Nyereség:
- Képes megérteni a teljesítménymutatókat, például a CTR-t, a konverziót, a CPA-t, a ROAS-t és a hozzárendelést, valamint a mesterséges intelligencia használatával összefoglalni az adatokat és betekintési vázlatokat
- Képes anonim módon kampányadatokat adni a mesterséges intelligencia számára, valamint megjegyzéseket, anomáliák észlelését és optimalizálási javaslattervezeteket készíteni
- Annak megértése, hogy a mesterséges intelligencia által előállított minden szám- és oksági mondatot kötelező összehasonlítani és ellenőrizni a forrásadatokkal
Ha egy kampány élesben van, akkor kezdődik az igazi munka: annak megértése, hogy mit csinál. A hirdetés teljesítményének mérése elengedhetetlen mind a költségkeret megfelelő helyre tolásához, mind a következő kampány jobb beállításához. De a mérés nem számok halmaza; A jó elemzés megtalálja a sztorit és a számok mögött meghúzódó okot. Ezt nevezik belátásnak. A mesterséges intelligencia remek gyorsító ebben a szakaszban: kampányadatok százsorait összegzi percek alatt, rámutat az anomáliákra (váratlan eltérésekre) – írja a jelentéstervezeteket. Ennek az egységnek a megváltoztathatatlan szabálya azonban a következő: Az AI által létrehozott minden szám és minden oksági mondat nem kerül be a jelentésbe, amíg össze nem hasonlítják és ellenőrizték a forrásadatokkal. A nyelvi modellek gördülékeny, de kitalált számokat állíthatnak elő, ha nem férnek hozzá teljes mértékben az adatokhoz, vagy rosszul számítják ki azokat.
Főbb teljesítménymutatók
Számos mérőszám alkotja a teljesítményelemzés nyelvét. A CTR (átkattintási arány) azt mutatja meg, hogy a hirdetést látók hányan kattintottak rá (kattintások ÷ megjelenítések). Az érdeklődés a vonzerő mértéke. A konverziós arány az, hogy hány kattintó hajtja végre a kívánt műveletet (vásárlás, regisztráció). A CPA (Cost Per Acquisition) az akvizíciónkénti költség (költés ÷ beszerzések száma). A ROAS (Return on Ad Spend) a hirdetési kiadások megtérülése: megszerzett bevétel ÷ hirdetési kiadás; Ha például 10 000 TL-t költött és 40 000 TL bevételt szerzett, a ROAS 4. Van még hozzárendelés: az a kérdés, hogy melyik hirdetéshez/csatornához kell konverziót rendelni. Ha egy ügyfél először látott egy Instagram-hirdetést, majd rákeresett a Google-on és vásárolt, melyik csatornán fogja közzétenni ezt az akciót? Az idézési modell hozza meg ezt a döntést, és közvetlenül befolyásolja az elemzést.
Az alábbi táblázat összefoglalja a legfontosabb mutatókat és azok mondanivalóját:
metrikus
képlet
mit mond
CTR (átkattintási arány)
Kattintások ÷ Megjelenítések
Felhívja a figyelmet a hirdetés?
Átváltási arány
Konverzió ÷ Kattintás
Megveszi valaki, aki rákattint?
CPA
Költések ÷ Beszerzés
Mennyibe kerül egy ügyfél
ROAS
Bevétel ÷ Kiadás
Megtérülő-e a kiadás?
frekvencia
Expozíció ÷ Elérés
Hányszor látta ugyanaz a személy?
Tipp: Ne csak egyetlen mérőszám alapján döntsön. A magas CTR, de alacsony konverzió azt jelenti, hogy "a hirdetés vonzza, de az oldal/ajánlat nem érvényes". A mérőszámok közös olvasása adja az igazi történetet.
Lépésről lépésre: az adatoktól a betekintésen át a jelentésig
1. lépés – Adatok gyűjtése és anonimizálása. Adatok lekérése a platform irányítópultjairól (Google Ads, Meta) és az elemzésekről; Személyes adatok (ügyfél-azonosító, e-mail) eltávolítása.
2. lépés – A mutatók kiszámítása és érvényesítése. Erősítse meg az esélyeket saját maga; Adja meg a képletet, amikor megadja az AI-nak.
3. lépés – Keressen anomáliákat és mintákat. Kérje meg az AI-t, hogy „melyik csatorna/nap/szegmens tér el a várttól”; majd erősítse meg adatokkal.
4. lépés – Határozza meg az okozati összefüggést, de óvatosan. Támogassa a „CTR csökkent, mert…” mondatokat adatokkal; Ne keverje össze a korrelációt az okozati összefüggéssel.
5. lépés – Jelentés- és ajánlástervezet. Vezetői összefoglaló és optimalizálási javaslattervezet készítése mesterséges intelligencia segítségével; Ellenőrizze és erősítsen meg minden számot és követelést.
három mini tok
1. eset – Gyors összefoglaló, ellenőrzött probléma. Egy teljesítményszakértő névtelenül 300 soros heti adatot adott át 6 csatornáról az AI-nak, és kért egy vezetői összefoglaló tervezetet. AI összefoglalva 5 percben; A szakértő az egyes ROAS- és CPA-értékeket összehasonlította az irányítópultjával, két hibás értelmezést kijavítva. Időtartam: fél nap helyett 1 óra. Az AI megadta a tervezetet, az ellenőrzés az embernél maradt.
2. eset – Kitalált számcsapda. Egy csapat azt mondta az AI-nak, hogy „a ROAS-unk elmaradt a múlt hónapban, megjegyzést” anélkül, hogy nyers adatokat közölt volna. "Körülbelül 3,5, jó teljesítmény" - írta magabiztosan az AI. A tényleges ROAS 1,8 volt, és a kampány valójában veszteséges volt. A jelentést javították, de az ügyfelek bizalma megrendült. Hiba: adatok megadása nélkül vár a mutatókra az AI-tól.
3. eset – Attribúciós tévedés. Az egyik márka az összes eladást az utolsó kattintás alapján rendelte hozzá, az összes eladást beírta a Google keresőjébe, és csökkentette Instagram-költségkeretét. Az eladások visszaestek a következő hónapban; mert az Instagram felkeltette a figyelmet és ösztönözte a keresést. Az egyetlen hivatkozási modellre való vak támaszkodás rossz döntést hozott. Tanulság: az attribúció modell, nem abszolút igazság; Szükséges a különböző modellek összehasonlítása.
Négy másolható sablon
1) Adatösszesítő (ellenőrzési hangsúllyal):
Az alábbiakban anonim kampányadatok találhatók (nincs ügyfél-azonosító):[adatok beillesztése/táblázat]Feladat: (1) Számítsa ki és jelenítse meg a CTR-t, a konverziós arányt, a CPA-t, a ROAS-t a képletekkel.(2) Mutasson rá a 2 legjobban és legrosszabbul teljesítő csatornára.(3) Világosan tüntesse fel, hol bizonytalan vagy hiányzik az adatokból. Ne írjon be olyan adatokat, amelyek nem szerepelnek. Megerősítem a fiókot.
2) Anomália/mintavadász:
Az alábbiakban az elmúlt 4 hét napi adatait közöljük: [adatok].Feladat: Váratlan eltérések észlelése (hirtelen csökkenés/emelkedés).Minden anomáliánál: melyik nap/csatorna, mennyit tért el, lehetséges magyarázatok (hipotézis). Mondja meg, hogy ezek hipotézisek, nem végleges okok.
3) Ok-okozati összefüggés-ellenőrző:
A megfigyelésem a következő: "[például a CTR 2%-ról 1,3%-ra esett]". Feladat: Sorolja fel a visszaesés lehetséges okait (hirdetési fáradtság, szezon, célzás változás, versenytársak aktivitása stb.). Mondja el, milyen adatokkal tudom tesztelni az egyes okok miatt. Ne mutassa be a korrelációt okozati összefüggésként; Ne állítson végleges okot.
4) Vezetői összefoglaló + javaslattervezet:
Ellenőrzött mutatók: [CTR, konverzió, CPA, ROAS értékek].Feladat: Írjon egy 1 oldalas vezetői összefoglaló vázlatot:(1) mi történt ezen a kifejezésen (3 elem), (2) mi működött/nem működött, (3) 3 optimalizálási javaslat a következő időszakra.Csak használja az általam megadott ellenőrzött számokat; új számok generálása.
Gyenge felszólítás / Erős felszólítás
Gyenge felszólítás:
Értékelje kampányom teljesítményét, és mondja el a ROAS-omat.
Nincs adat; A mesterséges intelligencia csak „ROAS”-t tud alkotni. A kimenet sima, de irreális.
Erőteljes felszólítás:
Az Ön szerepköre: egy teljesítménymarketing-szakértő elemző asszisztense. Az alábbiakban névtelen heti adatok (név/azonosító nélkül): Reklámköltés: 25 000 TL. Bevétel: 60.000 TL. Megtekintések: 500 000. Kattintások: 12 000. Konverzió: 480. Feladat: (1) Számítsa ki és jelenítse meg a CTR-t, a konverziós arányt, a CPA-t és a ROAS-t képlettel.(2) Írjon egyetlen bekezdéses megjegyzésvázlatot.(3) Ne találjon ki olyan számokat, amelyek nem szerepelnek az adatokban; Mondja ki, hogy nem biztos benne.
Ebben a kérésben egyértelmű az adatok, képlet elvárása és a „pótolás” tilalma. Ismét ellenőrizze a kimenetet: CTR = 12 000 ÷ 500 000 = 2,4%; átváltási arány = 480 ÷ 12 000 = 4%; CPA = 25 000 ÷ 480 ≈ 52 TL; ROAS = 60 000 ÷ 25 000 = 2,4.
Gyakori hibák
- Mutatók kérése adatok megadása nélkül. Az AI nem fér hozzá az adataihoz; Az általa megadott szám hamis.
- Egy mérőszámot nézve. Ha magas a CTR és alacsony a konverzió, akkor a probléma az oldallal/ajánlattal lehet, nem a hirdetéssel.
- Zavaros összefüggés az oksággal. Csak azért, mert két dolog együtt hat, még nem jelenti azt, hogy az egyik okozza a másikat.
- Az egyetlen hivatkozási modellre támaszkodva. Az attribúció egy modell; A különböző modellek különböző döntéseket hoznak.
- A mesterséges intelligencia okozati összefüggésének megállapítása a jelentésben anélkül, hogy megerősítené. A „mert…” mondatokat adatokkal kell alátámasztani.
- A nyers szám összetévesztése a betekintés érdekében. A jelentés nem sorol fel számokat; megmondja, mit jelent, és mit kell tennie.
Figyelem: A jelentés legveszélyesebb mondata a megalapozatlan „mert”. Az AI folyékonyan kitalálhat egy okot; Ha ezt az okot adatokkal alátámasztva ismerteti a vezetőséggel, téves döntéshez vezethet.
Összefoglalva
A teljesítményelemzés feladata, hogy a kampányadatokat döntésekké alakítsa, és alapvetően olyan mutatók állnak, mint a CTR, a konverziós arány, a CPA, a ROAS és a hozzárendelési probléma. A mesterséges intelligencia hatékony asszisztens több száz sor adat összegzésében, anomáliák megtalálásában és jelentések elkészítésében. De minden általa adott szám és minden oksági mondat nem szerepel a jelentésben, amíg a forrásadatokkal nem igazolják; A nyelvi modell alkalmazkodni tud, ha nem fér hozzá az adatokhoz. A mutatók összeolvasása, a korreláció és az ok-okozati összefüggés elkülönítése, valamint az attribúció egyetlen modellhez való kötése a jó elemzés jelei. A jelentés jelentést és javaslatokat tartalmaz, nem számsorokat.
Pályázati feladat
Készítsen valós vagy feltételezett kampányadatokat (költés, bevétel, megjelenítések, kattintások, konverziók). (1) Az adatok anonimizálása. (2) Számítsa ki a mutatókat az „Adatösszesítővel”, és erősítse meg mindegyiket saját maga a képlettel. (3) Keressen eltérést az „anomáliavadász” segítségével; kapcsolja össze egy hipotézissel. (4) Az „ok-okozati összefüggés-ellenőrzővel” írja le ennek az eltérésnek a lehetséges okait, és azt, hogy mindegyiket hogyan tesztelné. (5) Készítse el a „vezetői összefoglaló” tervezetét, és ellenőrizze, hogy az csak az Ön által ellenőrzött számokat tartalmazza-e; Támogassa a „mert” mondatot adatokkal.
ellenőrző lista
- [ ] A kampányadatokat anonimizáltam, mielőtt az eszköznek adtam volna.
- [ ] Magam ellenőriztem az egyes mérőszámokat a képletével.
- [ ] A mutatókat együtt olvasom, nem egyenként.
- [ ] Az oksági állításokat adatokkal támasztottam alá; Nem kevertem össze a korrelációval.
- [ ] A hivatkozást nem egyetlen modellnek tulajdonítottam, összehasonlítottam.
- [ ] Csak ellenőrzött számokat tettem a jelentésbe; Nincsenek hamis számok.