Добивки:
- Способност да се интерпретираат метрика како што се стапката на конверзија, просекот на кошницата, групацијата и вредноста на животниот век на клиентите (LTV) со поддршка за вештачка интелигенција
- Способност да се произведат увид и нацрти за прогноза на побарувачка од податоците за продажба и да се обезбеди влез во одлуките за акции и кампања
- Способност да се препознае ризикот од збунувачки корелација со причинска поврзаност и правење лажни бројки и проверка на секоја анализа со сопствен извор на податоци
Во е-трговијата, податоците се насекаде: колку луѓе дојдоа, колку купија, колку ставија во количката, од кој канал дојде, дали се вратија по втор пат. Во овие податоци се кријат одлуките што ќе го развијат вашиот бизнис; Но, необработените податоци сами по себе не даваат насоки, тие треба да се толкуваат. Вештачката интелигенција (ВИ) е моќна помош за брзо сумирање и толкување на вашите податоци, наоѓање обрасци и аномалии, изготвување извештаи и генерирање сценарија за предвидување на побарувачката. Но, постојат две големи замки на вештачката интелигенција во аналитиката: крцкање на броеви (производство на метрика без пристап до вашите податоци) и погрешно поврзување со каузалноста (да се мисли дека две работи се движат заедно се „едната причина за другата“). Во оваа единица, ќе ги научиме и точните метрики и како безбедно да ја користиме вештачката интелигенција.
Ајде да ги дефинираме основните метрики. Стапка на конверзија: колкав процент од посетителите купуваат. Просечна количка (AOV): просечен износ на нарачки. Кохортна анализа: следење на однесувањето со текот на времето на група клиенти (кохорта) кои купувале за прв пат во истиот период. Доживотна вредност на клиентот (LTV): проценка на вкупниот профит што клиентот го остава во текот на врската. Напуштање (напуштање): кога клиентот ќе престане да купува. Заедно, овие метрики одговараат на прашањето „колку заработувам и каде растам?
Која метрика што кажува?
Секоја метрика одговара на прашање; Гледањето на погрешна метрика води до погрешна одлука.
метрички
Прашање
Ако се издигне
Внимание
Стапка на конверзија
Дали сообраќајот се претвора во продажба?
добро
Читајте со квалитет на сообраќај
Просечна кошница (AOV)
Што заработувам по нарачка?
добро
Ефект на вкрстена продажба/пакување
Кохортска стапка на повторување
Дали клиентот се враќа?
Постои лојалност
Се разликува по канал
ЛТВ
Што вреди клиентот на долг рок?
добро
Тоа е проценка, не е сигурно.
напуштање (напуштање)
Дали губам клиенти?
лошо
Зошто треба да се истражи?
Стапка на враќање
Дали производот ги исполнува очекувањата?
лошо
Нормалното ниво варира по категорија
Важен принцип: една метрика е погрешна. Ако се зголемија конверзиите, но се зголемија и приносите, можеби погрешната содржина ја зголемува продажбата и предизвикува принос. Прочитајте ги метриките заедно.
Анализа со вештачка интелигенција: стапица за крцкање на броеви
Најопасната грешка на вештачката интелигенција е тоа што произведува сигурен број како „вашата стапка на конверзија е 4,2 проценти“ без воопшто да ги погледне вашите податоци (халуцинација). Оваа бројка е целосно измислена. Правилото е јасно: метриката доаѓа само од вашиот сопствен извор на аналитика - Google Analytics, контролната табла на пазарот, извештај од вашата инфраструктура за е-трговија. Користете ја вештачката интелигенција за да ги толкувате овие податоци: му ги давате (анонимно) и ги сумира, наоѓа обрасци, подготвува извештај. Не за запомнување податоци.
Внимание: Дури и кога вештачката интелигенција многу течно и прецизно зборува метрика, прашајте од каде е таа бројка. „Од кои податоци ја пресметавте оваа бројка? Ако не си дал, тој измислил. Секој број што влегува во извештајот мора да биде потврден од вашата контролна табла.
Корелација и каузалност
Втората голема замка е заблудата на каузалноста. Во еден податок, вештачката интелигенција може да каже „рекламните трошоци се зголемија, продажбата исто така се зголеми, што значи дека рекламирањето ја зголеми продажбата“. Ова е корелација (делувајќи заедно); но може да нема каузалност. Можеби постои трет фактор кој ги зголемува и двете: на пример, сезоната на годишни одмори ги зголемува и рекламирањето и продажбата. Погрешувањето на корелацијата за причинско-последична врска ќе ве натера да трошите пари на нешто што не функционира. Начинот на разбирање на каузалноста е контролирано тестирање: А/Б тестирање (прикажување две групи во исто време и мерење на разликата) или барем прочистување на споредбата пред-после од други фактори. Нека вештачката интелигенција генерира хипотези; Докажете ја каузалноста со тестирање.
Прогноза на побарувачката
Вештачката интелигенција може да генерира сценарија за прогноза на побарувачката од вашите историски податоци за продажба: „овој месец минатата година толку продадовте, трендот е во оваа насока, ефектот на одмор е ова“ итн. Тоа помага да се постигне рамнотежа помеѓу предвременото исцрпување (загубена продажба) и вишокот залихи (врзан капитал, пропаѓање). Но, предвидувањето е предвидување: неочекувана кампања, проблем со снабдувањето или промена на модата ја нарушуваат сликата. Користете ја проценката како „опсег на сценарија“, а не „тешка бројка“ и спојте ја со сопственото деловно знаење.
Четири шаблони за копирање
1) Метричко резиме и коментар:
Вашата улога: асистент на аналитичар за е-трговија. Подолу се вистинските податоци од мојата сопствена контролна табла (анонимна): стапка на конверзија, посетител, нарачка, AOV, стапка на враќање, период. Податоци: [табела]. Задача: интерпретирате ги овие метрики заедно; знаме необични движења; напишете ги можните причини како ХИПОТЕЗА (не кажувајте дефинитивна причина). Правило: не произведувајте ниту еден број што не е даден; означете ги податоците што недостасуваат [DATA SSING].
2) Проверка на корелација/каузалност:
Размислете за следново тврдење: „[метричката А] се зголеми, така се зголеми и [метричката Б], па А го предизвика Б.“ Контекст: [период, кампања, надворешни фактори]. Задача: дискутирајте дали ова е корелација или каузалност; наведете заеднички фактори кои можеби ги зголемиле и двата; Објаснете како да поставите A/B тест за да ја докажете каузалноста.
3) Анализа на група/сегмент:
Подолу се дадени анонимни податоци за група (првиот месец на купување, повторени стапки на купување). Податоци: [табела]. Задача: интерпретирате која група е полојална, како се менува стапката на повторување со текот на времето; Означете кој сегмент има можност/ризик. Правило: користете ги само дадените броеви.
4) Сценарио за прогноза на побарувачката:
Историски продажби: [месечни податоци]. Познати фактори: [фестивал, кампања, сезона]. Задача: генерира сценарио за ниска/средна/висока побарувачка за следниот [период]; запишете ја претпоставката за секое сценарио.Правило: наведете дека е погодување; Не давајте точна бројка, наведете опсег.
три мини футроли
Случај 1 — Заедничко читање. Една продавница беше воодушевена што забележа зголемување на стапката на конверзија; Но, кога ги толкуваше вештачката интелигенција и метриката заедно, виде дека стапката на враќање исто така вртоглаво порасна. Зошто: описите на производите беа претерани во кампања; Клиентите би го купиле, но го враќале кога нивните очекувања не биле исполнети. Радоста од гледањето на една метрика се претвори во проблем кога ја прочитавме заедно и беше поправена.
Случај 2 - Лажна метрика. Менаџер ја праша вештачката интелигенција „која беше нашата конверзија минатиот месец“; АИ рече „3,5 проценти“. Менаџерот го искористи ова како гол на тимскиот состанок. Вистинската стапка беше 1,9 проценти во одборот. Погрешната основа роди погрешна цел. Лекција: метриката доаѓа само од контролната табла.
Случај 3 - Заблуда на каузалноста. Една продавница ја удвои фреквенцијата на е-пошта, велејќи дека „продажбата се зголеми на денот кога испраќавме е-пошта, така што е-поштата ја зголемува продажбата“. Но тие денови беа и денови со попуст; Главниот фактор беше попустот. Честите мејлови ги нервираа клиентите и ги зголемија отпишувањата. А/Б тест ќе го покаже вистинскиот возач.
Слаб промпт / Силен промпт
Слаба навестување:
Анализирајте ги перформансите на мојата продавница и кажете ми ја мојата стапка на конверзија.
Бидејќи не се дадени податоци, вештачката интелигенција ја сочинува стапката на конверзија; Анализата е погрешно заснована од почеток.
Моќен потсетник:
Вашата улога: аналитичар за е-трговија. Подолу се податоците што ги добив од мојата сопствена контролна табла на Analytics (анонимна): посетители 42.000, нарачки 780, AOV 640 TL, стапка на враќање 9%, период: јуни. Задача: ПРЕСМЕТАЈ ја стапката на конверзија од овие податоци (прикажи сметка), интерпретирај ги метриките заедно, означи невообичаени точки како хипотези. Генерирање броеви кои не се дадени.
Вообичаени грешки
- Правејќи вештачката интелигенција да бара метрика. Барањето метрика без обезбедување на сопствени податоци ќе резултира со лажни бројки.
- Гледајќи во една метрика. Ако се зголемија конверзиите, но се зголемија и приносите, табелата е погрешна.
- Погрешна корелација за каузалност. Тврдењето „кауза“ без тестирање води до погрешно инвестирање.
- Да се претпостави дека проценката е точна бројка. Проценката на побарувачката е опсег, а не гаранција.
- Споделување податоци без анонимизација. Дури и ако податоците за клиентите одат во анализа, личниот простор мора да се отстрани.
- Не се потврдува сметката. Рачно проверете ја секоја пресметка што ја прави вештачката интелигенција.
Сумирано
Анализата за е-трговија е дисциплина која ги претвора необработените податоци во одлуки. Читајте заедно метрика како конверзија, AOV, група, LTV и поврат; Една метрика е погрешна. Вештачката интелигенција е моќна во сумирање на податоци, пронаоѓање обрасци и изготвување извештаи; но за да избегнете да паднете во замките на метричкото вклопување и збунувачки корелација со каузалноста, проверете го секој број од вашиот сопствен извор и тестирајте го секое тврдење „причина“ со контролирано тестирање. Користете ја прогнозата на побарувачката како опсег на сценарио, а не како точна бројка. Анонимизирајте ги личните полиња кога испраќате податоци за анализа.
Задача за апликација
Анонимно извлечете ги показателите за вистинскиот период (посетители, нарачки, AOV, стапка на враќање) од вашата контролна табла за аналитика. Прашајте ја вештачката интелигенција за коментари со шаблонот „резиме на метрика и коментар“; Нека ја пресмета самата стапка на конверзија, но можете да ја потврдите рачно. Потоа, размислете за тврдењето „А зголемено, Б зголемено“ за вашиот бизнис, тестирајте го со шаблонот „Проверка на корелација/причина“ и дизајнирајте A/B тест. Конечно, изгответе сценарио за прогноза на побарувачката и споредете го со вашето сопствено деловно знаење.
листа за проверка
- [ ] Ги извадив сите метрики од мојот сопствен извор на аналитика; Јас не го направив до вештачка интелигенција.
- [ ] Рачно ја потврдив секоја пресметка што ја направи вештачката интелигенција.
- [ ] Ги интерпретирав метриките заедно, не поединечно.
- [ ] Ги тестирав тврдењата за „каузација“ за корелација/каузација.
- [ ] Прогнозата на побарувачката ја третирав како опсег на сценарио, а не како точна бројка.
- [ ] Ги анонимизирав личните полиња во анализираните податоци.