一場好的項目復(fù)盤，不僅可以讓我們以從宏觀到微觀的視角去回顧整個項目的成長過程，還能在復(fù)盤過程中提取經(jīng)驗，為下一階段去放大項目優(yōu)點或縮小項目缺陷做分析支撐，亦或還能在復(fù)盤中，推測出項目后續(xù)會持續(xù)產(chǎn)生的累計價值。今天同樣以一個實際案例給大家分享項目該如何做好復(fù)盤，覺得有用的朋友可以順便關(guān)注一下。

之前的文章給大家分享過一個關(guān)于激活注冊流失用戶的增長項目,在該案例中我分享了如何從0到1做一個增長項目，項目上線后需要運行一定的時間才能收集到足夠的數(shù)據(jù)做復(fù)盤，所以本次復(fù)盤的案例的數(shù)據(jù)部分會以該項目的數(shù)據(jù)為例（非真實數(shù)據(jù)，僅做計算參考。）

本次分享復(fù)盤案例將從以下幾個方面進(jìn)行闡述：

1. 項目總結(jié)概述
2. 項目變更日志
3. 增長方向的定義和結(jié)果驗證
4. 用戶模型的搭建和結(jié)果驗證
5. 增長策略的孵化和結(jié)果驗證

具體復(fù)盤如下：

一、項目總結(jié)

ps：一開始先跟老板匯報項目信息和帶來的業(yè)務(wù)結(jié)果，后面再逐個講解驗證思路及演示數(shù)據(jù)

1. 項目背景

面向注冊后從來沒有下過任何訂單的用戶，策劃一場增長活動，通過促銷嘗試對該類用戶的召回，提升首次購買的轉(zhuǎn)化率。

2. 目標(biāo)用戶

在2020/11/16~2021/09/16期間注冊成功的用戶，且目前賬戶內(nèi)已經(jīng)不存在任何優(yōu)惠券的用戶，通過數(shù)據(jù)統(tǒng)計共計約180000人（這里介紹下選擇2020/11/16作為起始時間的原因是在這個時間開始公司切換了神策數(shù)據(jù)平臺，所以我們只能統(tǒng)計到神策上線以后的數(shù)據(jù)）。

3. 活動數(shù)據(jù)

2021/09/17~2021/10/13，活動上線后27天，召回登錄人數(shù)29680人，完成首次下單人數(shù)12610人，站內(nèi)成交轉(zhuǎn)化率42.5%，共產(chǎn)生GMV約$953700，整體召回率7%。

4. 收益測算

經(jīng)過一個月的數(shù)據(jù)驗證，注冊時長為1個月以內(nèi)的召回率為10.24%，召回率隨注冊時間變長而遞減，超過三個月的召回率僅0.72%。

參考2020/10/1~2021/10/1期間，產(chǎn)生的目標(biāo)用戶數(shù)為500000人。策略迭代觸發(fā)時間點為新用戶注冊滿1個月仍未下單時觸發(fā)。參考項目的全部數(shù)據(jù)，預(yù)計該項目全年可帶來增量GMV為$3870720

PS：后期收益測算這一項也許并不是所有項目都需要做的，但大家可以根據(jù)實際情況考慮是否需要做項目后期收益的推算，這里分享一下這次項目的測算思路。

在做這個項目的時候我們?nèi)x了一群目標(biāo)用戶并搭建了一個用戶模型，所以后期可以根據(jù)用戶模型下的表現(xiàn)數(shù)據(jù)做迭代優(yōu)化。

我們統(tǒng)計出這次活動投放的目標(biāo)用戶中，91.2%的注冊用戶是已經(jīng)超過三個月的，而經(jīng)過數(shù)據(jù)驗證，注冊時間在一個月內(nèi)的用戶整體召回率是最高的，約10.24%，而超過三個月的用戶召回率僅0.72%，召回率隨注冊時間增加而遞減。

所以迭代策略中，參考本次數(shù)據(jù)的表現(xiàn)，可以把自動觸發(fā)策略的節(jié)點設(shè)置為新用戶注冊滿一個月且未產(chǎn)生下單的用戶。

若按照這樣的配置，我們拉取一下去年同期數(shù)據(jù)為參考，全年產(chǎn)生的目標(biāo)用戶約為500000個，所以可以做個初步估算，預(yù)計該項目迭代后，全年產(chǎn)生的GMV=目標(biāo)用戶量x召回率x客單價=500000×10.24%x$75.6=$3870720。

二、項目期間變更日志

這里主要是記錄項目開發(fā)或上線期間發(fā)生的對項目有影響的事件，在此給大家做個模板演示。

如上面表格的例子，我們需要把項目實際進(jìn)程中發(fā)生的各類影響事件，根據(jù)發(fā)生時間節(jié)點、發(fā)生原因、如果不發(fā)生該事件時我們預(yù)期的效果是怎樣，發(fā)生該事件后產(chǎn)生的影響是怎樣，以及發(fā)生影響事件后我們采取了怎樣的措施，這里我只給大家做個參考案例即可。

我們的項目是在9月15號開發(fā)完成的，而項目中有一個需求是在活動落地頁有推薦商品模塊，我們打算做一組實驗。

對照組讓運營根據(jù)歷史銷量數(shù)據(jù)來篩選商品進(jìn)行推薦，而實驗組是根據(jù)每個用戶訪問商詳記錄、收藏記錄、加入購物車記錄但從未購買過的商品。

搭建一個綜合評分模型來做千人千面的商品推薦，但后來開發(fā)告知由于神策的原因，無法獲取用戶行為數(shù)據(jù)，所以這里的A/B實驗就無法按計劃上線。

三、增長方向復(fù)盤

1. 增長需求挖掘

這里主要闡述為什么要做這個需求，該需求是基于怎樣的調(diào)研/數(shù)據(jù)分析而來。

以本次項目為例，我們統(tǒng)計了商城的各項歷史數(shù)據(jù)：（以下數(shù)據(jù)需求僅供大家參考，需根據(jù)實際產(chǎn)品類型和業(yè)務(wù)模式調(diào)整）：

• 用戶基礎(chǔ)數(shù)據(jù)：總訪問量、已注冊用戶量、注冊未購買用戶量
• 首次購買數(shù)據(jù)：首次購買轉(zhuǎn)化周期分布、首次購買金額分布
• 復(fù)購數(shù)據(jù)：復(fù)購頻次分布（以年為單位）、平均復(fù)購周期
• 注冊未購買數(shù)據(jù)：注冊后的行為數(shù)據(jù)（是否領(lǐng)取優(yōu)惠券、瀏覽了哪些商品、頁面停留時長）、再次登錄的用戶數(shù)、登錄頻次分布、再次登錄后的行為數(shù)
• 商品銷售數(shù)據(jù)：價格區(qū)間銷售分布、首次購買商品偏好、熱銷商品數(shù)據(jù)
• 會員數(shù)據(jù)：會員等級分布、購買力分布（GMV，不同會員等級做區(qū)分）、購買力分布周期（年為單位，根據(jù)會員等級做區(qū)分）
• 渠道數(shù)據(jù)：不同站外渠道曝光率、不同站外渠道轉(zhuǎn)化率、引導(dǎo)進(jìn)站后的流量分配、
• 歷史活動數(shù)據(jù)：（策劃方案、復(fù)盤報告等）
• 轉(zhuǎn)化漏斗數(shù)據(jù)：(以某一渠道為例，從站外到最終轉(zhuǎn)化的漏斗表現(xiàn))
• 留存數(shù)據(jù)：7日、14日、30日留存

最后根據(jù)眾多數(shù)據(jù)調(diào)研的結(jié)果，我們得出了如下結(jié)論：

從收集的數(shù)據(jù)表現(xiàn)來看，可以得出如下結(jié)論：

1. 注冊后未下過單的用戶占新注冊用戶約在30%~60%之間浮動。
2. 用戶平均停留市場上月20min左右（無圖）
3. 訂單比例大部分來源于首次購買

所以建議的增長方向是：根據(jù)用戶的行為數(shù)據(jù)，對注冊后從未下單的用戶群進(jìn)行促銷投放，以提升首次購買的轉(zhuǎn)化率。

2. 增長結(jié)果驗證

根據(jù)活動數(shù)據(jù)統(tǒng)計，得出如下結(jié)論：

1. 目標(biāo)人群整體召回率約為7%，活動期間共產(chǎn)生增量GMV為$3870720,客單價為$75.6。
2. 站內(nèi)購買轉(zhuǎn)化率為42.5%。后期可以嘗試根據(jù)用戶行為偏好數(shù)據(jù)的選品策略做A/B實驗，有助于提升站內(nèi)轉(zhuǎn)化。
3. 郵件渠道觸達(dá)效率偏低，活動點擊率偏低，建議持續(xù)優(yōu)化郵件標(biāo)題和郵件內(nèi)容。

四、用戶建模復(fù)盤

1. 建模思路梳理

（之前的文章有詳細(xì)介紹過關(guān)于該項目用戶模型過程，感興趣的同學(xué)可以看看）根據(jù)數(shù)據(jù)統(tǒng)計結(jié)果如下：

結(jié)論：

1. 所有的注冊未購買用戶中，僅有一次登陸事件（即注冊）的占比約75.4%，說明如果不進(jìn)行新的外部刺激，注冊當(dāng)次未產(chǎn)生購買，就很難觸發(fā)第二次登錄行為，很大概率會演變?yōu)榱魇в脩簟?/li>
2. 注冊未購買用戶隨著時間的流逝，距離注冊日期越久，則發(fā)生登陸事件的數(shù)量越少。

建模思路：

1. 注冊后登陸的頻次（75.4%僅登陸1次）是否會對激活概率產(chǎn)生影響？
2. 距離注冊日期的遠(yuǎn)近，是否會對激活概率產(chǎn)生影響？找到適當(dāng)?shù)呐R界點。

2. 模型結(jié)果驗證

結(jié)論：

1. 從登陸次數(shù)維度來看，高登陸組的召回率（1.45%）比低登陸組的召回率（0.64%）好；

建議：通過刺激手段提升新注冊用戶登陸頻次，如：注冊后規(guī)定時間段內(nèi)再次登陸領(lǐng)取獎勵金等。

2. 從近期是否有登陸維度來看，近期有登陸的召回率（4.32%）比近期無登陸的召回率（0.72%）好；

建議：進(jìn)一步細(xì)化分析三個月內(nèi)召回率情況，選擇合適的召回活動投放時間點。

3. 另外一個有趣的數(shù)據(jù)發(fā)現(xiàn)：相比高登陸組和近期有登陸組，低登陸組和近期無登陸組的用戶雖然召回率低，但站內(nèi)轉(zhuǎn)化率更高。

建議：說明低登陸組和近期無登陸組用戶一旦再次登陸購買確定性更強，刺激點應(yīng)該放在如何引導(dǎo)提升用戶再次登陸上。而高登陸組和近期有登陸組用戶，則刺激點應(yīng)更多放在如何提升登陸后的站內(nèi)轉(zhuǎn)化。

結(jié)論：

在之前搭建的用戶模型中，登錄次數(shù)≥2+最近3個月有登錄的小組中（后面簡稱高高組），該組的召回率（召回率=下單人數(shù)/小組圈選人數(shù)）約為6.25%，遠(yuǎn)高于其他小組。

對高高組的用戶按近期登陸的時間做進(jìn)一步拆分分析，高高組中距今1個月有登陸的召回率（10.62%）最好，距今2個月有登陸的用戶召回率為5.5%，距今3個月有登陸的用戶召回率為3.89%。

建議：后續(xù)活動日常自動化迭代，如果設(shè)定距注冊日期一個月作為目標(biāo)用戶的投放時 間點。按一個月作為投放時間點來計算的呼哈，可以算出如果項目迭代后低高組和高 高組用戶的平均召回率為10.24%。

五、策略復(fù)盤

1. 策略定制思路

根據(jù)下面兩份數(shù)據(jù)統(tǒng)計表可以看出，有53.7%的用戶在首次下單時使用了優(yōu)惠券，且優(yōu)惠券使用額度占首次購買訂單總金額的14%。

從下圖中可以看出：無論秒殺或非秒殺期間0-49低價商品的銷售占比都在較靠前的位置。非秒殺期間的0-49區(qū)間商品銷量占比24.5%（第二名），秒殺期間9.1%（第三名）。

特殊說明：由于商城定位，每個月都會有一次秒殺大促

各月銷量top20商品不乏價格低于60的單品，所以針對目標(biāo)用戶群，60以下的商品具有很大吸引力（這里特別拿售價在60以下的來做分析，是因為公司之前的促銷活動最低門檻都是針對60以上的商品，可能因為60以下的商品利潤低所以沒有引起重視）。

從下圖可以看出：

統(tǒng)計了6月份在售商品數(shù)量，SPU共47款，其中60元以下單品13款。

目前商城針對新用戶會發(fā)放兩張優(yōu)惠券分別為60-10和99-15，分別覆蓋25、9款價格區(qū)間商品。

綜合上述數(shù)據(jù)，用戶首次購買49元以下價格區(qū)間商品傾向度較高，且該價格區(qū)間商品銷量和在售商品數(shù)量也不低，所以建議新增19-3優(yōu)惠券覆蓋這部分用戶，提升激活轉(zhuǎn)化概率。

為進(jìn)一步驗證19-3優(yōu)惠券作用，通過設(shè)置A/B test實驗的方式來對比驗證轉(zhuǎn)化效果。

2. 策略效果驗證

不同類型優(yōu)惠券在不同商品價格區(qū)間的使用情況：

可以看出，3款優(yōu)惠券在購買20-40價格區(qū)間的商品占比（32.23%）最多，其次為0-20區(qū)間的商品（占比16.84%）。

優(yōu)惠券核銷前15款商品量占比（排除贈品）：

• 滿19-3的券核銷量最大的商品為OPEN，商品價格區(qū)間為0-20；
• 滿60-10的券核銷量最大的商品為OBULB，商品價格區(qū)間為20-40；
• 滿90-15的券核銷量最大的商品為I5R，商品價格區(qū)間為20-40。

結(jié)論：

實驗組3張券的使用人數(shù)占比（21.12%）比對照組2張券的使用人數(shù)占比（19.2%）略高。滿19-3的券的ROI（16.99）最高，單筆訂單金額遠(yuǎn)高于優(yōu)惠金額。

建議：保留滿19-3的券，覆蓋低價長尾商品和低客單價傾向用戶。

以上是本次分享的增長項目復(fù)盤內(nèi)容，實際的復(fù)盤報告篇幅會比本文少一些。

本復(fù)盤模板只能作為參考，更重要的是我們?nèi)绾斡脭?shù)據(jù)去驗證項目帶來的結(jié)果，覺得本次分享有用的朋友可以幫忙關(guān)注一下，或點個幫忙分享一下，后期我會陸續(xù)給朋友們分享一些關(guān)于如何搭建項目的數(shù)據(jù)指標(biāo)體系，以及如何搭建增長模型等案例。

作者：張一文；公眾號：產(chǎn)品經(jīng)理的取經(jīng)路