1704223073
要求：活动期间有效提升用户的日均下单频次。
1704223074
1704223075
问题：如何设计这个活动？以什么作为奖品？
1704223076
1704223077
活动运营人完全可以尝试以这样的工作方法去思考问题。
1704223078
1704223079
App推送了一条活动通知，用户王小二看到了这条通知，并打开了App，接着App弹出该活动的全屏广告，王小二点击了这个广告，并进入了活动页面。
1704223080
1704223081
王小二发现，在活动期间，只要每天在App上完成两笔订单，就可以获得100积分，同时再获得一次抽奖机会。
1704223082
1704223083
王小二中午完成了一笔订单，晚上又完成了一笔订单，于是他收到了一条系统通知。通知的内容是他获得了100积分，同时还获赠了一次抽奖机会。
1704223084
1704223085
王小二点击消息，进入了抽奖页面。页面滚动显示有人抽中了20元的红包，也有人抽中了2元的红包，还有人抽中了指定商户的免单券。
1704223086
1704223087
于是王小二点击了抽奖按钮，结果他抽中了10元红包。此时App弹出了分享页面，王小二按照提示点击了“分享到朋友圈”。分享完成后，红包发送到了王小二的账户。同时，王小二收到了一条系统消息，提示他可以使用红包继续订外卖了。
1704223088
1704223089
我们这样去描述一个活动，是不是已经包含了活动的规则、对象、奖品发放的方式等关键要素了？对活动运营人来说，活动设计得怎么样，传播是否到位，就是要看用户故事的描述是否足够全面与精确。
1704223090
1704223091
有了这些故事之后，活动运营人再去考虑活动设计和活动需求，就会事半功倍了。
1704223092
1704223093
数据优先
1704223094
1704223095
所谓数据优先，是指当产品经理考虑一个功能的去留、优化方向甚至优先级时，他需要以数据作为关键参考因素。
1704223096
1704223097
一个功能上线了，却没有人使用，那么对于产品经理来说，这就是一种失败。一旦发生这种情况，产品经理就需要思考用户不使用这个功能的原因，是因为需求本身是臆想出来的所谓“伪需求”，还是在功能设计或者引导使用上发生了偏差，需要修正。
1704223098
1704223099
对活动运营人来说，活动效果是否符合活动策划时的预期，这需要看数据。活动数据同时也会帮助活动运营人确认这个活动是否可以被固化，并通过长期的运作成为节日；活动数据也可以让运营人了解活动本身有哪些需要改进的方面，便于后续开展工作。
1704223100
1704223101
我们来看一个虚拟的数据切片（见表3–3）。
1704223102
1704223103
表3–3 数据切片
1704223104
1704223105
1704223106
1704223107
1704223108
1704223109
1704223110
1704223111
我们继续做数据分析。
1704223112
1704223113
我们可以从上面的数据看出，自2018年9月23日起，人均订单数出现了明显的提升——经历了国庆节的下降调整之后，依然保持了不错的上升趋势（见图3–16）。
1704223114
1704223115
再来看人均金额和单均金额（见图3–17）。我们发现，虽然单均金额涨幅不高，但人均订单数的提升，影响了人均金额，因此人均金额有较明显的提升。
1704223116
1704223117
假设9月23日所在的这一周，正好是你策划的提升人均订单数的活动在线上运行的时间节点，那么从数据分析中可得到一个相同的结论：这个活动的效果相当不错。因为它同时满足了活动上线立竿见影和活动下线趋势保留这两个要求。
1704223118
1704223119
1704223120
1704223121
1704223122
图3–16 人均订单数的变化趋势（2018年9月20日—10月7日）