再营销如何判断投放的有效果？+数据BI设计思路

上一篇文章介绍了再营销很重要，今天想讨论下，如何统计分析再营销的投放效果。

我们一般使用了第三方工具类似appsflyer来统计效果，以appsflyer为例，他在后台也提供了re-targeting的数据分析功能。但是，实际上我一直感觉这个功能有点鸡肋，因为他提供的数据不是我真的想要知道的，尽管我给他们提出来想要的功能需求，但是实际上半年过去了，还是没能用上。

appsflyer后台提供了re-engagement和re-attribution两种数据，分别是还存活的用户看了你广告后的再营销数据，和卸载了再回来安装的用户数（如果我理解错了请提醒我，我确实不太关注这两个参数了）。

而我想要看到的数据是，再营销广告投放出去后，有多少用户是真的沉睡用户（包含卸载和不活跃用户）被我“营销”回来了的。这里沉睡用户我定义成比如7天没启动或者14天。你想看几天你就定义成多少天。这个数据实际上第三方没给，也希望他们能够开发出来。

这里讨论的是我们应该如何来设计自己的BI，把这部分数据展现出来。

首先，我们需要定义一下自己的产品沉睡用户是多少天没回来的？比如现金贷，我们可以定义从借款到还款后的几天之类，游戏也许我们3天不会来就需要知道了。

然后，我们要开始开发BI了，我们自己的平台一般都有对应设备ID的启动时间，我们拿到最后一次启动时间（或者直接从appsflyer push api拿？），总归这个数据应该不难拿到。

按照设备ID我们不断更新最后一次启动时间，再来反过来计算用户这次启动距离上次启动时间的天数。

按照我们的沉睡用户标准，算出来一个距离上次启动时间 比如3天的，7天，14天的用户，然后每天统计出来后生成曲线。

到这里我们已经有大盘的沉睡用户再启动的曲线了。

然后我们再需要从第三方（比如appsflyer）拿到我们在营销广告投放之后的campaign，广告信息（appsflyer可以从api拿到在营销投放出去后的设备信息对应广告信息），拿到数据后，我们在按照渠道展现一下我们分渠道的曲线。

只是单纯计算再次启动可能还不够，我们还可以根据自己的数据，把这部分用户再次启动后完成的后续行为，比如现金贷用户回来再次申请，再次贷款（可以根据这个判断我们跑出去的广告是不是跑到了黑名单里面），游戏的话可以看后续的等级，关卡，充值付费信息等。把这些数据也可以做成曲线表现出来。

这个做完可能也不只是能统计投放在Facebook/google广告的效果，实际上根据大盘也可以看到某些产品比如电视广告，或者其他口碑宣传的效果，不过只能大盘面的分析，总归可能有点帮助。

思路已经有了，现在就差技术开工了！不过按照优先级，我这需求大概可能也许要排到明年了吧。

如果你有更靠谱的思路来追踪分渠道的再营销效果，请一定告诉我，红包拜谢！