zisky:
- Schopnosť interpretovať metriky, ako je konverzný pomer, priemer košíka, kohorta a celoživotná hodnota zákazníka (LTV) s podporou umelej inteligencie
- Schopnosť vytvárať prehľad a návrhy predpovedí dopytu z údajov o predaji a poskytovať vstupy pre rozhodnutia o zásobách a kampaniach
- Schopnosť rozpoznať riziko zámeny korelácie s príčinnou súvislosťou a falošnými číslami a overiť každú analýzu vlastným zdrojom údajov
V elektronickom obchode sú dáta všade: koľko ľudí prišlo, koľko nakúpilo, koľko vložili do košíka, z akého kanála to prišlo, či sa vrátili druhýkrát. V týchto údajoch sú skryté rozhodnutia, ktoré rozšíria vaše podnikanie; Samotné surové údaje však neposkytujú návod, je potrebné ich interpretovať. Umelá inteligencia (AI) je silným pomocníkom pri rýchlom zhrnutí a interpretácii vašich údajov, hľadaní vzorov a anomálií, zostavovaní správ a vytváraní scenárov predpovedí dopytu. Ale existujú dve veľké úskalia AI v analytike: chrumkanie čísel (vytváranie metrík bez prístupu k vašim údajom) a mylná korelácia s príčinnou súvislosťou (myslenie, že dve veci, ktoré sa pohybujú spolu, sú „jednou príčinou druhej“). V tejto lekcii sa naučíme správne metriky a bezpečné používanie AI.
Poďme si definovať základné metriky. Miera konverzie: aké percento návštevníkov nakupuje. Priemerný košík (AOV): priemerné množstvo objednávok. Kohortová analýza: sledovanie správania v priebehu času skupiny zákazníkov (kohorta), ktorí nakupovali prvýkrát v rovnakom období. Celoživotná hodnota zákazníka (LTV): odhad celkového zisku, ktorý zákazník zanechá v priebehu vzťahu. Abandonment (churn): keď zákazník prestane nakupovať. Tieto metriky spolu odpovedajú na otázku „koľko zarábam a kde rastiem?“
Ktorá metrika hovorí čo?
Každá metrika odpovedá na otázku; Pohľad na nesprávnu metriku vedie k nesprávnemu rozhodnutiu.
metrický
Otázka
Ak sa zdvihne
Pozornosť
Konverzný pomer
Premení sa návštevnosť na predaj?
dobre
Čítajte s kvalitou premávky
Priemerný košík (AOV)
Čo zarobím za objednávku?
dobre
Cross-selling/bundling effect
Miera opakovania kohorty
Vracia sa zákazník?
Existuje lojalita
Líši sa podľa kanála
LTV
Akú hodnotu má zákazník z dlhodobého hľadiska?
dobre
Je to odhad, nie istý.
opustenie (churn)
Strácam zákazníkov?
zlý
Prečo by sa to malo vyšetrovať?
Návratnosť
Spĺňa produkt očakávania?
zlý
Normálna úroveň sa líši podľa kategórie
Dôležitá zásada: jedna metrika je zavádzajúca. Ak sa zvýšili konverzie, ale zvýšili sa aj výnosy, možno zavádzajúci obsah zvyšuje objem predaja a vyvoláva návratnosť. Prečítajte si metriky spolu.
Analýza s AI: pasca na ničenie počtu
Najnebezpečnejšou chybou AI je to, že produkuje spoľahlivé číslo ako „vaša miera konverzie je 4,2 percenta“ bez toho, aby sa vôbec pozrela na vaše údaje (halucinácia). Toto číslo je úplne vymyslené. Pravidlo je jasné: metriky pochádzajú iba z vášho vlastného analytického zdroja – Google Analytics, informačný panel trhu, prehľad z infraštruktúry vášho elektronického obchodu. Použite AI na interpretáciu týchto údajov: dáte im ich (anonymne) a ono ich zosumarizuje, nájde vzory, vypracuje správu. Nie na zapamätanie údajov.
Upozornenie: Aj keď AI hovorí metriku veľmi plynule a presne, opýtajte sa, odkiaľ toto číslo pochádza. "Z akých údajov ste vypočítali toto číslo?" Ak si to nedal, vymyslel si to. Každé číslo, ktoré sa dostane do správy, musí byť potvrdené z vášho vlastného dashboardu.
Korelácia a kauzalita
Druhou veľkou pascou je omyl kauzality. V údajoch môže AI povedať, že „výdavky na reklamu sa zvýšili, predaj sa tiež zvýšil, čo znamená, že reklama zvýšila predaj“. Toto je korelácia (spoločné pôsobenie); ale nemusí tam byť žiadna kauzalita. Možno existuje tretí faktor, ktorý zvyšuje oboje: napríklad dovolenková sezóna zvyšuje reklamu aj predaj. Zamenenie korelácie za príčinnú súvislosť spôsobí, že budete míňať peniaze na niečo, čo nefunguje. Spôsob, ako pochopiť kauzalitu, je kontrolované testovanie: A/B testovanie (ukázanie dvoch skupín súčasne a meranie rozdielu) alebo aspoň očistenie porovnania pred-po od iných faktorov. Nechajte AI generovať hypotézy; Dokážte kauzalitu testovaním.
Prognóza dopytu
AI dokáže z vašich historických údajov o predaji generovať scenáre predpovede dopytu: „tento mesiac minulý rok ste predali toľko, trend je týmto smerom, prázdninový efekt je takýto“ atď. Toto je cenný vstup pre rozhodnutia o zásobách a nákupe; Pomáha nájsť rovnováhu medzi predčasným vyčerpaním (stratené tržby) a nadmernými zásobami (viazaný kapitál, úpadok). Predpoveď je však predpoveď: neočakávaná kampaň, problém so zásobovaním alebo zmena módy narušia obraz. Použite odhad ako „rozsah scenára“, nie „pevné číslo“, a skombinujte ho s vašimi vlastnými obchodnými znalosťami.
Štyri kopírovateľné šablóny
1) Súhrn metrických údajov a komentár:
Vaša rola: asistent analytika elektronického obchodu. Nižšie sú aktuálne údaje z môjho vlastného informačného panela (anonymné): miera konverzie, návštevník, objednávka, AOV, miera návratnosti, obdobie.Údaje: [tabuľka].Úloha: interpretujte tieto metriky spolu; vlajka nezvyčajné pohyby; možné príčiny napíšte ako HYPOTÉZU (nepovedzte jednoznačnú príčinu).Pravidlo: nevytvárajte žiadne neuvedené číslo; označte chýbajúce údaje [DATA CHYBÚCE].
2) Kontrola korelácie/kauzality:
Zvážte nasledujúce tvrdenie: „[metrika A] sa zvýšila, [metrika B] tiež, takže A spôsobilo B.“ Kontext: [obdobie, kampaň, vonkajšie faktory]. Úloha: diskutujte, či ide o koreláciu alebo príčinnú súvislosť; uveďte spoločné faktory, ktoré mohli zvýšiť oboje; Vysvetlite, ako nastaviť A/B test na preukázanie kauzality.
3) Kohortová/segmentová analýza:
Nižšie sú uvedené anonymné údaje o kohortách (prvý mesiac nákupu, miery opakovaných nákupov).Údaje: [tabuľka].Úloha: interpretujte, ktorá kohorta je lojálnejšia, ako sa miera opakovania mení v priebehu času; Označte, ktorý segment má príležitosť/riziko. Pravidlo: používajte iba uvedené čísla.
4) Scenár prognózy dopytu:
Historické predaje: [mesačné údaje]. Známe faktory: [festival, kampaň, sezóna]. Úloha: vytvoriť scenár nízkeho/stredného/vysokého dopytu na nasledujúce [obdobie]; zapíšte si predpoklad každého scenára.Pravidlo: uveďte, že ide o odhad; Neuvádzajte presné číslo, uveďte rozsah.
tri mini prípady
Prípad 1 – Spoločné čítanie. Jeden obchod bol potešený tým, že zaznamenal nárast miery konverzie; Ale keď interpretoval AI a metriky spolu, videl, že miera návratnosti tiež prudko vzrástla. Prečo: popisy produktov boli v kampani prehnané; Zákazníci by si ho kúpili, ale vrátili by ho, keď ich očakávania neboli splnené. Radosť z pohľadu na jedinú metriku sa zmenila na problém, keď sme ju spolu prečítali a bola opravená.
Prípad 2 – Falošná metrika. Manažér sa opýtal AI „aká bola naša konverzia minulý mesiac“; AI povedala „3,5 percenta“. Manažér to použil ako cieľ na stretnutí tímu. Skutočná sadzba bola plošne 1,9 percenta. Nesprávny základ zrodil nesprávny cieľ. Ponaučenie: metriky pochádzajú iba z palubnej dosky.
Prípad 3 – Omyl kauzality. Jeden obchod zdvojnásobil frekvenciu e-mailov a povedal, že „predaj sa zvýšil v deň, keď sme poslali e-maily, takže e-maily zvyšujú predaj“. Ale tie dni boli tiež dňami zliav; Hlavným faktorom bola zľava. Časté e-maily otravovali zákazníkov a zvyšovali počet odhlásení. A/B test by ukázal skutočného vodiča.
Slabá výzva / Silná výzva
Slabá výzva:
Analyzujte výkonnosť môjho obchodu a povedzte mi môj konverzný pomer.
Keďže nie sú uvedené žiadne údaje, AI tvorí konverzný pomer; Analýza je od začiatku nesprávne založená.
Výkonná výzva:
Vaša úloha: analytik elektronického obchodu. Nižšie sú uvedené údaje, ktoré som získal z môjho vlastného panela Analytics (anonymný): Návštevníci 42 000, objednávky 780, AOV 640 TL, miera návratnosti 9 %, obdobie: jún. Úloha: Z týchto údajov VYPOČÍTAJTE konverzný pomer (zobrazte účet), interpretujte spolu metriky, označte neobvyklé body ako hypotézy. Generovanie čísel, ktoré nie sú dané.
Časté chyby
- Umelá inteligencia vyžaduje metriky. Vyžiadanie metrík bez poskytnutia vlastných údajov bude mať za následok falošné čísla.
- Pri pohľade na jednu metriku. Ak sa konverzie zvýšili, ale zvýšili sa aj výnosy, tabuľka je zavádzajúca.
- Nesprávna korelácia s príčinnou súvislosťou. Tvrdenie „príčiny“ bez testovania vedie k nesprávnym investíciám.
- Predpokladať, že odhad je presné číslo. Odhad dopytu je rozsah, nie záruka.
- Zdieľanie údajov bez anonymizácie. Aj keď sa údaje o zákazníkoch analyzujú, osobný priestor sa musí odstrániť.
- Neoveruje sa účet. Manuálne skontrolujte každý výpočet, ktorý AI urobí.
V súhrne
Analytika elektronického obchodu je disciplína, ktorá mení nespracované údaje na rozhodnutia. Čítajte spolu metriky, ako sú konverzia, AOV, kohorta, HŽ a návratnosť. Jedna metrika je zavádzajúca. AI je výkonná pri sumarizácii údajov, hľadaní vzorov a vytváraní správ; ale aby ste sa vyhli pasci metrického prispôsobenia a zmäteniu korelácie s príčinnou súvislosťou, overte si každé číslo z vlastného zdroja a otestujte každé tvrdenie „príčiny“ kontrolovaným testovaním. Použite prognózu dopytu ako rozsah scenára, nie ako presné číslo. Pri odosielaní údajov na analýzu anonymizujte osobné polia.
Aplikačná úloha
Anonymne extrahujte metriky aktuálneho obdobia (návštevníci, objednávky, AOV, miera návratnosti) zo svojho vlastného analytického panela. Požiadajte AI o komentáre pomocou šablóny „zhrnutie metrík a komentár“; Nechajte si vypočítať konverzný pomer sám, ale overiť si ho môžete manuálne. Potom si premyslite tvrdenie „A zvýšené, B zvýšené“ o vašej firme, otestujte ho pomocou šablóny „Kontrola korelácie/príčinnej súvislosti“ a navrhnite A/B test. Nakoniec vytvorte scenár prognózy dopytu a porovnajte ho s vašimi vlastnými obchodnými znalosťami.
kontrolný zoznam
- [ ] Všetky metriky som stiahol z vlastného analytického zdroja; Nezvládol som to AI.
- [ ] Ručne som overil každý výpočet, ktorý AI urobila.
- [ ] Metriky som interpretoval spoločne, nie jednotlivo.
- [ ] Testoval som tvrdenia o „príčinnosti“ na koreláciu/príčinu.
- [ ] Prognózu dopytu som považoval za rozsah scenára, nie za presné číslo.
- [ ] Anonymizoval som osobné polia v analyzovaných údajoch.