作为消费者，我们最喜欢各大APP做活动了，有优惠呀！很多数据分析新人也喜欢，因为比起日报月报，活动分析看起来是个大活，真开心。然而，不小心的话，基于活动数据分析出的结论，经常被打脸，不信，马上试一试。

日报周报看不出个屁

用户画像得不出结论

活动分析报告被打脸

流失原因找不到是啥

以上是数据分析师们写报告的时候最怕的四大场景。之前已经分享了前俩，今天来分享第三个。

一、常见的打脸瞬间 场景一

请听题：

很多同学一看：

目标：提高消费人数

结果：消费人数提高了30%

真好！就开始提笔写结论了。

结果自然是被打脸呀

因为这破活动做多亏多（如下图）：

场景二

咱改一改：

诶？这次付费人数翻倍了，总付费也超过上个月了，happy

提笔庆功吧!

结果到下个月又被打脸了

因为下个月直接被打回原形：

场景三

咱换个方式：

思来想去，做存量客户，人群就那么多，是很有可能出现响应太少（场景1）响应太多（场景2）的问题的呀，那干脆做新用户好了。人数在涨吗。于是活动如下：

哇塞，看起来新人数、新人购买率、总消费都显著提升呀，这次稳了吧

提笔曰：好

然后整体数据一看，继续打脸：

场景四

大干一场：

既然只做新增又涉及挪来挪去，那干脆来个全场大促！是个人都能参与，通通九折，一律九折！件件九折！走过路过不要错过，大喇叭轰起。

结果整完了数据长这样：

于是运营的又来纠结了：诶呀，丢了那么多优惠券下去，还是吸引不到新用户，我们要不要回到细分群体的老路子上去，不是有大数据能精准营销吗！

不！坚决不退回去，既然都花钱了，咱毕其功于一役！打个狠折。

于是数据长这样：

全场促销活动就是这样哈

用力轻了：见不到效果，只能影响到部分人群

用力猛了：投入过大，费用在燃烧，后边都喝西北风

So，咋整？！

二、问题的症结

问题的症结在哪里？我们先忘记数据分析，忘记运营的身份，设想我们就是一个普通消费者，你发现有个APP在做活动，你会不会做出以下行为：

活动力度大，你会不会多囤一些？

活动力度小，你是不是不买了？

活动限新人参加，你会不会注册个新微信

都会干的呀，人之常情呀！

这就对了。虽然我们天天喊“大数据营销”“精准营销”“细化分群”，可营销活动的本质不是数字，而是活生生的人性。营销活动就是要勾引出人的趋利性来达到吸引注册、提升业绩的效果。

而近些年猛吹的“人工智能”“大数据”“算法模型”让很多人忘记这一点。业务部门想不出来方案的时候，就指望着“大数据精准分析一下”然后跑数的程序员真的信了，开始RFM一通计算（因为大部分网课一提营销只会讲这个，讲的其实都是更不能落地的4P，SWOT什么的）于是导致了开头的各种悲剧。

抛开金主、红包、大转盘这些眼花缭乱的具体形式，营销活动本身很简单，它只有2个逻辑（如下图）：

这两个逻辑对应的数据模型非常简单：业绩=用户数*响应率*响应金额。只是在固定基数里，增加的是响应率，增量基数里，主要增加的是用户量，响应率也会略微上升。

很多同学问：活动分析的思路是啥？活动分析的基本思路就是这么简单。复杂的不是这个结果的模型，而是：

用户凭啥要响应？

用户响应到什么程度？

用户响应完了还会咋样