干货分享：如何证明优惠券功能的有效性（三）

一、前情提要

大约在5月底，与老板面对面进行了一次优惠券累充活动的效果汇报。老板提出3项指示：

1. 认可优惠券累充带来的流水增长，但对长期ltv、留存的影响存疑，定性优惠券为“双刃剑”。
2. 仅针对老游戏、老用户开启优惠券活动，要“稳着来”。
3. 优惠券成本要他亲自审批，建立审批流程。

能够见到老板汇报、能够获得其部分认可并提出建议，这都是阶段性成果，罗马城的地基一块一块地垒起。

二、“双刃剑”问题拆解分析

优惠券累充活动是否会在提升流水的同时，降低长期ltv及留存呢？

• 如果是，则优惠券累充活动就更适合与产品生命末期的拉收（收割）；
• 如果否，那么老板的顾虑也就不成立，进而可以尝试在更多老游戏去铺开优惠券累充活动。

基于以上的思考，数据分析的逻辑就很清晰：对比说明在优惠券累充活动开启后（3月、4月、5月）和优惠券活动铺开前（11月、12月、1月），ltv、付费留存的变化情况。

1. 对长期ltv影响

1）活动包数据

可以很明显看出在活动开启后，首日ltv不变的情况下，30日倍数提升9倍。（数据仅仅示意，并非真实数据）

2）对比大盘数据

大盘整体用户质量相对是较差的，但整体半年来首日ltv和30日倍数几乎无较大波动，故可以排除掉活动包的数据变化是由产品导致的这一可能性。

2. 对付费留存的影响

1）活动包数据

可以很明显看出在活动开启后，30日付费留存提升5%

2）对比大盘数据

与上方ltv表现情况类似，整体大盘的付费留存对比活动包要差，但半年来每个月数据几乎无明显波动，故进而证明了活动包付费留存的提升与产品本身无关。

3. 结论

综上所述，无论是30日ltv倍数还是付费留存，在开启了活动后的数据是提升的，而同期的大盘数据是无明显波动的，并且在开启优惠券累充活动后，长线的ltv和留存数据反而更好了（即使考虑到其他种种因素的不稳定性，至少数据没有变得更差）。

即“双刃剑”说法不成立。

写到这里，针对“双刃剑”问题的数据论证思路已经较完整了。但为更加充分地说明优惠券对于付费用户的付费促进作用，以避免老板还存有疑虑，故“画蛇添足”地补充了“优惠券活动对用户付费行为的数据分析”。

三、优惠券对用户付费行为分析

1. 整体思路

假设优惠券活动能够提升用户的付费行为，那么最直观的数据表现是什么？

基于对电商行业付费效果评估的研究以及之前的实操经验，我的分析核心思路是：对比活动前后用户的付费行为，重点关注订单数、订单金额。

• 在之前的实操分析中，是基于“包”维度的整体数据，对比其活动前后的数据，将活动前的数据作为基准值，活动后数据作为对比值，进而对比差值评估效果。
• 而此次的用户付费行为数据分析，则是挑出包中的付费用户，去对比其行为变化，数据更细。思路捋清楚后，就是找技术取数了。

2. 取数逻辑

1. 找出在活动期间，使用过优惠券的uid；
2. 根据uid，导出在活动期间的数据，称作表1；
3. 根据uid，导出在对比期间（对比期在活动期前）的数据，称作表2。

3. 数据分析

在拿到2张excel数据后，可以很快发现一个问题：明明都是根据同一批uid导的数，表2为什么缺少数据呢？

原因也很简单，这批uid可以再进一步细分成3类用户（见下图），表2少的就是新注册用户和仅活动期间付费的用户。

进而，数据分析需要进一步拆分成对这3类用户的详细分析，通过简单的excel公式计算可以很快得到的结论是：

• 活动期、对比期都付费用户：说明活动能够让有付费能力的人付更多钱；
• 仅活动期付费用户：说明活动能够付费破冰，让原本不愿意付费的人破冰；
• 新注册用户：说明活动能够刺激新注册用户付费意愿。

4. 美中不足

1）通过横向的时间对比，存在最大的问题便是时间，这种验证方式默认活动期与对比期的数据是无其他因素干扰的是平滑的。但事实上，游戏活动节奏整体是以周为单位，游戏用户在不同生命周期的付费表现也不一样，新用户和老用户的付费意愿必然有较大差距。

2）上述的“3类用户”拆分方法，遗漏了在对比周愿意付费而活动周不愿意的用户。幸存者效应往往让这类用户被忽略，恰恰这类用户的感受应该是重点去研究的。

四、写在最后

自下而上的工作，往往就是需要频繁的总结、报告，哪怕你已经心知肚明这件事是有效的，但一定需要花费更多的时间精力去让上级让老板明白这件事情的价值所在，这样才有可能获取到更多资源，顺利推进你想做的事情去一步一步展开。

本文作者 @jessi

版权声明

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符，请点击 举报 进行投诉反馈！