大型促销活动是电商行业的标配，评估活动效果、洞察业务机会则是企业复盘提升的必经之路。
本文会总结并整理出一些可循环复用的评估分析思路，旨在为大家对一场活动进行有效的量化评估带来帮助。
常见促销活动按类型可划分为行业性活动、周年/店庆活动、月度活动、周度活动等；按品类可划分为综合类活动、跨品类活动、单品类或单品活动等；按规模，企业内部几乎均有超A、A(+/-)、B(+/-) 等不同划分的标识方法。本文所述大型促销活动基于行业性、综合类、超A/A+规模特征，即企业内普遍涉及的关键性促销活动。
评估前期，需要准备的数据及物料信息包括：
- 数据来源：
- 数据监测平台，如 Google Analytics；
- 企业内部数据，如CRM、ERP、CMS等；
- 企业营销数据，主要以广告投放为主；
- 企业运营数据等
- 数据类型：
- 站外广告投放及效果数据，如费用、地域、曝光/点击等；
- 站内流量表现，包含渠道、用户、内容、转化等方面；
- 企业销售数据，如订单、商品；
- 网站运营策划及落地数据，如活动排期、上下架安排、投放媒介计划、实际落地活动及内容等
- 物料信息：
- 活动前期材料收集，如主会场/落地页截图；
- 前期同步实施数据监测，包括活动落地页热图、CTA事件跟踪；
- 执行阶段材料记录，如执行物料、活动期间显著性操作问题（404、慢加载）、通知消息的文本/图片等
企业内部由于大促分析涉及的内容多、范围广、周期长，从活动结束到完成分析一般经历大概1-2周或更多的时间。因而从分析内容的详略程度、复杂程度以及周期来讲，可分为概要分析和详细分析两大类。
| 概要分析
出具时间
概要分析作为大促活动的总体性分析，旨在“快、准、整”的评估活动效果，因此一般建议在活动结束后1-2天出具结果。
思路重点
通常汇总并简单分析全站范围或活动本身的总体效果指标，全站范围涉及线上线下。包括所有设备端如网页、移动，及所有渠道含自营商城、第三方店铺、微店微商及小程序。
活动本身特指将参与活动本身的数据过滤出来，涉及类似但不限于主会场、分会场、单品页及其他落地页等。
效果指标关注流量、用户及销售三个方向：
- 流量：到站率，量级指标如用户数、会话数，质量指标如跳出率、平均停留时长、访问深度、业务目标转化率（如加购转化率、结算转化率、订单/购买转化率等），ROI等
- 用户：参与活动总用户数，新用户关注新增、留存、及该类用户订单量/销售额，老用户关注量级、复购、活跃、及该类用户订单量/销售额
- 销售：销售额总量及有效额，订单总量、有效量；以及会话、用户、有效用户的订单价值、连带率、利润及利润率
除上述内容外还包括其他企业指定的目标/KPI。
获得以上指标数据后，针对全站范围常作指标达标、指标环比/同比、及日级细粒度核心KPI趋势/特殊点等分析。针对活动本身常分析单个对整体的影响，当然还有如投入产出比，过去现在及未来预测，同级同类、最优平均、及拆分组合计算等对比分析。
其中：
- 结合预期或目标的KPI/标杆值进行指标达标分析。旨在分析当前数据是否达到或完成KPI/标杆值，与预期或基于历史数据制定的标杆进行对比，从而得知是否达标
- 结合历史数据进行指标环比/同比分析。旨在对比效果，获得此次与前次的效果差异从而探究差异原因
- 以日为细粒度的核心KPI趋势/特殊点分析，辅以均值线或KPI基准线，记录特殊的日期或数据点，从而获知趋势走向及异常/特殊的致因
- 活动对整体的影响主要关注整体销售方面，包括活动各项指标在整体的占比、活动流量对非活动区域的贡献（如引流、关联销售）、及更长分析周期内（如活动前后共4个月）的销售贡献。
结果输出
通过概要分析可得知此次活动及各模块的总体效果，经过简单的分析判断优劣以及一些浅层的“得失”，从而推进后续的分析内容，包括分析评估中发现的以及企业基于分析或启发提出的新需求。
| 详细分析
出具时间
面对企业营销、运营及销售等重点业务，选择不同方向、模块进行更全面、更详细的分析。通常在活动结束后的1-2周内进行针对性分析，从而发现优劣、探寻改进并延伸借鉴。
分析方向
流量作为大促活动的“C位”，依据其对各模块内容重要性，将按引流、活动运营、销售转化、商品、客户管理及用户体验的内容顺序阐述复盘分析的要点，大家可根据需要各自对应参考。
1、引流
该部分评估服务于营销部门，从流量质量、渠道效果及非流量效应着手，重点在于渠道的挖掘，需要关注：
- 流量规模TOP N且各方面表现都非常好的渠道
- 流量规模TOP N但各方面表现都非常差的渠道
- 流量规模大于中位数且跳出率高的渠道
- 流量规模大于中位数且转化率差的渠道
- 广告费用多的渠道
质量分析是为确保流量的真实性及正常。优先探查此次活动中是否存在作弊流量，如各指标表现极差或行为指标优秀但转化极差等，针对大量级渠道（硬广类优先）作基本报表类分析或进行异常监测的建模分析，从而获得这些特定渠道的概况及特征。
而后分析流量渠道中是否存在关键KPI的异常变化。通常拆分时间找到突发节点，如出现渠道效果突降突升等情况，结合当时具体活动操作找出如选品、落地页更换、运营执行、内部竞争活动等异常影响因素，从而得出异常的具体情况、相关成因及波及影响。
鉴于质量分析提供的数据可靠性，可进行总体渠道效果评估，识别优劣渠道列表、分析成因、提出好渠道的发展措施及差渠道的改进要素。具体需结合分析结果讨论、确认大方向。其中识别优劣渠道的影响因素可包括落地页、素材、站外来源媒介及投放执行情况（广告语、卖点、规则、出价等）。
当然，新渠道效果可单独提取，重点在新渠道/测试渠道的特征分析、属性聚类或相似度分析，可与之前类似渠道作比较，评估效果供业务执行及后续合作提供数据参考。
另外，归因作为效果分析中的重点，可结合不同渠道的“价值取向”应用多归因模型进行结果对比，从而综合评估渠道价值用以广告组合投放策略的制定。
此外非流量效应，如社会化媒体效果的评估，可从粉丝、点赞、转发、互动等行为指标进行增长分析。
2、活动运营
该部分评估服务于活动运营部门。按活动不同阶段、关注主会场/页面及促销执行情况，这里所说的活动阶段为预热期、当时当刻、整体促销及大促结束后。
活动预热期可从具体执行内容及其效果、预热对正式活动的影响（如6月1-8领的券在18当天使用情况，11月1-10收藏的商品在11.11当天的销售情况）以及预热期某指标异常的向下探究，从而评定总体效果及特定问题结论。
活动当时当刻关注正式开始当日/高潮日的效果（如双11的0点及当天），通过累计流量、销量等结果性数据进行同比、环比、时间变化对比等分析，得出效果异同点及其成因探究。与此同时可复盘主会场/页面情况，包括：
- 流量来源：兼顾站内/外流量入口，但以站外入主会场落地页的渠道质量为主，通过跳出、停留、浏览深度等指标分析入口分布情况及来源质量
- 流量分流：结合主会场页面布局记录，兼顾活动范围内及非活动范围的下游流量贡献，重点分析实际导流是否符合预期设定
- 转化效果：通过对流量、用户、销售转化的指标分析，判定主/分会场参与情况及非活动范围的内容/商品转化贡献，从而评估自身销售及全站带动性销售情况
- 用户注意力：基于页面浏览深度、停留比例及互动热点（参考热力图、像素图工具）分析用户注意力及点击分布，可结合活动页面自定义内容覆盖相关工具记录点位，且页面如有变动需及时记录确保数据准确性
整体促销阶段涵盖从预热到高潮、正式活动日、后期暖场/返场等几个阶段的总体解读。依据不同阶段定义的KPI和预期目标对总体过程、节奏、流程及关键节点进行分析，从而发现活动的发展变化趋势并总结目标达成与关键事件/节点的关系。
其中可特别关注促销执行部分，如优惠内容、力度及使用的效果及问题。用户产生的领取与使用行为对销售转化、留存回访及其他类型的带动效果，是评估优惠定义与执行效果的重要因素，并可发掘待提升改进的部分。
最后大促结束后的网站效果评估，主要面向活动带来的新用户留存、付费渠道停止推广后的用户习惯、下单后废单情况及大促活动真正给企业带来的实际价值衡量。这部分分析需长时间累计，与活动进行时存在时间差，为的是对企业重点关注的活动维度进行结论性总结。
3、销售转化
这部分评估服务于企业各部门，特别是销售部门。按总分品类、订单特性及流程关系性销售效果进行分析。
总体品类分析重点在销售分布情况。通过ABC法找到核心销售品类（如销售额、利润、订单量等指标），得出其累计占比。单品(类)分析基于特定单品，从销售开始向前进行转化漏斗分析，从站内活动环节进行商品销售内部来源评估，包括常规渠道（如首页、列表页、活动页、搜索页等）及活动渠道（如主会场、分会场等）；从站外广告渠道进行营销资源评估，然后总结用户高转化/潜力选择商品及可带动销量的高利用价值资源/渠道。
依据订单特性，常见关注包含有效订单、黄牛/羊毛党订单。经历一定周期后、利用最新订单状态，检查有效订单中的虚单情况，通过拆分各渠道订单状态、各品类/商品订单状态分析其各自真正有效订单占比，标识出虚单较多的特定渠道、品类/商品。
黄牛/羊毛党订单需对下单特定商品或使用特定优惠的人群作特征分析，可通过用户属性（如地域、年龄、设备、新旧等）、互动行为（如浏览、搜索、收藏等）及流量来源（如渠道、来源、媒介等）等多维度角度作特征总结。或企业存在类似用户名单，再结合数据作分类分析。再或通过非监督式建模（如聚类分析、异常监测）找到异常项集，结合数据得出特征。还可在下单的社群间进行关联关系分析，从特定交叉订单进一步探寻用户特征。
通过关联关系及流程漏斗分析销售效果是复盘必不可少的一步。销售关联重点在促销期间基于购物篮的关联、基于不同互动的商品关联（如浏览与购买）及基于用户的关联（如交叉销售、序列关联）从而得出相应内容关联性结果(图)，以便后续活动应对调整。
流程以转化漏斗为主，可从广义开放流程（如落地页-产品页-加车页-结算-提交订单、活动页-产品页-加车页-结算-提交订单、抢购-提交订单）、狭义购物流程（如加车页-结算-提交订单）分析各步骤转化/流失情况及后续流向。
同时关注高流失/跳出页面，包括其内关键互动/流程完成度、浏览深度及停留时长，汇总后得出整体转化情况，找到关键流失环节及其原因。
4、商品
该部分评估服务于企业采购部门及商品运营。从选品、定价到库存三个重点方向提供合理化的商品应用策略。
选品分析的是商品选择对促销活动目标达成的综合作用，观察类型商品（如引流类、主销类、带销类、利润类等）实际的目标达成情况，探究商品符合要求即策略合理的本质及影响因素，优化策略的同时可为未来活动合理化选品提供决策帮助。
商品定价对于活动及销售有直接影响。进行多方面对比分析，如同类商品定价及实际销售情况对比、商品与往期同类的活动效果对比、及商品与竞品平台的定价销售情况对比等，从而判断并优化定价策略趋于更合理性及符合活动对商品表现的预期。
商品库存与销售的供需关系，需从不同时刻点的下单库存量着手分析，重点在“走量”商品的库存与销量的变化关系、提交订单但未支付即商品锁库的库存与销量的变化关系、及可售卖库存与销量的变化关系，继而发现商品库存对销售的双面影响，归总影响点。
5、客户管理
该部分评估服务于企业用户管理部门，包含会员管理及客户关系。从整体参与活动的用户范围到聚焦转化有订单行为的用户范围作分析归纳。
对于参与活动的用户，一般会从不同受众特征维度，拆分活动周期、促销方式进行类比分析，从而得出不同特征维度下的用户表现情况。如分析结论存在极大差异性，或有如下关于用户的分析目的时，可进行着重分析。
基于上述不同特征维度分类后的用户在不同目标上的表现，帮助企业深入了解或识别特定活动下用户目标的达成情况及存在问题，其中包括新用户活动期间/结束后的留存、老用户的回访周期/频率、老用户的复购周期/商品/比率等。
有订单行为用户作为研究重点，可帮助企业了解大促活动中用户的习惯和喜好，包括从订单属性（如下单时段、价格段、品类等）、用户属性（如设备、新老、年龄、性别、所属细分群组等）、来源分流（如渠道、着陆页、内部引导性素材偏好等）等重点方向发现归纳更易于发生订单转化的用户画像。
接下来，可进一步探究用户的转化路径行为，从落地开始后的N项行为流、到达购物车前的N项行为流、完成特定目标或互动前的N项行为流中挖掘关键行为特征，如对目标影响极大的特征及其重要性排序、通过决策树识别不同行为如何影响下单等，获得页面及行为的高转化组合，为未来页面优化、预设行为流作指导参考。
6、用户体验
该部分评估服务于用户体验优化（含UI/UE、产品、功能等），关注企业平台/网站功能或体验对活动销售的全局性影响，如0点启动但网站宕机或延迟造成的用户拥堵/阻塞。
通常从基于页面或流程性的异常点（如页面行为流、高跳出页面、漏斗高流失环节）中找到核心问题，从而对页面布局、预设流程（如购物流、加车流、支付流等）、互动逻辑及功能设计提供改进优化的依据。
另外，除了企业内部对活动的复盘分析，还应关注外部环境发展动向及竞争者的策略。预先的行业背景调研可识别环境稳定程度（如疫情环境下多变的政策措施），判断变化是否与行业整体发展趋势相一致。公开性数据/信息可帮助企业预判大环境对活动销售至整体表现带来的影响。
而同期竞争分析可围绕上述重点分析方向，依据企业自身需求，查找竞争对手在相关过程中的实施操作及公开数据实现。通过常见方法（如SWOT分析、波特五力分析等）总结竞争者的经验利弊，以供后续发展参考。
END