品牌行銷策略，產品行銷與設計，各類型行銷推廣案例分享-品牌行銷點點讚
編輯導語：在進行推廣投放時，偶爾會遇到渠道數據異常的情況。面對這種情況，該如何快熟找到問題所在。作者總結3個原則以及3個步驟，或許對你有所幫助。
推廣投放分析這塊的思路是相對固定的，主要以用戶質量和獲客的性價比為主，當分析出問題后，找到原因就需要對推廣投放的場景和各種影響因素有比較多的了解。
而分析的難點就在于推廣投放這個場景的水是很深很復雜的，所以多數人只會接觸到其中的一小部分。出現問題的時候往往想不到是哪出了問題。
一方面，從分析維度和方法來說，我們一般會基于用戶質量和投資回報率來做一些交叉評估的方案。
另一方面，當數據發現異常以后，我們該如何排查，如何做分析。
一、分析維度和方法
首先現在的推廣渠道特別多樣化，除了一般的在內容中平臺或者應用商店中的廣告位，最近幾年比如說移動端的視頻廣告、程序化廣告等都增長很快。
但是從分析的角度上看，這些新興的方式只是具體推廣手段的不同，并沒有影響到我們分析的目標，所以我們可以以不變應萬變。
從分析方法上來看，我們可以從四個維度來看，用一個可視化的效果圖來說，這個可視化的效果圖代表了四個維度的信息。
首先先看渠道，每一個顏色的氣泡都代表著流量渠道，氣泡的大小代表著流量的數量。
而每個氣泡所在的位置是由兩個維度的信息交叉而成的。
縱軸為整體用戶，質量從低到高，橫軸為這個渠道整體投資回報率，從低到高的一個情況。
用戶質量就是對有效用戶的一個衡量標準，可以根據我們具體產品業務的特點，來確定用戶的關鍵行為，給予不同行為的觸發頻次設定分值，整體進行建模，最終為渠道用戶的整體質量進行打分。
投資額這個指標是希望通過提高投資資產的利用效率，來獲取更高的回報。
渠道獲客分析一般有以下三個基本原則：
第一就是在于目標的明確。
我們這個分析衡量的過程不僅僅是為了得出判斷，其實核心還是為了提升投放推廣的性價比，評估后要分析背后的原因。
如果是渠道用戶的特點問題，一方面我們可以調整我們對這個渠道用戶的運營策略，另一方面也可以配合商務，與推廣渠道進行談判，降低投放的價格。
第二就是不要輕易的扔掉任何一個流量入口。
一方面在于用戶是真實的在投資，回報率不是特別低（低至負數）的情況下，那用戶的積累本身還是有意義的。
另一方面在于推廣過程中，多個渠道之間可能會有關聯，比如用戶從知乎點擊過廣告，進入h5看了一下覺得沒意思，可能就沒有下載，但是兩周后在朋友圈又看到公司同事在玩，受同事的邀請然后又下載了，成為了一個優質用戶。
那這個過程中，知乎這個渠道本身起到了一個預熱的作用，帶給客戶一個好的印象。如果沒有這個渠道的預熱，后續用戶的接受程度可能也沒那么高，所以建議大家不要完全拒絕某個渠道。
第三就是多做策略調整，不斷優化。
即便想要去掉某個渠道，那也是建議大家能夠逐步進行先減少25%的投放，看看是否對其他的渠道影響也不大，再逐步減少最終去掉。
如果在過程中發現它的減少對其他渠道造成了一定的影響，那還是要及時的調整，整體做在做評估。
二、數據異常排查
然后我們聊一下新增用戶相關數據異常的分析方法。當我們發現數據有波動、有異常，我們可以分三個大步驟來進行。
1. 初步篩選
這個時候主要先查看一下數據趨勢波動的一個轉折點，在什么時間數據異常（比如說增高或者降低的），再細化到分鐘級的時間維度去看，同時去查閱我們的產品運營、市場推廣相關的一些動作，從時間點上進行一個業務關聯尋找原因。
那還有一個維度就是用戶的地域城市方面也容易出現異常，從比例上來講，大概率容易出現異常的地方也建議大家在第一步初步篩選的數據中進行確認。
在這個階段，就可以找到一些數據異常的端倪，可以幫助我們縮小分析范圍。
2. 細分業務篩查
然后就可以進入第二步細分業務進行篩查，簡單說就是圍繞第一步分析的那些維度，查看不同渠道、推廣活動來源以及產品版本的來源情況和用戶質量相關的數據。
比如說用戶的停留時間、關鍵業務行為活躍比以及次日/7日留存的數據都是要著重對比的關鍵點，通過這些維度的分析基本上與過往數據對比，一般來說就能夠找到導致數據波動的原因，這塊兒原因其實無非兩方面。
一方面是產品本身出了問題，導致流量數據異常，通常會體現在app版本之間的數據差異上。
另一方面就是某個渠道用戶質量出現了波動，這又涉及到了另一個問題，就是數據波動是不是可以歸結為這兩種原因？
比如說由于版本之間的數據差異，就認為是產品設計出了問題，這樣真的可以嗎？
會不會是打包版本出了問題，比如說流量質量的問題，會不會是因為這個渠道本身就如此，只是渠道方由于一些原因或者活動等階段性原因導致他給我們導入的流量就比較精準。
3. 與自然流量對比
在這個時候，還是建議大家把細分渠道的數據與同時期的自然流量再進行一個對比，那這就進入到了我們的第三步。
當與自然流量進行對比的時候，如果差異小同時在這個出現異常的階段也沒有做過產品迭代，那基本上就是流量質量的問題了。
如果說差異比較大又有產品迭代，那大多會是由產品改版來帶來的影響。
這個時候與自然流量進行對比，其實不論在業務細分階段發現了什么差異都能幫我們進行一個相對客觀的評估。
4. 流量是否作弊？
最后在獲客階段，有一個相對獨特的場景，就是如何識別一些渠道刷量、渠道作弊的情況。
如果我們對數據上有這方面的懷疑，首先可以從用戶新增后行為的軌跡上來進行分析，基本上能找出80%的一個作弊渠道。
一般體現為新增用戶沒有觸發任何行為或者只觸發了幾個固定行為，行為軌跡模式相對正常，用戶來說很單一，做一個簡短的匯總分析可能就能看出來。
畢竟刷量的，大多數是通過技術來做的，那一般也就是模擬啟動行為和固定的幾個這種瀏覽行為，很難做到像真實用戶行為那樣的隨機效果，這是我們基于業務方面的一個篩查。
另一方面在于技術篩查，可以基于IP設備型號和屏幕分辨率這個角度逐一向下進行查詢。
基本上能覆蓋大多數的一個場景，尤其是屏幕分辨率，畢竟 IP和設備型號是可以通過模擬手段進行修改的，而屏幕分辨率雖然說本質上也可以，但是往往會被刷機的人員忽略，也是一個很明顯的特征，推薦大家可以留意這個方面。
獲客的這個場景，從設計到投放，涉及到真金白銀的預算，行業水也比較深，所以這一塊兒也算是給大家拋磚引玉了。
作者：諸葛io，微信公眾號：諸葛io
本文由 @諸葛io 原創發布于人人都是產品經理。未經許可，禁止轉載。
題圖來自Unsplash，基于CC0協議。