数据分析师与补贴大战—补贴分析

接上篇《数据分析师与补贴大战-补贴运营》(网址：https://www.jianshu.com/writer#/notebooks/41435296/notes/60537388）

补贴分析是为了帮助业务做量化分析和核心判断，例如业务要做一个项目，那么数据分析师需要回答下面几个问题：

1、项目预估需要多少钱，怎么申请？

2、做还是不做，判断的依据是什么？

3、项目每天花销、明细项开销是多少，最终花了多少钱，和预算的差距是多少，为什么会有这些差距？

4、钱效如何，用什么指标来衡量投入产出比？

5、花钱的时候，各种营销工具该怎么组合配置，能不能更好的提升钱效？

专业一点的说法分别就是预算申请、预算审核、补贴监控、效果评估（项目复盘）、营销工具组合优化。

一、补贴监控

分析师大量介入的还是数据监控环节，这是分析师本职工作，核心要点是理清各种指标的统计口径，再根据项目运营和复盘需求开发相关报表，这个比较简单，不再繁述。

拓展思维：最好是在补贴监控环节考虑效果评估，譬如和对比区域的对比，和整体大盘的对比等等，方便运营方在过程中效果。

二、效果评估（项目复盘，下面数据都是虚拟的）

补贴的效果评估非常有挑战性，一方面GMV的增长原因错综复杂，受多重因素影响；二是不同的评估手段有各自的优势和缺陷，需要对当下场景有良好的判断。

譬如在上海陆家嘴投放了100万用以提升GMV，交易额从3000万提升到4000万，怎么衡量这次活动的钱效？

方法一：

假设GMV从3000万提升到4000万，增量全是由补贴投放带来的。

所以 ROI=(4000万 - 3000万）/100万=10

即投入一块钱，可以带来10元的GMV

缺陷点：在某些时间点，由于季节性原因使得市场下滑，分子为负导致计算出来ROI是负值，显然这不符合常识，该公式不能适用。

方法二：

随着时间的推移GMV本来就会增长，根据历史同期数据发现陆家嘴区域在本月自然增长的幅度为8%，即从上月的3000万增长到 3000*（1+8%）=3240万，额外的GMV增量才能算补贴投放活动带来的。

所以ROI=（4000万-3240万）/100万=7.6

即投入一块钱，可以带来7.6元的GMV。

缺陷点：如何计算该区域自然增量，可以拿同区域历史数据来计算，也可以拿同期相似区域做对比，但不同的参考系计算出来的数据不一样，导致ROI波动较大，需要对业务有比较深的理解，才能作出更好的判断。

方法三：

分析思路：竞争视角，即该区域我方在大量投入，竞对也在投入，两边一起投入补贴效率肯定会下降，假如我方的ROI比对方高，那么持续投入我们就会耗死对方，这也算一个比较相对可接受的解决。

我方ROI=7.6 竞对ROI=5.5

我方>竞对

.方法四：

分析思路：....

三、预算申请

预算申请逻辑比较简单，主要是依据同类型项目的ROI，再结合目标GMV推算所需要的预算额度。难点在于这么大的一笔钱的支出，需要过五关、斩六将，最起码要过领导关、财务关、业务关等。

申请额度=GMV目标/ROI

四、预算审核

预算审核的视角和上面稍微有点不太一样，因为公司整体的预算是有限的。需要在不同的项目类型、区域间进行平衡。

1、相同类型、相同区域的项目，根据ROI进行PK，或者根据老板PK

2、不同区域的项目需要根据市场份额、区域发展程度进行平衡

... ...

五、营销工具优化

这块其实也非常有挑战性，譬如以外卖为例来补贴一块钱，有红包、有商家端的满减活动、有配送费减免等多种的形式给到用户，这些形式在不同的场景下效果也是不一样。

这里的X0、X1、X2 分别代表了不同的补贴细分项，通过回归等模型测算出不同类型补贴的最优配置，这一块比较大的课题，也非常有挑战性，后续还会继续详细阐述（其实和广告领域里面订单归因类似）。

好了，数据分析师与补贴大战的系列文章暂告一段落，原创不易，觉得好的请关注、点赞、收藏，谢谢大家