8點寫好活動運營計劃書「活動流程方案怎麼寫」

最近，做活動運營的朋友跟我吐槽，每次做活動都會丟三落四，比如忘了做數據埋點。

確實，活動所需要的工作量巨大，涉及技術對接、UI設計、渠道宣發等，特別是做一個活動應有的流程還沒有一個清晰的認知，往往邏輯混亂，而且容易沒想清楚細節就開始弄，很急躁，結果往往是比較慘淡。

為了讓運營人有條不紊地做活動，我總結出一套活動運營的流程框架，大致內容如下：

1、明確背景

2、明確目的

3、撰寫活動方案

4、活動立項

5、活動推廣與物料準備

6、活動界面測試

7、每日數據分析

8、活動復盤

01

明確背景

如果我們不了解活動的背景，即為什麼產生會做，僅僅拿到目的就去設計活動，獲得的用戶往往是無效用戶，甚至會對產品造成負面影響。

明確活動的背景，可以讓我們更準確設計出活動，並且得到領導跟同事的支持，使得活動不會夭折，所以活動背景的主要價值是告訴大家「為什麼要做活動」、「這次活動對產品來說有哪些價值」。

活動背景，大致來源 4 個角度：

01、業務數據

不同的產品類型，對應的業務數據是不同的，比如社區類產品的業務數據為發帖量、評論量、點贊量等。

當發現產品的某項業務數據明顯下滑，或想重點提高某項業務數據，這時候可以考慮策劃一場活動。

但我們需要注意，產品的各項業務數據之間是環環相扣，在確定活動策劃時，應該從全局考慮數據之間的關係。

即一旦確定了活動策劃想提升的重點數據，同時就必須思考如何通過活動來優化與之相關的數據。比如電商類產品的交易額 = 流量 * 轉化率 * 客單價，那麼要提升交易額，肯定也要考慮優化流量、轉化率以及客單價。

比如微信閱讀App為提升日活，設計了「集贊得12天無限卡」活動，每集2個朋友點的贊，即可獲得2天無限卡，免費查看微信閱讀所有的正版電子書。

02、市場熱點

熱點，指大眾關注的人或事物，大到國際事件，小到藍瘦香菇等網路段子。

在這個無孔不入的信息時代，互聯網帶給人們便利的同時，也佔據著人們的時間，熱點信息就猶如G點，讓用戶感到刺激與感性，讓用戶感覺到好奇與思考，是用戶所需的存在，比如2017年10月國慶期間，鹿晗跟關曉彤在微博上公布戀情，導致微博的伺服器由於訪問流量過大導致宕機。

對於市場熱點，一般分為兩類：

1、可預測性熱點：一般是節假日、賽事，比如情人節、奧運會、高考等；

2、不可預測性熱點：一般是社會新聞，比如2020新冠病毒疫情等。

對於不可預測性熱點，難以預料，一般不建議追。

比如快手獲取新用戶，在春節期間上線了集卡分一億活動，類似支付寶集五福活動，只要用戶集滿5張卡，即可參與瓜分一億現金。當春節前新冠病毒疫情爆發成為了社會新聞，隨後快手向武漢捐贈 1 億元，並迅速在活動提現界面指引用戶將瓜分的現金捐給武漢。不少的用戶捐贈完之後，把海報分享到朋友圈，活動獲得了更多人的關注。

03、競品動態

用競品的動態來做活動決策，比如適合市場跟蹤型策略的公司，符合大部分領導的決策習慣：市場上是否有類似的成功案例。

通過深度的觀察和分析競品的活動，來定性地判斷出有效的類型活動，如果能夠定量地給出競品的活動效果數據，那麼你的活動也能更好地保證成功率。

比如京東在2020 年 618 年中電商節期間上線了 「疊蛋糕 分 10 億」活動，只要用戶做任務領金幣，不斷疊高蛋糕，瓜分獎金會更多。這種玩法，是京東借鑒了淘寶玩了好幾年的「雙十一疊貓貓」活動。

04、目標人群

有時候，我們在數據分析時，會發現在某人群的數據上出現某種趨勢，那麼值得我們為他們單獨策劃活動。

比如在高考過後，知乎的熱榜跟搜索詞出現大量高考、志願等信息，體現出與高考相關的人群，對高考特別關注，於是知乎為這人群上線了「挑大學 選專業」活動，讓這群人可以查看填志願的技巧跟經驗。

02

明確目的

目的一般是從背景中產生，但目的最常見有 5 種指標方向：拉新、促活、留存、付費、以及品牌，如下：

以上的 5 個是活動指標方向，但還需要設定一個合理的指標數值，這裡有 3 個供給大家參考：

1、自己或同事有做過類似活動，可根據之前的活動數據做假設。

2、市面上有做過類似活動，可以參考行業平均值，比如到人人都是產品經理或公眾號查找。

3、前兩種都沒有，自己可以做個假設，然後等活動上線後，不斷通過實際數據進行調整優化。

對於活動指標，我們一定要拆解，可以通過公式化或活動路徑進行拆解，比如購買人數=新用戶人數 * 新用戶購買率+老用戶人數 * 老用戶購買率，方便我們在活動中可以根據數據分析，或者事後復盤，可以更為清楚地知道哪些指標出了問題，哪些手段有效地提升某個指標。

比如某場活動的參與人數要達到 1w UV，僅考慮渠道，通過公式拆解，活動參與人數（1w UV） = 朋友圈來的人數（3000 UV） + 抖音廣告來的人數（4000 UV） + 老用戶邀請的人數（3000 UV）。

03

撰寫活動方案

活動方案也稱為活動策劃書。在不同的公司，活動方案的形式都是不一樣的，但核心目的都是讓相關人知道為什麼要做，要做什麼，什麼時候做。

一般活動方案會包括背景，目標，主題，時間，活動玩法，數據埋點等，最好按照產品需求文檔 PRD 的形式去寫，把繪製活動頁面的線框圖當做畫產品原型圖一樣對待，具體到活動頁面的每一個細節，比如活動前 1小時上海報 A，活動開始時上海報 B。

寫完活動方案後，可以跟產品經理溝通一下，可以提前發現邏輯漏洞或公司現有產品不支持的登陸等流程。

在規範化的公司，推廣渠道、宣發策略都是在活動立項之後確定，因為活動不通過或活動玩法出現較大變動，那麼推廣渠道跟宣發策略就需要大改動。當然，如果我們確定在活動立項會通過且沒有太大改動，也可以在活動方案寫上推廣渠道跟宣發策略。

關於活動方案，我會在下一篇推文進行詳細說明，這裡留個坑。

在確定活動方案後，發給部門老大確定，沒有問題後就要開活動立項會。

04

活動立項

在活動立項會前，我們需要確定哪些人員需要參加，比如技術、UI、交互等成員，且提前 1 天以郵件發給相關人員。

在活動立項會上，我們要有幾句話說背景，使得與會人員有一定的共識（因為不少人是不看郵件的），然後再將這次活動可以獲得的收益，以及每個人需要做些什麼。

在立項會上，一般需要跟開發、UI 確定排期，形成初級項目排期表。

在溝通過程中，我們需要注意以下幾點：

1、 不要假設對方的想法和我們的一樣，不要假設對方知道。

2、 不要覺得自己人微言輕而不敢說話。

3、 不要用一種溝通方式與不同風格的人溝通。

4、 不要被動地等對方說話。

5、 不要輕易認為對方會認為你重複啰嗦，雙重確認總比遺漏好。

05

物料推廣與物料準備

作為活動的操盤者，尤其在大型活動上，我們需要把每個主要模塊劃分好，然後交給其他人負責，千萬不要一個人扛下所有，不然到最後所有人都來找你，難免會出現差錯，比如部分物料沒準備，或者臨時需要加一些物料等，導致你會陷入一些細節不能自拔，導致活動整體方向無人把控。

一般，我們會使用甘特圖做項目管理，分清楚模塊，且每個模塊至少要設立一個主負責人。如果模塊過於龐大，我們還可以分出細模塊，然後讓該模塊的主負責人安排好，也防止部分物料沒準備好或不符合規格的問題出現。

在一些大型活動，渠道跟物料比較多，以及活動時間都比較長，我們也可以使用甘特圖對推廣做管理。

項目管理表或甘特圖沒有什麼標準，但需要符合smart原則，即誰負責什麼事物，然後在什麼時間交付什麼東西。

06

活動界面測試

一般在活動上線前，至少預留 2 – 3 天進行內推，是為了儘早發現技術 BUG、活動邏輯有缺陷等問題。

在測試時候，一般是產品經理負責編寫測試用例，然後測試人員按照測試用例進行測試，在運營層面主要為交互功能與數據統計的測試，比如投票是否通暢，各種情況下的文案是否都對上了，票數統計是否正常，每個關鍵數據的統計埋點是否就位。

但如果我們有時間，也可以參與測試中，一方面可以防止測試用例沒有考慮某核心環節，另外一方面也可以提出優化點，提升用戶體驗。

這裡附一張簡單的測試清單：

1、用戶路徑是否完全正確？路徑區分新老用戶的話，他們各自的路徑是否符合預期？

2、替換的活動 banner 等物料，對應的跳轉邏輯是否一致？

3、用戶的核心路徑，數據埋點是否有遺漏？

4、界面文案跟 UI 是否被摺疊？

5、如有社交邀請關係，那麼分享到各個社交平台，邀請關係是否綁定上？

07

每日數據分析

活動上線後，並不是等著活動結束就行了，而是要做每天的數據分析，記錄活動的數據波峰和波谷，還要收集用戶評論/反饋等有價值的信息。這樣有助於你優先調整活動，能夠為你活動結束時的項目彙報做準備。

一般會按照用戶關鍵路徑統計數據到excel表中（可以統計每日9：00的數據）。比如活動UV——授權人數——參與活動的人數（新/老用戶人數）——支付人數——邀請分享人數——邀請迴流人數。如果涉及分銷，那麼也要計算出費用（給一級跟二級的錢），以及獲客成本。

如果你時間較為充足，可以建立一個數據備忘文檔，每隔2小時截圖數據（保留真實的數據），並且寫上簡單的運營策略，比如增加了新渠道、更換了海報/banner等。如果運營策略奏效，即在預期時間內，某個運營策略使得預期指標得以提升，比如增加抖音渠道，增加了活動UV 2w ，且支付人數增加了 40%，支付率高達 30%，比其他渠道的支付率高出 10%，說明抖音渠道的用戶質量很好，當然，也可以繼續探索什麼時間段，比如早上還是下午，從抖音渠道引流的用戶支付率會更高。

08

活動復盤

在活動復盤中，我們最重要就是可復用點（方便下次復用），以及坑點（避免下次再踩）。

一般步驟：

1、拉出數據，跟預估數據對比，找出比預估數據好的點，以及比預估數據不好的點，比如邀請分享率比預估的高出15%；

2、針對這2點，我們到數據備忘文檔 / 數據統計表去尋找答案，比如老用戶邀請分享率比平時活動高出40%，原因是變更策略：從老用戶邀請新人得 1 元提升到 得 5 元。

3、復盤整個路徑，在哪些環節把控不足，比如在海報上線時候，沒安排到人手替換。

4、總結。