前言：任何一家电商平台都可能会出现上面那一幕，日活在某一特定时期迅速下降，前提是运营手法没变，推广渠道没变，产品架构没变……可是数据和用户变了，而且是一塌糊涂。究其原因，是老用户流失了。原因何在？与其乱变，不如用数据的方式来改变这一切！在老板劈头盖脸的怒怼之后，还是先要冷静下来思考。数据的下滑，是因为老客户的流失，那么挽回老客户要比拉新更节省时间和成本，而且从质量上讲，客户更精准。方向定了，那就行动起来吧！
玩命想办法：触达的工具
电商网站上百万的注册客户，生命周期中留下了很多行为信息和数据，比如，手机号、姓名、收获地址等信息，其实触达他们并不难，最简单、高效的方式就是发-短-信。
传递的信息，三种方式：
一、 产品促销优惠，如：美国进口车厘子1000克，30元顺丰包邮
二、赠送优惠券，如：假日来临，送你68元网站代金券，点击链接领取！
三、产品派送，如：亲，太久不来，送你价值5斤赣南脐橙，快来领取！
第一种方法成本较低也很方便，一条短信费用在1分钱左右，但是转化率很低，不适合客户的召回。第二、三种方法的客户接受率还可以，但作为非自营平台，优惠券意味着很高补贴成本。对于购买需求不明确的老客户，优惠券既不是刚需，吸引力也很有限。所以，“爆款产品免费派送”不仅能争取更低的采购的成本，也更容易让用户接受。
好吧！那就用短信通知这些流失的老客户，来领取免费的爆款产品。
告诉客户去哪、如何领取？
我一直不建议让客户直接去APP，用户几个月没来，卸载APP的概率已经很大了，所以，为了那点可怜的活动转化，我还有一个方法！
首先，在电商活动策划中，“免费领商品”并不是一个百试不爽的好方法，因为做的人太多了，大家都在用拼团、分享朋友圈、帮助好友砍价等社交玩法，通过裂变拉新来缓冲活动的采买成本。而社交裂变最好的平台，其实就是小程序。微信小程序是微信生态圈中功能齐全，便于分享的代表。也能作为承接老客户回归的一个临时数据站点，下面来分享一下基本方式。
我给大家举一个例子
1、【亲爱的某某】你太久不来，我们很想你，现送你价值66元的赣南脐橙，总共5斤！关注服务号输入口令【我回来了】立刻领取，数量有限噢！
2、老客户输入口令以后，自动回复弹出承载活动的小程序页面。
3、小程序页面显示：只需要将此页面转发至三个不同的群里，即可免费拿到价值66元的赣南脐橙
4、分享链接完成，可0元开团，需要再邀请两位朋友20元参团（成本价），即可拿到脐橙
5、主动裂变发生，分享三次获得0元参团，从而裂变成新的主态。
大家要注意，做活动的有两个目的，一是让用户得到网站的优惠信息，二是要让后台部门拿到活动的数据，来分析客户流失的最终原因。
这么简单的玩法，我就不再解释了啊！关键在后面！
要开始今天的重点了
活动
活动方式和策划都已经很清晰了，下面开始介绍一下，如何利用活动数据去评估活动带来的效益。
数据
我们从四个维度来去评估活动的效果：
一、响应数据；二、裂变数据；三、价值追踪；四、成本评估
这四个维度可以做成任何活动策划最后的指标表，没有一个固定的分析套路，因人而异。因为涉及了平台的数据，所以我修改了一部分，同行请勿较真！
响应数据
做运营的同学们应该都知道“漏斗”吧，其实就是“响应数据”。
比如，我们在腾讯新闻端投放了一则广告，一个小时内，10000人点击了广告，1800人点击后注册了会员，100人注册后又下载了APP，最后只有30人在APP上消费了产品。不难看出，从10000到30，貌似一个最后的购买转化，其实就是一个漏斗。漏斗效应直接说明了活动的成效，并将成效分解到各个运营环节，为结果提供了数据依据。
大致分析一下：
“输入口令人数”比较少，可能是因为短信文案不够诱惑，选品也没让客户动心；
“分享链接人数”的数据还可以，说明用户输入CODE后，用户顺利的进入到了开团的环节，说明线上活动交互做的也不错；
从漏斗显示的数据上看，整个活动的数据信息都在一层层传递。但是为什么会出现这样的层级流失，我们还是进入到案例里去分析：
影响到活动数据的第一层转化，就是输入“领取口令”。推测可能与文案、选品、发送时间等有关系。选品为例，盲选肯定是不行的，主要还是通过一个基础的用户画像和标签来进行，以下图为例。
24岁以下用户领免费的脐橙，充电器对于25~29和30~39岁用户更实用；40岁以上的用户则更喜欢领苹果。
其实影响活动效果不仅是“选品”这一个变量，而是“年龄分层”和“选品”两个变量的交叉。纵观整个活动，影响某一环节结果的变量很多，而且还相互制约。比如，影响“输入免费领取口令”的因素，与其说是单个因素的变量，还不如说是“选品和年龄”、“年龄和文案”这样的变量组合。更深入一些的话，年龄、选品、文案、发送时间……等所有相关因素的最优组合。
小结一下：
漏斗的“枝干”，就是为了寻求各个变量的最优化组合。活动过程中，变量组合后会产生指数级增长，三五个变量就可能组合出上百种情况，一一测试是不切实际的。所以，变量最优化一定要建立在业务判断的基础上，比如该例，从业务经验出发，不同年龄的用户商品需求应该不一样，所以我们做了“年龄”与“选品”的变量测试；同样，我们认为“选品”和“短信发送时间”并无明确关联，所以就把“短信发送时间”作为单独测试的变量。无论是猜想的验证，还是洞见的挖掘，数据都一定只是业务的工具，而非业务本身。
閱讀更多 源來如此講堂 的文章
