借一个例子,说说我在做活动产品时踩过的坑(数据复盘)

数据复盘的一些经验。



先来回顾一下活动流程:

借一个例子,说说我在做活动产品时踩过的坑(数据复盘)


1
活动总用户数据(2017.1.1—2017.9.7)


借一个例子,说说我在做活动产品时踩过的坑(数据复盘)

转化成漏斗类图表:

借一个例子,说说我在做活动产品时踩过的坑(数据复盘)


有人有更好的做漏斗类图表的工具或者方法请在下面留言告诉我~~这个是用Excel柱状图做的,看起来比较粗糙,只能说给出个较为直观的感受。


整个活动期间共有约15.6w用户,参与量有30w左右。实际中奖用户11.5w,其中新注册用户9.2w,新老用户比例约为4: 1。总体费用在17w左右,也就是说一个用户的拉新成本不到2块(约为1.8元),从这个角度来看活动还算比较成功,以较低的成本拉到尽可能多的新用户。


中奖率为73.8%,由于我们活动中奖率是百分百,所以流失主要来源两部分:页面流失和串码错误。在以后的活动中可以加一个“领取按钮”点击人数的埋点,这样就可以看出页面流失率和串码出错率了。


2
活动期间数据对比


借一个例子,说说我在做活动产品时踩过的坑(数据复盘)

借一个例子,说说我在做活动产品时踩过的坑(数据复盘)


通过数据看出,周末周内用户参与量差异不大,平时和节假日差异较大,淡旺季差异较大,在各种节日中,五一>端午>过年>清明。


注:这里数据分析没有做差异性检验,即分析其他干扰因素(广告投放,宣传力度,投放罐数等)对活动数据的影响。如果能确定这些因素,可以借助SPSS数据分析工具判定在99%或95%的置信区间内各因素之间差异性是否显著。


3
注册用户对比


  1.  活动期间注册用户:非活动期间注册用户≈1.61:1

  2.  活动期间注册用户占总注册用户占比≈64%


通过这两组数据可以看出该活动对新用户的注册起到了一定的作用,但和上一部分数据一样,也需要排除其他干扰因素对结果的影响。在以后的文章中我会详细介绍如何通过统计学原理排除其他干扰因素,得到你想要的显著性检验。


4
注册用户后续转化行为


一个活动做下来除了要看拉新用户数,另一个很重要的指标就是这些拉新用户在我们的app,网站等有没有后续的行为,即把一些只是通过手机号注册的死粉转化成我们真正的活跃用户。


在9.2w多注册用户中总共有95人产生了购买行为,共产生了201笔订单,总订单金额19670.7元,每笔订单客单价97元。其中:


  • 直接webapp下单(免登录)91人,产生了193笔订单,总订单金额17542.70元,每笔订单客单价91元。

  • 二次登录的有6人,下单4人,产生了8笔订单,总订单金额2128元,每笔订单客单价266元。


可以看出来注册用户在之后是有产生一定的购买行为,但绝大部分来自于webapp(无需登录直接下单),活跃用户很低。往后可以通过短信,微信或者app推送等营销方式增强用户粘性,增加注册用户到活跃用户的转化率。


文章申明:本文章转载自互联网公开渠道,如有侵权请联系我们删除
文章评价
登录后可以评论
立即登录
分享到