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。
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：
-
根据业务流程、用户的关键行为设计事件
-
为事件添加相关属性，并明确事件的触发点
-
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 ：
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。
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。