无论是运营、推广人员，还是产品经理，相信电商行业的小伙伴在双十一过后做的第一件事就是复盘整个活动数据，从整个营销漏斗的源头到末端，逐一分析每个环节的数据情况，目的是沉淀总结经验以指导下次活动。
可是很多时候我们并不知道在活动开始前的策略是否正确，还需要通过在活动过后得到数据的加以验证才行，这样就导致了验证成本较高，需要用真金白银来验证当时的想法策略正确与否，造成了“事后诸葛亮”的处境。
那么有什么办法可以在活动之前就能大概预估活动的效果，并根据预估情况做策略调整，避免不必要的预算浪费呢？
说到这里可能有的朋友会想到一些算法模型来做效果预估，那作为绝大多数运营来说，去从头学Python这样编程语言然后搭建一套算法模型显然也是效率不高的。
那么还有什么其他简单的办法来实现吗？答案是有的。
二元一次方程相信我们每个人都会做，初一数学知识（初中数学不及格的现在吃亏了吧），只要运用二元一次方程就可以预估出我们双十一的成交量。
笔者接下来通过自己亲身经历的项目经验来介绍下如何用二元一次方程预估出双十一期间的成交量。
首先介绍下我当时的业务背景：我负责某平台的信息流推广工作，通过线上广告来吸引用户留下销售线索，接着线索分配给销售，然后促进成交。流程如下：
业务背景：信息流广告推广——客户留资——线索分配——销售跟进——促成成交
先来介绍2个数据维度：
1.线索生命周期：通过线上广告投放获得到的一条客户留资线索，线索也是有生命周期的，超过了线索的生命周期，线索能带来的价值就微乎其微了，不同行业的线索生命周期也有所不同；
2.线索生命周期内当月转化率：线索在生命周期内第一个月产生的成交占比整个生命周期内总共带来的成交量。
统计时间：半年
统计维度：成交周期、成交数量
绘制图表：
从数据图表可以看出线索的生命周期大概在3个月，超出3个月所带来的价值并不多了，且在线索产生当月的价值最高。
（举一反三：线索生命周期内，成交数量呈现一定的数据比例规律，那么反推出成交成本也是同的数据比例规律，即：当月的成交成本会在随着时间的推移，在线索生命周期内逐月递减，这也是我们常说起的溯源成本）
统计时间：半年
统计维度：线索生命周期内总成交、线索当月成交量、当月线索量，线索生命周期转化率，线索当月转化率
（线索生命周期转化率=线索生命周期总成交/当月线索量；线索当月转化率=线索当月成交量/当月线索量）
绘制图表：
从表中可以得出线索生命周期内平均转化率为：0.59%，线索当月平均转化率为：0.27%
KPI：根据业务要求，双十一成交成本要在10000以下
公式：双十一预热总花费 / 老线索带来的成交量+活动预热期带来的成交量< 10000
公式拆解：
根据我们之前说的线索生命周期，可以得知线索的生命周期为3个月。
所以双11的成交主要来源9月份的线索和10月份的线索和双十一预热期的线索（这里交代一个背景，该渠道在10月份没有投放，所以并无线索产生，所以以双十一为时间原点向前倒推，成交周期在15-30时段为空挡，同理如果10月产生线索，用同样的方法预估出10月的线索在双十一产生的发力）
所以我们只需算出9月的那批线索在双十一共能产生多少成交，在加上整个双十一活动期间内共带来的成交量即可预估出双十一期间共能成交多少，下面我们按照上图的分析思路逐一推算。
从第一步数据统计中我们得出了索生命周期内平均转化率为：0.59%，且已知9月的线索截止目前已发生成交360，下面根据公式可预估9月老线索在整个双十一活动期间内能带来多少成交：
9月线索余量在双11成交预估=9月线索量 * 线索生命周期内最终转化率 – 已成交的数量
114576 * 0.59% - 360=316
故：9月老线索在双十一活动期间功能成交316
公式：双十一预热总花费 / 老线索带来的成交量+活动预热期带来的成交量< 10000
设：双十一预热总花费为X，活动预热期带来的成交量为Y
已知：线索当月成交的线索转化率为：0.27%，线索成本40（投放到一定体量，线索成本基本是一个常数值）
列出二元一次方程：
X / （316+Y） <10000 ①
X /40 *0.27%=Y ②
X<9723076
Y=656
故：双十一期间预热总花费应不超过9723076，预估双十一期间总共成交316+656=972
最终双十一实际成交数据：979
9月老线索在双十一期间成交（10.25-11.11）
预估：316
实际成交：313
双十一活动线索成交（10.25—11.11）
预估：656
实际成交：666
从实际数据可以看出最终双十一的活动成交量与当时预估的成家量实际误差仅差7台！此模型后续又预估了次年6.18的成交量，模型沿用至今。
一、数据统计
1.线索生命周期
2.线索生命周期转化率
3.线索当月转化率
二、构建模型
1.公式拆解
2.列出方程式组
最后想通过本文中介绍的方法论体现出的两种比较重的运营思维：1.数据思维，2流程化思维。
在前文中构建模型部分，我们就要运用到流程化思维，从公式出发，并将公式拆解，拆解成最小的单元，然后我们在把这些最小的单元逐一攻破。
可是有很多时候我们所接触的项目都是不能用公式来表达的，那怎么办呢？
首先把事项原委从源头到结尾，按照流程顺序一一列举出来，并按照每个环节要做的事情记录清楚，包括每个阶段的工作产出及结果汇报。
这一步要做到2个事无巨细：1流程上不要有遗漏的环节，每个可能发生的环节都考虑进去，2.每个环节下可能发生所有的细节要提前想到且记录。这一步做好可提升自己工作节奏感。
数据思维我相信所有互联网人都不陌生，因为我们互联网人每天实在和太多的数据打交道。
在这里我想结合上文的内容来介绍下我运用的一些数据分析思路和方法：首先我们做数据分析一定要有一个明确的目标，这里很多新人会有一个误区就是为了做数据分析而分析，什么意思呢？
就是目标不明确，不知道想通过数据分析得到什么结果，这里我们要结合流程化思维，先梳理业务，找到我们要分析的数据指标，然后在根据这个目标去统计和计算相关的数据维度。
这样分析得到的结果才是我们最想要的可辅助业务决策的数据结果
