周年庆活动结束了。这次力度比较大：高性价比礼包、消费返利，加上新卡池的转盘活动一起开。7天下来，充值流水比平时涨了30%。
运营看着数据，不确定该怎么回答。是礼包带来的增长，还是消费返利，还是转盘把新卡卖出去了？三个活动同时开，没法直接看出谁的贡献更大。
多个付费活动一起开，流水确实涨了。但运营真正要搞清楚的是：哪个活动更有效？有没有拉胯的？下次该怎么优化这个组合？
先问清楚要回答什么
同样是「流水涨了30%」，运营要回答的问题不一样，看的东西也不一样。
1、这个组合有没有效果
找历史数据对比。上次只开充值礼包，流水涨了15%。上次只开消费返利，涨了10%。上次只开转盘，涨了5%。
如果三个活动互不影响，理论上应该涨30%（15%+10%+5%）。
实际涨了30%，说明效果和预期差不多，没有特别的协同，也没有互相冲突。
实际涨了40%，说明有正向协同，组合效果比单独开更好。
实际只涨了20%，说明有冲突。某个活动可能拉胯了，或者三个活动互相挤压。
2、会不会透支
流水涨了不等于没透支。要看活动后1-2周的充值数据。
如果活动后充值大幅下跌（跌幅超过20%），说明玩家在活动期间把后面要充的钱提前花了。
如果活动后充值保持稳定或继续增长，说明没透支，组合可以重复用。
还可以看用户留存和复购率。如果活动后7日留存下降，可能吸引了羊毛党。如果参与活动的用户后续复购率下降，说明透支了。
3、下次该怎么调
这是最难回答的。三个活动同时开，没法直接看出谁的贡献更大、谁拉胯了。
第一次同时开时怎么看？先用历史数据估个大概
刚才讲过了。用历史单独开某个活动的数据，估算理论预期，再对比实际结果。
举例：充值礼包涨15%，消费返利涨10%，转盘涨5%，理论预期30%，实际也是30%。说明三个活动各自的效果都发挥出来了，没有互相挤压。
但如果实际只涨了20%，说明有问题。可能是某个活动拉垮了，或者三个活动互相冲突——玩家参与了充值礼包，就不参与后续活动了。
看不同层级的用户参与了什么
把用户分成大R、中R、小R，看各层级主要参与哪个活动。
大R（月充值>1000元）：80%参与充值礼包，30%参与消费返利，20%参与转盘。大R贡献的充值金额40万。
中R（月充值100-1000元）：50%参与充值礼包，70%参与消费返利，40%参与转盘。中R贡献15万。
小R（月充值<100元）：20%参与充值礼包，30%参与消费返利，60%参与转盘。小R贡献5万。
粗略归因：充值礼包主要吸引大R，贡献约40万。消费返利主要吸引中R，贡献约15万。转盘主要吸引小R，贡献约5万。
得出的判断，充值礼包效果最好，是这次活动的核心。转盘效果最差，可能拉胯了。
这个方法假设用户只参与一个活动，但实际上用户可能同时参与多个。大R可能既买了充值礼包，又参与了消费返利。所以只能粗略归因，不能精确拆解。
看充值什么时候涨的
第1-2天，大R冲充值礼包，充值从日均50万涨到70万。
第3-4天，中R参与消费返利，充值从70万涨到80万。中R为了参与消费返利，又充了一些钱。
第5-7天，充值保持在80万，没有继续涨。说明转盘没有带动新的充值。
得出的判断：充值礼包带来了20万增长（50→70），消费返利带来了10万增长（70→80），转盘没有带来新的充值增长。
但这个判断基于一个假设——不同层级的用户会在不同时间参与活动。如果大家都是第一天冲进来，这个方法就失效了。
看用户参与了几个活动
得出的判断：充值礼包单独就能吸引大量用户。消费返利对单独参与的用户吸引力不够（只有200人），但能带动已经充值的用户继续参与。转盘单独参与的人很少，效果最差。
但这个方法需要数据系统支持。如果你的数据看板看不到这些，就用不了。
第二次时，优化时验证一下
第一次同时开，只能做粗略判断。要找出真正拉胯的活动，需要第二次实验。
砍掉疑似拉胯的那个
如果第一次判断转盘效果最差，第二次只开充值+消费，不开转盘。
对比两次数据：第一次充值+消费+转盘涨了30%，第二次充值+消费涨了28%。说明转盘只贡献了2%，确实拉胯了。
如果第二次涨了25%，说明砍掉转盘后效果反而下降了。可能是转盘虽然单独效果差，但能给小R一个参与的理由。或者转盘能延长活动热度，让用户在后几天继续参与。
只调一个变量
第一次转盘抽稀有皮肤，只涨了5%。第二次转盘抽SSR角色，涨了15%。说明转盘本身没问题，是道具不够吸引人。
或者调整力度。第一次充值礼包6折，涨了15%。第二次充值礼包5折，涨了25%。说明降低折扣能带来更多充值。
但第二次效果可能因为用户疲劳、库存透支而下降。比如第一次活动后玩家已经拿到想要的东西，第二次就不会再充了。
为什么没有完美方法
你可能发现了，上面这些方法都是「粗略判断」，没有一个能精确拆解各自贡献。
理想的实验是：对照组不开任何活动，实验组A只开充值，实验组B只开消费，实验组C只开转盘，实验组D三个都开。把用户随机分配到各组，对比各组效果，就能精确归因。
但现实中做不到。周年庆不能让一部分用户看不到活动，玩家会投诉。分组实验需要足够大的用户量。分组实验需要多轮测试，周年庆一年只有一次。
所以只能用「粗略判断+后验验证+多次迭代」，代替精确归因。
总结：我们该怎么分析？
第一步，判断组合是否有效。找历史单独开某个活动的数据，估算理论预期（单独效果之和），对比实际结果。实际大于理论，说明有正向协同。实际小于理论，说明有冲突或拉胯。
第二步，判断会不会透支。看活动后1-2周充值是否大幅下跌，看留存、复购率是否下降。大幅下跌，说明透支了，组合不可持续。
第三步，粗略归因各活动贡献。看用户分层数据（各层级主要参与哪个活动），看充值波动（哪个时间段涨得最多），看用户参与组合（同时参与多个vs只参与一个）。
第四步，第二次优化时验证判断。砍掉疑似拉胯的活动对比效果，或者只调整单个变量（道具、力度、时长）。
第五步，固化有效组合。通过多次实验找到最优组合，固化后只调整单个变量，不要每次都改组合。
不要指望第一次就精确拆解贡献。通过多次迭代逼近最优组合。
---
我是尤里卡，一个专注于分享游戏运营干货的野生导师。
课程链接：
课程链接：尤里卡的游戏商业化课程全面升级！AI+商业化，很有搞头！
课程链接：尤里卡的游戏运营入门课程：《目标：成为游戏运营》
游戏运营 100 问、行业报告、运营资料、社群答疑
尤里卡的游戏运营笔记