1、編輯導讀：人為什么喜歡盲盒？因為喜歡追求刺激，尤其是充滿未知。抽獎就是這樣的充滿變數的活動，想要中獎不容易，想要做好一個抽獎設計也不 容易。本文作者將從五個方面進行分析，與你分享。前言：在實習過程中因參與項目，學習并思考了如何在一個小程序中設計一個抽獎活動，并未官方設計，也不作為相關的工作說明，僅作為交流探討。抽獎作為促活、拉新的傳統營銷手段，無論是在線下營銷，還是如今的互聯網運營時代，都被廣泛采用及推廣。形式多種多樣，包括較為常見的大轉盤、乒乓球號，到口紅機、砸金蛋，萬變不離其宗，都是通過概率性事件，營造稀缺性，翹動用戶的互動參與意愿，同時通過物質激勵等方式持續刺激，階段性強刺激，來保證用戶

2、的長期活躍度。回歸到抽獎上來，作為運營的手段，我們該分為幾步著手。設計抽獎活動前，我們需要對目前所擁有的資源和現實條件進行一個總結，在此基礎上，我們對之后的活動目標設計會有更明確的方向和指標?？梢栽囍卮鹨韵聨讉€問題，但不僅限于此：其實也就是解決這三個問題：是否有人參與？誰來參與？怎么參與？回答完上述問題后，我們對承載這個抽獎活動的小程序平臺的基本情況就心里有數了。接下來可以確定抽獎活動的目標，這將影響到后面所有的細節設計，包括抽獎模型、抽獎體驗、獎品安排等。我們常見的超市的抽獎活動，一般可能在開業時，目標就是為了聚人氣，這時候可能處在賠本賺吆喝的階段，成本高一些無妨，只要將品牌打出去就可以；

3、有些互聯網 APP 的抽獎，可能則 是以發放優惠券等形式，這時候的目標就是為了帶動自身產品的消費。一般而言目標的設定分為不可見的和可見的，不可見的包括提高品牌聲譽、用戶體驗提升，可以通過問卷等形式進行量化，但較少會進行量化的處理；可見的是指可以通過數據量化的，包括活躍度的提升（訪問量、留存率等）。我們開發小程序中的抽獎活動，目的就是為了給小程序帶來更多的流量，實現拉新，同時吸引用戶持續進入小程序參與抽獎，與此同時瀏覽/ 點擊小程序內的其他模塊，購買產品等等，即實現留存和促成用戶的消費行為。基于此，最基礎的活動目標即是實現小程序的點擊人數的增加。比如可以預設兩個目標：希望小程序達到每年點擊人次是

4、30 萬（可見），這個；用戶獲得良好的抽獎體驗（不可見）。抽獎的體驗如果想要進行量化，可以利用一個公式，即抽獎體驗=抽獎概率* 獎品價值-抽獎成本，也就是當用戶獲得的收益大于付出的成本時，用戶抽獎時得到正反饋，他們才有動機參與到活動中來。新增 30 萬人次，對于全新的小程序，不算一個小量級，那為了實現這個目標，我們必然要對目標進行拆解，是否可以拆分成具體的指標和要素，最好能形成公式，針對性提升某一個要素，從而達到聚沙成塔的效果，也可以說是構建一個用戶增長的模型。有一個比較經典的 AARRR 模型， Acquisition 、Activation、Retention、Revenue Referr

5、al,應用到這個例子中，簡單而言，抽 獎活動可以促成Retention、Revenue Referral,也就是留存、裂變。留存即每 日都可參加抽獎，吸引用戶每日進入小程序；裂變即分享給好友，獲得禮/ 增加抽獎次數/增加獲獎概率等。我們可以這樣認為，小程序的人次增加來源（1）拉新增量，有可能是用戶自然行為，有可能是營銷結果；（2）用戶留存；（3）其他渠道轉化量；（4）裂變增量。所以在確定了 30 萬人次的目標后，我們可以根據經驗數據進行分配，從而對每一個要素的情況有一個大概的估計，在運營過程中及時調整策略。抽獎模型可以說是一個抽獎活動的內核，抽獎模型可以實現活動參與和活動運營的控制。這里舉三個

6、比較：設定獎品的固定概率Xi 。例如：如果活動是設定100%中獎，獎品A 中獎概率 1/4，獎品 B 中獎概率3/4。一開始估計只有1000個用戶參加抽獎，故只準備了 250 個獎品 A ， 750 個獎品B ，這時候所有人中獎概率相等。而實際活動開展后，有2000人前來抽獎，則前1000人將會將獎品全部抽走，剩下1000人抽中獎品的概率為0，一方面影響整個活動期間的抽獎氛圍，一方面用戶體驗極差。此時可以選擇追加獎品，但會出現獎品超發的情況，預算不可控?；蛘哌x擇活動就此暫停，即 “先到先得 ” 。優點：概率可以固定；缺點：因參與人數為變量，所以當實際參與人數過多的時候，很有可能出現前期獎品都被

7、抽走的情況，如果追加獎品，則可能出現超發情況；如不追加，可能會影響用戶體驗。例如以 1000為周期，逢288、 488、 688 中一等獎， 100、 200、 300中二等獎。假設有2000人參加抽獎，則第288、 488、 688、 1288、 1488、 1688參與抽獎的用戶抽中一等獎，第100、 200、 300、 1100、 1200、 1300 抽中二等獎。優點：如果每日參與熱度相對平均，則每隔一段時間會出現一個大獎刺激用戶；缺點：參與人數為變量，獎品可能需要追加。舉一個例子，也可以直接看公式。假設預估有240000人次（平均每月20000人次）參加抽獎，獎品 A 的中獎概率為5

8、0%，獎品B 的中獎概率為30%,獎品C的中獎概率為20%,則獎品A準備120000份，獎品B準備72000份，獎品 C 準備 48000份。設定每月動態更新一次抽獎概率。以 1 月份是第一個月為例， 1 月平均每天參加抽獎人次為1000，當月獎品A被抽走17000份，獎品B被抽走12000份，獎品C被抽走5000份，此時獎品A 剩余113000份，獎品B 剩余 60000份，獎品 C 剩余 43000份。此時調整活動剩余參與人次期望為334000（剩余天數334*平均每天參加人次1000），抽中獎品 A 的概率調整為33.83%（剩余A 數量113000/剩余參加活動人次334000），抽中

9、獎品B 的概率調整為17.96%（剩余B 數量60000/剩余參加活動人次334000）,抽中獎品C的概率調整為12.87% （乘U余C數量43000雨余參加活動人次334000）。此時，三種獎品的抽中概率均發生下降的原因是第一個月活動熱度高，平均每月 20000人次的情況下第一個月實際參與抽獎的有31000人次，為了確保獎品不超發，只能降低后續抽中概率。也就是說，在2月份，獎品 A 中獎概率為33.83%，獎品B 中獎概率為17.96%，獎品C 中獎概率為12.87%，不中獎的概率為35.34%。2 月平均每天參加抽獎人次為 500，當月獎品 A 被抽走 6000份，獎品 B 被抽走4000

10、份，獎品C被抽走1000份，此時獎品A剩余107000份，獎品B剩 余56000份，獎品C剩余42000份。此時平均每天參與人次為 763 （1月、2月總的平均每天參加人次）。此時調整活動剩余參與人次期望為233478（剩余天數 306*平均每天參加人次763），抽中獎品A 的概率調整為45.82%（剩余A數量107000/剩余參加活動人次2334780），抽中獎品B 的概率調整為 23.98%（剩余 B 數量56000/剩余參加活動人次2334780），抽中獎品C 的概率調整為17.98% （剩余C數量42000惻余參加?S動人次2334780）。我們可以發現，當月抽中獎品的概率得到大幅上升

11、，原因是因為 2 月抽獎參與人次降低，對后續活動剩余參與人次期望降低，所以獎品的抽中概率會得到提高。也就是說，在3月份，獎品 A 中獎概率為45.82%，獎品B 中獎概率為23.98%，獎品C 中獎概率為17.98%，不中獎的概率為12.22%。以此類推，當月結束時，統計計算活動參與數據，動態調整下個月的抽獎概率。1）參數K：參與熱度，平均每天參與抽獎活動的人次T:活動剩余時間，單位為天M ：該獎品剩余獎品數量S：剩余參加活動的人次X:抽中這個獎品的概率2）公式k （平均每天參加的人次）=（ZS前參與抽獎人次之和）/活動已開展天數 S （剩余參加活動的人次）=T （剩余時間）*k （平均每天參

12、加的人次）X （抽中這個獎品的概率）=M （該獎品剩余獎品數量）/S （剩余參加活動 的人次） 3）步驟Stepl：預估活動期間參與人數，設定獎品中獎概率，計算得到初始獎品 數；Step2：統計目前參與抽獎人次之和，計算得到平均每天參與抽獎活動的人次 K ，利用公式 計算剩余參加活動的人次；Step3:根據每個品類獎品剩余的數量，利用公式 計算得到調整后的中獎 概率；繼而調整未中獎概率；Step4：依此類推，直到活動期末。4）注意事項該動態概率模型，在實際應用中需要注意和處理的問題有：此處的邏輯可以根據實際情況進行調整，也可以使用算法進行更復雜的設計，如該用戶之前已獲得3 次以上價值1 元的獎品，那此次同時抽中兩個獎品，則發放10 元的獎品；如果剩余獎品中 x 獎品比例過大，則發放 x 獎品等邏輯。5）計算說明上述的動態調整如果通過算法自動計算最為方便，可以將更新頻率縮小到一天，但更新頻率過高，則波動會更大，此時就需要考慮采用滑動平均進行濾波。如果手動計算，則可以月為周期進行動態調整。6）修正改進每天參與抽獎人次可能存在較大波動，使用算術平均計算平均每天人次，對后續概率計算影響較大，故需要進行濾波，可采用滑動平均法進行低通濾波?；瑒悠骄ǖ囊饬x在于當時間序列的數值由于受周期變動和隨機波動的影響，起伏較大，不易顯示出事件的發展趨勢時，使用滑動平均法可以消除這些因素的影響，顯示出