無論是運營、推廣人員，還是產品經理，相信電商行業(yè)的小伙伴在雙十一過后做的第一件事就是復盤整個活動數據，從整個營銷漏斗的源頭到末端，逐一分析每個環(huán)節(jié)的數據情況，目的是沉淀總結經驗以指導下次活動。
可是很多時候我們并不知道在活動開始前的策略是否正確，還需要通過在活動過后得到數據的加以驗證才行，這樣就導致了驗證成本較高，需要用真金白銀來驗證當時的想法策略正確與否，造成了“事后諸葛亮”的處境。
那么有什么辦法可以在活動之前就能大概預估活動的效果，并根據預估情況做策略調整，避免不必要的預算浪費呢？
說到這里可能有的朋友會想到一些算法模型來做效果預估，那作為絕大多數運營來說，去從頭學Python這樣編程語言然后搭建一套算法模型顯然也是效率不高的。
那么還有什么其他簡單的辦法來實現嗎？答案是有的。
二元一次方程相信我們每個人都會做，初一數學知識（初中數學不及格的現在吃虧了吧），只要運用二元一次方程就可以預估出我們雙十一的成交量。
筆者接下來通過自己親身經歷的項目經驗來介紹下如何用二元一次方程預估出雙十一期間的成交量。
首先介紹下我當時的業(yè)務背景：我負責某平臺的信息流推廣工作，通過線上廣告來吸引用戶留下銷售線索，接著線索分配給銷售，然后促進成交。流程如下：
業(yè)務背景：信息流廣告推廣——客戶留資——線索分配——銷售跟進——促成成交
先來介紹2個數據維度：
1.線索生命周期：通過線上廣告投放獲得到的一條客戶留資線索，線索也是有生命周期的，超過了線索的生命周期，線索能帶來的價值就微乎其微了，不同行業(yè)的線索生命周期也有所不同；
2.線索生命周期內當月轉化率：線索在生命周期內第一個月產生的成交占比整個生命周期內總共帶來的成交量。
統計時間：半年
統計維度：成交周期、成交數量
繪制圖表：
從數據圖表可以看出線索的生命周期大概在3個月，超出3個月所帶來的價值并不多了，且在線索產生當月的價值最高。
（舉一反三：線索生命周期內，成交數量呈現一定的數據比例規(guī)律，那么反推出成交成本也是同的數據比例規(guī)律，即：當月的成交成本會在隨著時間的推移，在線索生命周期內逐月遞減，這也是我們常說起的溯源成本）
統計時間：半年
統計維度：線索生命周期內總成交、線索當月成交量、當月線索量，線索生命周期轉化率，線索當月轉化率
（線索生命周期轉化率=線索生命周期總成交/當月線索量；線索當月轉化率=線索當月成交量/當月線索量）
繪制圖表：
從表中可以得出線索生命周期內平均轉化率為：0.59%，線索當月平均轉化率為：0.27%
KPI：根據業(yè)務要求，雙十一成交成本要在10000以下
公式：雙十一預熱總花費 / 老線索帶來的成交量+活動預熱期帶來的成交量< 10000
公式拆解：
根據我們之前說的線索生命周期，可以得知線索的生命周期為3個月。
所以雙11的成交主要來源9月份的線索和10月份的線索和雙十一預熱期的線索（這里交代一個背景，該渠道在10月份沒有投放，所以并無線索產生，所以以雙十一為時間原點向前倒推，成交周期在15-30時段為空擋，同理如果10月產生線索，用同樣的方法預估出10月的線索在雙十一產生的發(fā)力）
所以我們只需算出9月的那批線索在雙十一共能產生多少成交，在加上整個雙十一活動期間內共帶來的成交量即可預估出雙十一期間共能成交多少，下面我們按照上圖的分析思路逐一推算。
從第一步數據統計中我們得出了索生命周期內平均轉化率為：0.59%，且已知9月的線索截止目前已發(fā)生成交360，下面根據公式可預估9月老線索在整個雙十一活動期間內能帶來多少成交：
9月線索余量在雙11成交預估=9月線索量 * 線索生命周期內最終轉化率 – 已成交的數量
114576 * 0.59% - 360=316
故：9月老線索在雙十一活動期間功能成交316
公式：雙十一預熱總花費 / 老線索帶來的成交量+活動預熱期帶來的成交量< 10000
設：雙十一預熱總花費為X，活動預熱期帶來的成交量為Y
已知：線索當月成交的線索轉化率為：0.27%，線索成本40（投放到一定體量，線索成本基本是一個常數值）
列出二元一次方程：
X / （316+Y） <10000 ①
X /40 *0.27%=Y ②
X<9723076
Y=656
故：雙十一期間預熱總花費應不超過9723076，預估雙十一期間總共成交316+656=972
最終雙十一實際成交數據：979
9月老線索在雙十一期間成交（10.25-11.11）
預估：316
實際成交：313
雙十一活動線索成交（10.25—11.11）
預估：656
實際成交：666
從實際數據可以看出最終雙十一的活動成交量與當時預估的成家量實際誤差僅差7臺！此模型后續(xù)又預估了次年6.18的成交量，模型沿用至今。
一、數據統計
1.線索生命周期
2.線索生命周期轉化率
3.線索當月轉化率
二、構建模型
1.公式拆解
2.列出方程式組
最后想通過本文中介紹的方法論體現出的兩種比較重的運營思維：1.數據思維，2流程化思維。
在前文中構建模型部分，我們就要運用到流程化思維，從公式出發(fā)，并將公式拆解，拆解成最小的單元，然后我們在把這些最小的單元逐一攻破。
可是有很多時候我們所接觸的項目都是不能用公式來表達的，那怎么辦呢？
首先把事項原委從源頭到結尾，按照流程順序一一列舉出來，并按照每個環(huán)節(jié)要做的事情記錄清楚，包括每個階段的工作產出及結果匯報。
這一步要做到2個事無巨細：1流程上不要有遺漏的環(huán)節(jié)，每個可能發(fā)生的環(huán)節(jié)都考慮進去，2.每個環(huán)節(jié)下可能發(fā)生所有的細節(jié)要提前想到且記錄。這一步做好可提升自己工作節(jié)奏感。
數據思維我相信所有互聯網人都不陌生，因為我們互聯網人每天實在和太多的數據打交道。
在這里我想結合上文的內容來介紹下我運用的一些數據分析思路和方法：首先我們做數據分析一定要有一個明確的目標，這里很多新人會有一個誤區(qū)就是為了做數據分析而分析，什么意思呢？
就是目標不明確，不知道想通過數據分析得到什么結果，這里我們要結合流程化思維，先梳理業(yè)務，找到我們要分析的數據指標，然后在根據這個目標去統計和計算相關的數據維度。
這樣分析得到的結果才是我們最想要的可輔助業(yè)務決策的數據結果
