本篇介绍了数据分析师应对一年N次的营销活动需要做的准备，希望可以对数据分析的学习或者数据分析师的工作有所帮助。

双十一已经吹响号角，似乎别人都在开心的买买买，但对于数据分析师们来说这其实是一场“灾难”！

一天之内，领导给的数据挖掘和分析需求就跟漫天雪花似的。产品、增长、运营、市场各方大佬们，也在不断地催促我们提供数据决策！我能怎么办？只能不断安慰自己，日子凑合过呗，还能辞咋滴？但基本没什么用，每天都是好几个需求，最让人忍不了的就是，还被嫌弃出决策慢。这个工作量，有本事你们再招个数据分析师啊！

作为双十一的你们总是早早的拿出了小本本，开始了成篇的活动采购攻略和清单，作为数据分析师这里就有了对付你们的分析大法集合，心里默默诅咒你们付不起尾款。

针对这些类似双十一，一年N次的营销活动，数据分析师该做哪些分析准备呢？

备战1：清楚营销活动的类型

世界上的活动总是千千万，一年一换，越来越不能理解那些营销者销的思想，每年想出来的那些千奇百怪的优惠内容他累不累啊，只想说数据分析师们真的很累，可以抛开复杂的活动形式，站在商业经营的角度，其实营销活动可以分为品牌类，大促类，商品类，用户类和精准类五类，如图：

所以在活动分析的时候，能够明白活动规则，并将其分好类别，最后可以将活动输出统一的模板，方便制作报告，也可以进行横向对比，得到更加丰富的结论。       

备战2：理清营销活动分析思路

营销活动的周期相对较短，但是力度较大，因此分析此营销活动要有很强的目标感：

1、活动是否达成目标

2、目标没达成的原因是什么

3、如达成目标，效率是否可优化

4、达成目标后，对整体经营有何影响

当有多个活动同时开展的时候，能够遵循：分门别类，从小到大的顺序。先从单次活动入手。

一看单次活动目标达成情况，效率。依据活动目标，对当前活动做出好/坏评价。评价将直接影响到后续的分析。好则总结经验，坏则分析原因。

二看同一类活动，过往达成，效率。把整体活动的数据串联起来。把同一类活动的过往记录放在一起，可以看出此类活动的整体效果，以及哪一次活动效果最佳，和本次活动相比去分析好坏，会更容易得出结论。

三看不同类活动交叉效果，是否改善了整体状况。比如可能同时有商品活动在做，用户活动也在做。都会对用户转化率有影响。那在多重作用下，到底用户转化率提升没有，用户结构是否去到我们理想状态。如果多重作用叠加都没有达到预期，那就得认真反思：是否整体策略要调整。（监控思路类似下图举例，当然还能有更多维度）。

四看整体营销费用ROI，业绩营销依赖度。（监控思路类似下图举例，当然还能有更多维度）。

备战3：做好预设目标管理与记录

预设目标非常重要。目标是衡量活动效果唯一标杆，因此必须事前谈清楚。如果事前没有清晰目标，不但事后分析无从下手，而且让人质疑：连目标都不清楚，你们设计活动稀里糊涂，怎么可能有好结果。

要点一：不是所有的活动都有销售目标。比如品牌类活动，本身就不是为了硬性带货的，完全可以设阅读量、点赞数这些非销售指标。所以在预设目标时注意：一个活动，要带货就必须有带货手段，有考核要求；要不带，就干脆不设销售目标。所有扯“间接影响”“深层效果”“心智启发”一类的，都是浑水摸鱼的做法。

要点二：参照组有两种设法，合理选择。一般来说，用户类活动参照组，按活动前后来设，关注用户行为是否因活动改变了习惯，提升了质量。精准营销类，按响应/非响应来设，将同一波人劈成两组对比。这样可以观察精准的效果。但是目前很多基于APP，网站等的用户类活动，实际上也是个性化推荐，封闭了宣传渠道，因此也可以按响应/非响应来设。具体差距是宣传是否封闭宣传渠道，能封闭的才分两组，否则就按前后对比。如下图：

要点三：不是所有的活动都有参照组。如果是大促类活动，公司投放巨额资金，目标就是尽可能多的吸引消费者。这时候设参照组是毫无意义的——如果有一波没被影响到的参照组存在，证明大促做的不好，居然下了血本还有人没被波及。大促类，更关注对整体指标的营销，关注总量、极大值。如果是商品类，关注的是整个商品生命周期走势，是进销存的节奏感。上市铺货，就该关注铺货面，销售量，让新品尽快占领市场。到了成熟期就得关注销存节奏，控制补货，往还有需求的地方调拨商品，逐步减少库存。到了衰退期，就得尽快甩货，减少库存成本。商品类，往往和同类商品进行生命周期比较。这两类数据看法如下图所示：

要点四：过程指标，要挂一个结果指标考核。此类问题专指用户新增、活跃、留存。这三个指标往往不是企业追求的最终结果。因此需要有一个质量指标。比如新用户注册后7天活跃，转化率等等。

因为做活动分析，最大的问题都是出在目标上：

所以能够设立一个清晰、具体、有节操的目标，就是做好50%的活动分析。

备战4：做好活动流程监控准备

在正式分析前，一定要提示做好活动流程监控。特别是活动较多的时候，每一个活动的页面埋点、用户数据采集、业务上线时间等要有清晰记录。事前没有做好记录，各种数据缺失，事后肯定没法分析。

监控中，优先关注目标达成情况

▶ 目标达成：总结经验

▶ 目标未达成：复盘教训

在活动的进行过程中，如果监测到目标达成率很低，那么就可以进入第二步：去分析原因，进行阶段经验总结，然后去调整从而去促进目标的达成。

备战5：做好活动事前分析

营销是由至少8个步骤构成的：

其中步骤1-4是前期策划阶段主要考虑的问题，5-8是执行阶段的主要考虑。在活动推出前需要做好洞察，找准需求和卖点，才能起到好的效果。这里有可能产生很多事前分析专题，如洞察用户需求，方案A/B测试，活动效益预估，销量预测，备货数量预测等等，。如有必要，数据分析师可以单独立项一一进行事前分析。还可以把过往项目复盘报告拿出来，按活动类型归纳已有经验、教训。事前策划好，这样的话就会减少活动后的工作量。

备战6：掌握活动执行计划

在活动开展过程中，很有可能业务部门做一些临时调整。特别针对5-8环节，这是出现问题最多的地方，也是调整最多的地方。诸如投放渠道转化率不行，投放分配不合理，文案效果不好，跳转链接出问题等等。掌握活动的预定计划，了解活动过程中出现的问题与调整方案，对于分析活动有重要意义。这些执行上漏洞与修正能够及时掌握才能做出全面的分析，从而促成活动的最终效果。所以要实现和业务沟通好，拿到计划，及时了解进度，之后才能一路顺畅。

好数据分析结果来自完善的准备

很多做数据分析的人总是很“冤”，总是被吐槽，“分析不够深入”，“你这做的运营也能做，要你干啥”，其实种种都是因为没有做好完善的准备，最后只能是就数论数，对着业绩曲线挠头。或者有准备但是没有节操，面对业务随意变更、修改目标不敢提出异议，不敢保留讨论会议纪要。结果事后分析变成了跟风附和。这些不能全怪做数据分析的，毕竟很多公司没有正规的分析体系，缺少对数据的尊重。但是这不妨碍我们朝着正确的方向努力，争取理想的状态。毕竟生活到处都是坑，但是能够锻炼出来的本事是自己的。

共勉。

关注“职坐标在线”（Zhizuobiao_Online）公众号，免费获取最新技术干货教程资源哦