教你如何正确写展会报告

展会报告，顾名思义，泛指展会各种可能需要是数据分析报告，比如基础的数据分析（分布、行业等），再比如行为的分析（参展历史、参观历史分析），比如营销过程分析、销售过程分析等等。再说展会分析报告就单单是展后报告就out啦！

来看看这样的场景是否熟悉？

场景一：

忙活了1年，展会结束后老板找到项目经理老刘，说：给我个分析报告，让我看看展会效果怎样？

老刘接到任务开始催促现场登记服务商、汇总数据、查重清洗、做报表。最终得出报告：今年的展会相比上届，观众人数增长了12%，其中上海本地的观众增加了27%；希望到展会上采购的观众比例增长了10%；展会面积增长了9%，销售额增长了17%......

老板：你要说明什么，是想告诉我展会办的不错，明年加大投入吗？

此时老刘呆住了，只剩下一脸懵逼。

场景二：

老板：老刘，感觉打了这么多广告，预登记的变化不明显啊，你给我做个分析，看看什么原因。

老刘迅速打开站长工具、注册系统，从独立访客、访问深度、停留时间、跳出率、来源分析等等手段，成功的发现：从某APP广告上来的女性用户的预登记转化率最高，应该加大此类广告投入，就能提高预登记人数。

老板：老刘，你说的很对，但是就我们这点预算，这种投放成本又这么高，够投几天？靠这个广告注册的有多少能到场？况且核心的内容还没做好。你的建议后面再考虑吧。

老刘他已经很努力了，但是分析结果仍不尽如人意。

回到问题的根本，我们做展会数据分析的目的，是为了解决问题（通俗点讲就是要有用）。那么你做的分析，有用吗？怎样做的分析才有用呢？

数据分析的结果是为了转换成业务价值，但凡不是奔着这个目标的分析都是耍流氓！按照这个逻辑，我们的思路应该是这样的：

1．先理解业务。业务特点、项目优劣势、发展方向等等。

2．设计分析方案。是为了验证某个假设？还是为了提取特征？

3．选择分析技术。用什么工具？数据逻辑上是否行得通？

某君一定要问：我也是这个套路啊，为什么到了数据分析这里，还是有很多问题呢？我认为，很多组展者把做数据分析当成是一个人的事，而事实上，现在做分析，早已变成了一个组织的事，是衔接出了问题。所以常常会发生：

1．分析结果是对的，然而并没有什么卵用（没价值）。比如场景1。

2．根据分析结果，能给出建议案，但是很空洞，无法落地，如场景2。

3．连分析结果都是错的。这个不多见，往往都是数据造假的结果。

再深入观察我们这个行业就会发现，很多有价值的分析报告往往都是老板做出来的。会展企业的老板多数都是全能型，懂业务、知行业、善运营，所以他做的分析自然会贴近业务需求。在老板这儿，他什么都懂，业务和数据之间的衔接没有问题。而衔接不好的公司往往是这样：数据分析人员给的报告，业务部门觉得没用；而数据分析人员又觉得业务部门不重视数据分析，开会决策都凭经验。可见，先理解业务是非常必要的。理解业务，就是要数据分析者要和业务部门多交流、多沟通，甚至是要亲身去业务部门实践。所以能搞好数据分析的人，一定是懂业务的人！这样才能转变思路、把业务的需求转化为分析的目的，这才有可能产生可落地的、有价值的分析报告。

要想落地，如何靠谱地设计方案呢？

这也是非常关键的，数据分析的价值主要2点，一是验证，二是预测，从老刘的分析报告中得出了展会的增长结果，老板一验证就知不对。那如果场景1中的老刘和老板要想做出展会的增长呢？有个客户的实践他应该感兴趣。他们分析得知，一个新的销售线索平均联系14次会产生1个意向展商，意向展商个数转化成展商的比例在38%，预定金额转化成签约金额的比例是37%，本届展商转换成下一年展商的比例为72%；如此，明年在做展会销售额定具体执行计划的时候再也不用拍脑袋了，比如，今年目标2000万，需要多少个展商？多少个目标展商？多少次联络？多少个销售线索？甚至团队要配多少人？都可以较为靠谱的预测。

所以，对于展会的数据分析体系而言，工具和技术只是辅助，业务和思路才是核心和重点。当然，技术工具也是非常重要的衔接点。技术一般都不是问题，问题往往是不知怎么选择技术工具。

如果是基础的数据特征类分析、业务指标监控，软件这样专业的会展IT工具就是非常好的选择。如果是有针对性的挖掘分析，为项目、运营的改善提供数据依据类的，有用spss、python的，甚至要学点SQL，但如果能深入挖掘软件的数据分析能力，其实大可不必学那么多高大上的工具。毕竟，数据分析也是要考虑成本的，如果有工具有方法一两天就能实现，尽量不要去让没有计算机基础的同学去开发、或者去学习一个技术流的工具，节省下的时间，还能去卖卖展位加深对业务的理解呢。