从浅层目标来看，活动的目标多聚焦在短期刺激、品牌宣传、用户粘性、清库存、检验团队能力。而从深层次来讲，通常包含以下三个方面：

首先，用营销聚集流量。互联网流量增长趋于平缓，成本增高，要保证 GMV 的持续增长，就需要更低成本的流量获取方式以及更高效的流量利用手法。对于电商来说，其较优解就是做运营活动。相对于高额的市场营销费用，低成本的社交活动玩法可以更快速有效地触达目标用户，而且精细化投放的活动也可以高效对用户实现导流。

其次，用强需求促进活跃。在产品发展的疲软间隙，活动可以刺激用户短期内的活跃行动，对于电商活动来说，实质性的核心是促销。促销从价格优惠的时效性出发，刺激用户内心做购买决策时虚幻的“性价比”天平，产生“剁手”冲动。用户自身的确有周期性的购物需求，但活动能让用户在弱周期产生强需求。

最后，用手段刺激转化。用户在产品自然状态下的转化行为相对理性，而活动打破了用户的常规购买心态，旨在创造用户理智分析状态下的非理性决策，比如“囤”，而活动生命期短暂，直击用户的大杀器就是“时限性”。

一般情况下，可以将活动分为 4 个等级：S 级、A 级、B 级、C 级，详见下图：

S 级即全网声量较大的活动，属战略级别，如“双十一”“618”以及平台自己的周年庆等，几乎需要把所有可利用资源全都投入平台中，且全品类参与，整个活动周期会涉及多种活动玩法，活动准备期通常需要 2-3 个月。

A 级活动大多与“送礼物”相关，比如年货节、情人节、儿童节等，这类活动通常调动的是平台的核心资源，活动的准备周期约 1 个月。

B 级活动如元宵节、踏青季等，这类活动通常只需常规资源支持，可由类目线灵活安排。

而类似于会员日、会员专属等活动则归为 C 级活动。

但在实际情况中，并非所有平台都会开展这 4 级活动，比如一些生鲜电商平台不一定会策划 S、A、B 级活动， 但对 C 级活动特别重视，往往利用会员专属等活动稳定用户的购买频次与区间。

综合上述活动分级，可总结出促销活动的设计原则。

第一，借势。

冷启动一个购物节成本极高且难度极大，需要进行大规模的宣传来打造消费者认知，且还需要提供专门的促销品或特殊折扣，沟通成本和代价也较高。而在“618”“双十一”等活动期间，消费者基本带着 “不买会亏几个亿”的心态到处逛，此时的流量十分旺盛，借势是大势所趋。

第二，根据季节性和节日策划主题。

如母婴产业一定要做儿童节、母亲节；美妆、饰品行业一定要做妇女节、情人节；商超快消品行业必须重视年货节；食品生鲜则需要把握中秋、端午这些传统节日；文具、服饰要重视开学季和春秋的换装时节。

第三，抓住计划外的重点。

如敏锐捕捉热点，对突发事件快速响应。

从数据角度出发，我们可把大促活动拆分为活动前、活动中、活动后三个阶段。活动前需要制定目标、分配预算，并且做好用户和品类以及流量和渠道的计划；活动中需要实时洞察数据，并调整策略，以及精细化运营触达；活动后需要寻找增长驱动引子，并且对用户特征进行洞察，以及对运营策略评估优化。

1、活动目标制定

大促目标基本可分为 4 类：营收与盈利、平台影响力提升、获客及品类渗透率、精细化运营。

这些目标如何选择、如何定义优先级，本质是战略层面的问题。对于一个处于快速增长期的平台来说，一般营收的重要性大于盈利，影响力提升与获客的重要性大于营收；对于增长趋缓、发展进入瓶颈的平台，人群与品类渗透率的提升则非常关键，利用大促撕开战略品类和人群方向的缺口，是业务突破瓶颈的关键；而对于一些稳定的大型平台，开辟全新获客渠道（如下沉市场、线下市场、海外市场）和顾客精细化运营（如 AIPL）非常关键。

接下来，我们一起分析下营收目标制定的方法。

通过业绩增量的方法。一年中要做的大促销量规划，基本均在年初敲定，通常情况下，“618”“双十一”几乎占掉了全年营收的三分之一或二分之一，我们可以利用同期营收乘以预期增长率的方式，计算出业绩增量。

通过产品矩阵的方法。比如先对销售时段进行预估（如判断淡旺季），然后把促销的业绩相加，从整体的商品品类上进行预估。

通过爆发系数的方法。即用今年的日均销售额，乘以平台流量的爆发系数。该爆发系数的产生，需要参考之前活动的流量均值。

通过流量效率的方法。该方法需要计算出总流量、平均转化率，以及客单价，然后相乘得出流量效率。

通过加购释放率的方法。该方法需要关注各商品的加购量、加购释放率、商品售价这三类指标。

通过顾客成交计划的方法。该类方法较容易理解，即通过会员营收、非会员营收的总和，或者是新老客户的营收总和。

2、围绕关键指标科学分配预算

我们在大促活动中，需要拆解目标，并分配预算。

第一，GMV 目标拆解。

首先可以将 GMV 按不同的客户类型分，比如分为 C 类客户、小 B 类客户、大 B 类客户，然后规划出各类应当承担的销售业绩，再按照订单数、客单价向下拆分。客单价又可根据平常时段、大促时段等差异分开考虑。我们可以先预估一个相应客户的客单价，然后算出需要的订单量，再将订单量向下拆解，同时根据历史数据得出下单频次，通过下单频次与下单会员的数据大致推断出所需要的用户数量，再将用户数按照新老会员的比例拆解，根据登录 UV 和会员转化率，再拆解到访问 UV 与访问转化率。

第二，品类业绩目标拆解。

将 GMV 拆解完之后，我们学习如何按品类业绩目标拆解。首先要将商品的一级、二级、三级分类拆分到最小单元，然后按照过往每一个品类在整个过程中的贡献，根据销售额去回推单品的品类结构，然后再拆解预计此次活动中每个单品的数量，从而指导返利与库存。

3、活动计划目标拆解

用户和促销。我们可以根据新老客户的客单价、购买频次等预计出此次活动中的销售收入，反推出所需要的新老客户数量。

在活动中，我们需要关注这几类指标：渠道指标（各渠道流量大小、付费渠道 ROI、各渠道贡献占比）、性能指标（服务器崩溃、产品前端报错、接口返回时长）、作弊指标（异常波动监控、异常维度监控、异常单用户监控）、营收指标（流量访问数据、实时销售转化数据、付费金额以及人数和客单价）。

1、指标预警与异常识别

关注数据的异常情况在活动中非常重要，比如通过数据突降、突增，或与去年同期产生较大差异等情况，去分析造成此类局面的背后原因，然后迅速做出调整。

场景一：基于实时监测数据的风控模型，识别“羊毛党”，保障品牌权益

某电商平台在进行“满 399 减 150”活动时，通过后台发现某数据突增，团队成员通过分析洞察确定此异常是“羊毛党”所致，随后将此 IP 加入黑名单，阻止灰产刷单。具体过程可分为以下四个步骤：

• 创建活动预警指标。在进行优惠券推广前，建立相关预警指标，并以小时为单位，以防活动出现异常造成公司损失。

• 收到异常预警消息。在推广活动进行 3 小时后，邮箱收到异常数据信息。

• 快速定位异常用户。查看具体异常情况，深度分析异常用户领取优惠券次数、支付订单次数、总支付金额等。

• 调整活动策略。对现有活动策略进行调整与优化，比如限制领取次数为 1 次，不给“羊毛党”可乘之机。

场景二：赋能媒介策略调优，提升营销双效（效果与效率）

某在线教育公司，在某渠道投放了免费课程，引导用户下载后再付费。根据渠道数据反馈，发现曝光 1-3 次时，用户点击率较高，曝光 4 次以上则点击率低于 1%，这意味着该公司需要把广告曝光次数控制在 4 次以内，才能“双效”最大化。

2、营销活动的场景化获客与精细化沟通

我们提炼总结了关于场景化、精细化、个性化三层要素：

场景化。在什么时机触达用户？是定时 9 点发送活动通知？还是在用户启动 App 后立即通知？或者在用户提交订单未支付时给其推送优惠券促转化？

精细化。我们要给什么样的用户发送怎样的内容？对用户做何种标签化分层？是对女性用户推送美妆？还是对男性用户推送机械键盘优惠券？

个性化。让用户感受到通知是为他个人发送的，比如亲爱的 XX（调用昵称），今天是你 XX（调用年龄）岁生日，送你最喜欢的 XX（调用消费频次最高商品）优惠券。

场景三：场景化沟通，精细化运营

某健身平台会在用户生日时送上生日祝福，利用优惠大礼包引导用户购买，但发现效果并不好。在引入数字化软件之后，利用用户的访问时段、属性等个性化标签，推送与用户本人更加贴合的生日祝福信息，用户的完美体验感增强了许多。

在一场大促活动结束后，我们通常会对 GMV、用户数量、流量等指标进行复盘，但其实，我们或许可以从寻找增长驱动因子、用户特征洞察、运营策略评估优化等等方面，进行更加深入化地触达。

我们可以从两方面来初步判断活动运营的质量：生意达成情况、流量大盘情况。从这两个方面定位问题后，再结合人货场下各种分析模型进行原因下钻。

生意达成情况。将同比 GMV 增量分摊到购买人数、复购（包括购买频次和单次购买量）、平均价格三个数据的增量，来识别生意增长因子。从图中可以看到该活动中的增量贡献来自平均价格（驱动因子）、购买人数，而复购指标下降（阻力点），说明用户购买频次有所降低或单次购买量减少。

流量大盘情况。流量大盘拆分不同流量类型，同比去年数据看 UV 和 CTR。从图可知推广流量是平台主要的流量来源，且 CVR 较高（同比增长显著），说明本次活动的推广流量质量较高。

1、人群下钻

我们按照 AIPL 模型对用户进行拆解，若“活动期新增 AIPL”人群基数超标达成，说明在活动周期中，新增人群做得非常不错。但如果购买转化率的达成率低，导致最终购买占比未达预期，那么我们便可以对活动期新增 AIPL 人群的活跃深度等进行分析，去发现存在活跃深度较历史表现下降的问题。同时，还可以根据本次活动期新增 AIPL 最终购买的人群画像，得到“未来在对活动期人群做活跃加深时，要强调活动优惠利益点，以及符合年轻人群心智的商品营销”等优化指导。

2、场景下钻

我们可以从三个方面来进行分析：流量类型对比、活动坑位分析、活动玩法效率总结。

流量类型对比：可以拆解平台流量类型，分析 UV、CVR 指标的同比、环比情况；对于推广流量可以进一步分析 ROI 和费用数据，综合判断推广流量的实际效益。

活动坑位分析：可从浏览转化率、浏览量占比两个维度进行分析。浏览转化率可以对比去年同期以及平台整体水平；可从浏览量占比看到该坑位的流量占比（单个坑位浏览量 / 坑位加总浏览量）。

活动玩法效率总结：对于平台核心的玩法可以进行关键指标总结，比如会员、短信等。

接下来通过直播效果、会员玩法两个重点场景进行说明。

第一，直播效果评估。

我们常常会分析一场直播活动中 KOL 的带货能力，因此，对于直播效率评估可以从直播人群画像、直播三力价值进行分析，目的是量化直播效率，从而在选择 KOL 时能做到更精准的人货匹配。

直播购买人群画像。首先可以拆分为新、老用户两个维度来看直播转化的情况，到底是新用户偏多，还是老用户偏多。其次可从人群基础属性、商业价值等明确该人群主要特征的角度进行分析，从而在后续做商品营销时更明确人群心智。

直播三力效率。直播三力包括引流力、购买力、吸粉力。引流力是用浏览商品用户的人数除以观看直播的总人数；购买力是用购买商品的人数除以浏览商品的人数；吸粉力是用浏览商品的会员，除以浏览商品的人数，从这些方面分析一场直播中 KOL 的效果如何。

第二，会员玩法评估。

会员招募玩法效果评估。我们可以绘制会员招募象限，通过“AIPL”与“是否是会员”两个维度拆解人群，分析各个分层人群的招募效率，发现 0 人群、I 非会员人群入会率高，说明新会员玩法较能吸引人群入会，而 PL 非会员人群入会率低，说明老用户入会利益点需要优化。另外，我们也可以通过会员招募玩法气泡图进行分析，从费用、入会人数来评估各个玩法的效率，发现“新会员礼包”是效率最高的入会玩法，同时也验证了会员招募象限里的结论。

会员转化玩法效果评估。同理，我们可以绘制会员转化象限，从标红的数据中可以看到 I 会员、PL 会员的购买转化最高，说明入会能显著提升购买转化率。

3、商品下钻

商品下钻意味着要将多个商品、品类等进行交叉分析，此时我们可以采用“两步走”的战略。

第一步，分析各类商品购买人数贡献，识别成熟单品、趋势爆品。

从上半部分的柱状图中可看到：同比 2020 年，平台在 2021 年的整体购买人数增长显著；整体购买以新客贡献为主。

而且，从品类购买贡献拆解来看，品类 B 的购买人数贡献最大，说明品类 B 是必需品，活动时需要保证库存；后续要做商品组合购买时，也可以将其他商品与品类 B 中的商品进行组合销售。同时，在品类 B 中又可以分析高贡献、高增长的商品，即平台的成熟单品、趋势爆品等，可以考虑在活动中增加这些热销产品的露出，提高消费者点击、购买的意愿。

第二步，以平台整体作为 Benchmark，明确拉新、复购优势商品，迭代未来人货匹配策略。

每个品类、商品有不同的人群运营优势，识别核心品的运营优势，可以更好地制定人货策略，以平台整体的新老客占比作为 Benchmark，明确各品类及核心商品在拉新、复购上的优势。

在实际工作中，总少不了一些 IP 联名合作、明星代言等形式，那么该如何考察 IP 联名单品的效果如何呢？

从搜索量级来看，IP 联名单品 A 和 IP 联名单品 B 的搜索量均较高，其中 IP 联名单品 A 在活动前期达到峰值，而 IP 联名单品 B 在活动中后期有增长趋势。同时，从转化率来看，IP 联名单品 B 和明星代言单品 B 的转化都相对较高。

在价值评估矩阵中，我们可以发现：

• IP 联名单品 B 属于高价值单品可以持续运营

• IP 联名单品 A 属于高声量单品，适合活动前期营销预热，吸引流量进入平台

• 明星代言单品 B 属于高转化单品，但是否是明星带来的效益需要进一步评估

• 明星代言单品 A 则属于低价值单品，可以考虑淘汰