促销活动前，不得不懂的数据运营策略

公众号：知幽科技，欢迎关注。

小编叨叨：

当前市场环境不佳，经济下行时用户对于商品价格最敏感，当然价格也是决定企业经营利润，市场竞争力及用户口碑的重要核心影响因素，所以我们特地为企业准备了商品智能定价咨询及数据运营咨询服务，有需要的可以后台联系我。

谈到品牌大促，三八节、618、双十一、双十二，这些都是众所皆知的大型活动，除了这些例如周年庆、商场庆典等等，一年下来活动非常多，当然活动多，于多数企业而言，抓住核心活动才是生意本质。

谈到大促不得不提双十一，虽然不见硝烟，没有锣鼓号角声，也没有奔腾的千军万马，但这曾是一场几乎全民都参与的“狂欢”活动。

随着活动的繁多，这几年无论商家还是用户对于这些活动的参与都有些疲惫，商家的疲惫表现是折扣越来越低，用户的疲惫表现是发现商家的疲惫进而越来越懈怠活动的参与度。

用户的“懈怠”肯定不是各大品牌方的喜闻乐见，所以当大型促销活动要来临时，有哪些数据运营的策略是可以用得上的？

商业思考

各商家活动竞争的本质是流量战，根源是用户数据战，现在是数据时代，谁能在数据上更胜一筹，它就有更大的概率收获更高的收益。

为什么说根源是用户数据战？可以尝试思考以下几个问题：

1、每年都谁买了引流商品？他们今年还会不会再来买？这款引流商品标准的对标用户群体是谁？今年预计可以增加多少购买用户？

2、基于每次大促的销售额目标，你预计要多少新用户加入？要多少老用户再次复购？

3、基于大促销售目标的达成，每一位新用户需要贡献多少客单价？每一位老用户需要贡献多少客单价？

如上问题都是核心问题，紧围绕用户角度思考是因为短短的时间要销售出去大量的商品，需要有巨大的流量，用户群从流量用户变成购买用户会层层耗损，所以针对每一个环节运营策略要怎么定是核心，此时销售达成的最重要的两个问题显现：一是要多少流量 二运营策略怎么定。

这个大原则问题，每个品牌方都应该考虑，也需要花精力去思考、去做数据分析。

当然活动中最重要的是价格因素，对于很多商品的市场表现来说，价格决定了成交，决定了销售达成，所以价格要和用户结合起来进行再思考：

1、对于引流商品，要不要涨价？能不能涨价？涨多少？

2、组套商品要做，哪个商品与哪个商品组套比较合适？价格定多少？

3、很多商品要做优惠价，优惠价定多少合适？

这几个问题对用户的成交会直接产生影响，所以定价也是每次促销活动很核心的问题，当然也是难点。（关于商品价格问题，后面我们会普及一些相关知识点，同时我们也给企业准备了定价的解决方案服务，有需要的可以咨询。）

除了一些商业思考可以帮助打开活动前准备的思路外，其实还可以从数据分析进行着手做更全面的准备：

重点关注分析数据：历史订单数据，过往活动数据，阿里数据银行里的数据，过往投放推广数据，用户行为数据、商品运营数据等。

对于品牌方要做的数据分析，这里列举几个重要的点：

1、选品

选品之前做一轮数据分析，最好结合历年不同的活动销售情况，比如双十一的活动较平日的消费习惯有所不同，因为届时参与平台活动的品牌非常多，流量多的时候用户的选择性也变多，所以需要对自身品牌的新、老用户的消费习惯进行充分的分析。但也需要看到每次的促销活动对于多数成熟的品牌是老用户变现的绝佳时机，同时也是用户增长的好时候，更是新生品牌曝光的最佳时机，所以需要有不同的活动商品来进行承载。 选择完商品还需要做定价，从用户的角度而言，面对繁多的活动品牌，价格就成为了流量的一大壁垒，所以定多少价非常关键。

2、老用户精准营销

对于一场活动，本文开篇提过流量战的根源是用户数据战，所以对于品牌现有的用户需要做比较深入的挖掘，可以借助算法进行购买人群预测，最细的预测方法可以精细到品类的购买预测，如果有需要相应的客单价，GMV都可以进行预测，便于品牌做更精细的成本预算和其他资源投入，最重要的是帮助品牌实现老用户变现。部分品牌如果内部已经做过用户画像工程，可以借助用户标签做更精细的用户需求挖掘和营销，更进一步的还可以做营销手段的数据测试。 以上这些市场上早已有品牌进行过多方测验，属于相对成熟的手段，只是中间涉及的数据如何分析，结果如何进一步分析，最终结果如何使用需要具备一定的数据运营能力。 

3、直播间基础用户筛选

近两年很火的直播带货，也经过了大量的活动验证，直播间确实可以在大型活动中成为流量的顶梁柱，所以活动开始前可以对用户的偏好购买渠道、消费习惯等进行分析，因为直播间的文案和话术是灵活的，所以这块可以分析去年直播间数据做一些分析，找到一些可以支持运营的点。

4、有效利用预售期间的数据

如果活动有预售，在第一阶段预售结束时候可以进行有效的数据复盘，包括商品预售情况，定金兑付情况，消费的客户群体画像，竞品的商品策略、定价等进行复盘分析，也可以沉淀部分有用的数据作为下一次大促前的数据分析基础。

5、充分利用数据银行的人群预测和AIPL

以上几种方法更多的是关注品牌方内部的数据，也就是私域流量，但是每个品牌的私域流量都是有限的，所以数据银行的数据对于公域流量的开发就很有帮助，利用AIPL模型深度了解目前品牌的用户转化情况及不足，利用人群预测找到可以进行投放的人群数据。数据银行个人看来属于数据运营工具，操作的人需要具备一定的数据分析知识和运营知识才能很好地利用它进行变现，这个是需要注意的。

（关于AIPL的深度分析和应用，其实我在《数据运营：数据分析模型撬动新零售实战》一书中有很详细的介绍，有兴趣的可以去参考该书。）

6、小程序的GMV增长

很多品牌都有自己的小程序，活动力度每家情况不一，可以根据自身品牌的渠道增长需求对自身的CRM数据进行有效的挖掘。 以上几点基本覆盖住了新零售的人与货，而“场”的形式比较多样，可以是消费的平台，也可以是消费的渠道，所以对于品牌而言各大平台历史的消费数据、用户数据分析非常有必要，然后还有广告投放渠道的选择，对于广告投放渠道的分析需要前期不断的跟踪优化，当然在大型活动面前可以采用一些比较新颖的投放渠道进行品牌推广。 

关于数据赋能的内容还有很多，更细致的数据分析需要结合品牌的渠道布局、商品属性、人群属性等等做详细的数据分析，可以采用运营反推数据支持的方式找到合适的方法，也可以采用先数据分析再引导运营的方式。

以上内容 ，如果要全部做起来是个系统化及体系化的工作，如果觉得比较繁琐或者麻烦，可以直接参考 《数据运营：数据分析模型撬动新零售实战》一书中的很多案例，对照分析模型直接复用是最简单可取的方式了。

欢迎关注公众号：知幽科技。