发布时间：2023-03-07 04:50:01源自：https://www.it-th.com作者 ：it谈话网阅读(318)
目前在互联网公司担任数据分析师，并负责DAU流量的增长策略与数据监控。
相信对于很多刚入门的分析师小白来说，评估活动效果、洞察业务机会，是所有工作中最可以体现价值感的事情，但也可能是令我们最头疼的事情。本文作者基于自身的实际工作经历，结合一个真实的运营活动，对活动评估中可以复用的数据分析“套路”进行总结和整理，希望能够给初接触数据分析的同学带来帮助。
一般来说，互联网公司的运营活动按照目的可以分为3种：拉新、促活、品牌宣传，尽管每种活动关注的核心绩效指标完全不同，但是分析的思路还是可以套路化的。接下来，本文将以某次促活活动为案例，分享下如何对一场活动的效果进行量化评估。
伴随着移动互联网用户的增速越来越趋于饱和，用户增长的破局方法不得不从拉新获客转换为如何促活存量用户。
通过第三方广告媒体app（比如微信、抖音等）投放针对老用户的素材对用户促活，已经成为很多公司用来提升存量老用户活跃度的有效方法（后续会统称为“渠道拉活”）
某公司的市场投放部门也开始投入预算试水「渠道拉活」这一项目，在项目启动一段时间后，已经回收累积了大量的用户数据，但是：
渠道拉活对于DAU的带动贡献究竟有多大？是否值得持续投入更多的资源？活动情况的ROI如何？是否符合预期？活动是否存在改进空间？这些领导和业务方非常关注的问题，需要分析师基于数据给出公正和客观的答复。
3.1
3.2 指标体系
3.21 流量规模
数据指标：
DAU参与活动的用户数（举例：渠道拉活成功召回的用户数）通过活动首次调起app的uv（举例：通过渠道拉活首次调起app的uv）通过活动首次调起app的uv占day的比例（举例：通过渠道拉活首次调起uv的dau占比）可解决的问题：
通过对比事先制定好的活动KPI指标，评估目标完成率与其他活动对比，评估促活的核心指标（通常是DAU）是否达到预期评估渠道拉活能够召回的用户量级有多大评估对DAU的净增量贡献有多大3.22 用户质量、用户画像
数据指标：
留存率（次日回访率、7日回访率、30日回访率）日均使用时长核心功能渗透率核心功能人均PV人群画像（性别、城市、消费能力）可解决的问题：
评估渠道召回用户的质量监测是否存在刷量作弊渠道3.23 用户行为
数据指标：
站外转化漏斗（举例：广告曝光-广告点击-成功调起app-deeplink抵达特定页面）站内核心行为的转化漏斗（举例：活动页-列表页-详情页）可解决的问题：
评估用户从站外渠道到抵达App的路径是否顺畅，发现产品bug或者可以改善的机会点评估活动的站内承接策略是否合理4.1 活动效果评估以及活动ROI分析
在量化DAU (或者活跃天数) 贡献时，需要减去用户的自然活跃量，即计算“净增量”贡献。该贡献可以分为当日贡献和长期贡献。
不得不承认，AB实验最擅长处理归因和量化的问题。它的思想是，将流量随机分为数量均匀和特征均匀的两组（即对照组和实验组），实验组用户只有在产品策略上与对照组不同，因此我们可以认为两组用户在同一时间维度上的指标差异，可以完全归因于策略上的差异。
通过以上方法，可以计算出拉活对于当日DAU的贡献、以及拉活对于未来30天DAU的总增量贡献。
对于活动成本的核算，我们可以通过 “总成本消耗量 / 总DAU增量”，计算每个DAU增量的成本，以评估ROI是否符合预期。
4.2 用户行为分析、和用户质量评估
可以以「大盘未参活用户」、「同期同类活动」、「往期同类活动」分别作为对比基准，基于用户行为漏斗、留存率、核心行为pv、人均使用时长等指标，识别本次促活策略是否有薅羊毛或者作弊严重的渠道，并评估活动拉来的用户质量好坏。但这里不作为本次分享重点，因此不再展开赘述。
作为数据分析师，实际工作中遇到的促活策略往往是五花八门，但是活动效果好坏的评估过程依然是有章可循的。最后，简单总结下本文对于后续活动评估的可复用之处：
如何构建活动评估的指标体系如何量化归因活动的短期贡献（即“首次归因”法） 如何在无法开展AB测试的情况下，通过构造对照组的方式，快速地量化评估长期的增量贡献。-End-欢迎分享转载→ 案例分享：如何通过数据分析进行活动效果评估
