文章以APP拉新為例，分享了一套套數據分析框架，希望對你有益。

產品運營三大核心指標：拉新、活躍、留存。相信每一個小伙伴都不陌生。

不同的產品階段可能運營策略重心會有所不同，但肯定對于各種拉新活動并不陌生，例如H5活動、廣告投放、軟文擴散、渠道換量等。

每一輪的投放活動都需要衡量投入產出比ROI，每一次活動結束都需要進行復盤討論，每一輪迭代投放都可能在驗證一些猜想。

我們的目標是：用合理的投入成本，通過各類途徑優(yōu)化，最大化效果產出。

但實際的運營投放中，往往會遇到各式各樣的投放方式：

這個渠道說，我們不能實現不了直接跳轉下載；

那個渠道又說，我們是做品牌的，高曝光才是我們的優(yōu)勢，轉化不關我事；

還有的時候，一個渠道上，就有3個不同的位置x3種素材x3種跳轉方式，跳轉應用市場之后到底下載了木有，打開APP了木有，效果怎么衡量，頭有點暈……

但其實，我們關心的是以下幾個方向：合理投入、優(yōu)化路徑、最大化產出。簡而言之，我們關心的是：投入產出比。

（在不同的渠道進行拉新）

如何找到最大化的投入產出比，這是每一個負責拉新業(yè)務的小伙伴都曾經或者正在頭疼的事情。

從上圖的流程上看，我們可以優(yōu)化的就是幾個環(huán)節(jié)：產品是否吸引人、渠道是否優(yōu)質、投放的方式是否高效、效果是否符合預期。

這里暫時不討論產品定位，我們只討論豐富多彩的渠道投放的效果優(yōu)化。

我有100種投放姿勢，就問你敢不敢試~

這里，我們雖然是以APP拉新為例，討論的是一種多渠道效果數據分析體系，但其實適用于每一個就算不是APP產品，或者你的拉新不是以增加APP用戶為核心，都可以復用這套數據分析框架。

設定預期目標

首先，對于任何一次投放活動，我們都必須界定它的目標產出。只有在清晰的效果衡量體系下，渠道數據的對比才有意義，多渠道的ROI才有可比性。

對于APP拉新的投放活動來說，常見的預期效果可能是：

• 提高對APP的認知（以傳播廣泛為目的）
• 成為APP用戶（APP下載并激活）
• 在APP內完成特定行為（如購買、身份驗證或者領取禮包）

我們以常見的拉新——“APP下載并激活”為例，先搭建一個數據漏斗，看看我們效果環(huán)節(jié)上需要觀察哪些數據。

如果我們希望監(jiān)控的是上述內容中③的效果數據，我們就在激活之后繼續(xù)添加下一層級的漏斗，統(tǒng)計例如加入購物車、確認下單、付款這樣的流程。

在這樣的漏斗流程之上，我們可以搭建監(jiān)控指標，有時候監(jiān)控的數據可能無法實現理想的統(tǒng)計指標，我們可能會需要補充其他監(jiān)控指標，有時候也無需如此精確的數據粒度。

我們最后監(jiān)控的數據指標如下（表1）：

而效果數據部分，則可以通過MTA的新增報表——安裝來源分析實現。

為什么這里增加了“下載所用網絡占比”？

原因是在下載完成到安裝，這兩個事件屬于APP應用市場的原生事件，開發(fā)者無法主動采集，但我們依然關心這其中的轉化步驟，主要是擔心用戶如果處于較差網絡環(huán)境下，下載行為可能會被終止，因此這里用了“所用網絡占比”這樣的輔助字段數據。

這里的輔助字段數據主要是為了優(yōu)化轉化效果所做的準備。確定了目標，我們第二步就可以做投放過程的數據記錄了。

投放過程記錄

做這一部分的數據記錄，主要的目的，一是為了復盤的時候方便做分析對比，二是為了優(yōu)化迭代的時候更有方向。

根據埃里克·萊斯的《精益創(chuàng)業(yè)》中的觀點：每一次的實驗迭代，其實都是為了得到一個經證實的認知。

應用在推廣投放體系下，每一次投放策略的設計，都是為了驗證一個投放策略的有效性，是為了提升效果產出。

這個環(huán)節(jié)是一個多路分支，我們需要做一些版本記錄，以便更好的定位問題。過程圖大致如下：

記錄過程表2為：

（表2?廣告投放策略記錄）

*根據投放方式的不同，可能記錄的方式也會略有不同

**具體的策略信息可以在詳表中展開記錄

然后把表1的效果數據映射在表2之后，得到一條投放活動的完整記錄。然后就可以通過數據來驗證具體的投放策略的有效性了。

驗證目標是怎樣的投放策略，這一點需要在投放開始前就規(guī)劃好，這樣數據分析的時候才能得到有效的結論。

分析與優(yōu)化效果

對于搜集到的眾多詳細數據，我們接下來就可以做一些數據上的結果分析了。

首先，我們可能想驗證的是投放素材對渠道1的banner-1的影響，那么，我們把表2中渠道1單獨拿出來，可以得到如下表格：

（表3.投放素材對渠道1的banner-1的影響）

如果我們想比較渠道1上Banner和Feeds流的差別，我們可以得到：

我們也可以針對人群定向投放效果、不同的投放時間，乃至渠道效果質量對比等多個維度進行數據分析，通過數據來驗證我們的策略，優(yōu)化投入產出比。

所以，雖然說投放的姿勢有千千萬，但效果路徑總是相似的。

如果你有豐富多彩的投放策略，不用急，不要慌，把路徑理出來，控制策略的版本，采用A/B TEST等加快驗證迭代速度，最終得到有效的投放策略與最大化的ROI效果。

以上是關于投放效果上的數據指標體系分享，相似的分析思路可以復用在不同需求的投放方案中，包括一些線上、線下的運營活動，其實也可以復用這個框架。

本文由 @騰訊大數據 原創(chuàng)發(fā)布于人人都是產品經理。未經許可，禁止轉載。

題圖來自PEXERLS，基于CC0協(xié)議