母婴电商平台，该如何做拉新？

作为一名数据分析师，为拉新业务算清楚帐、做到数据驱动增长是十分重要且有价值的事。本文作者以母婴电商为例，从数据分析师的角度讲解了该如何做好拉新业务，推荐给关注数据分析、负责拉新的你阅读。

对于互联网业务来说拉新一直都是重中之重，只有让更多的人来使用产品，才能产生规模效应，这样才能获得更多的利润。对于大部分互联网公司来说都会设立用户运营岗位，会由专门的人来负责公司的拉新业务。那么作为一名数据分析师能给公司的拉新业务做出什么贡献呢？

二、拉新的核心

随着互联网进入下半场，拉新变得越来越难，用户基本都被巨头所垄断，用户切换平台的成本变得更高，因此拉新的一个核心命题就是“算清楚账”。很多人还停留在互联网早期的理念，就是我们尽可能的拉更多的新用户进来，不关心拉这些用户花了多少钱，到底能产生多少价值。

因此现阶段的拉新一个最最核心的认知就是什么样的用户该花费多少钱拉进来，这个也是数据分析师能帮公司的拉新业务做的最有价值的事情。运营同学一般很难算清楚拉进来的新用户对公司产生了多少价值，这时候就是需要数据分析师介入帮助拉新业务算清楚账，真正做到了数据驱动增长。

三、用户价值评估

对于大部分公司来说，花了多少钱拉了这些新用户进来都是知道的。因为只要有简单的数据基础建设就能产出这些数据。

互联网公司大部分拉新的投放广告都是在互联网巨头上进行，所以所有花费都能很清晰的可视化的呈现出来。另外类似于地推等方式一般也会追踪标记进行记录，因此花了多少钱拉了多少新用户绝大多数互联网公司都是能算清楚这笔帐的。

但是拉进来的这些新用户产生了多少价值，是否值得花这么多钱拉进来？在很多公司这就是一笔糊涂账。

因为要算清楚这些账需要有相对比较完善的数据基础建设，需要对每个新用户的渠道来源做上标记，并且对公司的商化业务的数据进行记录，商化的业务模式主要为打广告帮广告主卖货和自己卖货这2大类，那就是需要记录每个用户在所有商化业务上的数据表现，然后将两者的数据关联起来，最后通过数据分析师将其分析清楚，这个要求有较为完善的数据基础建设，一般是中大型的公司才能做到如此程度的数据基础搭建。

那么有了这些基础数据之后，数据分析师就可以开始大展身手。我们就可以算出来每个渠道的ROI，比如说抖音渠道的投放可能是百度的10倍，那我们就应该加大抖音的投放；甚至有些渠道的ROI是负向的，平均每个用户拉进来需要花费10元，但是产生的价值却只有8元，那我们就应该停止此渠道的投放。

另外，作为数据分析师还可以做更加深入的分析，看不同类型的用户产生的价值几何，那这个就要求公司还需要有用户画像体系的建设，这样我们才能将用户按照其用户画像标签分类，得出哪种用户对公司的价值更大，反向push运营在进行拉新投放时要偏向对公司能产生高价值的用户，长久以往每个渠道的ROI才可以做到越来越高。

当然这些计算的过程都会比较复杂，数据分析师需要不停的向运营宣导这个理念以及其逻辑，让运营深度理解其含义才能在每个公司运营心里都有这种ROI的算账思维，才能让公司的拉新业务做得越来越好，那么数据分析师的核心价值就是帮助运营算清楚每种用户值得花多少钱拉进来，这就是用数据帮助业务进行决策，发挥了数据的真正作用。

四、母婴电商拉新实战

以母婴电商为例，在数据分析师的视角该如何做好拉新业务。我们公司业务比较特别，可以有用户的宝宝年龄信息，这个宝宝年龄大小是用户愿意为此花费多少的一个关键信息，宝宝年龄越大之后父母对此关心程度会下降，为此的消费也会下降。因此宝宝的年龄是用户对业务价值评判的一个关键维度。

因此我们就可以以宝宝年龄为关键维度对其用户价值进行一个划分，从历史的拉新数据来看，可以发现孕期用户：0~1岁用户、1~2岁用户、2~3岁用户、3岁以上用户，其价值差异比较大，基本上是年龄越小的用户其产生的商化价值越高，对此我们就应该对不用的用户投入不同的成本，不能都一视同仁。

另外电商的拉新目标不能是单纯的拉新人数，因为这往往是一个虚假繁荣的指标，很可能拉更多的用户反而公司要亏更多的钱。我们可以考虑根据未来12个月的用户价值最大化作为拉新目标，这样才能指引业务朝着正确的拉新方向前进。

但是这里会遇到一个问题，一个策略的好与坏要等12个月才能评价其效果，这种时间周期作为业务负责人肯定是无法忍受的，因此作为数据分析师就是要想办法缩短这个时间周期。

对于电商业务来说用户产生的价值就是其购买订单的产生的毛利，那么怎么样能预测拉新用户在未来12月产生的毛利价值呢。这种我们一般可以根据用户短时间内的行为去预测更长时间内的行为。

那我们就可以根据用户30天内产生的复购毛利、60天内产生的复购毛利、90天内产生的复购毛利、180天内产生的复购毛利去预测一年内产生的毛利价值。

在这里要特别说明，一定要排除拉新首日的毛利数据，首日的毛利数据表现无法体现出用户的价值，这个是受到策略的影响，不管其用户质量如何其毛利就是策略让利程度的固定值，因此排除首日的未来时间内复购数据是可以体现出来用户的质量如何的。

那我们就可以根据线性回归来进行预测，经过分析发现30天内产生的复购毛利预测未来1年的毛利准确率在70%，60天内产生的复购毛利预测未来1年的毛利准确率在85%，再往后差异就不大了。

基于此分析结果我们更早的进行评估其未来一年的毛利价值，然后根据每个策略投入的成本的情况，就可以计算其对应的拉新ROI。那么最终就可以在同一水平线上评价不同策略的ROI，留下ROI更高的策略，迭代ROI负向的策略。最终达到拉新收益最大化。

在可以评估每个策略的价值之后，我们就需要对用户进行分层，对不同价值的用户投入不同的成本的策略，那么一般情况都是先对新用户投放较低价的策略但是整体毛利上不亏钱，然后这种策略无法转化的用户再投放付出更高成本的策略，这种情况下策略的毛利基本已经负的了，那么就要谨慎的进行投放，要选择其中用户价值更高的用户才进行这个更高成本的策略投放，这样才能回本直至产生正向价值，如果对全部用户都进行此策略的投放，那么整体ROI很可能是负向的。

按照这个逻辑进行母婴电商拉新的运营，基本上就可以做到产生正向循环，拉更多的用户可以帮助公司产生更多的价值，那公司赚到更多的钱之后可以有更多的钱用于拉新的成本投入，最终使得公司收益的最大化。

基于以上的拉新方法论我们就可以梳理出来，一个比较合适的拉新策略架构，当然数据分析师做到这个程度就可以了，里面每个策略的细节是要运营去打磨的，并且需要脑暴出一些创造性的想法策略。

另外，数据分析师需要帮助拉新运营建立完善的数据指标评价体系，帮助运营验证每个策略的效果以及评价每个一个链路步骤的漏斗转化效果，不断优化每个文案图片等等的用户体验细节，最终做到整体拉新业务蓬勃向上发展，我们数据分析师也在其中贡献了不可磨灭的价值。

母婴电商拉新数据化运营架构

（图源：知乎@王向君）

作者：阿坤

本文由 @一个数据人的自留地 授权发布于运营派，未经作者许可，禁止转载

题图来自Unsplash，基于 CC0 协议