网评说，马云把全球都带入了“双十一”时间，从现在空气中都能嗅到的疯狂购买欲望来看，这个提法一点都不为过。作为每年中国最大的电商节，纵使主舞台被阿里、京东、苏宁等大咖占据，小店家甚至是非零售的别的企业也必须要来蹭蹭热点，一起狂欢。

  设计一波漂亮的双十一营销活动，正是当下营业销售人员手中的烫手山芋。当下热议的“增长黑客”理论用无数成功的实践经验告诉我们，如果将“数据驱动”运用到前期策划、过程把控，到最后效果评估的营销活动过程中去，必定会让营业销售人员收获惊喜。今天小编带大家从几个移动统计数据分析应用的简单案例，一起窥探：在一个典型的营销活动过程中，数据该如何发挥作用。

  制定经营销售的策略前，可以先考虑一下营销是什么？从传统营销4P理论、4C理论到4V、4I理论的不断演化，都在不断强化营销用户的地位，以及沟通方式的深化。因此小编更愿意把好的营销定义为：与价值用户的有效沟通的一系列活动。正是如此，当下的营销活动设计会着重关注这三个问题：营销对象是谁？开展沟通的技巧是什么？以及传递的价值有哪些？

  回答这样一些问题，基于你对自己用户的深刻理解。在移动统计上，我们大家可以从以下两个角度展开分析：

  综合以上两点，判断营销主题侧重点、沟通的媒介平台、用户接触触点、价值交换撬动点等，组成完整的营销活动策划。

  数据特征：女性用户占比78%，IT产业行业占比42%，偏好旅行、购物，兴趣影视音乐中《请回答1988》电视剧的偏好远高于全体网民；在app内使用行为中登录时间密集时段在20点-22点。

  营销策划要点：围绕IT女性的自我保养，主销化妆品品类，活动推广除常规流量购买外，用户关注的top10旅游网站重点覆盖；在20点-22点期间设置app内用户访问弹窗展现活动信息；活动的参与奖品除热点苹果手机等大奖外，加入大量《请回答1988》的周边。

  确定的营销方案在实时过程中，并非一成不变。往往应该要依据当前活动流量，效果指标情况去动态调整经营销售的策略。因此，这一过程中对于流量的实时监控就显得十分重要。

  在MTJ的“趋势变化分析”报表中，可按小时分布查看当前APP的实时流量变化，对比活动开始前该时间的流量（图中灰色线），结合营销物料投放锚点，可以综合判断当前活动效果是否显著，与预期差距等。

  在“渠道分布”中，盘点本次营销活动投放的多个渠道在：活动整体带量、拉新数量等方面的每日效果。采取优胜劣汰，动态调整第二天的活动投放策略，提升活动整体ROI。

  上面提到，活动结束后总体评估活动的品牌曝光、参与人数、GMV和ROI。除这些传统的营销活动短期效果考察面外，随着数据监测手段成熟，参与活动的用户的质量评估更加系统科学，从而能更全面的评估本次营销活动对公司平台带来的长期影响。

  用户质量用ARPU值评价，而ARPU值=用户访问次数*单次访问价值。其中用户访问次数与用户留存密切相关。

  上图是MTJ中“留存分析”报表，按照经典“Cohort Analysis”模型组织报表的展示形式。从图中可清晰明了看出11月2日来的新用户，在之后第2天、第3天…第30天的再到访情况。按照这一个思路，考察活动日期带来的新客户，在之后的再到访情况。一来可以与非活动期比较，确定活动新客用户在留存方面表现孰优孰劣；二来能够最终靠计算用户再到访频次，评估活动用户的后续价值。此外，通常在大活动后，平台用户会出现活跃度短期下降的情况。但如从留存表中看出该疲软期持续过久，就需要警惕可能是用户被活动过度消费或该活动期用户质量确实要低于中等水准。不管是何种原因，都需要及时采取必要用户激活策略，“挽救”这一批用户。

  用户单次访问价值可以从用户转化率与用户单次转化价值来看。后者与平台属性紧密关联，如平台售卖SKU类型、商品均价和销售策略相关。而前者是用户自身属性，能够最终靠考察用户在核心路径上的转化漏斗，来判断用户转化率。

  上图是MTJ上“转化分析”的漏斗图，能够最终靠考察活动期间的用户在此转化漏斗上的表现，来判断“活动带来的用户是否是更容易发生转化的用户”，而最后一步的转化，可以定义为购买，并结合平均客单价，计算一次转化价值，从而确定这批用户的单次访问价值期望值。

  以上列举的几个借助MTJ统计分析的数据辅助营销活动开展的例子，只是抛砖引玉。欢迎广大开发者、营销专家一起留言交流。