電商行業(yè)充斥著大大小小的促銷活動原在，O2O領(lǐng)域也常常上演補貼大戰(zhàn)友扰，在開疆辟土階段，砸錢讓利招攬用戶的法子自然最為好使庶柿，但當(dāng)形成一定規(guī)模之后村怪，瘋狂促銷補貼的模式是否仍然高效？個性化的運營策略是否有必要浮庐？活動的真實效果到底如何甚负？

為了解決以上問題，建立科學(xué)的活動效果評估體系审残，當(dāng)前最簡便的方法莫過于AB測試梭域。

一、如何建立評估體系搅轿？

AB測試目前廣泛應(yīng)用于產(chǎn)品灰度發(fā)布階段病涨，除此以外，AB測試還有更為廣泛的用途璧坟，比如：精準(zhǔn)營銷等增長策略既穆。

要進行某類方案的驗證，其理念非常樸素雀鹃，無非就是控制變量幻工，但商業(yè)世界尤其復(fù)雜，想要控制一切不相干變量極其困難黎茎，因此AB測試大行其道囊颅，成為了檢驗“真理”的常用標(biāo)準(zhǔn)。

基于AB測試的思想，通過隨機分組踢代，可以保證兩個組的其他變量基本一致先鱼，通過對實驗組施加影響，來觀察實驗組相對于對照組的表現(xiàn)差異奸鬓，從而評估該影響的效果焙畔。

接下來，我們就以電商行業(yè)的促銷活動為例串远，嘗試構(gòu)建促銷的評估體系宏多。

首先，通過標(biāo)簽篩選出潛在人群澡罚，并隨機抽取一部分用戶作為測試組伸但，在不做任何干預(yù)的情況下，暗中觀察用戶的轉(zhuǎn)化情況留搔。

對于實驗組的用戶更胖，我們通過定向優(yōu)惠券加短信觸達的形式進行干預(yù)，然后靜靜等待用戶轉(zhuǎn)化隔显。

對于對照組而言却妨，用戶都是自然轉(zhuǎn)化，而實驗組的用戶是在干預(yù)下產(chǎn)生的轉(zhuǎn)化括眠。在實驗組中彪标，一部分用戶確實是被優(yōu)惠吸引，從而下單購買掷豺，但還有一部分用戶即使沒有優(yōu)惠券也很有可能自然轉(zhuǎn)化捞烟。

因此，我們以對照組的轉(zhuǎn)化率作為沒有優(yōu)惠券情況下的自然轉(zhuǎn)化率当船，那么题画，我們可以得到以下與用戶相關(guān)的指標(biāo)：

用戶基線=干預(yù)總?cè)藬?shù)*自然轉(zhuǎn)化率

用戶提升=干預(yù)總?cè)藬?shù)*（干預(yù)轉(zhuǎn)化率-自然轉(zhuǎn)化率）

用戶提升率=用戶提升/用戶基線

同理，從經(jīng)營分析的層面德频，我們可以評估實際的銷售效果：

GMV基線=用戶基線*自然轉(zhuǎn)化客單價

GMV提升=用戶提升*干預(yù)轉(zhuǎn)化客單價+Max[用戶基線*(干預(yù)轉(zhuǎn)化客單價-自然轉(zhuǎn)化客單價),0]

成本=每單優(yōu)惠金額*下單用戶量+每條短信資費*干預(yù)總?cè)藬?shù)

GMV凈提升=GMV提升-成本

注：GMV提升一方面體現(xiàn)在拉來本不會下單的用戶所產(chǎn)生的GMV苍息，另一方面體現(xiàn)在，提升了本來就會下單的用戶的客單價抱婉，因此要計算這兩部分的GMV提升档叔。而對于優(yōu)惠券而言，尤其是滿減優(yōu)惠券蒸绩，一般會對客單價產(chǎn)生提升作用，如果客單價降低了铃肯，可能是因誤差或外部因素導(dǎo)致患亿，因此此處用了Max()，即當(dāng)客單價降低時，取值0步藕。

最終惦界，我們可以得到評估經(jīng)營效果的綜合指標(biāo)：

GMV凈提升率=GMV凈提升/GMV基線

ROI=GMV凈提升/總成本

上邊的指標(biāo)這么多，那哪個才是最重要的呢咙冗？

以上指標(biāo)羅列的目的是便于理解指標(biāo)的拆解計算過程沾歪。但對于不同角色而言，最終只需要關(guān)注與其相關(guān)的結(jié)果指標(biāo)雾消。

對于運營或者營銷而言灾搏，他們的考核目標(biāo)可能聚焦于月活躍用戶數(shù)，所以立润，他們會更關(guān)心用戶提升率狂窑，通過多次活動的橫向比較，可以識別活動效果的好壞桑腮，從而再逐步挖掘根因泉哈。

對于負責(zé)銷售的同事而言，需要考量的因素會相對復(fù)雜一些破讨，但他們也可以直接通過GMV凈提升率和ROI這兩個指標(biāo)來評估活動的綜合效果丛晦。

其中，GMV凈提升率反應(yīng)的是活動對于GMV的提升效果提陶，如果當(dāng)前的目標(biāo)是不惜一切代價沖GMV的話采呐，那么應(yīng)該選擇GMV凈提升率高的活動形式或力度。而如果需要權(quán)衡考量利潤的話搁骑，那么還應(yīng)該把ROI納入分析斧吐，選取GMV凈提升率較高，同時ROI也較為可觀的活動方案仲器。

二煤率、如何構(gòu)建優(yōu)化策略？

上邊有提到乏冀，運營或者銷售可以通過AB測試優(yōu)化活動方案蝶糯，那么具體應(yīng)該如何實現(xiàn)呢？

如果需要測試不同促銷形式辆沦、不同活動力度的效果昼捍，那么有必要對實驗組進一步細分。

例如：對于實驗組1可以發(fā)放滿100減20的券肢扯，實驗組2發(fā)放滿100減10的券妒茬，最后與對照組比對分析活動效果差異。滿100減20的券GMV提升可能較高蔚晨，但由于成本較大乍钻，也會導(dǎo)致GMV凈提升率和ROI并不高肛循。

同樣，對于不同促銷形式银择，如定向優(yōu)惠券多糠、定向優(yōu)惠價格等，同一折扣力度不同門檻浩考，如100減20和200減40夹孔，也可以以相似方法進行測試。

進行多次AB測試之后析孽，可以根據(jù)歷史測試數(shù)據(jù)進行初步判斷搭伤，識別符合目標(biāo)的最優(yōu)促銷方案。

三绿淋、AB測試有哪些坑闷畸？

方法論總是看上去很美好，但一到落地層面就會面臨很多意想不到的問題吞滞，下面就來扒一扒佑菩，按照上述AB測試的方法來做活動效果評估及優(yōu)化會有哪些坑。

測試組人數(shù)太少：測試組和實驗組的人數(shù)不需要完全一樣裁赠，但各組的人數(shù)要保證有統(tǒng)計學(xué)上的意義殿漠，如果實驗組10w人，測試組只有10個人佩捞，那么測試組的結(jié)果受個體的影響會很大绞幌，最終可能導(dǎo)致異常的結(jié)果。

實驗組人數(shù)太少：如果想要測試什么門檻的優(yōu)惠券效果更好一忱，那么需要拆分多個實驗組莲蜘，發(fā)放不同的優(yōu)惠券，如果分的組太多帘营，會使得每個實驗組人數(shù)偏少票渠，從而導(dǎo)致結(jié)果不準(zhǔn)確。

你的測試組是別人的實驗組：現(xiàn)實環(huán)境下芬迄，不存在絕對干凈的試驗田问顷，你以為測試組可以代表用戶在不受干擾下的自然轉(zhuǎn)化，殊不知有其他活動已經(jīng)將他們劃入了實驗組禀梳。如果是公司內(nèi)部的沖突杜窄，那么可以在數(shù)據(jù)回流后剔除掉參與其他實驗的用戶，但如果是受到外部友商的干擾算途，那么我們將無從知曉塞耕，只有通過多次實驗綜合評估，對沖單次活動可能會面臨的特殊情況郊艘。

你的實驗組是別人的實驗組：同理荷科，外部友商可能有更大力度的活動唯咬，剛好圈定了你的實驗組用戶纱注，那么結(jié)果可想而之畏浆。

干預(yù)時間滯后：從圈定用戶、申請優(yōu)惠券到最后的短信觸達狞贱，這個時間多少有些滯后刻获，如果系統(tǒng)不判斷用戶是否已經(jīng)下單，那么用戶在下單之后才收到優(yōu)惠券瞎嬉，一方面會影響體驗蝎毡，另一方面，用戶可能取消訂單后再下單氧枣，導(dǎo)致履約成本的上升沐兵。如果在發(fā)送短信前剔除已下單用戶，那么最后實際干預(yù)的都是購買傾向相對偏弱的人群便监，會導(dǎo)致結(jié)果失準(zhǔn)扎谎。因此，營銷系統(tǒng)的完善性烧董、各部門的協(xié)同執(zhí)行力都至關(guān)重要毁靶。

結(jié)語

現(xiàn)實世界紛繁復(fù)雜，想要抽絲剝繭逊移，捋出頭緒談何容易预吆。試驗總會好過停步不前，在實踐之中胳泉，我們可以學(xué)著避開一個又一個的坑拐叉。

我們都在試圖去搭建一個框架，在這個框架下反復(fù)地探究扇商，找到一絲可能的線索凤瘦，最終，這些線索會編織起一個網(wǎng)絡(luò)钳吟。