“做活動就好比談戀愛，一切不以結婚為目的的戀愛都是耍流氓，那么，一切不以精準為基礎的活動也是在耍流氓。”

“所以，如果以活動運營精準與否為標準，我想在座的各位都應該引咎辭職。”

語出驚人的正是活動盒子產品總監Peter，集美貌和才華于一身的男子。因為泡過洋墨水，個人風格特別幽默開放。

“說出這樣的話來，不是梁靜茹給了我勇氣，是多年的實踐經歷讓我底氣充足。”

從外企到自創業再到活動盒子產品總監，擁有將近十年產品/活動運營管理經驗的“老司機”Peter對活動運營有著獨到的見解。

他深諳活動運營法則，通過一次次或成功或失敗的例子，在事實基礎上總結出一套行之有效的方法，并落實到之后的活動中。

借助這次難得的機會，peter給觀眾做了一場相當精彩的分享，干貨多多，馬上去看看他都說了些什么!

活動是要做到精準的點對點還是全覆蓋?

peter在開場就拋出了運營人員做活動過程中，經常遇到的問題：活動是越廣泛越好還是越精準越好?

去年年底，一個注冊用戶百萬級、公眾號自有粉絲超5萬的某醫藥電商使用活動盒子做了一場流量抽獎活動，目的很明確：增粉。

活動的生成非常順利，在活動盒子提供的適合不同目的自選模板(老虎機、刮刮樂、一鍵抽獎、搖一搖等)中，商家選擇的C端展示頁面模板是圣誕老人大轉盤，充分利用了節日的熱點借勢;規則和獎品也按照計劃落實。

人力、物力、資金通通到位，活動開展的轟轟烈烈，最后卻慘淡收場。為什么?

原來，該商家在做活動的時候，居然放棄自有的用戶資源轉而選擇外部渠道，換而言之，就是放棄自家精準的種子用戶而選擇了對其品牌一無所知的活動對象。

有句話說的好：不作死就不會死。該商家最終敗在了超額支出上：耗費4元/人的高成本獲取用戶關注。

“需要花4塊錢來獲得一個用戶，弄活動的意義已經不復存在，還不如直接每個人給4塊錢要求加關注來的方便有效。”peter無不遺憾地表示。

“正是這個活動讓我意識到了精準的重要性。全覆蓋的活動，毫無針對性，策劃得再好，沒有推給對的人，就像白干了一場，純屬浪費資源。”

“因此，相對于廣撒網的覆蓋式活動，我認為精準才是王道。”

有了這樣的認知，接下來的活動少不了“精準”一詞。

“真正做到點對點的精準活動，我們有了一次相當成功的嘗試。”

是個怎樣的活動呢?Peter跟我們介紹，他給淘寶某女裝電商做了一個掃訂貨單抽獎活動，形式非常簡單，用戶掃描訂貨單附帶的二維碼即可參與抽獎，既能吸粉又能引流。

在場的各位當時一定笑了：啥呀，不就一個掃碼抽獎嘛，玩爛的把戲，怎么就扯到精準頭上了呢?看看Peter怎么說的。

和之前的醫藥電商一樣，這個女裝店自身擁有150萬流量，意味著商家掌握了數百萬的用戶資源。

“這批龐大的自有資源，給用戶精準化提供了可能。”

實現用戶的精準化，第一步就是把活動參與的對象設定為這批自有用戶;第二步是借助活動生成工具——活動盒子，跟蹤目標用戶在應用場景中的實時行為，搜集用戶訪問時長、行為節點等數據，做出最基礎的用戶畫像分析。

“當然這還不夠。”Peter好像讀懂了大家的疑惑：“我們又做了關鍵的一步。”

為了做到更加精準的點對點，從抽獎的二維碼著手，嵌入女裝店的發貨單ERP系統，ERP背后對應著商家的整個CRM系統。

于是，用戶在參與掃碼抽獎活動時，商家再次依托活動盒子的“用戶分析”功能，通過埋點的ERP系統，獲取了用戶更加詳盡的信息(年齡、性別、等級)，分析并細化數據，對用戶進行群體劃分，深挖用戶畫像。

最后，通過提前設置的規則引擎(消費金額)智能匹配獎品，把剩余庫存按用戶分級(A/B/C/D等級)存放到獎品里面，根據精細化用戶畫像實現了高效的活動投放。

用戶精準分級匹配

“什么等級的用戶發放什么價值的獎品，通過埋點獲取數據，讓數據觸發自動化，這才算真正做到了精準的點對點。”

精準的點對點活動，讓數據把控整個過程，減少人工造成的失誤;通過不間斷地監控和自動反饋，使成本牢牢控制在合理的范圍內，應該就是“精準”的意義所在了。

“從全覆蓋到點對點的覺悟，并不是喊口號講空話，事實就在那里，這就是我要跟大家分享的第一個內容。”

而在精準的活動中，獲取的大量數據扮演著怎樣的角色呢?

數據是直接生產力還是間接生產力?

peter分析解答這個問題的時候，借用了抽獎的例子。

某商家做一個抽獎活動，提前設置好相應的中獎概率。但根據實際的參與人數和獎品領取情況，概率隨時需要改變，數據就是最重要的依據。

比如，商家通過查看后臺反饋的具體活動數據，分析發現參加活動的人數比預期的要多得多，而獎品數量固定不變，為了防止出現中獎人數超過獎品數的情況，手動降低中獎概率。

不難發現，商家先是人工處理已有數據，后人為作出判斷，改變原有決策。

“這是把數據被用作間接生產力的典型做法，人為的干預活動，時間上是滯后的。”

那么，讓數據成為直接生產力又是怎樣一種情況?

還是抽獎的例子，如果商家在生成抽獎活動的時候，把提前設置好的點埋到活動、獎品頁面。當用戶參與活動，會觸發系統產生并分析數據，及時判斷當前的變化，自動地不斷地做出抽獎概率的調整，以達到最佳的效果。

這樣就打破并延伸了活動的邊界，獲取到了精準的數據;然后，讓數據觸發活動，做到真正的自動化——由系統自動判斷這件事情是否可行，并源源不斷地根據反饋的數據調整優化整個過程。

“不必通過人工手段，讓系統即時自動做出判斷，這樣，數據就成為了直接生產力。”

“我認為，把數據變成直接生產力的過程，也可以用程序化運營或者數據驅動活動來概括。”

關于這點，活動盒子經過多次的更新迭代，具備了強大的“點對點推薦引擎”功能，能夠通過舉辦一次次的活動，記錄用戶在每個活動環節中的行為，為用戶打上更加個性化的屬性標簽，如年齡階段、喜好、性別等，讓運營者在創建活動和獎品時，通過標簽分析用戶，實現用戶數據細分，達到精準的點對點營銷。

“眾多商家選擇活動盒子作為活動生成工具，也正是看中了這一點。”

活動內循環

最后，不知道大家有沒有注意到，關于數據是直接還是間接生產力的議論，有一個非常關鍵的前提：適用于當前短期的活動，優化的是進行中的活動，屬內部范疇。

“而在活動運營過程中具有長期價值屬性的，是我接下去要分享的第三大點。”

數據是資源還是土壤?

這句話引用自阿里集團首席執行官張勇的言論，也是peter 在現場的發問。

還是用一個例子幫助理解。

某商家做節日活動，在網上商場消費金額達到一定級別，有相應的禮品回饋用戶。

假如，該商家并沒有給禮品、活動頁面埋點，僅僅靠用戶注冊、關注獲取基本的性別、地址等信息，活動之后得到的數據并沒有任何更新疊加。

“這樣的數據是靜止的、一成不變的，對下一次活動沒有指導意義，不能讓活動得到更好的優化改善，是無法循環的資源。”

讓數據變成循環利用的土壤，活動該如何進行?

首先，在活動頁面埋點;其次，向同一個人推送兩個或多個禮品，讓用戶選擇其一;最后，根據用戶的選擇行為，獲取更全面具體的屬性。

“就比如，根據注冊信息，我們知道她是一個女性用戶，但并不知道她的年齡階段。因此，在禮品推送中，我們分別選了適合20~30歲和30~40歲兩種不同年齡段使用的產品，最后她選擇了前者，我們就能進一步知道，這位女性處于20~30歲這個年齡段。”

隨著數據不斷補充疊加，在活動結束的時候，就掌握了更加龐大的用戶信息。這些數據，就是下次做活動的強大支撐。

“數據不應該是靜止的，要不斷延伸。”

上升到更深的理論層面，就是先通過SDK埋點，抓取用戶的基本屬性(性別、年齡、喜好、行為等)，以便精準地推送相應的活動給用戶。

再就是利用A/B test和灰色發布來優化活動，讓活動標簽化、獎品標簽化、廣告標簽化;然后用不斷優化的活動使標簽發生變化，給相同的標簽加1，不同的進行調節，刻畫完整的用戶畫像，讓2D的數據延伸為3D數據。

打標簽，經過一次活動，獲得更多更細化的用戶標簽，更精準地服務下一次的活動。

3D用戶畫像

“因此，我認為活動數據最好的使用狀態，就是讓它成為土壤，變成直接生產力，為我們所用。”

最后，說到活動好壞的界定，peter引用了非常精煉的一句話。

不好的活動是廣告，好的活動是服務

“不好的活動是廣告，好的活動是服務。”

對活動盒子足夠熟悉的人，會發現，這句話出自活動盒子的產品slogan。

廣告特別是硬廣，大部分用戶是拒絕甚至厭煩的。一個活動，如果做的足夠好，能夠滿足用戶的需求;如果做的不好，于用戶而言，純粹是打擾，像強制推送的廣告。

活動盒子產品slogan

怎么理解?peter舉了非常簡單的例子。

在網上商城買了臺電腦，商家給用戶推送的是其它品牌型號的電腦，這對于用戶來說，已經不再需要，就是廣告;而如果商家推送的是電腦的其他配套用品，比如鼠標墊、耳機、散熱器等等，正好是用戶需要的，這就是服務。

到這里，相信在場的都理解了關于商業活動策劃“不好的活動是廣告，好的活動是服務”的深層含義。