在这个时候去算达成率的意义除了衡量本次效果的好/坏已经意义不大了，毕竟活动已完结，很多事情都生米做成熟饭。拍脑袋定下的目标，然后拍脑袋完成，漫无目的听天行事。

对此，作为分析师可以通过上述目标拆解方法，与业务方进行沟通并规划共同目标。这个动作我们称之为：Sufficiency Check.

二、活动前：活动目的要清晰

销售目标拆分可以让活动KPI变成了各个高度可控与可考核可衡量的因子。换句话，不同类型活动，都需要带着明确目标。

例如报秒杀活动，其本质就是用一个引流款，给店铺带入流量。

针对不同类型活动：关注点，分析点也不同，后续制定出有业务针对性的分析框架与思路需要因地制宜。

回过头来，电商活动类型有哪些？电商营销玩法层出不穷，但万变不离其宗。

从“品效合一”说起。这个词概括了营销活动的2大基本类型：品牌活动+效果活动。电商活动，大致为分为以下几种：

通常情况，618这类大节日是各种商家出货清库存的好机会，因此活动类型大部分为效果活动。

对号入座，在后面收集数据的时候，就要有的放矢。与此同时，要开始斟酌并确定活动的复盘框架，并与业务方商量方案是否可行。

三、活动前：监控工具准备好

巧妇难为无米之炊。准备米之前，还需要一口锅。这是某次活动中的实时数据表格：

这些数据后台都有，为什么要花时间做表？

是的，很多电商后台都有“实时”/“作战室”等高大上炫酷的BI数据看板。

但实际大促等活动中，运营人员会忙于调整活动页面、货架、机制等。

能经常盯着数据看的，除了老板就是分析师。

此刻的你，往大说是手握数据，把握生意脉膊。往小说是认真给项目组汇总数据，一不小心还真给你发现点异常，那本次的监控也就有价值了。

同时显得分析师也在打输出位置。

其实，数据监控只是其一，同时也是在给活动结束后复盘积攒材料，最关键的是形成业务印象。

想像一下，活动结束后才介入复盘，面对一堆陌生数字完全无所适从。

这个时候，为了搞清楚活动与数据来龙去脉，分析师可能像个乞丐一样，东找一个Account，西找一个运营咨询活动发生过的事，分析师的被动状况不就这样来的么？“说的都对，但一小时记一次数，很累！”怕累就对了。所以这个时候分析师有2个抉择：

1. 自己有点coding的能力，必要时能自己操刀就上，写对应的爬虫程序、计算模板等。

2. 部门配有专业的工程师，可以让他们帮你做一个。

甚至截图，单纯发一张图片作实时汇报也没问题，但就是编辑起来不方便而已，总之随时掌握数据这个是这里要表达的核心。

四、活动中：严格执行SOP

活动进行中手忙脚乱，那一份SOP必不可少。

上面写的其实都可被整理进SOP上。

一份SOP怎么写？我是遵照4w：who-when-what-which，篇幅限制这里不详细展开。

反正原则就是：谁要在什么时候提供什么样的产物。最好分析师做一个demo出来，让执行人员直接套。这样格式统一方便后期整理。

但这里要强调的是需要严格执行SOP。作为分析师有义务让业务方知道你的执行计划，建议用邮件抄送全组，明确标出4个w，让掉队者无锅可甩。

活动一旦开始，很多数据、现象都有可能是不可回溯，日抛、甚至时抛型的。例如：活动页面的截图。京东的神券日就一天，如果不及时执行数据记录，截图。那么事后想要分析神券日的流量归因就很困难了。

在此，必须再次强调严格执行SOP。

另外，要搞清楚的一件事，对于整个活动的数据收集，分析师应该是统筹角色，虽不必事必躬亲处理，但要知道什么时间节点应该要收集什么，且需要验收门槛，不然此时埋下的雷，会在复盘时统一爆发。现在做多一些，后期就轻松一些。

同时，由于架构原因，分析师其实不好调动运营人员做事（人家也不一定听你的），所以分析师要懂得用杠杆，主动积极与业务负责人密切沟通，让Ta调动资源助你完成这些收集工作。

可以看到，在活动进行中要深度思考的东西并不多，大促如打仗，讲究的是快速响应与调整交付，分析师此时职责就是一边收集信息，一边给运营做策略调整提供建议参考。而做好了上述的准备，自然快得来又不至于会手忙脚乱。

五、活动中：有条理收集材料

前面说的，是我的真实经验。如果你也经历过，那应该体验到当包租婆的感觉。

天天盯着材料收集情况催收。话说回来，不要只顾着爽，分析师自己也要准备好几个文件夹开始整理这些收集回来的数据。

分析师是数据材料最终接口人，随着活动的进行，汇合到分析师身上的信息量可以说是巨大的。这是我在一次活动的归档逻辑：

我的整理经验如下：

1. 平台资料相关：收录平台活动节奏；促销活动页面网站地图相关的内容；各种资源位提报要求说明文档。

2. 截图信息相关：存放关键活动节点的页面截图；异常情况截图；需要作为对比组的相关页面截图等。

3. 销售数据相关：各种各样的销售数据，实时数据，历史对比数据等。

4. 竞品监控相关：针对竞品重大动作的信息记录，一般来讲都是竞品爆款的相关数据，资源投放情况。

5. 查询取数相关：之前积累下来的SQL查询代码，针对特定取数新写的SQL代码，汇总工具的代码模板等等。

六、活动完结：复盘Review

活动结束了。不少分析师一直都是在这个环节才开工的吧？

一份Review怎么写，相信很多分析类公众号都有提及过，或者各个分析师有自己的复盘框架方法论。所以我觉得反而不是大问题。

而文章到此，倘若经历完以上完整业务链条的分析师，对于整个活动情况的把握度是上了一个层级。

经常被吐槽“你写的东西，我们都知道”，很大程度上就是因为分析师介入业务的环节过于滞后，得到的信息太多失真，以至于见山是山。

希望经历过完整业务环节的你，就着业务问题，外加分析师的数据敏感度，可以大胆地跟业务人员撕逼，写出来的Learning更有着力点。

笔者的职业是一名电商数据分析师。我的领导说过：“在业务中，数据分析师充当的是一个军师的角色”。而在事实的生产环境中，多数会被看作是一个表哥、表姐与提数工具。

是的，做表可以做的很棒，但总感觉有力气使不出来。如果你现在处于这个状况，那么希望今天这篇文章可以带给你一些思考，助你一振夫纲。

作者：蔡缺肉

来源：微信公众号：“赵小洛洛洛（ID：luoluo9633）”

本文由@蔡缺肉授权发布于运营派，未经许可，禁止转载

题图来自Unsplash，基于CC0协议