最近在客户现场沟通几个系列的活动设计方案时，遭遇了一系列的挑战，说实话，客户给我深深的上了一课。在传统零售这样的行业中，思维模式与这些做惯了互联网和虚拟经济运营的人而言，有非常大的不同，多大的愿景，多么口若悬河的Story的模式，他们在意的不是这些。客户最在意的是落地，成本，ROI，你是否是基于数据驱动的设计。最大的感受是，在这样的企业中，更加注重数字驱动，对业态的敏感度并不是建立在纯粹的经验基础上，而是抱有对于数据的敏感度，提炼的经验。

的确在客户这里谈的最多是ROI，但是你不能简单的认为是客户只关注结果。在这种业态中，客户每一个决定都意味着数额庞大的预算支出，真金白银的花出去，上千家门店的培训和消息触达，相关有成本的实体物料准备，活动好坏，成本不是你所简单认为的那些短信的钱，那些券的费用。每一个offer的设计，都是实实在在的成本，因为背后的客群，会带来衍生的成本，比如习惯的培养，成本的增加。

零售并不是销售数字化产品，在每一笔订单的背后，都意味着，你所看不到的各种成本，这点与金融企业和互联网企业是本质的不同，金融本质上还是销售一种虚拟服务，不涉及繁琐复杂的供应链和库存问题，同样，今天的多数互联网企业也是销售服务，信息，本质上网具人的力量和信息，达成某一个目标。

但零售这样的行业却不能这么简单认识，这也造就了今天进入客户现场工作时，我们反倒是对他们肃然起敬。首先学会敬畏和学习。

说回来正题，关于活动的设计问题。有一点是不变的，无论是今天的互联网还是传统企业，比如零售，在面向对消费者的经营和活动设计营销方面，除了考虑本身业态的一些差异问题之外，在活动的最初设计思路和方法论方面，是不该有差异的，理论上，应该是一套方法体系，因为都是对消费者的服务和营销。

作为一直信奉数据驱动和数据说话的从业者，当进入项目后，却忽略了数据在活动设计的最大作用，过往我们在使用数据驱动的活动营销过程中，往往数据的作用在于对结果的分析，指标的制定，再对结果进行优化调整。换句话更多时候，我们习惯于感性的进行活动设计，理性的数据分析结果。但这恰恰存在了一些问题。因为最应该通过数据来驱动活动设计的工作，我们没有做。

说到这里，有的人说，我们的很多活动都是第一次，新创意，新想法，新思路，怎么基于数据驱动，因为根本没有数据来驱动设计，是的，以前我也是同样的思路，但我发现这个问题不是没有解决方案，在广告营销方面其实给了我们很好的借鉴意义，但是你会发现，你一个企业中广告营销在市场部，活动运营在运营部，彼此之间没有那么多活动，方法思路没有相互借鉴。

在最近，我们和客户设计了四个活动方向，分别是：
 
新注册会员营销：对于新注册的会员（没有购买），展开营销活动设计
活跃会员营销：对于有过购买会员，展开营销活动设计
沉睡会员营销：对于历史有购买，在近一个时期没有购买的会员进行营销
特征会员营销：对于符合某些特征的会员进行营销刺激
 
在最初的思路中，我们发现这是四类典型的人群，基于不同的生命周期，我们理想的认为，这种人群的划分就是基于数据展开的，这就是我们策划活动的目标，比如拉新，促进活跃，增加粘性，唤醒用户。尽管我们做了一些基本维度的分析，比如用户量，用户的基本属性，但是我们并没有收到客户的肯定和对方案的认可，有几个问题暴露出来：

1.所有的活动方案设计，没有考虑实操落地执行难度，零售业态的营销背后不是简单的系统开发和优惠券分发；
2.所有方案，并未明确活动设计的目标和量化考核点，比如新用户营销目的是什么，不是一句话，促进消费或者转化就完事；
3.活动营销缺少假设条件，没有在某种分析判断下，进行方案设计；
4.事先完整的数据分析，描述目标营销客群，分析已达成活动目标客群的典型特征；
5.成本和预测收益。
看似以上这些问题，觉得不是问题，实际上，我们在执行过程中，往往会忽略数据这一步的核心作用，对于数据分析的分析，也是浅尝辄止，更不会在一种假设前提下进行活动的设计，不过这种假设是源于对已达成活动目标客群的分析来实现，具体来说，如下：

1.我们要对新注册的会员进行转化，这是我们的笼统目标；
2.具体我们要明确对这些会员完成的是什么转化，比如就是完成首次购买，这是明确的目标；
3.活动具体目标是完成首次购买转化，则我们可以明确量化指标是首次购买转化率；

基于此，我们需要设计针对完成首次购买转化的具体方案，那么接下来我们要做的事情是最关键的，并不是马上开始设计活动方案，而是要去继续数据分析。

4.对于过去完成首次购买转化的会员，进行具体的分析，找到刺激用户首次购买转化的trigger，即什么原因促进了曾经的新用户首次转化购买；
5.同时对这些完成首次购买转化的历史用户，分析典型的特征属性，比如某个渠道，某个客单价，某个品类，某个颜色，等等。基于已有的人群作为种子进行刻画潜在营销目标群体；
6.从新注册的会员中，筛选出来一些潜在的客户名单，基于过往的offer，进行分组设计方案。

至此一个大概的真正应该基于数据驱动的活动设计框架就有了，当然了量化效果的指标，上线后的分析，这里不是讨论的重点。这里主要讨论的是活动在上线营销之前的工作，因为这部分工作耗费时间最长，磨合沟通最多。

基于数据驱动的活动设计有一个最大的好处时，所有人的目标和思维容易统一，不会因为反复复杂的设计搞晕，也不会问出来更多，你为什么如此设计方案，因为所有的道理则已经在数据分析过程中，梳理的很清楚。

不过这里讨论的活动设计方案，其实还要包括上线后，基于效果该如何去优化。比如响应组和对照组的设计，比如活动的结果只有两种：Yes NO，对于在过程中出现了NO的用户是继续等待，还是要开展持续的营销，这些问题，会在后续继续谈及。

在与客户沟通中，我们发现传统企业的数据意识并不是很若，更多是用经验方式代替一堆报表数字，然而受限于技术和人才的却是，数据整合继承的困局，新型渠道和数据应对不足，整个一个宝藏开发不足1/8，换句话，如果一天有8小时工作时间，坐下来基于一堆报表沟通的平局时间不到1小时，因为很多数字他们存在，但是用不了。

另外，这类企业你可以看到很多的BIG PROBLEM，这些PORBLEM，你若是基于数据稍稍优化，一个改动，带来也许是高达千万甚至是上亿的成本节约，同样，也会带来收益。对于这些实体企业来说，利用大数据也好，高级分析方法也好。首要解决的问题是效率的提升，决策的数据化，科学化，时效化，智能化。