同用户群的活跃时间,在高峰期前发布推送。通常来讲,每天的下单高峰期在午休和晚上。

5. 效果评估

常用的分析模型如下图,图源自神策数据平台。

分析模型

事件分析,通过对基础数据进行筛选、分组和聚合,展现变化趋势、多维度对比效果,容易发现细分的关键问题点。

漏斗模型是一个覆盖业务全流程的模型,涉及用户的登录、浏览、下单、支付各环节的转化率与流失率,再结合其他模型,对每个环节进一步拆解分析。

在进行活动效果评估时,注意谨慎选择数据的参考基准,依据第二步构建的指标体系,逐个指标分析,评估营销效果,提出优化建议。

最后,复盘整个活动并沉淀经验。

ChangeLog

  • 20200630 add 4h
comments powered by Disqus