下载掌阅APP，畅读海量书库
立即打开
首先在计算ROI之前，需要明确动作是什么，是做活动还是投放广告，投入的财力、物力、人力是多少，并且这个行动的目的是什么，期望得到的产出是什么。这一步所依赖的更多的不是数学能力，而是业务层面的洞察力和理解力，很多时候作为一个数据分析师，除了专业方向的数学能力之外，还需要像半个产品经理一样了解业务逻辑及业务细节，这也是数据分析的核心能力。实际上计算ROI的过程往往不可避免地是一个决策过程，因为很多时候，业务方就是通过ROI是否大于1去判断业务是不是可以继续做下去，因此分析师必须同时从业务情景和分析逻辑两者切入。举个例子，零售业务决定在华东区域以地摊形式进行零售，除了大环境和政策上鼓励发展微小零售行业以外，更多还是需要去衡量地毯零售业务需要投入多少成本，以及在这种成本投入下，可以达到多少销售额、收获多少消费用户、收获什么样的消费用户。
评估需要对行动、成本、产出进一步明确它们的因果关系，建立起相应的数学模型，并且很多时候需要对建立起来的模型进行初步演练测算。例如一个电商商城拉新活动，通过业务经验或者实际落地场景可以得到这次拉新活动可能获得的人群是什么，平均每个人的成本有多高，他们进入电商平台之后的生命周期如何，价值如何，这样就可以得到预估的ROI，同时也可以通过获取竞品相应行为的效果，评估本次行动的收益在行业内的水平及是否符合预期。
执行策略期间其实没有很多数据需要进行数据分析，唯一可能需要关注的是数据的获取是不是如预期一样顺利，例如本来每个包子确实都是一样的价格，但是菜包子中偶尔会吃到已经有些变质的包子，那可能我们的模型就存在一定的偏差，是调整评估模型，还是忽略这些类似偶发的特殊情况，需要根据实际情况来决定。
假如整个执行过程都比较顺利，我们也如愿得到了想要的数据，并通过模型得出了相应的ROI。复盘可以做两件事，一件事是分析实际结果和预期结果之间是否存在差别（Gap），如果存在差别，则造成差别的原因是什么，下次执行时是否可以规避；另一件事是假如这次执行比较符合预期，那么是否可以反复执行。良好的复盘可以指导业务往更好的方向发展，接下来看几个实际的ROI分析案例。