一、优惠券营销活动实战案例

一般来说，做活动都有一个目的。在本案例中，我们做优惠券活动的目的是给高复购意向用户发优惠券，让他们再次复购。那么如何定义“高复购意向用户”呢？高复购意向用户是指几天前有支付行为的用户又再次浏览了我们的商品但没有支付的用户。

1. 要完成高复购意向用户的圈选，需要开发两个数据指标

一是距离上次支付的天数，二是距离上次访问的天数。通过组合两个数据指标作为条件，就能圈出高复购意向用户。接下来给用户打标签，定义用户标签如下。

• “距离上次支付的天数>7”标签，代表7天前有过支付行为的用户；
• “最近一次访问第天数<3”标签，代表3天内有过访问行为的用户。

高复购意向用户就是同时具有这两个标签的用户，他们距离上次支付已经超过7天且最近一次访问少于3天。通过人群的圈选，就可以圈出高复购意向用户。

2. 制作优惠券

在制作优惠券时要确定领券的门槛，也就是说，我们该发面值多少的优惠券。

通过计算，我们发现这批高复购意向用户的客单价是在200元左右，那么我们可以制作一张“满200元减50”优惠券，保证大部分人能用上。如果制作一张“满500减100”优惠券，由于门槛太高，这批高复购意向用户的很多人用不上，活动效果就会打折。

3. 选择发送渠道

假设我们选择短信触达的方式，就可以编辑一条“用户有待领取的优惠券”消息。

在预算足够的情况下，可以选择周期性（比如每天一次）针对这批用户发优惠券，连续发一段时间（比如两个月）；如果预算不够，可以选择只推送一次，观察效果后再进行下次优惠券发放。

4. 进行效果分析

数据中台会针对这场优惠券活动自动输出相应指标。数据分析分为两个维度：用户维度和优惠券维度。

通过用户维度进行分析的目的是看这场活动促成了多少交易、带来了多少首单及复购用户，需要输出这场活动的下单人数、支付人数、支付订单数、支付金额、优惠券减免总金额、新增首单人数、首单金额、新增复购人数、复购金额等指标，如下表所示。

优惠券维度是指从一张优惠券的角度看发券张数、领券张数、用券张数的漏斗，一场活动可能会涉及多种类型的优惠券，有了这些数据可以看出哪张优惠券的性价比更高。

针对优惠券的维度，数据中台需要输出优惠券活动的发券数、领券数、用券数、用券销售额、用券支付金额、用券率、未首单用户领券张数、未首单用户用券张数、首单用户领券张数、首单用户用券张数、复购用户领券张数、复购用户用券张数等指标，如下表所示。

二、周期性短信触达营销活动实战案例

本案例的活动是向已经注册但没有下过单的用户发送短信，目的是提醒用户下单。

1. 周期性短信触达任务

针对用户注册的时间长度（比如1天、3天、7天、15天、30天、60天、90天等），分别写出不同的文案，实现周期性短信触达任务。

2. 找到相关指标

以注册3天但未下首单的用户为例。这里涉及两个指标：一是用户注册的天数；二是用户是否下过首单。注册天数很好理解，是否下过首单可以基于用户的支付次数来计算，如果用户的支付次数是0，那么用户就没有下过单，我们就定义该用户是未下首单的用户。

3. 圈选人群

根据用户注册的时间长度不同，我们需要圈选出来注册时间为1天且未下首单的用户、注册时间为3天且未下首单的用户等。

4. 设置推送任务

为了实现本活动的目的，我们需要对注册1天、3天、7天等不同时间的用户进行周期性触达。对于一个用户来说，用户的身份是随着时间的变化而变化的。

注册第1天，用户的标签是“注册1天未下首单”，那么再过2天，用户的标签就变为“注册3天未下首单”。因为标签平台对标签的计算支持“每天计算一次”，所以用户的身份也会随着时间的变化而变化。

触达任务可以进行周期性设置，比如固定在每天的某个时间点进行推送，这样一个注册仅1天的用户会收到触达短信，而再过2天就会又收到一个不同内容的提醒下单短信。如此就完成了触达任务自动化。

5. 分析活动效果

前文已经讲过如何做活动中的监控和活动后的复盘，具体界面如下图所示。上半部分是数据的总览，可以查看每个活动的推送人数、触达人数、访问人数、下单用户数、支付用户数。

下半部分可以查看活动下每个任务的推送人数、触达人数、访问人数、下单用户数、支付用户数。

从这以上两个实战案例可以看出，通过自动化营销平台做的活动都有个共同的特点，就是自动化。数据中台就是为了实现公司的数据智能，数据智能的标志是什么，就是由机器代替人工去决策。

上面两个案例就是很好的实现数据智能的案例，在案例中，运营人员要做的只是制定策略并不断优化自己的策略，然后让策略自动化、闭环地运行，其他全部交给了机器。

未来公司是否有竞争力，数据智能是一个很好的判断标准。所以我们自动化营销平台的最终目的就是帮助企业实现营销活动的数据智能，减少人工的决策，让数据智能帮助企业降低成本、提高效率、增加收入。

相关阅读：

不要慌！阿里不会“拆”中台

如何通过数据中台标签平台，圈出产品高价值用户？

数据中台产品经理面试指南（二）

《不以用户价值为目的的数据指标设计就是耍流氓》

《数据采集实战：商品详情页数据埋点》

#专栏作家#

Wilton董超华，微信公众号：改变世界的产品经理，人人都是产品经理专栏作家。《数据中台实战》作者，曾任职科大讯飞，现任富力环球商品贸易港数据中台产品负责人。主要分享商业、产品、运营、数据中台相关原创文章。

本文原创发布于人人都是产品经理，未经许可，禁止转载。

题图来自 Unsplash，基于 CC0 协议