数据驱动下的Coupon（优惠券）BI工具三件套.docxVIP

数据驱动下的Coupon（优惠券）BI工具三件套 Coupon（优惠券）是互联网电商一个非常重要的促销武器，在实际的营销活动中也是收获效果最好的工具之一。那么在公司内部怎样管理促销活动的成本，综合考量其在不同渠道的收益，并保证投放达到预期的效果呢？笔者结合本公司的实际操作，来介绍数据驱动下的Coupon工具三件套。 01 背景 笔者所在公司是跨国的互联网电商，每年会在世界范围内，发放几千款Coupon，实际投入高达几亿美元。同时，它为公司导入流量和客户效果也极为显著。 面对如此高的投入，怎么能够配合高效的运营管理显得尤为重要。业务的同学希望可以做一套管理工具，帮助他们快速锁定效果显著的活动并追加投入，扩大产出比（ROI）。对于低效的Coupon及时止损，避免公司羊毛被白白薅走。 02 业务现状 在探讨产品设计之前， 笔者首先梳理了一下Coupon的主要的投放渠道和发放模式，从横向和总想来讲述一下目前业务的复杂度和主要困境。 首先介绍投放渠道。?本司的优惠券主要有以下的几个核心发放渠道： 1. 公司站点内投放 网站 网站页面上的展示，如首页，产品页，付款页等。 站内信 站内的通知 动态弹出 手机App：App内推送 2. 公司站点外投放 电子邮件 实体邮件 短信 三方合作导流网站 其他实体渠道 由于需要配合营销活动，那么经常会有同一个coupon通过不同的渠道进行投放。 当做效果追踪时，跨渠道分析变成了一个难点，由于非常复杂的系统集成和分析模型，使得业务人员必须在有分析人员协同的情况下才能得到真是的渠道的效果总结。 举一个例子： 一个Coupon在电子邮件，收集短信和站内消息上同时发送，最终用户使用Coupon完成了购买。 之前，业务人员是没有一个直观的方法看到那个哪个渠道在购买中产生了最大的影响。业务人员需要分析师帮忙，分析三套系统对应的数仓数据，并结合其他事件，如交易类事件，点击类事件最终确定如何对每隔一个渠道进行效果评估。 另外，由于跨国公司本身存在多个地域市场，对应的分析师的分析模型和统计口径其实会有很大的不同，这会导致这些效果评估数据存在很大的偏差，无法做到通用。 除了渠道，另一个重要分析因子是投放管理平台： 客户关系管理平台- 不同的营销活动主题，基于用户画像来筛选营销活动受众。 比如9月开学，发放返校营销coupon，主要受众就是学生和他们家长等。 动态投放平台 – 基于不同线上AI模型，实时分析用户浏览行为，在线发放coupon。比如购买手机后，发放配件类营销信息。 由于这些平台的复杂性，数据结构不一致和缺少元数据索引，使得分析师们在进行分析时也需要花费大量的时间来理解数据如何使用，而且有时会发生错误的使用数据导致对业务错误指引。 03 业务需求及分析 那么面对以上的业务现状，业务方对我们团度提出解决一下几个问题： 实时监控coupon，包括使用状况和预算预警， 以保证在营销活动期间的可以快速作出业务调整。 统一统计口径，集成营销活动的A/B测试，满足对全球范围内的Coupon以及其相关的营销活动跨渠道的评估。 自动化管理Coupon的metadata，可灵活的对业务的进行不同营销组合分析。 我们从以下几个方面对这个需求进行了分析： 1. 统计统计口径 这个需求实际上是一个跨部门合作的需求，由于我们团队作为数据平台，驱动着项目需要和几个主要的业务团队的分析师进行会面并共同整理出适合跨市场的评估模型。 笔者在这里花费了大量的时间对业务模型进行梳理，如某些团队只使用了部分渠道，某些团队使用不同的营销管理平台等，这些地理隔离导致了大量的分析工作和整合工作。笔者在这里不赘述，以后会写一片文章专门介绍经验，如何和跨团队分析师合作。 2. 数据整合 在统一评估模型后，已经完成了对业务流程的梳理和抽象。这个时候需要整理数据层， 我们需要保证数据可以直接反应业务主要节点事件，保证向上提供自助分析能力，使分析师和其他数据使用者能容易的理解数据设计，不会出错。 因此需要把多平台的系统数据进行抽象并整合。这个部分在实际的开发过程中最为复杂，也存在和平台的开发团度的大量沟通，整理使用逻辑和补充缺失数据。 3. 实效性 业务对整体的时效性有两种需求，对于正在进行的营销活动， 为保证正常运行， 业务部门需要对部分数据进行实时或准实时的监控，比如预算使用情况，使用速率等。 而一些对于评估的数据，业务部门其实没有非常强烈的实时需求，所以可以用批来进行处理，这样的话会最大程度的保证我们系统资源的开销并将最为复杂且沉重的模型计算安置于此。 4. BI工具 对业务分析后， 我们对主要的用户画像进行了细分， 存在以下几种角色： Campaign Owner – 端到端的负责业务，对结果负责，关注历史相似营销活动的数据，多关注投放之后的效果评估，需要知道