01 / EXECUTIVE VIEW
我会先把“看到了什么”和“能证明什么”分开，再决定后续预算与经营动作。
来源报告告诉我用户从哪里进入，但活动期间最需要观察的是各入口带来的用户结构。搜索流量可能规模小却意图强，推荐流量可能访问量大却转化不稳定，付费流量则必须结合成本和新客比例判断。
一个渠道占比从20%升到35%，不等于它带来了全部新增。全店大促会让所有渠道一起上涨，正确比较应包括活动期绝对增量、基线贡献、边际成本和是否挤压了其他渠道。
支付金额是短期结果，新客、退款、毛利、会员沉淀和活动后复购才是增长质量。若一条流量来源带来大量低毛利订单，短期曲线再漂亮，也可能放大了经营风险。
02 / BUSINESS CONTEXT
活动制造了大量数据，也制造了更多“看起来正确”的错觉。
在天猫经营中，活动通常不是单一动作。报名会场、设置优惠、调整主图、加大直通车或万相台预算、联系达人发布内容、召回会员，往往同时发生。活动结束以后，团队很容易用一个总成交额复盘：“这次活动做得不错。”但下一步真正困难的是：如果下个月预算有限，究竟应该把钱放到搜索、推荐、内容还是老客召回？如果同样的优惠不能重复使用，增长是否还会持续？
我会把问题改写成更可执行的形式：在同样的货品和价格条件下，哪个入口获得了可解释的新增访问？哪个入口带来了更高的有效行为？哪个入口的用户在活动后仍然有价值？这三问把“复盘”从描述结果推进到分配资源。
这里的“来源”不只是天猫后台中的一个字段。它至少包括流量入口、投放计划、内容触点、用户状态和商品承接页面。一个用户可能先被内容种草，之后通过搜索进店，最后从店铺首页完成支付。如果只把最后一次点击视为全部功劳，结论就会过度简化。
收藏、加购、搜索和内容互动先出现变化，活动预热会改变后续自然流量的基线。
会场曝光、广告竞价、推荐分发和老客召回同时增加，流量之间可能互相助推，也可能互相抢功。
退款、复购、会员沉淀与自然回访逐步发生，才有机会判断活动带来的是真增长还是一次性透支。
我通常不会拿活动当天与活动前一天简单比较。周末和工作日的消费节奏不同，月初和月末的预算节奏不同，预热也会提前改变用户行为。更稳妥的方式是选择相近的历史周期，或者按星期、小时、商品和人群做匹配，形成一个“如果没有活动，大约会怎样”的参考基线。这个基线不需要被包装成绝对真实的反事实，但必须记录选择规则，并在复盘中保持一致。
| 观察对象 | 简单比较的风险 | 更可用的基线 | 我会追问什么 |
|---|---|---|---|
| 活动成交额 | 受大额优惠、提前锁单影响 | 同类活动或匹配周期的支付金额、毛利和退款 | 增量是否覆盖让利和投放成本？ |
| 来源占比 | 全盘流量上涨时，占比变化容易误导 | 来源绝对访客增量、有效访客增量 | 谁带来新增，而不是谁占比最高？ |
| 点击率 | 曝光位置、素材和人群不同，不能横比 | 按入口、货品、素材和人群分层 | 点击后是否继续加购或支付？ |
| 投产比 | 归因窗口、成本口径可能不同 | 统一归因窗口和成本分摊规则 | 该投产是否包含自然转化？ |
说明：本文后续出现的具体数字均为分析方法演示用的虚构示例，不代表天猫、E数通或任何品牌的真实经营数据。
03 / COMMON MISTAKES
误区并不一定来自不会看报表，更多时候来自把不同问题混在了一个指标里。
占比回答的是结构，不回答增量和质量。活动期间自然搜索从1万访客增加到1.8万，推荐从2万增加到4万，推荐占比可能仍然很高，但搜索带来的新增比例未必低。更重要的是，搜索用户可能更接近购买决策，推荐用户可能需要更长的培育周期。
修正：同时看活动期访客、基线访客、增量访客、支付转化和客单价，并将新客与老客拆开。
最后点击容易统计，却容易遗漏种草、收藏、加购和多次回访。特别是在大促期间，用户往往先看内容，再搜索品牌，之后回到店铺领取优惠。把这类路径压缩成一次点击，会让内容渠道长期被低估，也会让搜索渠道承担并非完全属于它的功劳。
修正：至少保留首次触点、关键触点和最终转化入口三种视角；不能做到多触点归因时，应明确称为“末次触点观察”。
成交额上涨可能来自提前购买、老客集中下单、库存透支、低价换量或自然大盘增长。若活动后两周销售明显下滑，或者退款率、客服压力和毛利同步恶化，增长负责人就不能只引用活动当天的峰值。
修正：将活动表现分为规模、效率、利润和后效四个维度，至少延迟一个观察窗口再下最终结论。
搜索用户、推荐用户、达人内容用户和老客用户的消费阶段不同。用全店平均转化率去评价每一个入口，会把人群差异误判为渠道能力。新客入口可能首单转化较低，但会员注册和后续复购较好；老客召回则可能支付率高，却没有明显新增。
修正：建立“来源×人群×商品”的三维切片，至少区分新客、老客、会员和高意向行为人群。
不同计划的出价、归因窗口、优惠成本、流量位置和人群规模都可能不同。一个小预算计划取得很高投产，不代表它可以承接十倍预算；一个规模大的计划投产略低，也可能承担着新客获取和品牌曝光任务。
修正：在投产之外增加边际投产、预算弹性、增量支付用户和有效新客成本四个指标。
运营使用支付订单，财务使用结算金额，投放使用归因成交，商品团队使用下单件数；如果没有统一定义，会议上的数字都可能“没错”，却无法相互验证。数据工作首先是口径治理，其次才是图表美化。
修正：把指标名称、计算公式、时间范围、过滤条件和负责人写进数据字典，重要报表旁边显示更新时间与口径说明。
04 / DECISION FRAMEWORK
这套方法的目标不是做复杂模型，而是让团队在有限时间里得到可复核、可行动的答案。
时间对照人群对照
时间对照：活动前基线、活动中峰值、活动后回落。重点不是追求曲线永远向上，而是识别峰值是否由活动带来，以及回落后是否留下更高的平台。
人群对照：新客与老客、会员与非会员、被内容触达与未触达。人群拆分后，渠道效果会从平均数中显现出来。
我不会孤立地说“转化率提高了”。我会进一步问：是访客结构改变，还是商品价格改变？是优惠提高了支付，还是高意向老客集中下单？是支付金额提高，还是客单价提高但订单减少？
推荐一个简单表达：支付金额 = 访客数 × 支付转化率 × 支付买家客单价。当金额变化时，把三个因子分别拆开，就能避免只对着结果猜原因。
| 字段 | 作用 | 建议切片 |
|---|---|---|
| 入口来源 | 确认用户从哪里进入 | 自然搜索、推荐、付费、内容、店铺、活动会场 |
| 活动状态 | 辨别活动影响范围 | 预热、爆发、返场、活动后7天 |
| 人群状态 | 判断新增与经营质量 | 新客、老客、会员、沉默用户、高意向用户 |
| 商品角色 | 解释流量承接方式 | 引流款、主推款、利润款、组合套装 |
| 成本与优惠 | 评估真实收益 | 媒体成本、平台扣点、优惠、履约和售后成本 |
05 / VISUAL OBSERVATION
图表适合发现结构变化，不能代替口径核对和业务解释。
示例数据：访客为千人，折线为支付转化率。这里故意将规模和效率放在一起，提醒我不能因为某入口访客最多，就直接判定它最优。
为了让团队快速讨论，我有时会给不同来源建立一个辅助评分。评分不用于对外宣传，也不替代财务核算，只用于把规模、转化、新客和活动后价值放进一个共同讨论框架。下面的权重是示例，可根据业务阶段调整。
示例评分构成：来源规模30%、支付效率30%、新客质量20%、活动后价值20%。不同业务不能直接套用。
06 / E-SHUTONG CASE
以下是围绕数据分析工具产品设计的虚构示例，用来演示方法，不代表 E数通真实客户、真实平台表现或官方案例。
假设我负责一个面向经营团队的数据分析工具活动，活动主题是“用一张经营看板看清来源与转化”。团队在天猫相关业务场景中同时做了搜索投放、内容发布、活动会场曝光和老客召回。活动目标不是单纯追求页面访问，而是获得一批真正完成注册、连接数据源并创建第一张看板的用户。
因此，我会把“支付”或“注册”继续向后追一层。如果只看注册数，低意向用户也可能让结果变得漂亮；如果继续看连接数据源、完成首个分析任务和7日回访，就能区分一次点击带来的好奇心与真正的业务需求。对于 E数通这类数据工具，用户是否能快速获得第一条可执行结论，往往比单次访问更能说明活动承接是否成功。
我会先在数据表中固定以下事件：曝光、点击、进入落地页、注册、连接数据源、创建看板、完成一次筛选分析、再次访问。每个事件都记录时间、来源、活动批次、设备、用户类型和产品版本。
来源维度不能只写“活动”。我会把活动会场、搜索词、内容编号、投放计划、老客触达批次和自然回访分别编码。这样，当注册数变化时，可以追溯到具体动作；当同一用户经过多个触点时，也能保留路径而不是只剩一个模糊标签。
假设示例中，推荐来源带来最多访问，但连接数据源率较低；搜索来源访问量较少，却更容易完成首张看板；内容来源的直接注册不突出，但活动后的回访率较好。此时我不会马上关闭推荐或把全部预算切给搜索，而是根据用户阶段调整承接。
推荐更适合承担认知和广泛覆盖，搜索更适合接住明确需求，内容更适合解释使用场景，老客召回更适合推动复用。增长的答案不是选择唯一冠军，而是建立各入口之间的分工。
示例指标为相对指数，不代表真实用户数量。指数用于说明：访问规模增加后，后续激活环节可能并不会等比例增加。
如果进入落地页到注册的损失最大，我会检查首屏价值主张、注册步骤和流量意图是否匹配；如果注册到连接数据源损失最大，我会检查授权说明、模板和数据接入门槛；如果创建看板到7日回访损失最大，我会检查用户是否获得了足够具体的经营结论。
在 E数通场景中，产品价值必须和增长数据连起来：看板不是终点，能否帮助增长负责人回答“哪个来源值得继续投、哪个货品需要调整、活动后谁还会回来”，才是激活质量。
| 现象 | 可能解释 | 需要验证的明细 | 下一轮动作 |
|---|---|---|---|
| 推荐访客增长明显，注册增长有限 | 覆盖扩大但需求意图弱，或落地页承接过于复杂 | 素材主题、停留时长、滚动深度、注册开始率 | 按场景拆素材，给高意向人群单独落地页 |
| 搜索注册率高，成本也上升 | 需求明确但竞争激烈，扩大预算带来边际成本上涨 | 搜索词分层、排名位置、边际注册成本 | 优先保高质量词，设置预算上限和停投规则 |
| 内容直接转化低，活动后回访高 | 内容承担认知与解释，不适合只看末次支付 | 内容触达后的搜索、收藏、回访和激活 | 建立内容触点标记，延长观察窗口 |
| 老客支付或使用率高，新客增长弱 | 召回有效，但新增池不足 | 新老客占比、召回成本、会员新增 | 保留老客利润盘，同时补充新客获取实验 |
07 / OPERATING PROCESS
流程的价值在于让不同团队看到同一件事，并且知道下一步谁负责。
先写清本轮要回答的是来源增量、转化效率、获客成本、利润还是活动后留存，避免所有指标都被要求同时增长。
明确统计时区、订单状态、退款处理、优惠分摊、归因窗口和来源命名，并把口径放在报表标题附近。
选择相近周期或匹配样本，记录为什么这样选。基线可以调整，但不能在看到结果后随意更换。
至少按来源、人群、商品和活动阶段切片；先看总盘，再看关键切片，避免一上来陷入过细明细。
对异常点回查素材、出价、库存、页面、优惠和客服记录。数据提出假设，业务现场负责验证。
每个结论必须对应负责人、截止时间、预算边界和成功标准。没有动作的洞察，只是更漂亮的复盘文字。
08 / TRADE-OFFS
我会根据目标和约束做取舍，而不是寻找一个永远有效的渠道排名。
先不急着判定渠道失效。可能是活动扩大了冷人群覆盖，也可能是推荐素材承诺与商品页面不一致。我的第一动作是按来源和新老客拆开支付转化，再看详情页停留、优惠领取、库存和客服咨询。
取舍：如果新增流量带来的边际成本可接受，保留覆盖但调整承接；如果低质量流量消耗了客服和库存，就缩小人群，优先保障高意向入口。
活动优惠可能把支付率推高，却压缩了毛利。此时要按商品和订单类型看贡献毛利，而不是只看全店支付金额。引流款可以承担获客，但必须知道它把多少用户带到利润款或后续复购。
取舍：若新客和后续价值足以覆盖短期让利，可以保留有限优惠；若用户只购买低毛利商品且没有后续行为，应降低补贴强度。
老客是稳定的经营资产，不能因为新客目标就忽略其利润贡献。但如果活动主要依靠老客提前消费，下一周期可能出现需求透支。需要把老客召回和新客获取放进不同预算池，分别设定评价标准。
取舍：老客预算看复购、客单和利润；新客预算看有效新客成本、激活率和后续留存，不能用同一个投产门槛粗暴比较。
内容通常需要解释产品、建立信任和提供使用场景。若只看当天末次成交，内容很容易被削减。我的做法是给内容用户加上触达标记，观察后续搜索、回访、收藏、加购和活动后转化。
取舍：在预算紧张时，保留能带来高质量回流的内容，减少只有曝光没有后续行为的内容；同时优化内容到商品或落地页的过渡。
这通常不是数据不够，而是决策规则没有提前约定。比如运营认为支付金额最重要，财务认为毛利最重要，品牌团队认为新客覆盖最重要，产品团队认为激活最重要。不同目标都合理，但必须说明本轮活动的主目标、保护指标和观察指标。
| 业务阶段 | 主目标 | 保护指标 | 适合的行动 |
|---|---|---|---|
| 需要扩大认知 | 有效触达、搜索增量、内容回流 | 品牌相关搜索质量、预算消耗 | 测试素材和人群，不用短期转化单一否定 |
| 需要获取新客 | 有效新客、首购或首次激活 | 新客成本、退款、低质注册 | 建立新客漏斗与7日观察，控制边际成本 |
| 需要提高利润 | 贡献毛利、利润款占比、复购 | 客诉、库存、履约体验 | 收窄优惠，优化商品组合与人群分层 |
| 需要提高效率 | 边际投产、单位有效行为成本 | 规模不能断崖式下降 | 逐步加预算，记录每个增量区间的效率变化 |
09 / IMPLEMENTATION CHECKLIST
我建议把清单分为会前、会上和会后三个阶段，减少复盘变成“看图说话”。
10 / FAQ
每个问题都尽量从增长负责人的实际疑惑出发，给出可落地的判断路径。
不一定。我经常遇到一个渠道占比最高，却没有带来相同比例新增支付用户的情况，因为活动会让全店流量同时上涨。判断时我会把来源占比、活动前基线、绝对增量、支付转化、新客比例、边际成本和活动后回访放在一起看。例如推荐流量可能规模最大，搜索流量却带来更高的有效转化，二者承担的经营角色并不相同，不能只按占比排名。
活动成交额是一个短期结果，可能受到大额优惠、老客提前购买、库存集中释放和自然大盘上涨的共同影响。要判断增长是否留下来，我会继续观察活动后7天到14天的自然回访、会员新增、复购、退款、客诉和毛利，并与活动前相近周期做对照。如果峰值后指标完全回到原位，甚至出现明显透支，就不能把一次性爆发直接称为可持续增长。
内容是否有效不能只看当天最后一次点击支付。用户可能先被内容触达，之后搜索品牌、收藏商品、参加活动，最终从另一个入口完成支付。我的做法是为内容触达用户保留标记，观察搜索回流、收藏加购、活动后转化、有效新客和复访行为，同时设置最低有效阅读、互动或回流标准。若只有曝光而没有任何后续行为，再考虑减少预算或更换内容主题。
我不会直接用一个全店转化率比较新客和老客，因为两类用户的购买阶段、优惠敏感度和历史关系不同。新客更适合看有效新客成本、首购转化、首单毛利、会员沉淀和后续激活；老客更适合看复购率、召回成本、客单、贡献毛利和复购间隔。最终可以用统一的用户价值口径比较，但前提是观察窗口、成本分摊和用户定义一致。
注册只说明用户完成了一个表单动作，不一定说明用户理解产品价值，更不一定代表真实使用。以 E数通为例，我会继续看用户是否连接数据源、创建第一张看板、完成一次筛选分析、再次访问以及是否能从数据中得到经营结论。这样的激活链路可以帮助团队区分“被活动吸引的访问”与“真正具有数据分析需求的用户”，也能让后续内容、产品引导和销售跟进更有依据。
没有多触点系统时，我会先诚实地把结论命名为末次触点、首次触点或规则归因，不把它包装成完整因果。实际工作中可以先统一来源编码，记录首次触点、关键触点和最终转化入口，再用活动前后对照、分地区或分人群实验、内容触达与未触达对照来增加证据。归因不是一次报表就能解决的问题，先把数据链路和口径做稳，比直接追求复杂模型更重要。
11 / SUMMARY
活动复盘的终点不是找到一个冠军渠道，而是让下一次投入更有把握。
