中奖不易，抽奖活动设计更不易

司马子元 2023-07-31 00:55:45

前言：在实习过程中因参与项目，学习并思考了如何在一个小程序中设计一个抽奖活动，并未官方设计，也不作为相关的工作说明，仅作为交流探讨。

抽奖作为促活、拉新的传统营销手段，无论是在线下营销，还是如今的互联网运营时代，都被广泛采用及推广。形式多种多样，包括较为常见的大转盘、乒乓球号，到口红机、砸金蛋，万变不离其宗，都是通过概率性事件，营造稀缺性，翘动用户的互动参与意愿，同时通过物质激励等方式持续刺激，阶段性强刺激，来保证用户的长期活跃度。

回归到抽奖上来，作为运营的手段，我们该分为几步着手。

一、用户基础研究

设计抽奖活动前，我们需要对目前所拥有的资源和现实条件进行一个总结，在此基础上，我们对之后的活动目标设计会有更明确的方向和指标。可以试着回答以下几个问题，但不仅限于此：

小程序平台原先的点击量，是什么量级？
用户留存率是多少？
这些留存的用户主要浏览/点击哪个板块？
这个板块和抽奖是否能形成关联？
用户进入小程序后主要行为是什么？
用户主要行为能否和抽奖行为形成关联？

其实也就是解决这三个问题：是否有人参与？谁来参与？怎么参与？

二、目标设定

回答完上述问题后，我们对承载这个抽奖活动的小程序平台的基本情况就心里有数了。接下来可以确定抽奖活动的目标，这将影响到后面所有的细节设计，包括抽奖模型、抽奖体验、奖品安排等。我们常见的超市的抽奖活动，一般可能在开业时，目标就是为了聚人气，这时候可能处在赔本赚吆喝的阶段，成本高一些无妨，只要将品牌打出去就可以；有些互联网APP的抽奖，可能则是以发放优惠券等形式，这时候的目标就是为了带动自身产品的消费。

一般而言目标的设定分为不可见的和可见的，不可见的包括提高品牌声誉、用户体验提升，可以通过问卷等形式进行量化，但较少会进行量化的处理；可见的是指可以通过数据量化的，包括活跃度的提升（访问量、留存率等）。

我们开发小程序中的抽奖活动，目的就是为了给小程序带来更多的流量，实现拉新，同时吸引用户持续进入小程序参与抽奖，与此同时浏览/点击小程序内的其他模块，购买产品等等，即实现留存和促成用户的消费行为。基于此，最基础的活动目标即是实现小程序的点击人数的增加。

比如可以预设两个目标：希望小程序达到每年点击人次是30万（可见），这个；用户获得良好的抽奖体验（不可见）。抽奖的体验如果想要进行量化，可以利用一个公式，即抽奖体验=抽奖概率*奖品价值-抽奖成本，也就是当用户获得的收益大于付出的成本时，用户抽奖时得到正反馈，他们才有动机参与到活动中来。

三、目标拆解

新增30万人次，对于全新的小程序，不算一个小量级，那为了实现这个目标，我们必然要对目标进行拆解，是否可以拆分成具体的指标和要素，最好能形成公式，针对性提升某一个要素，从而达到聚沙成塔的效果，也可以说是构建一个用户增长的模型。有一个比较经典的AARRR模型，Acquisition、Activation、Retention、Revenue、Referral，应用到这个例子中，简单而言，抽奖活动可以促成Retention、Revenue、Referral，也就是留存、裂变。留存即每日都可参加抽奖，吸引用户每日进入小程序；裂变即分享给好友，获得礼/增加抽奖次数/增加获奖概率等。

我们可以这样认为，小程序的人次增加来源（1）拉新增量，有可能是用户自然行为，有可能是营销结果；（2）用户留存；（3）其他渠道转化量；（4）裂变增量。所以在确定了30万人次的目标后，我们可以根据经验数据进行分配，从而对每一个要素的情况有一个大概的估计，在运营过程中及时调整策略。

四、抽奖模型

抽奖模型可以说是一个抽奖活动的内核，抽奖模型可以实现活动参与和活动运营的控制。这里举三个比较：

1. 普通概率模型

设定奖品的固定概率Xi。例如：如果活动是设定100%中奖，奖品A中奖概率1/4，奖品B中奖概率3/4。一开始估计只有1000个用户参加抽奖，故只准备了250个奖品A，750个奖品B，这时候所有人中奖概率相等。而实际活动开展后，有2000人前来抽奖，则前1000人将会将奖品全部抽走，剩下1000人抽中奖品的概率为0，一方面影响整个活动期间的抽奖氛围，一方面用户体验极差。此时可以选择追加奖品，但会出现奖品超发的情况，预算不可控。或者选择活动就此暂停，即“先到先得”。

优点：概率可以固定；

缺点：因参与人数为变量，所以当实际参与人数过多的时候，很有可能出现前期奖品都被抽走的情况，如果追加奖品，则可能出现超发情况；如不追加，可能会影响用户体验。

2. 计数器模型（即逢“几”中奖）

例如以1000为周期，逢288、488、688中一等奖，100、200、300中二等奖。假设有2000人参加抽奖，则第288、488、688、1288、1488、1688参与抽奖的用户抽中一等奖，第100、200、300、1100、1200、1300抽中二等奖。

优点：如果每日参与热度相对平均，则每隔一段时间会出现一个大奖刺激用户；

缺点：参与人数为变量，奖品可能需要追加。

3. 动态概率模型

举一个例子，也可以直接看公式。假设预估有240000人次（平均每月20000人次）参加抽奖，奖品A的中奖概率为50%，奖品B的中奖概率为30%，奖品C的中奖概率为20%，则奖品A准备120000份，奖品B准备72000份，奖品C准备48000份。设定每月动态更新一次抽奖概率。

以1月份是第一个月为例，1月平均每天参加抽奖人次为1000，当月奖品A被抽走17000份，奖品B被抽走12000份，奖品C被抽走5000份，此时奖品A剩余113000份，奖品B剩余60000份，奖品C剩余43000份。此时调整活动剩余参与人次期望为334000（剩余天数334*平均每天参加人次1000），抽中奖品A的概率调整为33.83%（剩余A数量113000/剩余参加活动人次334000），抽中奖品B的概率调整为17.96%（剩余B数量60000/剩余参加活动人次334000），抽中奖品C的概率调整为12.87%（剩余C数量43000/剩余参加活动人次334000）。此时，三种奖品的抽中概率均发生下降的原因是第一个月活动热度高，平均每月20000人次的情况下第一个月实际参与抽奖的有31000人次，为了确保奖品不超发，只能降低后续抽中概率。也就是说，在2月份，奖品A中奖概率为33.83%，奖品B中奖概率为17.96%，奖品C中奖概率为12.87%，不中奖的概率为35.34%。

2月平均每天参加抽奖人次为500，当月奖品A被抽走6000份，奖品B被抽走4000份，奖品C被抽走1000份，此时奖品A剩余107000份，奖品B剩余56000份，奖品C剩余42000份。此时平均每天参与人次为763（1月、2月总的平均每天参加人次）。此时调整活动剩余参与人次期望为233478（剩余天数306*平均每天参加人次763），抽中奖品A的概率调整为45.82%（剩余A数量107000/剩余参加活动人次2334780），抽中奖品B的概率调整为23.98%（剩余B数量56000/剩余参加活动人次2334780），抽中奖品C的概率调整为17.98%（剩余C数量42000/剩余参加活动人次2334780）。我们可以发现，当月抽中奖品的概率得到大幅上升，原因是因为2月抽奖参与人次降低，对后续活动剩余参与人次期望降低，所以奖品的抽中概率会得到提高。也就是说，在3月份，奖品A中奖概率为45.82%，奖品B中奖概率为23.98%，奖品C中奖概率为17.98%，不中奖的概率为12.22%。

以此类推，当月结束时，统计计算活动参与数据，动态调整下个月的抽奖概率。

1）参数

K：参与热度，平均每天参与抽奖活动的人次

T：活动剩余时间，单位为天

M：该奖品剩余奖品数量

S：剩余参加活动的人次

X：抽中这个奖品的概率

2）公式

k（平均每天参加的人次）=（∑目前参与抽奖人次之和）/活动已开展天数①

S（剩余参加活动的人次）=T（剩余时间）*k（平均每天参加的人次）②

X（抽中这个奖品的概率）=M（该奖品剩余奖品数量）/S（剩余参加活动的人次）③

3）步骤

Step1：预估活动期间参与人数，设定奖品中奖概率，计算得到初始奖品数；

Step2：统计目前参与抽奖人次之和，计算得到平均每天参与抽奖活动的人次K①，利用公式②计算剩余参加活动的人次；

Step3：根据每个品类奖品剩余的数量，利用公式③计算得到调整后的中奖概率；继而调整未中奖概率；

Step4：依此类推，直到活动期末。

4）注意事项

该动态概率模型，在实际应用中需要注意和处理的问题有：

当参与热度高于预估时，奖品的中奖概率会降低，需要增加“未中奖”事件，100% 减去各个奖品中奖概率之和为未中奖概率。
当参与热度小于预估时，奖品的中奖概率会提升，当出现各个奖品中奖概率之和大于100%，抽奖过程中有可能会同时抽中两个奖品，此时奖品发放逻辑可为取奖品价值大的进行发放，以此达到刺激参与热度的作用。这里也可以不调整中奖概率，按原有设定的概率也不会出现超发的情况。

此处的逻辑可以根据实际情况进行调整，也可以使用算法进行更复杂的设计，如该用户之前已获得3次以上价值1元的奖品，那此次同时抽中两个奖品，则发放10元的奖品；如果剩余奖品中x奖品比例过大，则发放x奖品等逻辑。

5）计算说明

上述的动态调整如果通过算法自动计算最为方便，可以将更新频率缩小到一天，但更新频率过高，则波动会更大，此时就需要考虑采用滑动平均进行滤波。如果手动计算，则可以月为周期进行动态调整。

6）修正改进

每天参与抽奖人次可能存在较大波动，使用算术平均计算平均每天人次，对后续概率计算影响较大，故需要进行滤波，可采用滑动平均法进行低通滤波。滑动平均法的意义在于当时间序列的数值由于受周期变动和随机波动的影响，起伏较大，不易显示出事件的发展趋势时，使用滑动平均法可以消除这些因素的影响，显示出事件的发展方向与趋势，然后依趋势线分析预测序列的长期趋势。

当然还有一些其他的模型及算法，比如依靠一个完全随机数定是否中奖，今天早上A股上证指数开盘时整数的后两位，用一个公式计算得到中奖号码等等。