《网店美工案例教程》 教学课件 第八章 活动策划数据分析
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
在复盘环节，我们要根据数据对活动结果进行分析，此时要避免夸大偶然结果，也就是说， 我们不能因为一次活动的偶然成功，而确定某些运营手段带来的偶然结果。
例如，某公众号曾经举办了一场礼物抽奖“拉新”活动，效果很好，一周涨了一万个粉丝。 运营者并不能判断礼物抽奖就一定能取得非常好的涨粉效果，而是要结合礼物的选择、海报 的设计、渠道的投放、文案的撰写等各项要素进行综合分析。
例如：某公众号平 台举办一次微课，目标参与人数 1000 人，其中 600 人是老用户，400 人 是老用户邀请的新用户。 如果平台已经对用户有了更细致的分层方法，则拆分也可以更为细致， 例如微博用户可以 分为普通用户、认证用户，或者按粉丝量级来划分为 100 人以下、100 到 1000 人、1000 到 10000 人等。
实际数据
20
对比 +10% +10% -5%
8.4 新媒体活动数据复盘 3．过程分析（Analysis）
基于各项行动指标的对比数据，我们可以具体分析此次活动的哪些环节做得好，哪些环节还 有待提升。 例如：在分析某“拉新”活动的新增用户量、获客成本等指标时，某个渠道的新增用户未能 达标，这时要深入分析该渠道中出现的问题，看问题原因出在用户质量还是推广素材上。
付费类活动
付费类活动是指引导粉丝付费的活动，核 心指标即电商类平台的转化指 标，包括付 费人数、新增付费人数、销售总额、付费 订单总量、人均客单价。 例如微信公众号 上卖产品、卖课的活动，即为付费类活动
传播类活动
传播类活动是指通过新媒体渠道推广品 牌、实现传播的活动，核心指标 包括病 毒 K 因子、传播周期。例如新世相主办 的“逃离北上广”“丢书大作战”就属 于传播类活动。
21
8.4 新媒体活动数据复盘 4．经验总结（Insight）
分析得到的原因如果能得到数据的验证，就可以把原因总结成经验。 例如以下是某次课程促销活动的复盘。
目标数据：分销员目标转化 120 单，预估转化率 33%。 实际数据：分销员实际转化 30 单，转化率不足 10%。
分销员转化率远低于预期，原因可能是产品客单价较高，新用户难以通过朋友圈海报被转化，因此后 期举行了答疑活动，通过海报将有购买意向的学员邀请到了群内，并将群内转化率提升到 50%，因此 以后也可以采用答疑活动的形式来进行课程促销。
12
8.3 活动数据监控与优化
活动数据监控
1
提前测试
2
环节分析
13
3
渠道对比
8.3 活动数据监控与优化
1．提前测试
如果是比较重要的活动，最好先进行测试，确保整体方向没有问题再全面开展
例如“运营研究社”在推送一场 课程优惠活动之前，先将课程优惠活 动的海报发送至“铁杆用户群”，想 了解用户是否认为这场活动的力度很 大。没想到第一版海报发出后，很多 用户都反映看不懂优惠规则。重新设 计海报后，避免了这种情况，活动也 得以顺利推进，如图 8-2 所示。
新媒体数据分析
CONTENTS
目录
01 新媒体数据分析概述 02 新媒体数据分析指标 03 新媒体内容运营的关键 04 微信公众号数据分析
CONTENTS
目录
05 微博数据分析 06 今日头条数据分析 07 新媒体广告投放数据分析 08 活动策划数据分析
第8章 活动策划数据分析
8.1 活动核心指标 8.2 拆解行动指标 8.3 活动数据监控与优化 8.4 新媒体活动数据复盘
促活类活动
促活类活动是指为了促进现有粉丝活 跃程度的活动，这类活动的核心指 标 通常是活跃用户数或活跃率。例如微 信公众号发起的留言互动，就属于促 活类活动
留存类活动
留存类活动是指为了增加用户黏性、减少粉 丝流失的活动，这类活动的 核心指标通常 是次日留存率、七日留存率和三十日留存率。 留存类活动的特 点是持续性，例如有些公 众号会经常在文章底部放现金红包抽奖链接， 或者 在每个月举办留言送书的活动。
19
8.4 新媒体活动数据复盘
2．结果描述（Result）
基于原有的活动目标，对比最终的活动数据，从而确定本次活动是否完成了目标。为了更直 观地反映结果，可以把各项行动指标的实际数据与目标数据做对比，并制作表格。
关键指标 活动参与人数
新增关注数 新增单个用户成本
表 8-2 目标与结果对比表
目标数据
22
8.5 活动数据分析常见误区 1．核心指标环节
在设置活动核心数据指标时，最常见的问题是没有清晰把握活动目的，导致核心指标设置不 合理。
例如，对于一场“拉新”活动而言，核心指标是新增用户数，但一些运营者会忽略用户质量，只关 注新增用户的绝对数量，不关注目标用户的相对占比。这样新增的用户不精准，实际意义上来说，即 使达成了目标，活动也是失败的。
17
8.4 新媒体活动数据复盘
GRAI 复盘法
1
回顾目标 （Goal）
2
3
4
结果描述 （Result）
过程分析 （Analysis）
经验总结 （Insight）
18
8.4 新媒体活动数据复盘 1． 回顾目标（Goal）
在做复盘时，首先要回顾目标，不仅包括活动核心指标，也包括拆解后的行动指标。
注意！！ 在回顾目标时，要注意回顾目标本身是否合理，分析当初是基于什么条件设定的目标。如 果目标一开始就不合理，复盘得出的结论也很难有说服力。
图 8-3 清空购物车活动第一版海报
图 8-4 清空购物车“涨粉”活动数据
15
8.3 活动数据监控与优化
在增加投放前，要对活动海报做修改，并进行成功邀请率测试，如图 8-5 所示。最终版本的海报突出“帮你清空购物 车”，让用户有获得感，将成功邀 请率提升 1.5 倍，达到每次分享可以带来 3 个用户。在活动最后 3 天，加大推广这张 高邀请率海报的力度，最终超额完成目标，如图 8-6 所示。
5
8.1 活动核心指标
课堂讨论
表 8-1 所示的活动分别属于哪个类型？
序号 1 2 3
表 8-1 活动描述及对应类型 活动描述
关注公众号领取现金红包 某教育类平台举办的学币充值活动 腾讯新闻制作的 H5，微信用户可以一键制作小红旗头像
所属类型
6
8.1 活动核心指标 2．设定核心数据指标数值
确定活动 类型
明确核心 指标
为核心指 标设定合 理的指标
数值
对数据指 标进行拆
解
7
8.1 活动核心指标
2．设定核心数据指标数值
两种指标数值的设定方式，分别是看竞品指标和看过往数据。
① 竞品指标
② 过往数据
参考竞品数据指标可以了解行情、避免在 设定目标时盲目乐观。如果是 第一次做活 动，可以多参考竞品的数据情况，选定的 区间只需要比竞品多 10%～20%即可。
9
8.2 拆解行动指标 2．按渠道
如果活动需涉及不同渠道，则可以按渠道进行划分。
例如“运营研究社”在销售《知识日历 2020》的活动中，将渠道分为了社群、公众号、 KOL 推广、企业定制等，并为每个渠道设置了不同目标
10
8.2 拆解行动指标 3．按业务流程
如：某平台计划在春节期间通过一周的准备达到 100 万日活跃用户数（Daily Active User， DAU）,如何分维度拆解。
课堂讨论
以下是一个金融类平台的两次活动目标拆解，请说出这两次活 动分别运用的是什么拆解方式。 活动一：新 增用户 60000。 A．渠道引入 58000 人。 ① 百度推广 30000 人。 ② 广点通 20000 人。 ③ 微博粉丝通 8000 人。 B．用户邀请 2000 人。 活动二：投资人数 600。 A．新投资用户 300。 B．老投资用户 300。
例如，某公司在产品发布活动中投放的渠道包括朋友圈广告、今日头条信息流广告、微信公众号软文等，发 现来自微信公众号软文的成交量最高。因此，运营者逐渐将更多资源投放到公众号上，挖掘更多优质的公众号进 行软文投放。
综上，现实情况下，活动在不断调整，监控活动数据有助于指导活动迭代的方向。 Ps：活动应当尽量不涉及大的调整，如果涉及非常大的变动问题，那么活动策划者就需要反省，是否在最开 始的策划环节就没有做好。
如果这类活动不是首次组织，可以直接根 据过往的活动数据来设定。例 如某公众号 要做一场微课“涨粉”活动，可以拿之前 做过的活动数据作为基 数，乘以目前比当 时高出的用户倍数，再来设定涨粉目标
8
8.2 拆解行动指标 常用的拆分维度包括：按人群、按渠道、按业 务流程。 1．按人群
最基本的人群拆分方式是将用户拆成新用户和老用户。
通过统计：第 1 天效果不错，当日“涨粉”超过了 3000 人， 但是到了第 4 天，这 个数字就降到了 88 人。 照这个趋势，目标肯定无法完成。这时候就要分析问题出 在哪个环节。
在拆解目标时，要拆到可执行、可 观测为止，数据的积累可以准确拟 定活动目标。
11
8.2 拆解行动指标
在拆解目标时，不能按照时间去平均拆分，例如目标销售额 10万元，持续 10 天，则每天的目标是 1 万元，这是不符合实际情况的，如此拆分很难指导活动的落地。根据经验，类似活动的数据会呈现 “U 型”，即开始和结尾的那几天销量高，中间低。拟定每天的目标，建议在按人群、渠道和业务流 程拆解后，根据实际情况来制定。
图 8-5 清空购物车“涨粉”活动最终版海报
图 8-6 清空购物车“涨粉”活动数据
16
8.3 活动数据监控与优化
3．渠道对比
渠道对于活动来说是很重要的要素。为了快速引爆活动，在活动策划时就需要挑选合适的 宣传渠道。运营者需要对不同渠道的转化数据进行采集和分析，如果在实际数据监控过程中， 发现某个渠道的效果好，可以适当增加这个渠道的投放，这样会更容易实现数据目标。
图 8-2 不同版本活动海报
14
8.3 活动数据监控与优化
2．环节分析
无论在活动的哪个环节，活动数据如果出现了异常，首先要确定是哪个环节出了问题。
例如在某一年“双 11”期间，“运营研究社”做了一次“清空购物车涨粉”活动，主要的活动形式是让用户分享海报、 参加抽奖，如图 8-3 所示。但活动上线后的第 3 天，“涨粉”量只剩 500，照此趋势，最终目标很难完成，如图 8-4 所示。
24
8.5 活动数据分析常见误区 3．监控环节
在数据监控环节，有一个误区是看到数据异常就急忙调整，甚至紧急取消活动。 但是如果不能准确定位问题，贸然调整和取消都会影响平台在用户心目中的印象，所以即使 数据异常，也要确定是哪个环节的问题，做好内测后再重新发布，切忌直接做较大修改。
25
8.5 活动数据分析常见误区 4．复盘环节
26
8.6 案例：活动策划数据分析实战 活动背景
为了庆祝“运营研究社”拿到了千万元 Pre-A 轮融资，公司打算做一场抽奖“涨粉”活动，奖 品是 iPhone XR。如何动策划数据分析的全部内容？
27
8.6 案例：活动策划数据分析实战 1．明确活动核心指标
活动目的：“拉新” 因此运营人员结合当前公众号粉丝量和之前举办的活动数据， 目标为一周内公众号涨粉 8000 人。
28
8.6 案例：活动策划数据分析实战 2． 拆解行动指标
用户看到海报
离开 否
是否感兴趣
是 关注公众号回复
关键词
成功参与抽奖 是
是否邀请
公众号弹出邀请 朋友参加提醒
邀请成功率
注意：公众号每天会有取消关注的粉 丝量，所以在监控核心指标时，也不 能忽略“掉粉”，因此要记录每天的 净增涨粉量，看最终得到的数字是否 超过 8000 人。
29
8.6 案例：活动策划数据分析实战
3． 数据监控与优化
接下来，就可以按照下表进行记录了。 表 8-3 抽奖活动的数据指标拆解
日期 DAY1 DAY2 DAY3 DAY4 DAY5 DAY6 DAY7
海报Байду номын сангаас化率
关键词回复量
成功邀请率
抽奖参与人数
30
当日“涨粉”
8.6 案例：活动策划数据分析实战
23
8.5 活动数据分析常见误区 2．拆解环节
将活动核心数据指标拆解为行动指标时，一个很容易犯的错误是没有为拆解的指标做好统计 准备，导致活动开始后无法监控，活动结束后无法复盘。
例如某位新媒体运营者在拆解产品售卖活动的数据指标时，将微信朋友圈和社群分为了两个渠道， 但实际活动过程中的渠道二维码并未做区分，也就无法分析这两个渠道各自的推广效果。
8.5 活动数据分析常见误区 8.6 案例：活动策划数据分析实战
4
8.1 活动核心指标
1．活动类型及对应指标
拉新类活动
拉新类活动是指通过新媒体手段新增粉丝 的活动，这类活动的核心指标 通常是新增 用户数，例如微信公众号上常见的微课涨 粉活动、微博上常见的 关注并@三个好友 的抽奖活动，都属于拉新类活动。
例如，某公众号曾经举办了一场礼物抽奖“拉新”活动，效果很好，一周涨了一万个粉丝。 运营者并不能判断礼物抽奖就一定能取得非常好的涨粉效果，而是要结合礼物的选择、海报 的设计、渠道的投放、文案的撰写等各项要素进行综合分析。
例如：某公众号平 台举办一次微课，目标参与人数 1000 人，其中 600 人是老用户，400 人 是老用户邀请的新用户。 如果平台已经对用户有了更细致的分层方法，则拆分也可以更为细致， 例如微博用户可以 分为普通用户、认证用户，或者按粉丝量级来划分为 100 人以下、100 到 1000 人、1000 到 10000 人等。
实际数据
20
对比 +10% +10% -5%
8.4 新媒体活动数据复盘 3．过程分析（Analysis）
基于各项行动指标的对比数据，我们可以具体分析此次活动的哪些环节做得好，哪些环节还 有待提升。 例如：在分析某“拉新”活动的新增用户量、获客成本等指标时，某个渠道的新增用户未能 达标，这时要深入分析该渠道中出现的问题，看问题原因出在用户质量还是推广素材上。
付费类活动
付费类活动是指引导粉丝付费的活动，核 心指标即电商类平台的转化指 标，包括付 费人数、新增付费人数、销售总额、付费 订单总量、人均客单价。 例如微信公众号 上卖产品、卖课的活动，即为付费类活动
传播类活动
传播类活动是指通过新媒体渠道推广品 牌、实现传播的活动，核心指标 包括病 毒 K 因子、传播周期。例如新世相主办 的“逃离北上广”“丢书大作战”就属 于传播类活动。
21
8.4 新媒体活动数据复盘 4．经验总结（Insight）
分析得到的原因如果能得到数据的验证，就可以把原因总结成经验。 例如以下是某次课程促销活动的复盘。
目标数据：分销员目标转化 120 单，预估转化率 33%。 实际数据：分销员实际转化 30 单，转化率不足 10%。
分销员转化率远低于预期，原因可能是产品客单价较高，新用户难以通过朋友圈海报被转化，因此后 期举行了答疑活动，通过海报将有购买意向的学员邀请到了群内，并将群内转化率提升到 50%，因此 以后也可以采用答疑活动的形式来进行课程促销。
12
8.3 活动数据监控与优化
活动数据监控
1
提前测试
2
环节分析
13
3
渠道对比
8.3 活动数据监控与优化
1．提前测试
如果是比较重要的活动，最好先进行测试，确保整体方向没有问题再全面开展
例如“运营研究社”在推送一场 课程优惠活动之前，先将课程优惠活 动的海报发送至“铁杆用户群”，想 了解用户是否认为这场活动的力度很 大。没想到第一版海报发出后，很多 用户都反映看不懂优惠规则。重新设 计海报后，避免了这种情况，活动也 得以顺利推进，如图 8-2 所示。
新媒体数据分析
CONTENTS
目录
01 新媒体数据分析概述 02 新媒体数据分析指标 03 新媒体内容运营的关键 04 微信公众号数据分析
CONTENTS
目录
05 微博数据分析 06 今日头条数据分析 07 新媒体广告投放数据分析 08 活动策划数据分析
第8章 活动策划数据分析
8.1 活动核心指标 8.2 拆解行动指标 8.3 活动数据监控与优化 8.4 新媒体活动数据复盘
促活类活动
促活类活动是指为了促进现有粉丝活 跃程度的活动，这类活动的核心指 标 通常是活跃用户数或活跃率。例如微 信公众号发起的留言互动，就属于促 活类活动
留存类活动
留存类活动是指为了增加用户黏性、减少粉 丝流失的活动，这类活动的 核心指标通常 是次日留存率、七日留存率和三十日留存率。 留存类活动的特 点是持续性，例如有些公 众号会经常在文章底部放现金红包抽奖链接， 或者 在每个月举办留言送书的活动。
19
8.4 新媒体活动数据复盘
2．结果描述（Result）
基于原有的活动目标，对比最终的活动数据，从而确定本次活动是否完成了目标。为了更直 观地反映结果，可以把各项行动指标的实际数据与目标数据做对比，并制作表格。
关键指标 活动参与人数
新增关注数 新增单个用户成本
表 8-2 目标与结果对比表
目标数据
22
8.5 活动数据分析常见误区 1．核心指标环节
在设置活动核心数据指标时，最常见的问题是没有清晰把握活动目的，导致核心指标设置不 合理。
例如，对于一场“拉新”活动而言，核心指标是新增用户数，但一些运营者会忽略用户质量，只关 注新增用户的绝对数量，不关注目标用户的相对占比。这样新增的用户不精准，实际意义上来说，即 使达成了目标，活动也是失败的。
17
8.4 新媒体活动数据复盘
GRAI 复盘法
1
回顾目标 （Goal）
2
3
4
结果描述 （Result）
过程分析 （Analysis）
经验总结 （Insight）
18
8.4 新媒体活动数据复盘 1． 回顾目标（Goal）
在做复盘时，首先要回顾目标，不仅包括活动核心指标，也包括拆解后的行动指标。
注意！！ 在回顾目标时，要注意回顾目标本身是否合理，分析当初是基于什么条件设定的目标。如 果目标一开始就不合理，复盘得出的结论也很难有说服力。
图 8-3 清空购物车活动第一版海报
图 8-4 清空购物车“涨粉”活动数据
15
8.3 活动数据监控与优化
在增加投放前，要对活动海报做修改，并进行成功邀请率测试，如图 8-5 所示。最终版本的海报突出“帮你清空购物 车”，让用户有获得感，将成功邀 请率提升 1.5 倍，达到每次分享可以带来 3 个用户。在活动最后 3 天，加大推广这张 高邀请率海报的力度，最终超额完成目标，如图 8-6 所示。
5
8.1 活动核心指标
课堂讨论
表 8-1 所示的活动分别属于哪个类型？
序号 1 2 3
表 8-1 活动描述及对应类型 活动描述
关注公众号领取现金红包 某教育类平台举办的学币充值活动 腾讯新闻制作的 H5，微信用户可以一键制作小红旗头像
所属类型
6
8.1 活动核心指标 2．设定核心数据指标数值
确定活动 类型
明确核心 指标
为核心指 标设定合 理的指标
数值
对数据指 标进行拆
解
7
8.1 活动核心指标
2．设定核心数据指标数值
两种指标数值的设定方式，分别是看竞品指标和看过往数据。
① 竞品指标
② 过往数据
参考竞品数据指标可以了解行情、避免在 设定目标时盲目乐观。如果是 第一次做活 动，可以多参考竞品的数据情况，选定的 区间只需要比竞品多 10%～20%即可。
9
8.2 拆解行动指标 2．按渠道
如果活动需涉及不同渠道，则可以按渠道进行划分。
例如“运营研究社”在销售《知识日历 2020》的活动中，将渠道分为了社群、公众号、 KOL 推广、企业定制等，并为每个渠道设置了不同目标
10
8.2 拆解行动指标 3．按业务流程
如：某平台计划在春节期间通过一周的准备达到 100 万日活跃用户数（Daily Active User， DAU）,如何分维度拆解。
课堂讨论
以下是一个金融类平台的两次活动目标拆解，请说出这两次活 动分别运用的是什么拆解方式。 活动一：新 增用户 60000。 A．渠道引入 58000 人。 ① 百度推广 30000 人。 ② 广点通 20000 人。 ③ 微博粉丝通 8000 人。 B．用户邀请 2000 人。 活动二：投资人数 600。 A．新投资用户 300。 B．老投资用户 300。
例如，某公司在产品发布活动中投放的渠道包括朋友圈广告、今日头条信息流广告、微信公众号软文等，发 现来自微信公众号软文的成交量最高。因此，运营者逐渐将更多资源投放到公众号上，挖掘更多优质的公众号进 行软文投放。
综上，现实情况下，活动在不断调整，监控活动数据有助于指导活动迭代的方向。 Ps：活动应当尽量不涉及大的调整，如果涉及非常大的变动问题，那么活动策划者就需要反省，是否在最开 始的策划环节就没有做好。
如果这类活动不是首次组织，可以直接根 据过往的活动数据来设定。例 如某公众号 要做一场微课“涨粉”活动，可以拿之前 做过的活动数据作为基 数，乘以目前比当 时高出的用户倍数，再来设定涨粉目标
8
8.2 拆解行动指标 常用的拆分维度包括：按人群、按渠道、按业 务流程。 1．按人群
最基本的人群拆分方式是将用户拆成新用户和老用户。
通过统计：第 1 天效果不错，当日“涨粉”超过了 3000 人， 但是到了第 4 天，这 个数字就降到了 88 人。 照这个趋势，目标肯定无法完成。这时候就要分析问题出 在哪个环节。
在拆解目标时，要拆到可执行、可 观测为止，数据的积累可以准确拟 定活动目标。
11
8.2 拆解行动指标
在拆解目标时，不能按照时间去平均拆分，例如目标销售额 10万元，持续 10 天，则每天的目标是 1 万元，这是不符合实际情况的，如此拆分很难指导活动的落地。根据经验，类似活动的数据会呈现 “U 型”，即开始和结尾的那几天销量高，中间低。拟定每天的目标，建议在按人群、渠道和业务流 程拆解后，根据实际情况来制定。
图 8-5 清空购物车“涨粉”活动最终版海报
图 8-6 清空购物车“涨粉”活动数据
16
8.3 活动数据监控与优化
3．渠道对比
渠道对于活动来说是很重要的要素。为了快速引爆活动，在活动策划时就需要挑选合适的 宣传渠道。运营者需要对不同渠道的转化数据进行采集和分析，如果在实际数据监控过程中， 发现某个渠道的效果好，可以适当增加这个渠道的投放，这样会更容易实现数据目标。
图 8-2 不同版本活动海报
14
8.3 活动数据监控与优化
2．环节分析
无论在活动的哪个环节，活动数据如果出现了异常，首先要确定是哪个环节出了问题。
例如在某一年“双 11”期间，“运营研究社”做了一次“清空购物车涨粉”活动，主要的活动形式是让用户分享海报、 参加抽奖，如图 8-3 所示。但活动上线后的第 3 天，“涨粉”量只剩 500，照此趋势，最终目标很难完成，如图 8-4 所示。
24
8.5 活动数据分析常见误区 3．监控环节
在数据监控环节，有一个误区是看到数据异常就急忙调整，甚至紧急取消活动。 但是如果不能准确定位问题，贸然调整和取消都会影响平台在用户心目中的印象，所以即使 数据异常，也要确定是哪个环节的问题，做好内测后再重新发布，切忌直接做较大修改。
25
8.5 活动数据分析常见误区 4．复盘环节
26
8.6 案例：活动策划数据分析实战 活动背景
为了庆祝“运营研究社”拿到了千万元 Pre-A 轮融资，公司打算做一场抽奖“涨粉”活动，奖 品是 iPhone XR。如何动策划数据分析的全部内容？
27
8.6 案例：活动策划数据分析实战 1．明确活动核心指标
活动目的：“拉新” 因此运营人员结合当前公众号粉丝量和之前举办的活动数据， 目标为一周内公众号涨粉 8000 人。
28
8.6 案例：活动策划数据分析实战 2． 拆解行动指标
用户看到海报
离开 否
是否感兴趣
是 关注公众号回复
关键词
成功参与抽奖 是
是否邀请
公众号弹出邀请 朋友参加提醒
邀请成功率
注意：公众号每天会有取消关注的粉 丝量，所以在监控核心指标时，也不 能忽略“掉粉”，因此要记录每天的 净增涨粉量，看最终得到的数字是否 超过 8000 人。
29
8.6 案例：活动策划数据分析实战
3． 数据监控与优化
接下来，就可以按照下表进行记录了。 表 8-3 抽奖活动的数据指标拆解
日期 DAY1 DAY2 DAY3 DAY4 DAY5 DAY6 DAY7
海报Байду номын сангаас化率
关键词回复量
成功邀请率
抽奖参与人数
30
当日“涨粉”
8.6 案例：活动策划数据分析实战
23
8.5 活动数据分析常见误区 2．拆解环节
将活动核心数据指标拆解为行动指标时，一个很容易犯的错误是没有为拆解的指标做好统计 准备，导致活动开始后无法监控，活动结束后无法复盘。
例如某位新媒体运营者在拆解产品售卖活动的数据指标时，将微信朋友圈和社群分为了两个渠道， 但实际活动过程中的渠道二维码并未做区分，也就无法分析这两个渠道各自的推广效果。
8.5 活动数据分析常见误区 8.6 案例：活动策划数据分析实战
4
8.1 活动核心指标
1．活动类型及对应指标
拉新类活动
拉新类活动是指通过新媒体手段新增粉丝 的活动，这类活动的核心指标 通常是新增 用户数，例如微信公众号上常见的微课涨 粉活动、微博上常见的 关注并@三个好友 的抽奖活动，都属于拉新类活动。