導語:相信對於很多剛入門的分析師小白來說,評估活動效果、洞察業務機會,是所有工作中最可以體現價值感的事情,但也可能是令我們最頭疼的事情。本文作者基於自身淺薄的工作經歷,結合一個實際的運營活動,對活動評估中可以複用的數據分析套路進行總結和整理,希望能夠給初接觸數據分析的同學帶來幫助。
一、活動背景
伴隨著移動互聯網用戶的增速越來越趨於飽和,用戶增長的破局方法不得不從拉新獲客轉換為如何促活存量用戶。
通過第三方廣告媒體app(比如微信、抖音等)投放針對老用戶的素材對用戶促活,已經成為很多公司用來提升存量老用戶活躍度的有效方法(後續會統稱為“渠道拉活”)
某公司的市場投放部門也開始投入預算試水「渠道拉活」這一項目,在項目啟動一段時間後,已經回收累積了大量的用戶數據,但是:
渠道拉活對於DAU的帶動貢獻究竟有多大?
是否值得持續投入更多的資源?
活動情況的ROI如何?是否符合預期?
這些領導和業務方非常關注的問題,需要分析師基於數據給出公正和客觀的答覆。
二、分析框架和指標體系
1. 分析框架
活動整體增量效果評估
ROI 核算
參活用戶質量評估
2. 指標體系
(1)流量規模
數據指標:
DAU
參與活動的用戶數(舉例:渠道拉活成功召回的用戶數)
通過活動首次調起app的uv(舉例:通過渠道拉活首次調起app的uv)
通過活動首次調起app的uv佔day的比例(舉例:通過渠道拉活首次調起uv的dau佔比)
可解決的問題:
觀察促活的核心指標DAU是否達到預期目標;
評估渠道拉活能夠召回的用戶量級有多大;
評估對DAU的淨增量貢獻有多大;
(2)用戶質量
數據指標:
留存率(次日回訪率、7日回訪率、30日回訪率)
日均使用時長
核心功能滲透率
核心功能人均PV
人群畫像(性別、城市、消費能力)
可解決的問題:
評估渠道召回用戶的質量
監測是否存在刷量作弊渠道
(3)用戶行為
數據指標:
站外轉化漏鬥(舉例:廣告曝光-廣告點擊-成功調起app-deeplink抵達特定頁面)
站內核心行為的轉化漏鬥(舉例:活動頁-列表頁-詳情頁)
可解決的問題:
評估用戶從站外渠道到抵達App的路徑是否順暢,發現產品bug或者可以改善的機會點
評估活動的站內承接策略是否合理
三、分析過程
1. 活動效果評估以及活動ROI分析
在量化DAU (或者活躍天數) 貢獻時,需要減去用戶的自然活躍量,即計算“淨增量”貢獻。該貢獻可以分為當日貢獻和長期貢獻。
當日貢獻是指:當日的召回用戶對於當日DAU的增量貢獻
長期貢獻是指:由於召回用戶的後續迴流,在後續特定時間範圍還會持續貢獻的用戶天數增量。比如,活動後的50個參與用戶,在後續30天內人均活躍天數比活動前提高10天,那麼促活的增量貢獻就是1500天。
不得不承認,AB實驗最擅長處理歸因和量化的問題。它的思想是,將流量隨機分為數量均勻和特徵均勻的兩組(即對照組和實驗組),實驗組用戶只有在產品策略上與對照組不同,因此我們可以認為兩組用戶在同一時間維度上的指標差異,可以完全歸因於策略上的差異。
然而,該廣告拉活項目無法設計對應的AB實驗,但我們可以基於AB測試的思想,構造與實驗組“相似”的用戶群體作為對照組。具體過程如下:
將拉活渠道喚起app的用戶作為實驗組,未曾被拉活召回的存量用戶作為對照組;
選取可能影響用戶未來活躍度的特徵(比如機型、新增渠道、歷史活躍度、…),基於“特徵相同”的原則,對兩組用戶劃分為 N 對實驗組和對照組。注意儘量將特徵通過區間離散化,避免劃分出的某一組落入的樣本數過少,導致兩組樣本的指標差異不可信,比如特徵「新增日期間隔」可以離散化為:7天內、8-14天、14天以上;
計算 N 對實驗組和對照組的每一組的指標差異值,以及實驗組的總指標差異(等於每一組指標差異*人群佔比的相乘結果求和)
通過以上方法,可以計算出拉活對於當日DAU的貢獻、以及拉活對於未來30天DAU的總增量貢獻。
實際上,對於拉活對DAU的單次短期貢獻,有更為簡便的方法,即基於“首次歸因”的思想,通過“拉活首次調起app的uv”進行量化評估,即如果用戶多次啟動過app,那麼只有當通過促活廣告首次調起app了,才會計入到促活廣告的功勞。
值得一提的是,首次歸因的方法也可以應用至“產品新上線功能評估”的效果量化中,通常我們可以將“啟動app後首次訪問該功能的用戶量”作為該功能對dau的淨貢獻量
對於活動成本的核算,我們可以通過 “總成本消耗量 / 總DAU增量”,計算每個DAU增量的成本,以評估ROI是否符合預期。
2. 用戶行為分析、和用戶質量評估
可以以「大盤未參活用戶」、「同期同類活動」、「往期同類活動」分別作為對比基準,基於用戶行為漏鬥、留存率、核心行為pv、人均使用時長等指標,識別本次促活策略是否有薅羊毛或者作弊嚴重的渠道,並評估活動拉來的用戶質量好壞。但這裡不作為本次分享重點,因此不再展開贅述。
四、結語
作為數據分析師,實際工作中遇到的促活策略往往是五花八門,但是活動效果好壞的評估過程依然是有章可循的。最後,簡單總結下本文對於後續活動評估的可複用之處:
如何構建活動評估的指標體系;
如何量化歸因活動的短期貢獻(即“首次歸因”法);
如何在無法開展AB測試的情況下,通過構造對照組的方式,快速地量化評估長期的增量貢獻;
本文由 @郝笑笑 原創發佈於人人都是產品經理,未經許可,禁止轉載
題圖來自Unsplash,基於 CC0 協議
轉載請超鏈接註明:頭條資訊 » 案例分享:如何量化分析運營活動的活動效果
免責聲明 :非本網註明原創的信息,皆為程序自動獲取互聯網,目的在於傳遞更多信息,並不代表本網贊同其觀點和對其真實性負責;如此頁面有侵犯到您的權益,請給站長發送郵件,並提供相關證明(版權證明、身份證正反面、侵權鏈接),站長將在收到郵件24小時內刪除。