活动数据报告都在这,你的领导等着呢!

互联网时代,身边包围着各种各样的线上活动,有抽奖活动(线上线下都常见)、互动游戏活动(闯关赢奖品)、优惠补贴活动(每天都能见外卖、打车优惠券)、话题互动讨论(#我要上头条#,汪峰可是上了很久滴)......各种有的没的活动真是太多了,用户都见怪不怪了!不过,作为运营🐶来说,我们都把每个活动当做自己的孩子,每次都要为一个所谓的“小活动”付出巨多的心血:上线前的活动策划、沟通安排、开发测试、活动预热、投放渠道等;上线时的各种监测,唯恐出现一个bug;活动收尾时如何通知用户、如何派奖等,一堆事情,简直忙到爆!活动结束了,你的工作并没有结束,老板随即就会问你:"这次活动效果怎么样?来了多少新用户?转化了多少订单......”。其实,活动结束了,你的工作才刚刚开始,那就是“活动效果分析报告”。

活动效果分析报告,其实主要分成:本期活动分析总结、下期活动计划&预期

本期活动分析总结

总结:无非就是分析本次活动的数据效果怎么样;要是曾经有做过类似的活动,还要需要了解环比情况呗,我们一个一个说;

注:每个网站,每个活动可能关注的数据都不一样,我简单从几个常见数据入手,仅供大家参考哈!

1、访客数据:PV、UV

怎么看这些数据,不是傻傻得把活动期间每天的PV、UV都告诉给领导,没用的!

(1)活动期间VS   非活动期间

两者相比,才能知道因为活动网站多了多少的流量,才能体现活动的价值啊!才能体现你的“辛苦”啊,😊。我主要看两个期间的日均,如下。

另外,可以对比活动期间&非活动期间的人均访问次数,看看访问次数是变多or变少,或许能有一些意外发现哦!

(2)活动期较长的话,还要对比下每周的数据。

比如这是活动两周的数据对比,10/19-10/25这周的PV、UV都有所上升(这张图中,两周数据差别不算大,我们假设两周差别较大的情况),那就思考是什么原因:是不是随之时间推进用户对活动越来越感兴趣(研究活动的周期波动规则,比如竞赛排名的活动一般都是最后时刻参与的用户较多,大家都想最后博下拿奖)?还是活动产品新上了什么小功能(比如,我们之前的活动中后期就多加了一个分享的功能,数据就有不错的反馈)?或者是10/19-10/25这周是不是进行了新的运营(比如短信推送、微信号推送等)?

(3)环比同比

若活动不是第一次弄,那肯定要和往期活动进行一个对比,即环比情况;“同比环比”这个指标应该对于运营童鞋一点都不陌生,经常看有木有。在这数据工具里面,直接找环比增长值或者环比增长率,一般是看环比增长率,不过看你自己的需求;要是这个活动是每年定期某个时间点的活动(比如双十一、过年固定活动),那完全可以选择“上年同比值、上年同比率”,马上就可以知道今年活动相比去年数据到底是高了还是低了。哈哈,数据要是高了都好说,要是低了估计领导得请你喝咖啡咯!!😭


2、网站注册人数:(或者有的网站可直接统计活动注册人数)

(1)活动期间VS   非活动期间

同上分析,了解活动期间到底每天能带来多少新的用户?一周内每日的注册变动趋势是否跟非活动期间是一样的(比如,是周末高于工作日)?

(2)活动期较长的话,还要对比下每周的数据。

同上分析,分析下各周的注册人数趋势有没有什么规则可言。

(3)同比环比

同上分析即可。

(4)注册人数方面,重点强调一点:是不是都为有效用户,换言之有没有存在刷单用户,这个很重要,问题也很严重。之前,我们做了一个活动,第一期结束,马上从数据中发现刷单的用户特别多,立马在第二期上了防刷机制。当然大部分判断刷单用户的机制在之前的活动方案的风险中应该提前考虑到,但活动中可能会有一些意料不到的事情,比如我们之前的活动,没有考虑到某些风险确实是问题,但是若能及时发现、解决,并作为之后活动的经验,这未尝不是进步呢?


3、活动参与人数、活动页面登录人数

这个数据每个活动都要看,主要了解本期多少人参与了活动,每天参与的情况是怎样的一个走向?其他数据可参看以上维度进行分析!!!

这里多加一个分析维度:即参与人数中新老用户的分布情况,了解你们网站新老用户的价值,当然大部分网站必然是老用户价值大!老用户中,还可以了解他们的活动积极性(即除了这次,还参与了哪些活动,贡献大不大)

——这个分析维度适用于参与人数、转化情况、优惠券等。。。

4、活动转化情况(转化人数、转化金额)

转化情况多指:交易(电商购买、O2O下单等等),充值情况等;当然这个数据不是每个活动都需要了解,比如一些互动活动;其他数据可参看以上维度进行分析!!!交易转化数据还要记得分析:访问、下单、真正购买漏斗情况(这个之前说过,可参考我的另一篇文章《作为运营,你知道你的用户”流失“了多少吗?》);还有分析人均购买额、人均购买次数等等;(这些你们应该都懂,不多说)


5、优惠券数据

优惠券发放、使用等数据,这个很重要勒,这关乎到活动的回报率,换言之关乎到这个活动到底是赚了(多少)还是赔了(多少)(当然评估赔赚的指标不止这个,但是这个很重要,尤其对那些狂补贴的活动)。这个一定得好好分析,不然下次活动可能领导不给批了,啦啦啦!其他数据可参看以上维度进行分析,你懂得!!

6、不同玩法的对比

每期活动可能有不同的玩法,记得要对比下那个玩法更吸引人哈!

7、分享情况

这个比较简单,主要评估下分享功能是否在活动中受到大家的喜爱,互动效果如何!

8、各个平台对比、各个渠道对比

这个也不多说了,分析每个平台、渠道的效果,评估每个平台、渠道的质量,这个尤其对你们网站的渠道投放还是很重要的。这个数据分析维度可以包括以上7点!哈哈,这数据就多啦......

我只是提了几个常见的数据指标,大家可以对比自己的活动选取部分的数据维度,或者根据需求增加一些数据分析的维度,因“活”而异哈!我简单从一些角度分析了活动数据,给大家展示一张吧,若需要完整的展示的可以点击去了解下!


还有下期活动计划&预期,哈,写累了,今天就到这里吧,周末好好happy下。有没有下集呢?哈哈,我也不知道,或许你们的期待会让我更有动力啊啊啊!

最后补一句,那些数据做出来不是傻傻看的,一定要记得从数据中发现问题,发现规律,总结经验,在下次活动要尽量优化、避免。发现好的方面,也要继续延续下去啦......

周末愉快!运营人嗨起来!互联网人嗨起来!

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 160,108评论 4 364
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 67,699评论 1 296
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 109,812评论 0 244
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 44,236评论 0 213
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 52,583评论 3 288
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 40,739评论 1 222
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 31,957评论 2 315
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 30,704评论 0 204
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 34,447评论 1 246
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 30,643评论 2 249
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 32,133评论 1 261
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 28,486评论 3 256
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 33,151评论 3 238
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 26,108评论 0 8
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,889评论 0 197
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 35,782评论 2 277
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 35,681评论 2 272

推荐阅读更多精彩内容