Winst:
- Vermogen om prestatiestatistieken zoals CTR, conversie, CPA, ROAS en attributie te begrijpen en kunstmatige intelligentie te gebruiken om gegevens samen te vatten en inzichten op te stellen
- Mogelijkheid om anoniem campagnegegevens aan kunstmatige intelligentie te geven en opmerkingen, anomaliedetectie en concepten voor optimalisatievoorstellen te produceren
- Begrijpen dat het verplicht is om elk getal en elke causaliteitszin die door kunstmatige intelligentie wordt geproduceerd, te vergelijken en te verifiëren met de brongegevens
Zodra een campagne live is, begint het echte werk: begrijpen wat de campagne doet. Het meten van de prestaties van de advertentie is essentieel om zowel het budget naar de juiste plek te verplaatsen als om de volgende campagne beter op te zetten. Maar meten is geen stapel getallen; Een goede analyse vindt het verhaal en de reden achter de cijfers. Dit heet inzicht. Kunstmatige intelligentie is in dit stadium een grote versneller: het vat in enkele minuten honderden regels campagnegegevens samen, wijst op afwijkingen (onverwachte afwijkingen) en schrijft conceptrapporten. Maar de onveranderlijke regel van deze eenheid is deze: elk getal en elke causaliteitszin die door de AI wordt geproduceerd, komt pas in het rapport terecht als het wordt vergeleken en geverifieerd met de brongegevens. Taalmodellen kunnen vloeiende maar verzonnen cijfers produceren als ze niet volledig toegang hebben tot de gegevens of deze verkeerd berekenen.
Belangrijkste prestatiestatistieken
Verschillende statistieken vormen de taal van prestatieanalyse. CTR (Click-Through Rate) is het aantal mensen dat de advertentie heeft gezien en erop heeft geklikt (klikken ÷ vertoningen). Interesse is de maatstaf voor aantrekkelijkheid. Het conversiepercentage is hoeveel clickers de gewenste actie ondernemen (aankoop, registratie). CPA (Cost Per Acquisition) zijn de kosten per acquisitie (besteding ÷ aantal acquisities). ROAS (Return on Ad Spend) is het rendement op advertentie-uitgaven: verdiende inkomsten ÷ advertentie-uitgaven; Als u bijvoorbeeld 10.000 TL heeft uitgegeven en 40.000 TL aan inkomsten heeft verdiend, is de ROAS 4. Er is ook attributie: de kwestie van aan welke advertentie/kanaal u een conversie wilt toeschrijven. Als een klant eerst een Instagram-advertentie zag, vervolgens op Google zocht en een aankoop deed, op welk kanaal post je deze uitverkoop dan? Het citatiemodel neemt deze beslissing en heeft directe invloed op de analyse.
De volgende tabel vat de belangrijkste statistieken samen en wat ze zeggen:
metrisch
formule
wat zegt het
CTR (klikfrequentie)
Klikken ÷ vertoningen
Trekt de advertentie de aandacht?
Conversiepercentage
Conversie ÷ Klik
Koopt iemand die erop klikt het?
CPA
Uitgaven ÷ acquisitie
Hoeveel kost een klant
ROAS
Inkomsten ÷ uitgaven
Zijn de uitgaven winstgevend?
frequentie
Blootstelling ÷ Bereik
Hoe vaak heeft dezelfde persoon het gezien?
Tip: Neem uw beslissing niet op basis van slechts één statistiek. Hoge CTR maar lage conversie betekent "de advertentie trekt aan, maar de pagina/aanbieding houdt niet stand". Door de statistieken samen te lezen, ontstaat het echte verhaal.
Stap voor stap: van data naar inzicht naar rapportage
Stap 1 — Verzamel en anonimiseer gegevens. Gegevens verkrijgen uit platformdashboards (Google Ads, Meta) en analyses; Persoonlijke gegevens verwijderen (klant-ID, e-mail).
Stap 2 — Bereken en valideer statistieken. Bevestig zelf de odds; Geef de formule op wanneer u deze aan AI geeft.
Stap 3 — Zoek naar afwijkingen en patronen. Laat de AI vragen “welk kanaal/dag/segment afwijkt van wat verwacht wordt”; bevestig het vervolgens met gegevens.
Stap 4 — Stel causaliteit vast, maar voorzichtig. Ondersteuning van “CTR gedaald omdat...” zinnen met data; Verwar correlatie niet met causaliteit.
Stap 5 — Ontwerprapport en aanbeveling. Genereer een samenvatting en een concept voor een optimalisatievoorstel met AI; Controleer en bevestig elk nummer en claim.
drie minikoffers
Geval 1 — Korte samenvatting, geverifieerd probleem. Een prestatie-expert gaf anoniem 300 regels met wekelijkse gegevens van 6 kanalen aan AI en vroeg om een concept van de samenvatting. AI samengevat in 5 minuten; De expert vergeleek elke ROAS- en CPA-waarde met zijn dashboard en corrigeerde twee foutieve interpretaties. Duur: 1 uur in plaats van een halve dag. AI gaf het ontwerp, de verificatie bleef bij de mens.
Geval 2 — Verzonnen getallenval. Een team zei tegen de AI: "onze ROAS heeft vorige maand gemist, commentaar" zonder ruwe gegevens te geven. "Ongeveer 3,5, goede prestaties", schreef de AI zelfverzekerd. De werkelijke ROAS was 1,8 en de campagne was feitelijk verliesgevend. Het rapport werd gecorrigeerd, maar het vertrouwen van de klant werd geschokt. Fout: wachten op statistieken van AI zonder gegevens te verstrekken.
Geval 3 — Attributiemisvatting. Eén merk schreef alle verkopen toe op basis van de laatste klik, typte alle verkopen in de Google-zoekopdracht en verlaagde het Instagram-budget. De omzet daalde de volgende maand; omdat Instagram bewustzijn creëerde en zoekopdrachten stimuleerde. Blindelings vertrouwen op het enkele citatiemodel leidde tot de verkeerde beslissing. Les: attributie is een model, geen absolute waarheid; Het is noodzakelijk om verschillende modellen te vergelijken.
Vier kopieerbare sjablonen
1) Gegevenssamenvatting (met nadruk op validatie):
Hieronder vindt u anonieme campagnegegevens (geen klant-ID): [gegevens/tabel plakken] Taak: (1) Bereken en toon CTR, conversieratio, CPA en ROAS met hun formules. (2) Wijs de twee best en slechtst presterende kanalen aan. (3) Geef duidelijk aan waar u niet zeker van bent of waar u iets mist in de gegevens. Verzin geen getallen die niet in de gegevens voorkomen. Ik zal de rekening bevestigen.
2) Anomalie-/patroonjager:
Hieronder vindt u de dagelijkse gegevens van de afgelopen 4 weken: [gegevens]. Taak: Detecteer onverwachte afwijkingen (plotselinge daling/stijging). Voor elke anomalie: welke dag/kanaal, hoeveel ervan is afgeweken, mogelijke verklaringen (hypothese). Stel dat dit hypothesen zijn en geen definitieve oorzaken.
3) Causaliteitscontrole:
De observatie die ik heb is: "[De CTR is bijvoorbeeld gedaald van 2% naar 1,3%]". Taak: Noem mogelijke redenen voor deze daling (advertentiemoeheid, seizoen, verandering in targeting, activiteit van concurrenten, enz.). Vertel me welke gegevens ik om welke reden kan testen. Presenteer correlatie niet als oorzakelijk verband; Claim geen definitieve oorzaak.
4) Samenvatting + voorstelconcept:
Statistieken die ik heb geverifieerd: [CTR, conversie, CPA, ROAS-waarden]. Taak: Schrijf een concept van één pagina met een samenvatting: (1) wat er deze periode is gebeurd (3 items), (2) wat wel/niet werkte, (3) 3 optimalisatiesuggesties voor de volgende periode. Gebruik gewoon de geverifieerde cijfers die ik heb opgegeven; nieuwe cijfers genereren.
Zwakke prompt/sterke prompt
Zwakke prompt:
Evalueer de prestaties van mijn campagne en vertel mij mijn ROAS.
Geen gegevens opgegeven; AI kan alleen “ROAS” vormen. De uitvoer is soepel maar onrealistisch.
Krachtige prompt:
Jouw rol: analytics assistent van een performance marketing specialist. Hieronder vindt u anonieme wekelijkse gegevens (geen namen/identificatie): Advertentie-uitgaven: 25.000 TL. Inkomen: 60.000 TL. Bekeken: 500.000. Klikken: 12.000. Conversie: 480. Taak: (1) Bereken en toon CTR, succespercentage, CPA en ROAS met de formule. (2) Schrijf een commentaarconcept van één alinea. (3) Verzin geen getallen die niet in de gegevens voorkomen; Geef aan dat u het niet zeker weet.
In dit verzoek zijn de verwachting van gegevens, de formule en het verbod op "verzinnen" duidelijk. U verifieert opnieuw de uitvoer: CTR = 12.000 ÷ 500.000 = 2,4%; conversiepercentage = 480 ÷ 12.000 = 4%; CPA = 25.000 ÷ 480 ≈ 52 TL; ROAS = 60.000 ÷ 25.000 = 2,4.
Veel voorkomende fouten
- Statistieken opvragen zonder gegevens te verstrekken. AI heeft geen toegang tot uw gegevens; Het nummer dat hij geeft is vals.
- Kijkend naar één maatstaf. Als de CTR hoog is en de conversie laag, ligt het probleem mogelijk bij de pagina/aanbieding en niet bij de advertentie.
- Verwarrende correlatie met causaliteit. Het feit dat twee dingen samenwerken, betekent niet dat het een het ander veroorzaakt.
- Vertrouwend op het enkele citatiemodel. Attributie is een model; Verschillende modellen leiden tot verschillende beslissingen.
- De causaliteitsverklaring van AI in het rapport plaatsen zonder deze te bevestigen. “Omdat...”-zinnen moeten worden ondersteund door gegevens.
- Het ruwe getal verwarren met inzicht. Het rapport vermeldt geen cijfers; vertelt u wat het betekent en wat u moet doen.
Let op: de gevaarlijkste zin in een rapport is een ongefundeerd 'omdat'. AI kan een vloeiende reden bedenken; Als je die reden aan het management voorlegt zonder dat met data te bewijzen, kan het zijn dat je tot een verkeerde beslissing komt.
Samengevat
Prestatieanalyse is de taak om campagnegegevens om te zetten in beslissingen, en de kern bestaat uit statistieken zoals CTR, conversiepercentage, CPA, ROAS en het attributieprobleem. Kunstmatige intelligentie is een krachtige assistent bij het samenvatten van honderden gegevensregels, het opsporen van afwijkingen en het opstellen van rapporten. Maar elk getal en elke causaliteitszin die erin staat, wordt pas in het rapport opgenomen nadat het is geverifieerd met de brongegevens; Het taalmodel kan zich aanpassen wanneer het geen toegang heeft tot de gegevens. Het samen lezen van statistieken, het scheiden van correlatie en causaliteit, en het niet koppelen van attributie aan één enkel model zijn tekenen van een goede analyse. Het rapport geeft betekenis en suggesties, geen lijst met cijfers.
Applicatie taak
Bereid echte of hypothetische campagnegegevens voor (uitgaven, inkomsten, vertoningen, klikken, conversies). (1) Gegevens anonimiseren. (2) Laat de statistieken berekenen met de "Gegevenssamenvatting" en bevestig ze allemaal zelf met de formule. (3) Vind een afwijking met de "anomaliejager"; koppel het aan een hypothese. (4) Schrijf met de ‘causation checker’ de mogelijke oorzaken van deze afwijking op en hoe u deze zou testen. (5) Maak een concept van de “executive summary” en controleer of deze alleen de cijfers bevat die u heeft geverifieerd; Ondersteun een ‘omdat’-zin met gegevens.
controlelijst
- [ ] Ik heb de campagnegegevens geanonimiseerd voordat ik deze aan de tool gaf.
- [ ] Ik heb elke metriek zelf geverifieerd met zijn formule.
- [ ] Ik heb de statistieken samen gelezen, niet één voor één.
- [ ] Ik heb de causaliteitsverklaringen ondersteund met gegevens; Ik heb het niet verward met correlatie.
- [ ] Ik heb de verwijzing niet aan één enkel model toegeschreven, ik heb het vergeleken.
- [ ] Ik heb alleen geverifieerde cijfers in het rapport gezet; Er zijn geen valse cijfers.