饿某么柠檬市暑期活动商家效果复盘报告

用户3086

10月21日修改

摘要

需求名称	2023年柠檬市暑期满减活动商家效果复盘
优先级	P0营销活动复盘需求
范围	报名满减商家与未报名商家的效果对比、不同GMV层级商家的响应差异、下一期活动的商家招商策略
方法	商家自主报名，无法随机分流，采用倾向分匹配（PSM）加双重差分（DID）

活动背景和预期

背景

2023年暑期，平台在柠檬市推出面向全体用户的满减活动，开放商家报名，柠檬市代理商BD负责全市商家招商。活动结束后需要回答两件事：满减活动到底有没有给报名商家带来增量，下一期活动应该把招商精力放在哪类商家上。​

•
活动起因：暑期学生放假在家，午餐和下午茶的点单需求上升，活动策划由此出发；满减面向柠檬市全体用户，不限学生身份。​

•
活动机制：商家报名后自设满减档位，活动期间营业时长和营业天数达标，可获得APP「暑期满减专区」的曝光资源位；营业越久、连续达标天数越多，资源位越靠前。​

•
报名是商家自选，不是随机分配：报名商家4.64万家，未报名商家84.80万家。活动前报名商家的店铺GMV均值为1521.9，未报名商家只有57.7；营业天数均值分别为5.26天和0.45天。直接对比活动后的数据，会把商家原本的经营差距算成满减活动的效果。​

•
为什么不做AB实验：满减活动对所有商家开放，代理商不能随机拒绝商家报名，只能在活动结束后用观察数据评估。​

预期

满减活动应同时带动商家的营业投入、店铺流量和成交，并且不同经营规模的商家响应程度不同。​

•
营业投入提升：为拿到专区资源位，报名商家的营业时长、营业天数应增加。​

•
流量和成交提升：专区曝光加上满减优惠，店铺曝光、进店、订单和GMV应随之增加。​

•
识别响应差异：找出对满减最敏感的商家层级，作为下一期BD招商的重点。​

核心指标	店铺GMV、有效订单量
过程指标	营业时长、营业天数（营业投入）
过程指标		店铺曝光次数、进店次数、自然曝光次数（流量）
护栏指标	客单价（满减不应显著拉低客单价）
护栏指标		匹配质量：活动前各指标标准化均值差（SMD）、报名商家覆盖率、对照复用率

评估配置

取数周期：活动前基准期与活动期观察期各一段

分组方式：商家自主报名，非随机分流；报名商家（实验组）46406家，未报名商家（对照组）847993家​

分析单元：商家（seller_id），每个商家含活动前、活动期两期指标​

分层字段：近30天GMV层级

数据说明：城市名「柠檬市」为脱敏名称，商家数据已做去敏处理​

步骤

做法

理由

1. 分层

按近30天GMV层级，在原始7个层级内分别匹配，报告时合并为0w（未动销）、0-1w、1w-3w、3w+四层​

全量匹配会让头部和尾部商家互相配对；3w+层跨度从3万到50万以上，细分后再匹配更精确​

2. 倾向分模型

逻辑回归，协变量为活动前7个指标（取对数后标准化）、自然曝光占比、千次曝光GMV和营业时长分箱​

只用活动前数据，避免把活动影响带进匹配

3. 匹配

层内1:1最近邻、有放回，卡尺0.01

1w-3w和3w+层未报名商家少于报名商家，不放回会丢掉大量报名商家​

4. 效应估计

每个商家先算「活动期减活动前」，再比较两组（两期DID）；对照按被匹配次数加权，标准误按商家聚类​

扣掉商家原有差距和暑期大盘的季节性变化

5. 稳健性

对照去重后重算；组别置换500次的安慰剂检验

检查结论是否依赖去重口径，以及效应是否可能来自随机波动​

护栏指标速览

饿某么柠檬市暑期活动商家效果复盘报告​