Dobički:
- Sposobnost interpretacije meritev, kot so stopnja konverzije, povprečje košarice, kohorta in življenjska vrednost stranke (LTV) s podporo za umetno inteligenco
- Sposobnost ustvarjanja vpogledov in osnutkov napovedi povpraševanja iz podatkov o prodaji ter zagotavljanja vnosa pri odločitvah o zalogah in kampanjah
- Sposobnost prepoznavanja tveganja zamenjave korelacije z vzročno zvezo in ustvarjanja lažnih številk ter preverjanja vsake analize z lastnim virom podatkov
V e-trgovini so podatki povsod: koliko ljudi je prišlo, koliko jih je kupilo, koliko so dali v košarico, iz katerega kanala je prišlo, ali so se vrnili drugič. V teh podatkih so skrite odločitve, ki bodo povečale vaš posel; Toda neobdelani podatki sami po sebi ne zagotavljajo smernic, treba jih je interpretirati. Umetna inteligenca (AI) je močan pripomoček pri hitrem povzemanju in razlagi vaših podatkov, iskanju vzorcev in nepravilnosti, pripravi poročil in ustvarjanju scenarijev napovedovanja povpraševanja. Vendar obstajata dve veliki pasti umetne inteligence v analitiki: drobljenje številk (proizvodnja meritev brez dostopa do vaših podatkov) in zamenjava korelacije za vzročno zvezo (mišljenje, da sta dve stvari, ki se gibljeta skupaj, "ena vzrok za drugo"). V tej enoti se bomo naučili pravilnih meritev in varne uporabe AI.
Določimo osnovne metrike. Stopnja konverzije: kolikšen odstotek obiskovalcev kupuje. Povprečna košarica (AOV): povprečna količina naročil. Kohortna analiza: sledenje vedenju skozi čas skupine kupcev (kohorte), ki so prvič nakupovali v istem obdobju. Doživljenjska vrednost stranke (LTV): ocena celotnega dobička, ki ga stranka pusti v času odnosa. Opustitev (churn): ko kupec preneha z nakupovanjem. Te meritve skupaj odgovarjajo na vprašanje "koliko zaslužim in kje rastem?"
Katera metrika kaj pove?
Vsaka metrika odgovarja na vprašanje; Pogled na napačno metriko vodi do napačne odločitve.
metrika
vprašanje
Če se dvigne
Pozor
Stopnja konverzije
Se promet spreminja v prodajo?
dobro
Berite s kakovostjo prometa
Povprečna košarica (AOV)
Kaj zaslužim na naročilo?
dobro
Učinek navzkrižne prodaje/združevanja
Stopnja ponovitve kohorte
Ali se stranka vrača?
Obstaja zvestoba
Razlikuje se glede na kanal
LTV
Koliko je kupec vreden na dolgi rok?
dobro
To je ocena, ni gotovo.
opustitev (odliv)
Ali izgubljam stranke?
slabo
Zakaj bi ga morali raziskati?
Stopnja donosa
Ali izdelek izpolnjuje pričakovanja?
slabo
Normalna raven se razlikuje glede na kategorijo
Pomembno načelo: ena metrika je zavajajoča. Če so se konverzije povečale, vendar so se povečali tudi donosi, morda zavajajoča vsebina napihuje prodajo in sproža donose. Skupaj preberite meritve.
Analiza z umetno inteligenco: past za drobljenje številk
Najnevarnejša napaka umetne inteligence je, da proizvede zanesljivo številko, kot je "vaša stopnja konverzije je 4,2 odstotka", ne da bi sploh pogledal vaše podatke (halucinacija). Ta številka je popolnoma izmišljena. Pravilo je jasno: meritve prihajajo samo iz vašega lastnega analitičnega vira – Google Analytics, nadzorne plošče tržnice, poročil iz vaše infrastrukture e-trgovine. Uporabite AI za interpretacijo teh podatkov: daste mu jih (anonimno) in jih povzame, najde vzorce, pripravi poročilo. Ne za pomnjenje podatkov.
Pozor: tudi ko umetna inteligenca govori metriko zelo tekoče in natančno, vprašajte, od kod ta številka. "Iz katerih podatkov ste izračunali to številko?" Če ti nisi dal, si je izmislil. Vsako številko, ki se vključi v poročilo, je treba potrditi na vaši nadzorni plošči.
Korelacija in vzročna zveza
Druga velika past je zmota vzročnosti. V podatkih lahko AI reče, da se je poraba za oglaševanje povečala, povečala se je tudi prodaja, kar pomeni, da je oglaševanje povečalo prodajo. To je korelacija (delovanje skupaj); vendar morda ni vzročne zveze. Morda obstaja tretji dejavnik, ki poveča oboje: na primer, praznična sezona poveča tako oglaševanje kot prodajo. Če zamenjate korelacijo za vzročno zvezo, boste zapravili denar za nekaj, kar ne deluje. Način razumevanja vzročnosti je kontrolirano testiranje: A/B testiranje (prikaz dveh skupin hkrati in merjenje razlike) ali vsaj prečiščevanje primerjave prej-potem od drugih dejavnikov. Naj AI ustvari hipoteze; Dokažite vzročnost s testiranjem.
Napoved povpraševanja
Umetna inteligenca lahko ustvari scenarije napovedi povpraševanja iz vaših preteklih prodajnih podatkov: "ta mesec lani ste prodali toliko, trend je v tej smeri, učinek počitnic je ta" itd. To je dragocen vnos za inventar in odločitve o nakupu; Pomaga najti ravnotežje med prezgodnjim izčrpanjem (izguba prodaje) in presežnimi zalogami (vezani kapital, zlom). Toda napoved je napoved: nepričakovana kampanja, težava z dobavo ali modna sprememba pokvari sliko. Uporabite oceno kot "razpon scenarija", ne kot "trdno številko", in jo zmešajte s svojim poslovnim znanjem.
Štiri predloge za kopiranje
1) Povzetek meritve in komentar:
Vaša vloga: pomočnik analitika e-trgovine. Spodaj so dejanski podatki z moje lastne nadzorne plošče (anonimno): stopnja konverzije, obiskovalec, naročilo, AOV, stopnja vračanja, obdobje. Podatki: [tabela]. Naloga: interpretirajte te meritve skupaj; označi nenavadne gibe; možne vzroke napiši kot HIPOTEZO (ne povej dokončnega vzroka). Pravilo: ne izdeluj nobenega števila, ki ni dano; označite manjkajoče podatke [DATA MISSING].
2) Preverjanje korelacije/vzročnosti:
Razmislite o naslednji trditvi: "[metrika A] se je povečala, prav tako [metrika B], zato je A povzročila B." Kontekst: [obdobje, kampanja, zunanji dejavniki]. Naloga: razpravljajte o tem, ali je to korelacija ali vzročna zveza; navedite skupne dejavnike, ki so morda povečali oba; Pojasnite, kako vzpostaviti A/B test za dokazovanje vzročnosti.
3) Analiza kohorte/segmenta:
Spodaj so anonimni podatki o kohortah (prvi mesec nakupa, stopnje ponovnih nakupov). Podatki: [tabela]. Naloga: interpretirajte, katera kohorta je bolj zvesta, kako se stopnja ponovnih nakupov spreminja skozi čas; Označite, kateri segment ima priložnost/tveganje. Pravilo: uporabljajte samo navedene številke.
4) Scenarij napovedi povpraševanja:
Zgodovinske prodaje : [mesečni podatki]. Znani dejavniki: [festival, akcija, sezona]. Naloga: ustvarite scenarij nizkega/srednjega/visokega povpraševanja za naslednje [obdobje]; zapišite predpostavko vsakega scenarija. Pravilo: navedite, da gre za ugibanje; Ne navedite točnega števila, navedite razpon.
trije mini kovčki
1. primer – Skupno branje. Ena trgovina je bila navdušena nad povečanjem stopnje konverzije; Toda ko je skupaj interpretiral AI in meritve, je videl, da je tudi stopnja donosa skokovito narasla. Zakaj: opisi izdelkov so bili v kampanji pretirani; Kupci bi ga kupili, a ga vrnili, ko njihova pričakovanja niso bila izpolnjena. Veselje ob pogledu na posamezno metriko se je spremenilo v težavo, ko smo jo prebrali skupaj in je bila popravljena.
Primer 2 – Lažna metrika. Vodja je AI vprašal, "kakšna je bila naša konverzija prejšnji mesec"; AI je rekel "3,5 odstotka". Vodja je to uporabil kot cilj na srečanju ekipe. Dejanska stopnja je bila povsod 1,9 odstotka. Napačen temelj je rodil napačen cilj. Lekcija: meritve prihajajo samo z nadzorne plošče.
Primer 3 – Zmota vzročnosti. Ena trgovina je podvojila pogostost e-poštnih sporočil, češ da se je "prodaja povečala tisti dan, ko smo poslali e-poštna sporočila, zato e-poštna sporočila povečujejo prodajo." Toda tisti dnevi so bili tudi dnevi popustov; Glavni dejavnik je bil popust. Pogosta e-poštna sporočila so motila stranke in povečala število odjav. A/B test bi pokazal pravega voznika.
Šibek poziv/močan poziv
Šibek poziv:
Analizirajte uspešnost moje trgovine in mi povejte svojo stopnjo konverzije.
Ker podatki niso podani, umetna inteligenca ustvari stopnjo konverzije; Analiza je že od začetka napačno zasnovana.
Močan poziv:
Vaša vloga: analitik e-trgovine. Spodaj so podatki, ki sem jih dobil s svoje nadzorne plošče Analytics (anonimno): Obiskovalci 42.000, naročila 780, AOV 640 TL, stopnja vračanja 9 %, obdobje: junij. Naloga: IZRAČUNAJ stopnjo konverzije iz teh podatkov (prikaži račun), interpretiraj metrike skupaj, nenavadne točke označi kot hipoteze. Ustvarjanje števil, ki niso podana.
Pogoste napake
- Umetna inteligenca zahteva meritve. Če zahtevate meritve, ne da bi zagotovili lastne podatke, boste dobili lažne številke.
- Če pogledamo eno metriko. Če so se konverzije povečale, vendar so se povečali tudi donosi, je tabela zavajajoča.
- Napačna korelacija za vzročno zvezo. Navajanje "vzroka" brez testiranja vodi v napačno vlaganje.
- Predpostaviti, da je ocena točna številka. Ocena povpraševanja je razpon in ne garancija.
- Deljenje podatkov brez anonimizacije. Tudi če gredo podatki o strankah v analizo, je treba osebni prostor odstraniti.
- Ne preverjam računa. Ročno preverite vsak izračun, ki ga naredi AI.
Če povzamem
Analitika e-trgovine je disciplina, ki neobdelane podatke pretvori v odločitve. Preberite skupaj meritve, kot so konverzija, AOV, kohorta, LTV in donosi; Ena sama metrika je zavajajoča. Umetna inteligenca je močna pri povzemanju podatkov, iskanju vzorcev in pripravi poročil; da pa ne bi padli v past metričnega prilagajanja in zamenjave korelacije z vzročno zvezo, vsako številko preverite iz lastnega vira in vsako trditev o vzroku preizkusite z nadzorovanim testiranjem. Uporabite napoved povpraševanja kot razpon scenarija, ne kot natančno številko. Anonimizirajte osebna polja pri oddaji podatkov v analizo.
Aplikacijska naloga
Anonimno izvlecite meritve dejanskega obdobja (obiskovalci, naročila, AOV, stopnja vračanja) iz lastne analitične nadzorne plošče. Prosite AI za komentarje s predlogo »povzetek meritev in komentar«; Pustite, da sam izračuna menjalno razmerje, vendar ga lahko preverite ročno. Nato pomislite na trditev "A povečano, B povečano" o vašem podjetju, jo preizkusite s predlogo "Preverjanje korelacije/vzročne zveze" in oblikujte test A/B. Na koncu pripravite scenarij napovedi povpraševanja in ga primerjajte s svojim poslovnim znanjem.
kontrolni seznam
- [ ] Vse meritve sem pridobil iz lastnega analitičnega vira; Nisem dosegel AI.
- [ ] Ročno sem preveril vsak izračun, ki ga je naredil AI.
- [ ] Meritve sem interpretiral skupaj, ne posamezno.
- [ ] Preizkusil sem trditve o »vzročni zvezi« glede korelacije/vzročne zveze.
- [ ] Napoved povpraševanja sem obravnaval kot razpon scenarija in ne kot natančno številko.
- [ ] V analiziranih podatkih sem anonimiziral osebna polja.