双十一是各大商家的狂欢，也是数据分析师们的负担。促销前，要设计报表统计销量库存，最好还是给弄成实时统计的，防止爆仓。促销中，要整实时滚动的数字大屏幕，销量破了X亿光出数据还不行，还得整个H5传播一下。促销后，又得分析效果，检讨得失。从头到尾，一点都不轻松。
然而这三步里，最不轻松的就是促销后的分析。因为实时统计难在技术上。技术问题吗，只要堆人堆钱，总是有办法搞掂的。我们又不像阿里那么招摇过市的摆个大屏幕一直报数据。大部分公司都是出一个销量破1亿的整数就好了。但事后分析可是每个公司的分析师都逃不过去的难关。业务部门可是辛辛苦苦才做出来这个业绩，到底是说好还是不好？如果只会说“好”，岂不成了整点报时的布谷鸟，分析的价值在哪里？如果说"不好"，又怎么面对业务部门的反击呢？
三步展开，深入分析
事后的分析，最重要的就是：避免陷入利益争吵。想办法输出对未来有用的结论才是重点。因此，需要一个有逻辑的，层层深入的办法，让老板来裁定对错，我们来找原因。完整的促销分析应该分为三个步骤：
第一：评估整体目标是否达标
第二：分析执行效率是否最优
第三：考察长期效果是否稳固
首先，给老板提供充足的数据，让老板给活动定性：这到底是一个好活动还是坏活动。定性完了，后续分析就有一个清晰的方向。如果是一个好活动，就看具体好在哪里，有哪些经验可以借鉴，还有没有优化空间，能否长期做下去。如果不是一个好活动，就看问题出在哪里，和标杆/期望值相比，差距出在什么地方，要如何整改。定了性，才能深入分析，不然就会陷入无休无止的扯皮中。那种：“虽然销量没有达标，但是有长期品牌忠诚”一类的论调，只会让分析从数据说话变成大道理撕逼，脱离实际意义。
定性之后，可以从活动流程、用户反馈、经营数据等多个维度进行复盘。首先应复盘的是操作流程本身。毕竟业绩是做出来的不是算出来的。复盘操作流程，可以看到从推广-流量承接-转化-售后整个过程中，哪一步做的好，哪一步流失率高，哪些推广渠道更有用，而且找到优缺点。最后是评估长期效果。有可能多次促销，滋生出促销依赖、消费惰性、甚至吸引羊毛党，这些细节评估，对于判断长期走势都有帮助。
整个话题摊开讲内容太多，今天首先讲第一步，也是最重要的一步：评估整体目标
常见的促销整体目标
从本质上看，促销不是常规销售手段，而是针对特定目的营销行动。而为达成特定目标，促销有固定的套路，不能随便撒野。因此促销活动一定会有个主要目标。相对应的，就会有主要考核指标。
站在产品视角，促销分为四大目的：在产品上市阶段，通过促销让更多消费者用上产品，增加市场占有率。在产品增长期，促销鼓励用户多购买，发觉和培育忠诚用户。在产品成熟期，促销主要是交叉销售，带动其他产品。在产品衰退期，促销协助尽快清理库存，为下一代产品腾出销售空间。
站在用户视角，促销分为四大阶段：吸引新用户加入，培育忠诚用户，维持忠诚用户，唤醒沉睡用户。对应用户新加入—活跃—付费—流失四个阶段。促销的作用和产品促销类似，只是统计方式的区别。用户视角的促销以用户ID为基础统计单位，关注的是用户行为，一般有用户ID的互联网企业或会员制线下企业用的多。产品促销以产品类别为统计单位，一般传统零售、快消、耐用企业（只有POS数据，没有会员数据）用的多。
站在经营视角，促销有三大作用：量，收，利。量：促销为清数量（产品件数），减少库存，增加市场占有率。收：促销为增收入（销售额），让财报更好看，解决现金流问题。利：促销增加利润，为增长提供动力。
一般企业在不同发展阶段，会关注不同的目的。比如初创企业会更关注规模扩张，成熟企业更关注运作效率。不同时期进行促销，特别是双十一这种大型促销，会有需要优先完成的目标。同时，不同时间点进行促销，可能目标也有不同。比如双十一接近年度，可能管理层看着年度KPI哪些指标没有完成，还能利用双十一冲击一把，搞掂任务。
无论哪个角度，一定会有主要考核指标。即使有可能促销做得好，会同时影响几个指标，在立项的时候，每个促销也会集中某个具体问题。想避免事后评价扯皮，就把业务部门的请示方案拿出来，看看当初做促销的时候，他们在老板面前白纸黑字承诺了什么。针对不同的目标，最好设一个主指标，主指标越少，扯皮越少。如果有几个主指标，就请业务部门自己给出主指标的排序，然后按顺序看，每个主指标的完成率。
先看整体，至关重要
按主指标考核考核，是最清晰的考核方式。指标越少，扯皮越少。指标越具体，结果越清晰。比如本次促销为了拉销量，销量目标是5个亿，那最后有没有5个亿，是最清晰的考核方式。如果有多个主指标，就一个个列出来，按优先级排序，每一个分开看达标率。完成就完成，没完成就没完成，这样才清晰。只有投机取巧，想浑水摸鱼的业务部门，才会别有用心的列了八个目标，然后写：“毕其功于一役！”如果促销效果，8个目标有4个达标4个不达标，就会算个平均完成率110%，就能把很多没做好的细节遮盖过去。
然而，很多做分析同学有个坏习惯，就是觉得画两根柱子太简单了。不上点模型觉得白拿了工资。于是一听业务部门喊：“毕其功于一役！”也毕其功于一役的上了一个综合评估模型。且不管这个模型是神经网络算的、相关系统算的、结构方程算的还是直接打分的，最后的结果也是把各种指标混为一谈。导致后边检讨执行效率和长期效应的时候陷入混乱：到底新客老客哪个重要，人数多了是否能抵消人均消费低了等等，扯皮无休无止。各种指标混在一起，就会导致文过饰非。没有清晰的定义效果好坏，谈何分析好在哪里，坏在哪里呢？
谈到好坏，自然涉及标准问题。树立标准可以考虑四个方面。第一，行业水平：比如同为服装行业，天猫公布行业整体销售是多少，相比去年增长多少，主要竞争对手水平是多少；第二，过往水平，上次类似力度大促，主要指标完成率多少，根据上次的投入产出比，本次预计是多少；第三，领导期望：领导下给我们的目标是多少；第四，业务方承诺：业务方承诺完成的指标是多少。需要注意的是：标准怎么设是老板们决定的问题。作为数据分析师，我们要尽可能多的收集数据，来支持老板做出这个判断。越俎代庖，最后会被业务部门喷死的。最常见的喷法就是：你说我不行，你行你上啊！
整体目标的考核，数据计算上是非常简单的。数据分析师干的更多是沟通、确认的活。少就是多，是第一步分析的重要原则。为了使大家心服口服，减少争论，计算越简单越好。等大家给活动定了性，后边才是数据分析师们发挥特长，深入分析的时候。数据分析师千万要沉住气，不把水主动搅浑，后边才会越做越清晰。
第二讲：分析执行效率，第三讲：考察长期效果，敬请期待哦
作者介绍：陈老师，在咨询行业打拼了9年，在如何诊断经营问题、建立分析体系、解决专项问题上有超过30个大型项目积累与实战，天善智能特邀专家。
数据分析职场路上有困扰吗？不妨到《数据分析师八大能力培养课程》https://edu.hellobi.com/course/272 里聊聊！
视频课程特色：
从真实数据分析工作场景出发，训练实战能力
启发式教学+大量实际操练，培养属于自己的能力
不依赖于某个具体技术，也适合对数据分析感兴趣的学生、业务部门人士学习=
