用量子统计分析出适合自己店铺的促销活动的方法

采集到这些数据之后，通常的效果分析在2个方面： 一方面，根据投入的资源和买家使用的情况来对比，例如发放大量优惠券、更多的展现给到搭配套餐或限时折扣的页面都属于资源的投入，拍下件数可以反映买家使用的情况； 另一方面，要考虑拍下总金额和支付宝成交金额的比例，即对应促销工具的支付率，支付率较低的工具要找出买家不付款原因。 通过以上两方面的对比，效果较好的工具可以继续给予更多资源的投入。

案例1：关于投入的资源和买家的使用情况； 该商家在最显眼，展现最高的店招位置放置了收藏送优惠券的活动，按道理优惠券券发放率是很高的；

但是从下图中，我们看出优惠券的使用情况非常差，那就表示这个促销工具设置是有问题的；

于是我们尝试领取一个优惠券看看，这个优惠券是要订单满150元使用的；

在量子里，我们看到该店平均客单价是在90元左右，所以设置150使用优惠券必然是无效的，建议在客单价基础上上升20-30%，即设置满120元使用效果应该会好一些。

案例2：关于促销工具支付率的效果分析 主要是拿促销工具支付率跟全店的支付率做比较，先来看一个案例：

可以看出三种促销手段表面上看起来使用率很高，但是实际付款率只有30-40%，而店铺平均当日支付率就达到68%，所以明显可以看出这些促销工具的支付率是比较低的。 再来看另外一个做的比较好的案例: 明显可以看出，这家店铺的促销工具的付款情况是要好很多的。

对于促销工具支付率较低的，建议客服追踪一下原因，如果是促销工具问题要立刻做优化，如果是顾客主动放弃，则要看活动设置上是否有缺失环节。