浅谈云音乐活动数据分析体系

据不完全统计，云音乐仅2021年Q4就有近1000个活动在线，那么问题来了：怎样描述活动表现？如何评价活动好坏？怎么计算活动ROI？

背景

云音乐平台上每天都有大大小小许多的活动，有些是服务于具体业务的垂直类活动：

内容向：歌曲批量推广（恋恋记事簿）；

营收向：会员折扣促销；

社区向：话题推广；

用户运营向：深夜营地。

还有一些活动看似与平台关系不大，放之四海皆可用，却广受拥趸，成就平台增长神话，比如有”现象级传播“美誉的荣格测试、颜色主导色测试等。最受用户喜爱和期待的当属一年一度的年度听歌报告，每年都有不俗表现。

据不完全统计，云音乐仅2021年Q4就有上千个活动上线，那么问题来了：怎样描述活动表现，如何评价活动好坏，怎么计算活动ROI？虽说“一千个读者有一千个哈姆雷特”，但是数据分析却应该找到一把尺子，拉齐标准，对齐口径，构造出一套普适、实用、多维度、多角度，有横向可比性和纵向深度的综合分析体系。

本文分为四部分：先看外部，总结业界常用的活动分析方法；再反观内部，构建适合内部使用的活动分析体系；最后基于前面的方法论进行的一些总结和实战经验。

业界活动分析框架

评价一个活动的好坏，核心是看活动目标是否达到，对产品的关键指标是否有提升。以电商平台为例，促销策略五花八门，有以拉新客为主的分享红包、助力砍价、爆款商品免费领等营销手段，有以提升GMV为主的跨店铺满减、无门槛优惠券、随机立减等，一般是怎么用数据评估和追踪活动效益呢？

目标不同，却有一套相对通用的分析体系，其中包括：

响应数据

又叫参与数据，体现用户对活动的积极响应参与程度，除了有体现活动规模的参与活动人数、次数这样的指标外，还应该体现参与深度的转化漏斗、停留时长、点击次数等。量与质相结合，才能综合反映活动影响的广度和深度，为活动分级做好准备。

裂变数据

裂变能力是活动能否取得成功的关键一环，无论是饿了么式的红包分享、拼多多式的助力砍价，还是每日优鲜的0元吃水果、携程的助力抢车票，亦或是B站出圈之作《后浪》、蜜雪冰城魔性主题曲、支付宝的春节集五福，这些教科书级的玩法或作品，不论转化导向或传播导向，都是围绕“社交”这个价值点展开的。首轮裂变可以看体现传播效率的发起人数、参与人数、发起成功率，参与用户中新增、促活、召回人数及各自转化；后续裂变可以看体现裂变深度的多次传播人数及转化。

价值追踪

通过价值复盘，不仅看活动整体目标达成情况，还要抽丝剥茧、层层下钻，看清楚核心指标在人群细分、时间递延上的差异，拆解活动成败的原因，汲取经验，为活动复盘做准备，这里的指标主要有：活动受众人群TGI，时间衰减系数，转化率提升值，复购频次增加值等。

成本数据

最后，不能只看赚进来的钱，还要看花出去的费用，这样才能客观的反映活动的ROI。例如，每个活动投入的广告成本、拉新成本、补贴成本、维护成本等，都应该算清。

云音乐的活动数据评价体系

云音乐的活动根据活动目标，大体可以分为两类：服务于产品用户活跃、口碑形象的「品牌活动」，以及服务于细分业务目标的「垂直类活动」。活动目标不同，评价指标自然也不相同，但是基本遵循相同的分析框架：先看活动基本面，即活动规模、参与深度、传播裂变；再看业务影响力，即活动目标的达成情况。

3.1 活动基本面

类似于电商的响应数据、裂变数据，活动基本面主要从活动影响广度、参与深度、自传播能力三方面评估效果。

活动规模：主要分为包含区分站内站外的浏览人数、浏览次数、端内用户渗透等；其中浏览次数特指活动首页的浏览次数，因而不受活动页面多少的影响。

参与深度：通过用户在活动的使用深度、停留时长、任务完成率体现用户参与深度：针对多页面活动，看活动是否有吸引力将用户留到尽可能深、尽可能久；针对有【任务】的活动，看任务的完成情况。

分析传播：用户的分享传播情况，反映用户对活动的喜爱接受程度，是活动能否大流行的关键指向指标。

3.2 业务影响力

业务影响力关注活动对业务赋能能力，从增长的量、质、用户特点方面评估效果。

增长贡献：活动对平台或垂类业务增长贡献，从有优先级归因和直观用户量环比变化两种方式，观察活动引入拉新、召回、促活情况。这里的“拉新”可以对应到垂类业务里“新”，如会员业务的首次下单用户，动态业务的首次浏览动态用户，一起听业务的首次使用用户等。

增长质量：活动引入新老用户的留存水平，反映活动引入用户质量和平台承接能力。

用户画像：活动参与用户与业务用户画像对比，分析活动受众特点，有针对性的设计活动。

活动总结

参照以上数据指标体系，对2021年几大活动做了总结对比，分析框架如下：

周月活渗透率是能反映活动规模的，这个指标越高说明活动渗透的用户越多、活动越火爆。

活动完成率、人均停留时长其实是一对此消彼长的指标。试想：页面增多能带来停留时长的增长，但是会让走到最后一步的用户变少，完成率降低。因此，要提升这两个指标，单纯靠堆积页数是行不通的，内容玩法的串联设计至关重要，好比一部优秀的电视连续剧，观众不会因为集数多就弃剧了，一环连一环的设计反而会让观众欲罢不能。拿活动来说，年度报告的页数一年又比一年长，完成率和时长都保持增长，说明增加的部分得到了用户的正反馈。

爆发系数，简单来说就是日活的环比，对比周期为活动期vs非活动期。虽然不能把这个环比波动都归因于活动，但是反过来，对大盘日活有影响的活动，这个系数一定会有提升。因此这个系数是体现活动增长价值的“必要非充分条件”，比较适合从宏观上反映大型活动的效果。

实际案例

选取评价体系中比较核心的浏览人数和分享率作为观测指标，分析这两个指标在多组活动中的关系，绘制了二维点图，主要有以下发现：

超大型活动的分享率远高于中小型活动，分享率的高低一定程度上决定了活动规模的大小，业务启发是活动设计上应尽量找到能打动用户、引起共鸣分享的点，让用户自传播成为活动重要的流量来源；

“小众高分享”活动暂时缺位，规模小的活动很难有分享率，说明小众垂类活动的深度有待加强；

浏览人数和分享率不是绝对的成正比，但是一般分享率越高的，站外浏览也会越多，因此还可以更进一步研究站外浏览PV占比和分享率的关系，来验证分享对站外规模的作用。

总结

活动的数据复盘是活动迭代、优化必不可少的一个重要环节，对于复杂的玩法设计、繁多的活动目标，如何取舍重点、全面客观的评价活动，是本文的重要议题。

本文通过借鉴外部电商的活动分析方法，构造适合云音乐使用的活动分析体系，从活动基本面到业务影响力，从流量规模到参与深度，从增长规模到增长质量，多角度呈现活动的效果。希望对各位做活动的运营、产品、分析师同学在活动设计、推广、复盘环节有所启发和帮助~