b2match提出“数会议而非数下载”的活动数据分析方法,并以INNEXA Alliance首届数据为例
Count meetings, not downloads: a working approach to event analytics
b2match(发文为赞助内容)提出主办方应以一对一会议数据而非报名量、出席率等常规指标来衡量商务活动成效,并将配对数据作为活动前的预测工具。其依据包括:今年1月Exeo Lab在马德里举办的首届INNEXA Alliance有来自34个国家的140名参会者,开幕前两周已有92%的参与者加入b2match配对并预订650场会议,活动结束时共691场(含现场临时安排的41场)。
每一位主办方都熟悉活动结束后的报告流程。注册数、出席率、满意度得分、最热闹场次的截图。这份演示文稿交给董事会、赞助商和团队。然后总有人问那个它始终没能回答的问题:活动到底带来了什么成果?
对于商务活动,诚实的答案藏在另一组数据里:谁和谁见了面,之后发生了什么。
这种成果在开门迎客之前就已经可见。
今年一月,Exeo Lab 在马德里举办了首届 INNEXA Alliance:来自 34 个国家的 140 名参会者。首届活动总让人紧张。还没有人知道这个品牌,也没有人确定值得为此飞一趟。
主办方提前两周就心里有数了。92% 的参会者在 b2match 上参与了商贸配对,开门前已预约了 650 场一对一洽谈。活动最终以 691 场收尾,其中 41 场是现场自发安排的。主办方称这一成果改变了局面,而且他们有数字为证。
这才是值得效仿的做法:把商贸配对数据当作预测工具。活动开始前两周,参与率和洽谈预约量就已经能告诉你,满意度调查要到结束后一周才确认的事情,而你还有时间采取行动。

3 个值得实时关注的数字。
商贸配对参与率。完成资料填写并参与配对的注册者占比。如果偏低,会前补救成本很低(发一条提醒、优化资料填写引导),会后则无从挽回。
人均洽谈场次,且要看分布。平均值会掩盖问题。5 个人各谈 20 场、100 个人一场没谈,这样的活动是靠一个健康的平均值掩盖的失败案例。
接受率。洽谈请求被接受的比例。接受率偏低时,通常是观众细分群体不匹配,而这是在邀请和宣传阶段仍能解决的筛选问题。
这些都不需要数据团队。只需要一个把洽谈和门票一样认真计数的平台。
赞助商会问成果。用他们的语言回答。
出席人数描述的是现场。洽谈数据描述的是现场产出了什么。带着一份量化洽谈日程离场的参展商,续约时无需讨价还价;而一份基于其洽谈和后续跟进的报告,比任何客流量数字都更能卖动下一届。
同样的数据还会在多届活动之间产生复利效应。跨届汇总后,它能显示哪些参会者细分群体找到了合作伙伴,哪些无所收获,以及下一届的招募应该聚焦在哪里。
欧洲附注。
洽谈层面的分析涉及个人数据处理,根据 GDPR,主办方承担这一责任。两个习惯可以让合规保持干净:只收集活动会用到的字段,并且了解处理发生在哪里。在欧盟境内进行处理能让这场对话变得简短,而随着《欧盟人工智能法案》对评估和推荐人员的系统增加义务,这一点愈发重要。
写进演示文稿的内容。
在 b2match,我们围绕洽谈成果构建报告体系,因为主办方正是以此接受评判——来自赞助商、会员和他们自己的董事会。活动结束后的流程可以保留,变的是内容:下次有人问活动带来了什么成果时,答案是一个附有具体人名的数字。

赞助内容
来源:Event Industry News — Technology · eventindustrynews.com


