以下文章來源于接地氣的陳老師 ，作者接地氣的陳老師

經常有同學抱怨，說自己做的活動分析被人DISS，諸如：“分析不深入”“沒有可落地結論”之類的批評。注意！并不是誰鬧誰有理。有時候來自業務部門/面試官的批評是沒道理的，要認真區分情況再說。一、活動分析的基本做法活動分析，有標準四步走：1、目標制定：清晰活動目標2、過程監控：監控活動執行3、結果復盤：看目標達成了沒有4、過程診斷：如未達成，則回看執行過程，查找疏漏點。
做活動本身是一個“指哪打哪”，高度目標導向的事情。因此活動分析中，目標是最關鍵的，清晰了目標才好判定效果?；顒舆^程監控，則是用來診斷問題的，一般采用漏斗分析法+對比分析法，看哪個環節掉鏈子。
比如針對1萬名新用戶派特定品類的優惠券，目標拉動其中5000人消費?；顒恿鞒?，則是新用戶登錄后通過彈窗領券，之后進行消費。那活動分析，就先看是否有達成5000消費的目標。如果沒有達成，再看哪個環節沒做好。是派的券壓根沒人領，還是領了券沒地方用（如下圖）。

注意！活動是分三類的：類型一：為了提升總業績，比如雙十一，618。這種一般是沖量型活動，投入力度大，參與商品多，有可能分子活動。因此一般是看整體業績目標是否達成。

類型二：為了達成特定目的，比如清庫存。都已經到尾貨期了，能多清一件算一件。這種時候一般不計較收益，而是達成目標即可。

類型三：為了定向提升收益，比如針對特定用戶投一批優惠券，拉升消費。這時候一定要考核收益，不能讓人白薅羊毛。最好直接設參照組，觀察有/無活動時差異。如果不能設參照組，則一定要記錄該群體活動前數據，作為對比。

雖然活動分析都是：“目標→執行→復盤→過程診斷”四件套，但是根據不同的類型，目標設法有差異，復盤方式自然也有差異，不能一鍋燉。然而有些時候，恰恰業務部門自己腦子不清醒，導致活動組織混亂。這時候要是怪數據分析師做得不好，就是無理取鬧了。二、典型的無理取鬧問題一：提升總業績的活動，不設總體目標。一張嘴“我做活動就是為了提升業績，分析下我提升了多少”——廢話！肯定是為了提升業績呀，難不成為了減少嗎。問題是，你要提升多少？不同的目標，投入力度，活動形式，宣傳渠道都有差異，事先不考慮，事后咋復盤。
問題二：不事先考慮自然增長率。實際上，很多業務本身有自然波動，肯定要提前考慮呀，不然活動咋組織。而很多業務，活動方案就是不知道哪抄來的。這些業務事前不考慮周全，事后抓住數據分析師，拼命研究“自然增長率的800種算法”，企圖通過修改自然增長率來起死回生……真是讓人哭笑不得。
問題三：活動前不做基礎準備。活動頁面不埋點，活動編碼隨便寫，活動券碼瞎胡用，派券對象隨意增刪。上活動的時候只圖快！省事！數據一塌糊涂，事后……事后分析個屁。
問題四：定向提升的活動，不設參照組。定向提升型活動是完全可以設參照組的，如果不設參照組，是很難看出來活動增量效果，自然沒法深入分析。
問題五：設參照組不考慮特征差異。參照組不是隨機拉一波人就成的，而是要考慮“哪些特征會影響結果”。比如已知高消費人群活動響應會高，則設參照組時，需保證參照組內高消費群體比例和活動組差不多，這樣才有可比性。不然結果肯定不對。三、常見的自掘墳墓當然，也有些是數據分析師們自己惹禍，常見的，比如：
惹禍一：不管業務場景，強行上模型。我就見過有數據分析師拿營銷費和GMV做回歸分析，然后拿R平方值來解釋營銷活動“效果”的。被人懟了還說這些人不懂統計學，額……
惹禍二：主動配合業務事后算“自然增長率”。結果不管你咋算，業務都不滿意，終于業務滿意了，老板不滿意！搞得自己里外不是人。
惹禍三：不找業務要目標，企圖用各種奇怪的東西代替目標。
實際上，在活動分析中，業務惹的麻煩要比數據分析師多得多得多得多。大部分的問題，都是業務自己目標不清晰、考慮不周全、事先沒準備所導致的，數據分析師要做的，更多是不要縱容這種瞎搞。如果條件不充分，就先給一些基礎數據，同時反復向大家灌輸正確做法。
有趣的是：老板是站在我們這邊的。老板也討厭業務事前不動腦子，事后亂找理由。所以大家一定要有信心，慢慢推動活動評估標準化，正規化四、更深入的做法當然，即使以上都做了，單憑一次活動，也有可能分析不出很深入的東西。因為一次活動能影響用戶范圍有限，給到用戶選擇也很少，所以很難充分了解到底是產品不行，活動設計不行，還是用戶沒需求。這種深入的洞察，是需要多次活動數據擺在一起看，才能發現的。
以下這些場景，都得至少做2次以上，才能在對比中發現問題。比如：

• 雖然有活動一直做，但參與的都是同一類群體 → 活動影響有限
• 有些用戶就是一有活動就來蹭，沒活動不買 → 薅羊毛群體
• 有的商品就是沒銷量，活動都帶不動 → 選款失敗，先天不足
• 有的活動形式，就是吸引用戶更多 → 活動本身受歡迎
• 把活動操作減少了，參與立馬提高 → 活動流程優化