电商活动复盘：怎样高效实现数据精细化运营？

在人人都在谈

运营

和

大数据

的时代，每个人都会对运营说：“一定要用数据说话，做到精细化运营”，但到底该怎样做呢？

1.及时获取运营所需的数据：

2.合理定义

数据分析

的维度与指标：“定义的维度与指标”越贴近业务需求，越能发挥数据的真实价值。但是，很多公司对数据的划分很模糊，即使在分析时能合理定义，但因前期没有对这些维度的数据进行采集，也无法进行分析。

3.选择并使用高效的数据分析

工具：

选择正确的数据分析工具可以事半功倍。好的数据分析工具，不仅要满足现阶段业务的数据分析，还要满足企业发展过程中数据量增长与业务变化后的数据分析。

因此，可能会用到excel、spss、sas、sql、clementine、r、rapid-miner等工具。掌握这些工具，对运营人员的要求过高，按这样标准去培养一个运营人员，所付出的财力与精力相当于培养一名数据分析师。

4.拥有极强的数据分析能力，能与实际工作相结合：

数据分析能力，简言之，能从繁杂的数据中发现问题、总结规律，并能给出优化方案。而做到与实际工作相结合，不仅要求运营人员深入了解业务，还要有极强的逻辑分析能力，才能将数据与实际业务融合。

那么，数据精细化运营就是伪命题了吗？

当然不是，下面以某

电商运营

小张的对

618

的

活动复盘

为例，讲述怎样高效地实现数据精细化运营驱动。

在618期间，某小型美妆

电商

运营小张做了一次全新尝试的为期15天的大促活动《年中大促，“赔”你玩到底》，效果不错。因此，领导让小张给大家做一次活动复盘，并且强调要用数据说话。

此次618活动期间（），小张有两个主要尝试如下：

1. 个性化短信提醒。

在6月16日到6月20日活动期间，为了集中发力引导用户购买，新增对不同用户的个性化短信提醒。比如，给在活动之前将商品加入购物车的用户发送“你想购买的宝贝降价了！”；给活动期间浏览面膜商品的用户，发送“面膜优惠券”等。

2. 细化推荐模型。

主要细化了详情页的个性化推荐模型，比如，新增消费习惯相同的用户在大促期间购买的商品推荐等。

完成当天的必要工作，小张开始准备活动复盘。

小张首先梳理了复盘的重点：

活动的整体效果是对一次活动的综合评估，对于电商活动总销售额、总订单量、总购买用户数、平均客单价等都需要分析，且必须分析其环比与同比，才能看出具体增长情况。

小张通过查看数据得知，618促销期间比去年同期销售额高出约2000万，环比增长%（如图1），同比增长了55%。

注：文中图片均来自神策数据产品，所涉数据均为虚拟。

图1今年618促销与去年618促销的总销售额对比

小张进一步分析发现，6月16日至6月20日销售情况非常不错（如图2）。分析得知，这可能与此次活动的个性化短信提醒尝试有关，提醒促单的

转化率

高达30%，比原有

转化

率高了一倍。

图2活动期间的单日销售额情况

分析完活动的整体效果，只是复盘的第一步，效果不管是好或者坏，都需要通过进一步的细分分析，分析出其原因及之后的优化建议。比如，上面得知个性化短信提醒能有效提高转化率，在之后的活动中就可以将设置更多个性化提醒或者将周期拉长等。

在竞争日益激烈的今天，谁能抓住用户，谁就能加大胜算。

用户行为分析，是抓住用户必不可少的一环，也是每次复盘必须着重分析的一点。

小张对消费用户的访问时间、地域分布、优惠券使用情况等进行了一系列分析。下面以小张对用户的优惠券使用情况分析为例（如图3）。

图3用户活动期间每天的优惠券金额使用情况分布

图4用户活动期间的整体优惠券金额使用情况分布

大促活动定一个合理的优惠力度会事半功倍，这个优惠力度要对大多数人有吸引力且在可控成本下能使优惠后的利润最大。

由图3看出，用户活动期间每天使用优惠券金额为50-100元的占比最大，由图4看出，在整个活动期间使用优惠券占比最大的金额为100-200元，说明用户会有重复使用优惠券的可能性，在之后的活动中就可以基于此情况优化。比如，提高高额优惠券的使用占比，因为一般高额优惠券往往对应高订单额度；设置单品优惠券等。

用户行为有很多可分析的点，对于上面提到的优惠券使用情况分布这一点，就可以再进一步分析不同地域的用户对优惠券的使用情况。比如，一线城市使用优惠券的金额大，三四线城市使用优惠券的金额相对少，所以针对不同地域的人可以发送不同金额的优惠券。通过

分析数据，你能解锁很多运营密码，而不是像走迷宫，不知道哪条路是对的。

电商平台的核心竞争力之一就是商品竞争力，商品价值直接影响用户是否愿意购买，而商品推荐管理会直接影响商品的销售量，进而影响总销售额。

小张公司是一个小型美妆电商平台，商品品类包括洁面、化妆水、精华、面膜、防晒等。小张首先对不同类别商品进行了分析，分析发现，此次活动中总销售额占比最大的是防晒品类。这与预期一样，因为天气转热，防晒几乎成为女性每天必备且用量最大的商品。

小张又对同类别的不同商品进行了分析，以防晒品类为例（图5），可以看出排名第一的防晒是zil

ai

x防晒喷雾（抖音

网红

同款防晒），第二名是recipe防晒喷雾，第三名是安耐晒。因此，在未来拓品时，可以尝试抖音上的网红产品，因为抖音已经打开了产品知名度，不用再做用户教育。

图5防晒排名前五的防晒销售金额分布情况

电商活动中一般将高价值商品分为两类，一类单价低，销量大的商品，另一类是销量不一定最大，但是单价高，总销售额高。小张通过分析

得到

了这两类商品的商品id，并为其建立了商品分群，方便之后活动调用。但是分析过程中，小张发现了一个异常情况，有一个平常热销的防晒衫销量异常低，小张为了查询原因进行了转化漏斗的分析（图6）。

图6某异常防晒衫的购买转化漏斗

从上图可知，该防晒衫在6月9日之后就没有销量了，小张经过进一步的分析发现该防晒衫在6月9日就抢售一空，但因为大促期间太忙没有及时查看库存，所以没有及时补货，造成了大量损失。

从上述几个例子，我们可以看出通过数据分析不仅可以发现问题所在，还能找到优化方案。比如，当发现此次因没有及时发现没货而造成损失，以后可以设置库存报警机制，当库存低于20件自动给商品运营者发送邮件报警，让运营人员及时补货，并且在每次大促之前都要检查一遍商品库存，防止大促期间断货。

活动中的资源分配是极为重要的一件事，好的分配方式会给活动效果带来指数级的增长，同理，不合理的分配方式也会带来极大消极影响。

在以前，小张只能看到各个资源位的pv，通过单一的数据并不能判断资源位的价值，很多时候显示pv较高，但事实上却没有形成实际转化。小张一直以为banner位的点击人数很多，转化一定很好，并在此花了很多心思。但这次分析发现，实际上banner位的转化并不好。

因此，之后需要优化banner位的投放，比如点击banner不直接跳转商品详情页，而是先跳转到领取不同商品的优惠券页面再跳转到商品购买页等。

图7各资源位的转化情况

小张还发现，此次详情页下方推荐购买商品购买率显著提高（如图7），这与本次活动采用了新的推荐机制有关。这次采用的是新的个性化推荐机制，即根据用户的原有浏览行为设置了相关细分模型，当用户的浏览行为符合某一细分模型的特征，就会按照此模型来进行推荐。

对于电商平台，总销售额=用户数*平均客单价，往往平均客单价相对固定，要增加总销售额，主要是通过提高用户数，即

流量，这个时候就需要引流，特别是在大促期间。

在如今虚假流量泛滥的商业环境下，怎样识别好的渠道，好的投放方式、关键词

等，获得高roi变得更为重要。所以，小张也对投放的渠道进行了一些分析（图8）：

图8不同渠道的引流情况

上图可以看到，百度的引流数最多，地堆的引流数最少。但是，百度引流就比其他所有渠道都好吗？

当然不是，要判断哪个渠道好，还要进一步分析引流的用户质量，即这些用户有没有进行注册和购买行为，这个时候注册转化率就是一个很好的指标，即注册用户数除以启动app的用户数，这里所说的用户数是指各渠道引流的用户数，这个指标可以更准确的展示渠道效果，同理也可以计算购买转化率。

小张除了对渠道进行分析，还对渠道投放的关键词进行了分类以及分析。小张将这些关键词分成流量高质量高、流量高质量低、流量低质量高、流量低质量低这四个不同象限的关键词并总结了优化建议：

在之后的促销活动中，对于流量高质量高的关键词，可以加强投放；对于流量高质量低的关键词，可以把成本节省出来，投放质量更高的关键词；对于流量低质量高的，可以针对性的在渠道投放；对于流量低质量低的关键词，可以停止投放或优化。

最终，小张做了一个非常详细的分析报告只用了3小时（以上例子只是小张分析的一部分），第二天小张的运营复盘也得到了一致好评，很多建议被采纳，并列入二次深度讨论范畴。

从电商小张的618活动复盘的例子，我们可以知道的是，虽然一个公司要做到满足数据精细化运营的四大前提非常困难，但是也有解决方案，就是使用一个比较好的数据分析工具。

好的运营需要做到结合自身业务，把数据“榨干”，汲取有价值、有营养的信息，形成自己的数据/分析报告。

这样不仅可以给领导一个完美的答卷，也是对自己运营的一次总结提炼，获得成长。希望本文对你有帮助！