过去三年，我先后参与过12个消费品牌的赠品营销复盘，一个最反直觉的发现是：绝大多数团队都在用“送出去多少”定义成功，而不是用“多赚了多少”。这篇文章围绕一次14天全渠道赠品活动的数据分析过程展开，从建立对照组、识别增量、归因成本到追踪90天复购，把赠品营销的效果分析完整拆给你看。
我曾观察过一家食品品牌的活动数据：赠品领取者中，约68%在领取前30天内已经有过加购行为。也就是说，赠品真正打动的是那些“正在犹豫”的人，它把1个月的决策周期压缩到3天。它对完全没有需求的人群几乎没有影响。
很多人用“核销率”“领取人数”作为KPI，但这些都是过程指标。真正要回答的问题是：如果没有赠品，这部分人还会不会买？会买，就不是增量；不会买，才是增量。因此，必须建立对照组。做不到严格A/B时，也要用倾向得分匹配做一个准实验。
新客、活跃老客、沉睡客户、高价值VIP对赠品的反应完全不同。把所有人放在一起算平均，会把优点和缺点同时抹平。比如同一个保温杯，对沉睡客户能带来6.2个百分点的转化提升，对高价值VIP可能只有0.3个百分点。后面的数据观察会详细展开。
先对照，是建立自然购买基线；再归因，是只把“增量交易”计入效果；最后看长期，是把90天LTV拉进成本收益模型。这套框架帮我避免了很多次“看起来成功、算完亏损”的赠品活动。
2024年中秋节前，我接手一个某区域连锁食品品牌的赠品活动复盘。品牌年GMV约3.2亿元，会员池120万。活动规则是“全场实付满69元赠定制保温杯”，限量4万个，覆盖App、小程序、线下门店和社群，活动周期14天。
业务方最初的KPI是“赠品核销率不低于85%”。从运营视角看，这个目标简单粗暴。但从数据分析视角看，它缺少三个信息：这批买满69元的人如果没有赠品会不会买？赠品是让消费升级，还是让原本可能买别的品牌的人转向你？活动结束后，这些用户的复购能否覆盖赠品成本？
活动的数据链路包括：曝光记录、领取记录、核销记录、订单明细、退款记录、用户标签、活动后4周的周购买行为。我们花了3天把散在多个系统的数据整理成一张事件表，核心字段包括user_id、touch_channel、is_exposed、is_received、is_redeemed、order_id、order_amount、refund_flag、campaign_period等。
这里的难点不在技术，而在业务口径：门店导购手工录入的订单没有统一赠品标记；部分顾客在线上领券、线下核销，产生跨渠道归因问题。我们最终以“是否实际核销赠品”作为处理组识别条件，并辅以“是否领取未核销”做稳健性检验。
分析启动前，我做了三个关键决定：
最终，我们根据用户最近30天购买频次、客单价、品类偏好、活跃度四个协变量，为每个核销用户匹配了一个未核销用户作为对照组。匹配后两个组的历史购买均值差小于1%，具备可比性。
我见过一个非常典型的项目：赠品是知名IP联名文件夹，核销率达到92%，团队庆祝活动“大获成功”。但拉出数据后发现，核销赠品的用户中，80%在活动前7天已经加入购物车。也就是说，这个赠品几乎没有拉动额外交易，只是把本来要发生的交易“装饰”了一遍。领取率、核销率只能说明赠品本身有没有吸引力，不能说明它对业绩有没有贡献。
这个误区在电商团队最常见。活动前一周日均GMV 80万，活动期间日均GMV 120万，业务方认为增量是40万。问题在于，活动期间其他因素也在同时变化：平台流量波峰、广告投放加码、竞品缺货、天气变化。更隐蔽的是“消费转移”：用户本来下周再买，看到赠品这周提前买了。把下周的订单搬到本周，总量没有变，GMV增量却被重复计算。
赠品会带来冲动购买，也会带来退货率上升。一个美妆品牌的活动数据显示，赠品订单的退货率比普通订单高8.2个百分点，其中相当一部分是“为了拿赠品凑单，随后把不需要的商品退掉”。如果不把退款订单从增量中剔除，ROI会被虚高15%-25%。
赠品吸引来的用户，很多是价格敏感或对赠品本身感兴趣的人。活动结束后，如果赠品停止，他们的复购率会快速回落。我们需要区分：有些用户是“被赠品买来的”，有些用户是“被赠品唤醒的”，前者的90天LTV往往为负。只评估首购转化，会把长期会流失的用户当成胜利果实。
赠品采购成本只是冰山一角。定制包装、仓储、物流、客服话术、活动系统改动、因赠品质量问题带来的售后赔偿，都应该计入活动成本。一次活动中，我们把成本模型从“赠品单价18元/件”调整为“全成本32.6元/件”后，ROI从2.8降到1.6，决策方向随即改变。
不是每个活动都能先跑A/B实验。我的替代方案是：用三层证据构造基线。第一层，活动前8周的历史购买概率模型，输出每个用户的“自然购买概率”；第二层，倾向得分匹配对照组；第三层，未触达渠道中的同画像人群。三层结果交叉验证，如果差异超过1个百分点，就说明基线的稳定性不够，需要回查样本质量。
在这个中秋赠品案例中，使用匹配对照组后，核销用户的活动期购买转化率是16.4%，对照组的自然购买转化率是11.2%，因此真正的增量转化率是5.2个百分点，而不是16.4%。这个差值看似不大，却直接影响预算审批。
下面是我在项目中常用的伪SQL，目的是为每个赠品领取用户，匹配一个倾向得分最接近的未领取用户作为对照组：
-- 伪SQL：基于PSM的赠品活动对照组匹配 WITH treat AS ( SELECT user_id, propensity_score FROM user_propensity WHERE user_id IN ( SELECT DISTINCT user_id FROM gift_records WHERE campaign_id = '2024_mid_autumn' ) ), control AS ( SELECT user_id, propensity_score FROM user_propensity WHERE user_id NOT IN ( SELECT DISTINCT user_id FROM gift_records WHERE campaign_id = '2024_mid_autumn' ) ) SELECT t.user_id AS treat_user, c.user_id AS control_user, ABS(t.propensity_score - c.propensity_score) AS distance FROM treat t JOIN control c ON c.propensity_score BETWEEN t.propensity_score - 0.05 AND t.propensity_score + 0.05 QUALIFY ROW_NUMBER() OVER ( PARTITION BY t.user_id ORDER BY ABS(t.propensity_score - c.propensity_score) ) = 1
匹配完成后，需要做平衡性检验：两个组的历史客单价、购买频次、活跃度均值差应小于0.05个标准差。如果某个变量不平衡，就把它加入匹配模型重新跑，而不是直接手填样本。
我梳理过同一品牌连续5档赠品的表现：赠送价值从5元提升到20元时，新增转化率提升很快；但从20元提升到50元时，增量明显放缓。高价值赠品带来的额外转化，有时还覆盖不了增加的成本。只有画出“赠品成本-增量转化率”曲线，才能找到拐点。这个拐点并不总在最高价值的位置。
我把赠品活动成本拆成五层：赠品采购成本、包装成本、物流仓储成本、系统与客服成本、退款损耗。每层都要计算到“每个核销用户”身上。如果赠品是品牌定制品，还需要把设计费和模具费按预估核销数量摊销，而不是一次性计入。
用增量用户的90天LTV做更严谨的计算：增量LTV = 增量用户首购毛利 + 活动后90天复购毛利 – 赠品全成本 – 获客成本分摊。只有这个值为正，赠品活动才值得持续投入。如果首购ROI为正但90天LTV为负，说明你吸引了一群“羊毛党”或“一次性用户”，需要调整赠品机制。
先把所有渠道数据汇总成一条漏斗：活动曝光120万人，点击查看赠品37万人，实际领取32万人，完成核销28万人。只看核销率，28万/32万=87.5%，非常理想。但通过对照组校准后，真正算得上增量购买的人数只有4.6万人，也就是核销用户的16.4%。这意味着超过八成核销用户，本来就是计划内购买。
把渠道数据拆开后的结论是：门店扫码的核销率最高，但它带来的增量ROI并不是最高；短信触达带来的订单量很大，但单客成本也高。如果只看核销率，会把预算全部投到门店；如果只看订单量，会把预算投给短信；正确的做法是看“增量ROI与触达规模的组合”。
下表是五个渠道的脱敏对比数据：
| 渠道 | 触达量 | 核销率 | 增量ROI | 单客成本 |
|---|---|---|---|---|
| App Push | 25万 | 41% | 2.3 | 12元 |
| 短信 | 18万 | 28% | 1.5 | 25元 |
| 公众号 | 12万 | 23% | 1.9 | 8元 |
| 门店扫码 | 8万 | 52% | 3.1 | 30元 |
| 社群 | 6万 | 35% | 2.6 | 6.5元 |
这里最需要警惕的是门店扫码：核销率高，但单客成本30元是最高的，因为线下流量本身有场地、人员等隐性成本。短信虽然ROI低，但胜在触达量大，适合用来做基础量；社群则是最具性价比的量。
按人群拆分后，新客、活跃老客、沉睡客户、高价值VIP的增量转化差异极大。沉睡客户的增量转化率提升6.3个百分点，是所有人群中最高的；高价值VIP只有0.6个百分点。由此得出一个判断：赠品预算应该优先投给沉睡客户，而不是撒给全量会员。高价值VIP需要的是专属服务和稀缺体验，而不是一个保温杯。
我们追踪了活动结束后4周的购买转化率。赠品组从活动周的9.8%回落到第4周的4.7%，仍然略高于对照组的4.3%，但溢价幅度已经从活动周的4.7个百分点缩小到0.4个百分点。这说明赠品对短期转换有效，但长期留存效应有限。
如果只看活动周，你会以为找到了用户增长引擎；把时间轴拉长，你才会发现它更像是“借未来的销量”。那些活动后仍然保持高于对照组0.4个百分点的用户，才是值得后续运营的重点人群。
小预算（5万元以下）：不要做全渠道，选一个私域渠道做精准测试。社群是最理想的起步场景，单客成本低，可以快速验证赠品对增量购买的概率。
中预算（5-20万元）：以沉睡客户定向赠品为主，把70%的预算放在高存量人群，剩下的30%用来测试新客。人群定向比通用赠品的ROI至少高0.7-1.2倍。
大预算（20万元以上）：采用“分层赠品+动态门槛”的组合。不同用户看到不同赠品，例如沉睡客户看到高吸引力赠品，VIP看到专属服务权益。同时建立完整的数据回传，否则大预算会变成大浪费。
如果目标是提高客单价，用门槛赠品；如果目标是拉活沉睡客户，用高感知价值赠品；如果目标是获取新客，用首单赠品，但必须同步设计复购路径；如果目标是清库存或推广新品，用关联赠品，而不是无关赠品。
数据基础弱的团队，至少要做到“核销率＋退货率＋活动前后同店GMV对比”；数据团队能写SQL的，做到“倾向得分匹配＋增量购买识别”；有成熟数据平台的，再叠加“90天LTV和人群持久度分析”。不要一上来就建复杂模型，更不要因为无法精确分析就不分析。
高门槛赠品（满199送）的增量ROI通常更高，因为筛选出来的用户本身客单价高；但覆盖面窄，无法激活低客单用户。低门槛赠品（无门槛或满69送）覆盖面大，但容易引来羊毛党。取舍原则：如果当前主要问题是客单价低，选高门槛；如果问题是用户活跃度低，选低门槛。
硬赠品（实物）感知强，核销率高，但成本重、库存风险高；软权益（折扣券、加价购、积分）成本轻，但容易被忽略。我见过很多团队把“券包”当赠品，核销率只有5%-10%。如果品牌自身没有强运营提醒能力，优先选实物赠品。
通用赠品操作简单，但会产生大量无效成本；人群定向赠品复杂，但能精准命中不同人的动机。案例中，把保温杯换成“人群定向赠品”后，同样的预算可以覆盖三类人：沉睡客户收到杯具，新客收到试吃装，VIP收到专属包装。测试数据显示，人群定向的增量ROI比通用赠品高42%，但执行周期多出5-7天。
赠品活动最常见的冲突是：运营要GMV，品牌要调性。低价值但吸睛的赠品能快速冲量，却可能损伤价格体系；高价值但克制的赠品对品牌更友好，但数据可能不好看。我的建议是：把赠品预算分成两部分，70%用于短期转化，30%用于长期品牌体验，两者分开评估，不要混在同一张ROI表里。
如果赠品活动结束后，你无法回答“哪些订单是被赠品改变决策带来的”，那这场活动对你最大的价值就不是GMV，而是数据基础建设。下一次再做赠品，至少要在活动开始前留好对照组、埋好事件、记好全成本。先让数据会说话，再让数据指导预算。
回到标题里的问题：赠品营销效果分析，最难的不是算数，而是定义“什么是效果”。我做了这么多年复盘，最大的体感是：绝大多数赠品项目并不缺GMV，缺的是识别增量的纪律。下一步，你可以从今天开始做三件事：第一，把赠品成本从“采购单价”改成“全成本”；第二，在下次活动前建立至少一个对照组；第三，把分析周期从活动结束时延长到活动后90天。哪怕只完成一件，都会比大多数团队更接近真相。
我上个月做了一场买A送B的赠品活动，活动期间GMV环比涨了50%，我当时很开心，结果月底一看退款率从3%飙到9%，退货的大多是冲着赠品来的人。我是不是被表面销售额骗了？这场赠品到底算成功还是失败？
答案是：一定要用确认收货净收入来复核，不能只看支付GMV。我参与过一个日化品牌的促销复盘，活动GMV很漂亮，但订单明细里出现了三个预警信号：赠品订单的退款率是平时的2.6倍，赠品相关客诉翻了4倍，活动结束后两周的自然销售额比活动前还低12%。
当时的复盘方法，是把所有订单按是否命中赠品规则拆成两个池子，得到一组差异很大的对比数据： 指标 | 命中赠品订单 | 未命中赠品订单 支付订单数 | 3260 | 4520 24小时退款率 | 16.2% | 2.1% 确认收货净收入 | 41.3万 | 74.8万 客诉率 | 3.9% | 0.8% 只看支付GMV，命中赠品订单是45.2万，未命中是48.1万，差距不大；
但按确认收货口径，赠品订单只有41.3万，未命中是74.8万，真实贡献被高估了。更隐蔽的是赠品不追回。有73%的退款订单只退主品、留下赠品，这个损耗在GMV口径里完全消失。我的判断标准是：如果赠品引发的退款率比常规水平高2个百分点以上，就必须回到订单粒度重新核算，否则赠品活动大概率在赔钱。
公司市场部提了一个赠品方案，财务让我先算账，可我不知道怎么把赠品成本和它真正带来的增量收入对应起来。尤其怕把自然增长也算成赠品的功劳，最后发现是亏本冲量，白白赔了一波预算。
我第一次做赠品测算时，直接用市场部口径：活动期间销量对比活动前30天日均销量，算出增量800单。但后来发现那个月是行业旺季，自然增长率本来就有35%，真正的增量被严重高估了。改进方法是做对照组。
我找两个数据特征接近但没做赠品的城市做DID，用活动城市减去非活动城市，再减去活动前两个城市本来就存在的差异，结果真实增量只有270单。测算公式建议为：真实增量毛利 =（实验组销量-对照组销量）×主品毛利 – 赠品成本 – 退货损耗 – 客单下降损失。
赠品成本不只采购价，还包括额外物流、打包、客服工时；退货损耗指因赠品引发的退货运费和主品残值折损。如果没有城市对照组，可以做用户随机分组。测试组赠送品，对照组不送，其他流程完全一样，至少跑7天。样本量每天每组不少于5000人时，支付率差异才可置信。
我见过太多品牌把双11的自然增长算成赠品功劳，促销一停就现出原形。还有一层容易漏掉的成本：赠品会拉低客单价。用户本来要买599元的高毛利主品，为了拿赠品改选499元的特价款。这种客单价下移就是没看见的毛利流失，必须单列指标。
之前做赠品活动，渠道后台数据显示有3000人参与，但我把用户ID导出来去重后，发现只有1200多个真实用户，好几个账号是同一手机号批量注册的。我想搞清楚，像这种重复领取、渠道刷单的情况，应该用什么去重口径看数据，才能不被水分骗过去。
我做过一次渠道聚合分析，最离谱的案例里渠道声称涌入3100人，实际去重后只有1240人。同一个ID在不同渠道累计领取7次，还有人用同一手机号注册六个账号分批领取，明显是群体薅羊毛。当时我建立三层去重逻辑：第一层用手机号+账号ID去重；第二层叠加设备指纹去重；第三层识别收货地址相似度。
三层跑完后，原始3228笔有效订单只有1876笔通过校验。通过校验后，我重算了所有结论，重点看两个指标：一是重复参与率，即同一真实用户参与两次及以上的订单占比；二是薅羊毛订单占比，即同一手机号或设备关联的订单占比。
如果薅羊毛占比超过8%，说明活动设计的是福利门槛而不是消费门槛，继续看GMV已经没有意义。去重还要设时间窗。同一个客户7天内只算一次有效参与，第二次的赠品可以正常发货，但贡献测算只能算一次。如果按订单数下结论，刷单和分拆订单都会被当成真实增长，复盘结果会严重失真。
我们做了一次买主力产品送小样的赠品活动，首购转化率确实变高了，但三个月后复购率还是只有12%，和没做过赠品的自然流量用户差不多。我很困惑：这个赠品是不是招来了一群只想占便宜的过客？如果要看赠品到底能不能留住人，到底该盯什么指标。
我在一个珠宝配饰店铺做过赠品AB测试：A组拿到和主品有使用关联的品质赠品，B组拿到和主品无关的猎奇小物。B组首购转化率18%，高于A组的12%；但90天复购率，B组只有6%，A组有24%。用180天LTV看，A组是B组的1.7倍。这说明首购高不代表忠诚。B组靠猎奇感带来的是冲动消费，玩完就忘；
A组赠品和主品放在一起用，每次使用都会复现主品价值，记忆点和真实价值感都更强。我建议用同期群分析看新客留存。把每月新增用户单独切片，统计30天、90天、180天的留存率和支付金额，再和自然新客做对照。如果赠品带来的新客90天留存和自然新客差不多，说明赠品只换来一次交易，没有改变用户和品牌的关系。
行动上，活动前不要只定首购转化率，要同时设定90天复购率和净LTV。赠品要设计成场景钩子。比如买滴滤咖啡机送一周试饮装咖啡豆，逼着用户七天里至少再冲一次，把赠品效果落到使用场景上，而不是停留在签收那一刻。
读者评论
文章把“核销率”和“增量购买”区分开来很有价值，尤其是按新客、沉睡客户和VIP分层后，能更清楚地看出赠品到底影响了谁。用对照组评估活动，比单看GMV更接近真实经营效果。
成本核算部分比较实用，退货、物流、客服和包装等隐性成本确实容易被忽略。不过文中的数据多为脱敏或模拟结果，实际应用时还需要结合样本规模、渠道差异和季节因素进一步验证。
PSM匹配和90天复购的分析思路较完整，适合电商或会员运营团队参考。需要注意的是，赠品领取本身可能受到用户意愿影响，仅靠倾向得分仍难完全消除选择偏差，最好配合分层实验或长期追踪。