以我们目前的O2O配送业务的运营为例，如果我们做的是一个短期的活动，我们所要追踪的过程型指标，至少需要：预算、活动覆盖人数、活动响应人数、活动规则达标人数、支出百分比（已支出金额占预算的比例）。
对于一个长期的活动或策略，我建议只追踪结果型指标的变化，而结果型指标就是我们要关注的核心指标。
这或许是本篇文章中最核心的部分了，以我的角度，运营活动的评价，只是回答两个个问题：明确的活动目标是否达成？预算是否超支？
活动目标一定是围绕核心结果指标来制定的。那么判断活动的效果如何，就是衡量核心结果指标是否有质变。如何展开评价？
首先，对核心业务指标做1-2层的拆解。为什么这么做呢？因为核心业务指标往往受多重因素的影响，我们尽量拆解到我们的运营动作能够直接影响，同时与核心指标的关系又比较近的一层。
比如我们做某个活动，目的是提高午高峰的接单率，那接单率就是我们的核心结果指标；在评价时，我们根据运营动作的响应关系，将接单率拆为推单数和活跃运力数，我们所直接影响的是活跃运力数。若我们活动的目标群体是近1个月注册的活跃运力，那么活跃运力指标还需拆解一层，统计近1个月注册的活跃运力和非近1个月注册的活跃运力。
其次，要从时间维度对结果型指标进行对比，也就是活动前后的对比。需要注意，活动前后的数据对比，一定要跨满一个业务周期,比如，我们的业务有明显的7天的周期波动，那么运营活动一定要跨满七天。同时采用均值的方式，对比平均水平的变化。这点大家尤其要重视！
承接例子4，活动开始后，我们至少要统计满7天的数据，才可以开始做评价。评价时，我们计算活动后7天的平均接单率，然后与活动前的7天平均接单率进行对比。如果条件允许，我建议取活动前的均值数据跨2个周期，也就是14天，但要保证在这14天中没有相似的活动在进行，且政策上没有大的变化。
那么，活动前后对比数字差别达到多大，算是有区别而不是随机波动呢？粗略的估计方式是5%，即活动前后的数据差别达到5%以上，才能说活动有显著的效果。精细的方式需要拉长时间后，对活动前后两段数据做方差分析，这里不累述了。
另外，对于结果型指标，其实并没有必要在活动期间天天追踪。真正重要的是，活动的跨度必须超过一个业务周期，在超过一个业务周期后，对结果型指标进行汇总，与活动前对比。
最后补充一点，如果条件允许，建议在活动施行的时候，找一个参照系，横向对比活动的效果。这样能排除掉系统性的影响。比如，全国各地的接单率都在涨，在某地上了一个活动，发现接单率涨了，说是活动带来的效果，就很牵强了。我们已经做了城市的分群，在同群组里面的城市，可以寻找规模相似的，最为参照系。
任何运营，都不能脱离对预算的考虑，这也是我们目前最薄弱的环节。活动前，估计好预算总额，在活动执行的过程中，时时关注预算的消耗情况（每天统计），这是非常有必要的。
关注预算总额是否超支以外，我们需要计算ROI，即投入产出比。不同的活动，投入产出比的计算方式一定不同。
比如我们唤起运力的活动，花了多少钱cost，唤起多少运力rider，这部分运力送掉多少单order，我们就需要计算cost/rider+平均每运力一天的补贴，cost/order+平均每单补贴。
除了计算ROI，我们还需要关注在执行活动时，整个城市的成本情况，是否符合我们的宏观的预算限制。最好的情况是，活动执行的同时，整体成本并没有上升，或者在下降。即我们要把钱挪到该用的地方。
一个短期活动做完后，我们还有必要追踪活动结束后的结果型指标如何变化。最理想的情况是，一个活动结束后，结果型指标依然保持在活动时的优秀水准，也就意味着，一个短期活动带来了长期的正向效益。我们不能忽视有些运营活动带来的滞后效应和连带效应。
不同时期进行的相似活动甚至是相同活动，我们要做好活动数据的存档，来观察活动间的对比。许多探索性的活动，我们是有必要计划成系列活动以达到我们的实验目的的，比如价格探底测试，我们应该分阶段，分地域类型，进行系列测试，从各次的数据存档中，去总结规律。
随着运营的逐步精细化，我们需要具备系列活动的策划和执行能力！
U633687664
U245265618
