活动效果预测分析方法 第1篇
例如，Google Analytics指标就是分析指标。 “分析”本身意味着检验数据集从而得出结论的过程。因此，“分析指标”是为了检验各种目的的一种数据集测量方法。
Google Analytics指标包括：会话，网页浏览量，跳出率，流量来源，网页退出，目标，每次访问的互动情况，社交概览和购买概览。每个指标可以根据维度进一步分类，维度包括设备类型，区域，语言和浏览器。
记录这些数据集后，你需要使用营销指标对其进行分析，然后才能做出业务决策。
了解更多信息：如何使用大数据分析增加营销投资回报率（）
在计算营销业绩和投资回报率时通常使用6个指标：
CAC（客户获取成本）
客户获取成本是根据总销售和营销成本除以特定时间段内新客户的数量来计算的。 有两种类型的客户获取成本（CAC）：100％线上CAC和线上线下CAC的组合。
客户获取成本（CAC）的营销比例
客户获取成本（CAC）中百分之多少是与营销成本相关的？ 该比率由总营销成本除以销售和营销成本得到。
客户生命周期价值与客户获取成本的比率
该比例由客户终身价值或客户生命周期价值除以客户获取成本得到。
回头客获取成本的时间
计算回头客的获取成本（CAC）所需时间的总时间（几周，几个月，几个季度或几年）。
营销产生的客户比例
将一个月内的新客户数除以客户总数后，即可获得营销产生的客户百分比。
受营销影响的客户比例
该数字由新客户数除以在营销活动中参与互动的总客户数。
这六个营销指标为聚类建模和评分类别提供了基础。换句话说，通过了解这些业务指标，可以正确设计分析指标以提供所需的数据集。
实施预测分析以优化业务决策
使用基于营销目标的指标可以让你将其转化为在实施阶段真正有效的营销模型。在执行它之前，需要确保能识别现有的营销分析及其数据。这些过去的结果将用作“之前”蓝图，你可以通过使用预测分析与“之后”蓝图进行比较。
营销预测分析的循环始于数据访问，数据探索，建模和市场营销活动的实施。在了解分析指标和现有数据之后，建模就是下一个阶段。而如果没有可用的模型，度量和数据并没有什么意义。
例如，有三种主要的预测模型：
活动效果预测分析方法 第2篇
有了衡量的指标和比较的对象，就可以进行“好坏”的判断了。
可以采用A/B测试方法，对用户进行分组，每组推送不同的活动方案，再对两者的数据指标进行对比分析。
对于本次活动来说会员收入越高越好，会员活跃率用来衡量用户的质量高低。
用之前讲过的对比分析方法里的对比表格，对两个活动方案的指标从多个维度进行对比分析。方案A代表买一年送一年，方案B代表打五折。
根据会员收入=会员购买量*会员价格，其中方案B的会员价格=1/2*会员价格。
对比较结果分情况讨论：
1.当方案A的会员收入>方案B的会员收入时，我们对方案A和方案B的会员购买量进行比较：
1）如果方案A会员购买量>方案B会员购买量，方案A在会员收入和会员购买量同时占有优势；
2）如果方案B会员购买量>方案A会员购买量>1/2*方案B会员购买量，方案A因为会员单价高在收入方面有优势，方案B则对用户更具有吸引力。
2.当方案A会员收入<=方案B会员收入时，方案B在会员收入和会员购买量上均占优。
有了“好坏”判断，进一步，我们可以挖掘为什么好的原因。
因为活动流程的每一个业务节点对用户转化都能够产生一定影响，所以可以从业务流程出发提出假设。
假设1：不同渠道的渠道质量不同
假设2：不同用户对产品的体验不同
假设3：不同用户对会员权益和会员价格敏感度不同
就可以继续用假设检验分析方法进行分析验证，找到问题的原因。
活动效果预测分析方法 第3篇
需要明确目标和现状，采用买一年送一年还是打五折应视实际情况和具体问题而定。
可以使用5W2H分析方法来向面试官提问，进一步明确问题：
What(做什么)：会员权益具体有哪些？
When(何时)：活动周期是多长？
Where(何地)：活动在哪些城市推送？
Why(为什么)：设置会员活动的目标是什么？
Who(是谁)：活动推送给哪些用户？
How(怎么做)：活动流程是怎么样的？
How much(多少钱)：会员费用是多少？
不同的活动流程会对用户行为产生不同的影响，从而形成不同的活动效果。例如活动推送可能是在推广渠道投放，也可能是用户进入APP后收到。
推广渠道投放会会直接影响用户注册，用户进入后弹窗则会影响活跃或留存率。
因此，首先需要对活动流程进行梳理，了解活动对用户行为可能产生的影响，用指标对用户行为进行量化监控，然后才能进行比较分析。
在这里我们假设活动是在所有用户进入APP后进行弹窗推送，对活动流程梳理如下：
接下来，需要围绕活动目标选出相关的指标。设定本次活动的目标为提高用户粘度和忠诚度，实现收入提升。
活动效果预测分析方法 第4篇
而且，在分析这些流程的时候，务必注意先后顺序。后续流程的问题可能是前置流程问题的多重叠加，所以一定是从前往后逐层分析。比如有关新用户注册问题。要先看各个用户来源渠道的投放力度，活动是否及时上架，何时与投放结合。之后才是深入分析文案、活动礼品、领取后行为等等。
清楚上面的整体概况和关键流程以后，就可以看用户在各个流程产生了哪些行为、记录了哪些数据、反应到哪些指标的变化上了。没有标准，就难说好坏，合理、精准的指标尤其重要！但一个活动可能影响方方面面，比如一促销活动，优惠券的发放可以增加新用户注册，也可以增加老客户的复购，还能提升DAU。如果胡子眉毛一把抓，怎么都说不清楚。所以，一定要紧紧结合活动的目的和目标，优先选择直接受影响的指标作为主指标，言下之意，还要有些副指标侧面衡量，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，但是没有任何一个指标能把所有的问题讲清楚，所以拉新活动还要看渠道投放ROI，留存活动还要看留存用户的活跃度等等。
以下是不同类型活动的主副指标设计：
做效果评估，最忌讳搞几百个指标然后做巨复杂的评估公式，混淆进来的的东西越多，就有越多搞文字游戏的空间，就越容易_。一般来说，一个主指标+2个副指标就能说明问题，主指标越高越好，副指标不能低于某个阈值，越简单清晰的评估，才越容易看出问题。
建立了清晰的主、辅指标，接下来就可以找判断标准。判断无非就是比较，比较实际vs目标、有活动vs自然增长、参加用户vs未参加用户、活动前用户vs活动后用户，主要有四个基本思路：