营销活动效果分析案例

场景

你是某电商平台的营销数据分析师，618 大促期间投入 2000 万营销预算（优惠券 + 广告 + 社交裂变），需要做活动效果复盘并给出下次大促的优化建议。

分析框架

第一步：活动大盘数据

指标	活动期间	去年同期	非活动日均	vs 日均
GMV	1.2 亿	0.9 亿	400 万/天	×3
订单数	60 万	45 万	2 万/天	×3
UV	800 万	600 万	50 万/天	×1.6
转化率	7.5%	7.5%	4%	+3.5pp
客单价	200	200	200	持平

第二步：渠道效果拆解

-- 各营销渠道效果
SELECT
    channel,
    budget,
    brought_uv,
    ROUND(budget / brought_uv, 2) AS cost_per_uv,
    conversions,
    ROUND(conversions / brought_uv * 100, 2) AS cvr,
    revenue,
    ROUND(revenue / budget, 2) AS roi
FROM campaign_channel_summary
WHERE campaign = '618'
ORDER BY roi DESC;

渠道	预算(万)	引流 UV	单 UV 成本	转化率	收入(万)	ROI
社交裂变	300	200 万	1.5	5%	2000	6.7
搜索广告	500	150 万	3.3	8%	2400	4.8
优惠券	800	—	—	+3pp	3500	4.4
信息流	300	100 万	3.0	4%	800	2.7
KOL	100	50 万	2.0	3%	300	3.0

第三步：优惠券效果分析

-- 优惠券使用率和增量贡献
SELECT
    coupon_type,
    issued_count,
    used_count,
    ROUND(used_count / issued_count * 100, 1) AS redemption_rate,
    total_discount,
    attributed_revenue,
    ROUND(attributed_revenue / total_discount, 2) AS leverage_ratio,
    -- 增量分析：该用户不用券也会购买的概率
    ROUND(AVG(would_buy_without_coupon) * 100, 1) AS free_rider_pct
FROM coupon_analysis
WHERE campaign = '618'
GROUP BY coupon_type;

优惠券类型	发放数	核销率	折扣金额(万)	带动收入(万)	杠杆率	白嫖率
满 200-30	100 万	45%	350	2000	5.7	35%
满 500-80	50 万	20%	200	1200	6.0	25%
新人 50-10	80 万	60%	150	300	2.0	10%

白嫖率问题

"白嫖率"指不使用优惠券也会完成购买的用户比例。白嫖率高说明补贴浪费了。满 200-30 的白嫖率 35%，意味着约 120 万的折扣给到了无法增量的用户。

优化思路：通过机器学习预测用户的价格敏感度，对"白嫖"用户不发或少发券。

第四步：活动对长期指标影响

-- 活动期间获取的新用户的后续留存
SELECT
    acquisition_source,
    COUNT(DISTINCT user_id) AS new_users,
    ROUND(SUM(CASE WHEN retained_d7 = 1 THEN 1.0 END) / COUNT(*) * 100, 1) AS d7_retention,
    ROUND(SUM(CASE WHEN retained_d30 = 1 THEN 1.0 END) / COUNT(*) * 100, 1) AS d30_retention,
    ROUND(AVG(ltv_30d), 2) AS avg_ltv_30d
FROM campaign_new_users
WHERE campaign = '618'
GROUP BY acquisition_source;

来源	新用户数	7 日留存	30 日留存	30 日 LTV
搜索广告	8 万	35%	18%	85 元
社交裂变	15 万	25%	10%	45 元
信息流	5 万	20%	8%	35 元

社交裂变拉新量大但留存和 LTV 较低，搜索广告质量更高。

第五步：复盘总结与建议

## 活动复盘

### ✅ 成功点
- 总 GMV 1.2 亿，同比增长 33%，超额完成目标
- 社交裂变 ROI 最高（6.7），验证了裂变模型可行

### ⚠️ 待优化
- 优惠券白嫖率高，35% 补贴浪费
- 裂变新用户留存差，30 日留存仅 10%
- 活动后 GMV 低于活动前（提前消费透支效应）

### 下次优化建议

| 方向 | 措施 | 预期效果 |
|------|------|---------|
| 精准发券 | 基于用户价格敏感度模型定向发券 | 白嫖率 → 15% |
| 优化裂变 | 增加裂变新用户首单引导 | 裂变用户 30 日留存 → 18% |
| 预算重分配 | 减少信息流，加大搜索 + 裂变 | 整体 ROI 提升 20% |
| 活动节奏 | 前预热 + 后长尾，减少集中透支 | GMV 平稳过渡 |

面试应答要点

营销效果分析要点

ROI 是核心：每个渠道都要算 ROI，不能只看 GMV
增量思维：区分「原本就会买的」和「因为活动才买的」
长期价值：活动拉来的用户留存和 LTV 同样重要
透支效应：大促后通常有 GMV 回落，需纳入评估

场景​

分析框架​

第一步：活动大盘数据​

第二步：渠道效果拆解​

第三步：优惠券效果分析​

第四步：活动对长期指标影响​

第五步：复盘总结与建议​

面试应答要点​

相关链接​

场景