Dobici:
- Sposobnost tumačenja metrike kao što su stopa konverzije, prosjek korpe, kohorta i životna vrijednost korisnika (LTV) uz podršku umjetne inteligencije
- Sposobnost izrade uvida i nacrta predviđanja potražnje iz podataka o prodaji i pružanja ulaznih podataka u odluke o zalihama i kampanjama
- Sposobnost prepoznavanja rizika od brkanja korelacije sa uzročno-posljedičnim i pravljenjem lažnih brojeva i provjera svake analize vlastitim izvorom podataka
U e-trgovini podaci su posvuda: koliko je ljudi došlo, koliko je kupilo, koliko su stavili u kolica, sa kojeg kanala je došlo, da li su se vratili drugi put. Unutar ovih podataka skrivene su odluke koje će povećati vaše poslovanje; Ali sirovi podaci sami po sebi ne daju smjernice, potrebno ih je tumačiti. Umjetna inteligencija (AI) je moćna pomoć u brzom sažimanju i tumačenju vaših podataka, pronalaženju obrazaca i anomalija, izradi izvještaja i generiranju scenarija za predviđanje potražnje. Ali postoje dvije velike zamke AI u analitici: kršenje brojeva (proizvodnja metrike bez pristupa vašim podacima) i pogrešna korelacija za uzročnost (misliti da su dvije stvari koje se kreću zajedno “jedan uzrok drugom”). U ovoj jedinici naučit ćemo i ispravne metrike i kako sigurno koristiti AI.
Hajde da definišemo osnovne metrike. Stopa konverzije: koji postotak posjetitelja kupuje. Prosječna kolica (AOV): prosječna količina narudžbi. Analiza kohorte: praćenje ponašanja tokom vremena grupe kupaca (kohorte) koji su prvi put kupovali u istom periodu. Životna vrijednost korisnika (LTV): procjena ukupnog profita koji kupac ostavlja tokom odnosa. Napuštanje (odliv): kada kupac prestane da kupuje. Zajedno, ovi pokazatelji odgovaraju na pitanje "koliko zarađujem i gdje rastem?"
Koja metrika šta govori?
Svaka metrika odgovara na pitanje; Gledanje u pogrešnu metriku vodi do pogrešne odluke.
metrički
Pitanje
Ako se diže
Pažnja
Stopa konverzije
Pretvara li se promet u prodaju?
dobro
Čitajte uz kvalitet saobraćaja
Prosječna korpa (AOV)
Šta zarađujem po narudžbi?
dobro
Efekat unakrsne prodaje/pakiranja
Stopa recidiva kohorte
Vraća li se kupac?
Postoji lojalnost
Zavisi od kanala
LTV
Koliko dugoročno vrijedi kupac?
dobro
To je procjena, nije sigurno.
napuštanje (izbacivanje)
Da li gubim kupce?
loše
Zašto bi to trebalo istražiti?
Stopa povrata
Da li proizvod ispunjava očekivanja?
loše
Normalni nivo varira u zavisnosti od kategorije
Važan princip: jedna metrika je varljiva. Ako su se konverzije povećale, ali se povećao i povrat, možda obmanjujući sadržaj povećava prodaju i pokreće povrat. Pročitajte metriku zajedno.
Analiza sa AI: zamka za smanjenje broja
Najopasnija greška AI je ta što proizvodi pouzdan broj kao što je "vaša stopa konverzije je 4,2 posto", a da nikada ne pogledate vaše podatke (halucinacija). Ovaj broj je u potpunosti izmišljen. Pravilo je jasno: metrika dolazi samo iz vašeg vlastitog izvora analitike — Google Analytics, tržišna kontrolna tabla, izvještaj iz vaše infrastrukture e-trgovine. Koristite AI da protumačite ove podatke: date mu ih (anonimno) i on ih sažima, pronalazi obrasce, sastavlja izvještaj. Ne za pamćenje podataka.
Oprez: Čak i kada AI govori metriku vrlo tečno i precizno, pitajte odakle dolazi taj broj. "Iz kojih podataka ste izračunali ovu cifru?" Ako nisi dao, on je to izmislio. Svaki broj koji ulazi u izvještaj mora biti potvrđen sa vaše vlastite kontrolne table.
Korelacija i uzročnost
Druga velika zamka je zabluda uzročnosti. U podacima, AI može reći "povećana potrošnja na oglašavanje, povećana je i prodaja, što znači da je oglašavanje povećalo prodaju". Ovo je korelacija (zajedničko djelovanje); ali možda nema uzročnosti. Možda postoji treći faktor koji povećava i jedno i drugo: na primjer, sezona praznika povećava i oglašavanje i prodaju. Pogreška u korelaciji sa uzročno-posledičnom vezom će uzrokovati da trošite novac na nešto što ne funkcionira. Način razumijevanja uzročnosti je kontrolirano testiranje: A/B testiranje (prikazivanje dvije grupe u isto vrijeme i mjerenje razlike) ili barem pročišćavanje poređenja prije i poslije od drugih faktora. Neka AI generiše hipoteze; Dokažite uzročnost testiranjem.
Prognoza potražnje
AI može generirati scenarije predviđanja potražnje iz vaših istorijskih podataka o prodaji: "ovog mjeseca prošle godine prodali ste ovoliko, trend je u ovom smjeru, efekat praznika je ovakav" itd. Ovo je vrijedan input za zalihe i odluke o kupovini; Pomaže u uspostavljanju ravnoteže između preranog iscrpljivanja (izgubljena prodaja) i viška zaliha (vezani kapital, krah). Ali predviđanje je predviđanje: neočekivana kampanja, problem sa opskrbom ili modna promjena remete sliku. Koristite procjenu kao "raspon scenarija", a ne "tvrdi broj", i spojite je sa svojim poslovnim znanjem.
Četiri šablona za kopiranje
1) metrički sažetak i komentar:
Vaša uloga: pomoćnik analitičara e-trgovine. Ispod su stvarni podaci s moje vlastite kontrolne table (anonimno): stopa konverzije, posjetitelj, narudžba, AOV, stopa povrata, period. Podaci: [tabela].Zadatak: protumačiti ove metrike zajedno; označiti neobične pokrete; moguće uzroke zapisati kao HIPOTEZE (nemoj reći definitivan uzrok).Pravilo: ne proizvodi nijedan broj koji nije dat; označite podatke koji nedostaju [DATA MISSING].
2) Provjera korelacije/uzročnosti:
Razmotrite sljedeću tvrdnju: "[metrika A] se povećala, tako je porasla [metrika B], pa je A izazvalo B." Kontekst: [period, kampanja, vanjski faktori]. Zadatak: prodiskutirajte da li je ovo korelacija ili uzročnost; navedite uobičajene faktore koji su mogli povećati oba; Objasnite kako postaviti A/B test za dokazivanje uzročnosti.
3) Kohortna/segmentna analiza:
Ispod su anonimni podaci o kohorti (prvi mjesec kupovine, stope ponovne kupovine). Podaci: [tabela]. Zadatak: protumačiti koja je kohorta lojalnija, kako se stopa ponavljanja mijenja tokom vremena; Označite koji segment ima priliku/rizik. Pravilo: koristite samo navedene brojeve.
4) Scenario predviđanja potražnje:
Povijesna prodaja: [mjesečni podaci]. Poznati faktori: [festival, kampanja, sezona]. Zadatak: generirati scenario niske/srednje/visoke potražnje za sljedeći [period]; zapišite pretpostavku svakog scenarija. Pravilo: navedite da je to nagađanje; Ne navodite tačan broj, navedite raspon.
tri mini kofera
Slučaj 1 — Čitanje zajedno. Jedna prodavnica bila je oduševljena povećanjem stope konverzije; Ali kada je zajedno protumačio AI i metriku, vidio je da je i stopa povrata naglo porasla. Zašto: opisi proizvoda su bili preuveličani u kampanji; Kupci bi ga kupili, ali bi ga vratili kada njihova očekivanja nisu bila ispunjena. Radost gledanja na jednu metriku pretvorila se u problem kada smo je zajedno pročitali i ona je bila popravljena.
Slučaj 2 — Lažna metrika. Menadžer je pitao AI „koja je bila naša konverzija prošlog mjeseca“; AI je rekao "3,5 posto". Menadžer je ovo iskoristio kao gol na timskom sastanku. Stvarna stopa je bila 1,9 posto u cijelosti. Pogrešna osnova rodila je pogrešan cilj. Lekcija: metrika dolazi samo sa kontrolne table.
Slučaj 3 — Zabluda uzročnosti. Jedna trgovina je udvostručila učestalost e-poruka, rekavši da je "prodaja porasla onog dana kada smo poslali e-poštu, tako da e-poruke povećavaju prodaju." Ali ti dani su bili i dani popusta; Glavni faktor je bio popust. Česti emailovi su uznemirili kupce i povećali broj odjava. A/B test bi pokazao pravog vozača.
Slaba prompt / Jaka prompt
Slab upit:
Analizirajte učinak moje trgovine i recite mi moju stopu konverzije.
Pošto podaci nisu dati, AI čini stopu konverzije; Analiza je od početka pogrešno zasnovana.
Snažan upit:
Vaša uloga: analitičar e-trgovine. Ispod su podaci koje sam dobio sa vlastite analitičke kontrolne table (anonimno): Posjetitelja 42.000, narudžbe 780, AOV 640 TL, stopa povrata 9%, period: jun. Zadatak: IZRAČUNATI stopu konverzije iz ovih podataka (prikaži račun), zajedno interpretirati metriku, označiti neobične tačke kao hipoteze. Generisanje brojeva koji nisu dati.
Uobičajene greške
- Natjerati AI da traži metriku. Zahtjev za metriku bez davanja vlastitih podataka rezultirat će lažnim brojevima.
- Gledajući jednu metriku. Ako su se konverzije povećale, ali i povrati su povećani, tabela je obmanjujuća.
- Pogrešna korelacija za uzročnost. Tvrdnja o "uzroku" bez testiranja dovodi do pogrešnog ulaganja.
- Pretpostaviti da je procjena tačan broj. Procjena potražnje je raspon, a ne garancija.
- Dijeljenje podataka bez anonimizacije. Čak i ako podaci o klijentima idu u analizu, lični prostor se mora ukloniti.
- Ne verificiram račun. Ručno provjerite svaki proračun koji AI napravi.
Ukratko
Analitika e-trgovine je disciplina koja pretvara sirove podatke u odluke. Čitajte zajedno metrike kao što su konverzija, AOV, kohorta, LTV i prinosi; Jedna metrika je obmanjujuća. AI je moćan u sažimanju podataka, pronalaženju obrazaca i izradi izvještaja; ali kako biste izbjegli upadanje u zamke metričkog uklapanja i zbunjujuće korelacije s uzročno-posljedičnim vezama, provjerite svaki broj iz vlastitog izvora i testirajte svaku tvrdnju o "uzroku" kontroliranim testiranjem. Koristite prognozu potražnje kao raspon scenarija, a ne kao tačan broj. Anonimizirajte lična polja prilikom slanja podataka na analizu.
Zadatak aplikacije
Anonimno izvucite metriku stvarnog perioda (posjetitelji, narudžbe, AOV, stopa povrata) sa vlastite analitičke kontrolne table. Pitajte AI za komentare sa šablonom „sažetak metrike i komentar“; Neka sam izračuna stopu konverzije, ali možete to provjeriti ručno. Zatim razmislite o tvrdnji "A povećano, B povećano" o vašem poslovanju, testirajte je pomoću šablona "Provjera korelacije/uzročnosti" i dizajnirajte A/B test. Konačno, izradite scenario predviđanja potražnje i uporedite ga sa svojim poslovnim znanjem.
kontrolna lista
- [ ] Izvukao sam sve metrike iz vlastitog izvora analitike; Nisam stigao do AI.
- [ ] Ručno sam provjerio svaki proračun koji je AI napravio.
- [ ] Metriku sam tumačio zajedno, a ne pojedinačno.
- [ ] Testirao sam tvrdnje o "uzročnosti" na korelaciju/uzročnost.
- [ ] Tretirao sam prognozu potražnje kao raspon scenarija, a ne kao tačan broj.
- [ ] Anonimizirao sam lična polja u analiziranim podacima.