作为数据分析师，如何评估活动效果

背景

正式工作已经十个月了，相较于现在的工作，我个人还是比较喜欢产品线下的数据分析岗，与业务较为贴近，所以近期也计划抽时间看看美国这边比较著名的StellarPeers专门为产品经理建立的面经网站和人人都是产品经理，补充一下跟业务相关的产品分析知识。
本篇这片文章的主题是：如何评估活动效果？
这一类型的问题是数据分析师面试中常见的case study。从目标到活动流程的逻辑梳理到指标的建立与评估，可以让面试官从每一个环节了解到候选人的分析能力与业务部门的合作能力。本篇文章的内容大部分摘自人人都是产品经理，作者是：接地气的陈老师。参考原文

假设一个问题：某线上教育APP，最近针对新用户开启了新注册则送7天站内课程全免的活动，用户注册后，自主决定是否要领取7天课程全免的权益，活动为期一个月。请问活动结束后，你会如何评判该活动的好坏。

如何定义评判二字

以评判为动词，答案只有一种：好或者坏。
所以，评判结果可以有以下四种可能：
1~ 活动好，继续做
2~ 活动不好，停止
3~ 活动很鸡肋
4~活动没有有利影响，不需要做
离开这几句话，其他的都是废话。这是评估类分析的核心结论。

活动评估关键问题

首先要得出评估结果是好是坏。如果是好，活动能继续多久。如果是坏，差在哪个地方，是否可以进行补救，还是应该直接舍弃。

数据+标注=判断。首先需要明确考核的指标，其次需要明确目标数值。达标了，算好，不达标，就不好。评估方式很简单。

从0建立评估模型的做法

第一步梳理活动流程

运营活动会直接或者间接地改变用户的行为，进而体现在指标上的变化。想要针对活动建立评估模型，第一步就是要从业务角度出发，了解活动的具体流程，活动中的每个环节会导致哪些用户行为变化。如图：

第二步筛选主指标

评估指标要分清主次，才能说得清问题。如果是实现已经定好的活动目标，那么评估的指标也应与目标高度关联，优选直接影响结果的指标。例如，活动是为了拉新，那么指标就是新注册用户；如果是为了提高用户留存率，那主要考虑1-7日留存情况。

通常情况下，采用一个主指标附加两个副指标的组合，主指标越高越好，副指标不低于或者高于某个水平。例如：主指标是新人数，副指标是7日内活跃率不低于多少，或者7天内登录天数不少于多少。

第三步设定判定标准

找判断目标，通常由四个基本思路。
1.从整体出发，看总量。比如本月需要10万新用户，所以必须做到10万。
2.同无活动期对比，看增量。比如无活动一个月5万，活动必须多5万。
3.同往期活动对比，看效率。之前拉新100块一个人，这次不能超过。
4.同无参与的用户对比，看差异。比如分参与与未参与，对比两组间的差异。

运营常常喜欢说自然增长率，但是这个只有在活动不频繁的时候才有参考价值。像电商，O2O这样的活动不断，就不适用。

而在设置参照组时，要考虑一些限制条件。例如参照组根本没有活动提醒或参与活动功能，且参照组要与活动组用户质量差不多。

第四步找到影响结果的过程

有了好坏的评判标准，我们就可以进一步分析为什么好，为什么不好，细化梳理业务流程，找到能影响结果的关键点。