ஈ-காமர்ஸ் அனலிட்டிக்ஸ்: மாற்றம், கூடை, கூட்டு மற்றும் தேவை முன்கணிப்பு

ஆதாயங்கள்:

• செயற்கை நுண்ணறிவு ஆதரவுடன் மாற்று விகிதம், கூடை சராசரி, கூட்டு மற்றும் வாடிக்கையாளர் வாழ்நாள் மதிப்பு (LTV) போன்ற அளவீடுகளை விளக்கும் திறன்
• விற்பனைத் தரவிலிருந்து நுண்ணறிவு மற்றும் கோரிக்கை முன்கணிப்பு வரைவுகளை உருவாக்கும் திறன் மற்றும் பங்கு மற்றும் பிரச்சார முடிவுகளில் உள்ளீட்டை வழங்குதல்
• காரணத்துடனான தொடர்பைக் குழப்பி, போலி எண்களை உருவாக்கும் அபாயத்தைக் கண்டறியும் திறன் மற்றும் ஒவ்வொரு பகுப்பாய்வையும் அதன் சொந்த தரவு மூலத்துடன் சரிபார்க்கும் திறன்

ஈ-காமர்ஸில், எல்லா இடங்களிலும் தரவு உள்ளது: எத்தனை பேர் வந்தார்கள், எத்தனை பேர் வாங்கினார்கள், எவ்வளவு வண்டியில் வைத்தார்கள், எந்த சேனலில் இருந்து வந்தது, இரண்டாவது முறை திரும்பினார்களா. இந்தத் தரவுக்குள் மறைந்திருக்கும் முடிவுகள் உங்கள் வணிகத்தை வளர்க்கும்; ஆனால் மூல தரவு மட்டுமே வழிகாட்டுதலை வழங்காது, அது விளக்கப்பட வேண்டும். செயற்கை நுண்ணறிவு (AI) என்பது உங்கள் தரவை விரைவாக சுருக்கி விளக்குவதற்கும், வடிவங்கள் மற்றும் முரண்பாடுகளைக் கண்டறிவதற்கும், அறிக்கைகளை உருவாக்குவதற்கும், தேவை முன்னறிவிப்புக் காட்சிகளை உருவாக்குவதற்கும் ஒரு சக்திவாய்ந்த உதவியாகும். ஆனால் பகுப்பாய்வில் AI இன் இரண்டு பெரிய ஆபத்துகள் உள்ளன: எண் க்ரஞ்சிங் (உங்கள் தரவை அணுகாமல் அளவீடுகளை உருவாக்குதல்) மற்றும் காரணத்திற்கான தவறான தொடர்பு (இரண்டு விஷயங்கள் ஒன்றாக நகர்வது "மற்றொன்றுக்கு ஒரு காரணம்" என்று நினைப்பது). இந்த யூனிட்டில், சரியான அளவீடுகள் மற்றும் AI ஐ எவ்வாறு பாதுகாப்பாகப் பயன்படுத்துவது ஆகிய இரண்டையும் கற்றுக்கொள்வோம்.

அடிப்படை அளவீடுகளை வரையறுப்போம். மாற்று விகிதம்: எத்தனை சதவீதம் பார்வையாளர்கள் வாங்குகிறார்கள். சராசரி வண்டி (AOV): ஆர்டர்களின் சராசரி அளவு. ஒருங்கிணைந்த பகுப்பாய்வு: அதே காலகட்டத்தில் முதல் முறையாக ஷாப்பிங் செய்த வாடிக்கையாளர்கள் குழுவின் (கோஹார்ட்) நடத்தையை கண்காணிப்பது. வாடிக்கையாளர் வாழ்நாள் மதிப்பு (எல்டிவி): உறவின் போது வாடிக்கையாளர் விட்டுச்செல்லும் மொத்த லாபத்தின் மதிப்பீடு. கைவிடுதல் (மறுத்தல்): வாடிக்கையாளர் ஷாப்பிங் செய்வதை நிறுத்தும்போது. ஒன்றாக, இந்த அளவீடுகள் "நான் எவ்வளவு சம்பாதிக்கிறேன் மற்றும் நான் எங்கு வளர்கிறேன்?" என்ற கேள்விக்கு பதிலளிக்கிறது.

எந்த மெட்ரிக் என்ன சொல்கிறது?

ஒவ்வொரு அளவீடும் ஒரு கேள்விக்கு பதிலளிக்கிறது; தவறான மெட்ரிக்கைப் பார்ப்பது தவறான முடிவுக்கு வழிவகுக்கிறது.

மெட்ரிக்

கேள்வி

அது உயர்ந்தால்

கவனம்

மாற்று விகிதம்

போக்குவரத்து விற்பனையாக மாறுகிறதா?

நல்லது

போக்குவரத்து தரத்துடன் படிக்கவும்

சராசரி கூடை (AOV)

ஒரு ஆர்டருக்கு நான் என்ன சம்பாதிக்கிறேன்?

நல்லது

குறுக்கு விற்பனை/தொகுப்பு விளைவு

ஒருங்கிணைந்த மறுநிகழ்வு விகிதம்

வாடிக்கையாளர் திரும்பி வருகிறாரா?

விசுவாசம் உள்ளது

சேனல் மூலம் மாறுபடும்

எல்டிவி

நீண்ட காலத்திற்கு வாடிக்கையாளரின் மதிப்பு என்ன?

நல்லது

இது ஒரு மதிப்பீடு, நிச்சயமாக இல்லை.

கைவிடுதல் (மறுத்தல்)

நான் வாடிக்கையாளர்களை இழக்கிறேனா?

மோசமான

அதை ஏன் விசாரிக்க வேண்டும்?

வருவாய் விகிதம்

தயாரிப்பு எதிர்பார்ப்புகளை பூர்த்தி செய்கிறதா?

மோசமான

வகை வாரியாக இயல்பான நிலை மாறுபடும்

ஒரு முக்கியமான கொள்கை: ஒரு மெட்ரிக் தவறாக வழிநடத்துகிறது. மாற்றங்கள் அதிகரித்தாலும், வருமானமும் அதிகரித்தால், தவறான உள்ளடக்கம் விற்பனையை உயர்த்தி, வருமானத்தைத் தூண்டும். அளவீடுகளை ஒன்றாகப் படியுங்கள்.

AI உடன் பகுப்பாய்வு: எண்ணிக்கையை நொறுக்கும் பொறி

AI இன் மிகவும் ஆபத்தான தவறு என்னவென்றால், உங்கள் தரவை (மாயத்தோற்றம்) பார்க்காமல் "உங்கள் மாற்று விகிதம் 4.2 சதவீதம்" போன்ற நம்பிக்கையான எண்ணை உருவாக்குகிறது. இந்த எண் முற்றிலும் இட்டுக்கட்டப்பட்டது. விதி தெளிவாக உள்ளது: அளவீடுகள் உங்கள் சொந்த பகுப்பாய்வு மூலத்திலிருந்து மட்டுமே வருகின்றன - கூகுள் அனலிட்டிக்ஸ், மார்க்கெட் பிளேஸ் டாஷ்போர்டு, உங்கள் ஈ-காமர்ஸ் உள்கட்டமைப்பு அறிக்கை. இந்தத் தரவை விளக்குவதற்கு AI ஐப் பயன்படுத்தவும்: நீங்கள் அதை (அநாமதேயமாக) கொடுக்கிறீர்கள், அது சுருக்கமாக, வடிவங்களைக் கண்டறிந்து, ஒரு அறிக்கையை உருவாக்குகிறது. தரவுகளை நினைவில் வைத்துக் கொள்வதற்காக அல்ல.

எச்சரிக்கை: AI ஒரு மெட்ரிக்கை மிகவும் சரளமாகவும் துல்லியமாகவும் பேசினாலும், அந்த எண் எங்கிருந்து வந்தது என்று கேளுங்கள். "எந்தத் தரவுகளிலிருந்து இந்த எண்ணிக்கையைக் கணக்கிட்டீர்கள்?" நீங்கள் கொடுக்கவில்லை என்றால், அவர் அதை உருவாக்கினார். அறிக்கைக்குச் செல்லும் ஒவ்வொரு எண்ணும் உங்கள் சொந்த டாஷ்போர்டிலிருந்து உறுதிப்படுத்தப்பட வேண்டும்.

தொடர்பு மற்றும் காரணம்

இரண்டாவது பெரிய பொறி, காரண காரியத்தின் தவறு. ஒரு தரவுகளில், "விளம்பரச் செலவு அதிகரித்தது, விற்பனையும் அதிகரித்தது, அதாவது விளம்பரம் அதிகரித்த விற்பனை" என்று AI கூறலாம். இது ஒரு தொடர்பு (ஒன்றாகச் செயல்படுதல்); ஆனால் காரண காரியம் இல்லாமல் இருக்கலாம். இரண்டையும் அதிகரிக்கும் மூன்றாவது காரணி இருக்கலாம்: எடுத்துக்காட்டாக, விடுமுறை காலம் விளம்பரம் மற்றும் விற்பனை இரண்டையும் அதிகரிக்கிறது. காரணத்திற்கான தவறான தொடர்பு, வேலை செய்யாதவற்றில் பணத்தை வீணடிக்கும். காரணத்தைப் புரிந்துகொள்வதற்கான வழி கட்டுப்படுத்தப்பட்ட சோதனை: A/B சோதனை (ஒரே நேரத்தில் இரண்டு குழுக்களைக் காட்டி வித்தியாசத்தை அளவிடுதல்) அல்லது குறைந்தபட்சம் பிற காரணிகளிலிருந்து முன்-பின் ஒப்பிடுதல். AI கருதுகோள்களை உருவாக்கட்டும்; சோதனை மூலம் காரணத்தை நிரூபிக்கவும்.

தேவை முன்னறிவிப்பு

AI உங்கள் வரலாற்று விற்பனைத் தரவுகளிலிருந்து தேவை முன்னறிவிப்புக் காட்சிகளை உருவாக்க முடியும்: "கடந்த ஆண்டு இந்த மாதம் நீங்கள் இவ்வளவு விற்பனை செய்தீர்கள், போக்கு இந்த திசையில் உள்ளது, விடுமுறை விளைவு இதுதான்" போன்றவை. இது சரக்கு மற்றும் வாங்குதல் முடிவுகளுக்கான மதிப்புமிக்க உள்ளீடு ஆகும்; இது முன்கூட்டிய குறைப்பு (இழந்த விற்பனை) மற்றும் அதிகப்படியான சரக்கு (மூலதனம், கரைதல்) ஆகியவற்றுக்கு இடையே உள்ள சமநிலையை அடைய உதவுகிறது. ஆனால் கணிப்பு என்பது ஒரு கணிப்பு: எதிர்பாராத பிரச்சாரம், விநியோக பிரச்சனை அல்லது ஃபேஷன் மாற்றம் படத்தை சீர்குலைக்கிறது. மதிப்பீட்டை "சூழல் வரம்பாக" பயன்படுத்தவும், "கடின எண்" அல்ல, மேலும் அதை உங்கள் சொந்த வணிக அறிவுடன் கலக்கவும்.

நகலெடுக்கக்கூடிய நான்கு வார்ப்புருக்கள்

1) மெட்ரிக் சுருக்கம் மற்றும் கருத்து:

உங்கள் பங்கு: மின்வணிக ஆய்வாளர் உதவியாளர். எனது சொந்த டாஷ்போர்டில் இருந்து (அநாமதேய) உண்மையான தரவு கீழே உள்ளது: மாற்று விகிதம், பார்வையாளர், ஆர்டர், AOV, வருவாய் விகிதம், காலம். தரவு: [அட்டவணை]. பணி: இந்த அளவீடுகளை ஒன்றாகப் புரிந்துகொள்வது; கொடி அசாதாரண இயக்கங்கள்; சாத்தியமான காரணங்களை கருதுகோள் என்று எழுதுங்கள் (நிச்சயமான காரணத்தை சொல்ல வேண்டாம்) விதி: கொடுக்கப்படாத எந்த எண்ணையும் உருவாக்க வேண்டாம்; விடுபட்ட தரவைக் குறிக்கவும் [DATA MISSING].

2) தொடர்பு/காரணச் சரிபார்ப்பு:

பின்வரும் கூற்றைக் கவனியுங்கள்: "[மெட்ரிக் A] அதிகரித்தது, அதனால் [மெட்ரிக் B] ஆனது, அதனால் A ஆனது B ஆனது." சூழல்: [காலம், பிரச்சாரம், வெளிப்புற காரணிகள்]. பணி: இது தொடர்பு அல்லது காரணமா என்பதை விவாதிக்கவும்; இரண்டையும் அதிகரித்திருக்கக்கூடிய பொதுவான காரணிகளை பட்டியலிடுங்கள்; காரணத்தை நிரூபிக்க A/B சோதனையை எவ்வாறு அமைப்பது என்பதை விளக்குங்கள்.

3) கூட்டு/பிரிவு பகுப்பாய்வு:

அநாமதேய கூட்டுத் தரவு கீழே உள்ளது (வாங்கிய முதல் மாதம், மீண்டும் வாங்கும் விகிதங்கள்). தரவு: [அட்டவணை]. பணி: எந்தக் குழு அதிக விசுவாசமாக உள்ளது என்பதை விளக்குகிறது, காலப்போக்கில் மீண்டும் விகிதம் எவ்வாறு மாறுகிறது; எந்தப் பிரிவில் வாய்ப்பு/அபாயம் உள்ளது என்பதைக் குறிக்கவும். விதி: கொடுக்கப்பட்ட எண்களை மட்டும் பயன்படுத்தவும்.

4) தேவை முன்னறிவிப்பு காட்சி:

வரலாற்று விற்பனை: [மாதாந்திர தரவு]. அறியப்பட்ட காரணிகள்: [திருவிழா, பிரச்சாரம், சீசன்]. பணி: அடுத்த [காலம்] குறைந்த/நடுத்தர/அதிக தேவை சூழ்நிலையை உருவாக்கவும்; ஒவ்வொரு காட்சியின் அனுமானத்தையும் எழுதுங்கள். விதி: இது ஒரு யூகம் என்று கூறவும்; சரியான எண்ணை வழங்க வேண்டாம், வரம்பைக் கொடுங்கள்.

மூன்று சிறிய வழக்குகள்

வழக்கு 1 - ஒன்றாக படித்தல். ஒரு கடை அதன் மாற்று விகித அதிகரிப்பைக் கண்டு மகிழ்ச்சியடைந்தது; ஆனால் அவர் AI மற்றும் அளவீடுகளை ஒன்றாக விளக்கியபோது, ​​​​வருமான விகிதமும் உயர்ந்ததைக் கண்டார். ஏன்: ஒரு பிரச்சாரத்தில் தயாரிப்பு விளக்கங்கள் மிகைப்படுத்தப்பட்டன; வாடிக்கையாளர்கள் அதை வாங்குவார்கள், ஆனால் அவர்களின் எதிர்பார்ப்புகள் நிறைவேறாதபோது அதைத் திருப்பித் தருவார்கள். ஒரு மெட்ரிக்கைப் பார்த்த சந்தோஷம், அதை ஒன்றாகப் படிக்கும்போது ஒரு சிக்கலாக மாறி அது சரி செய்யப்பட்டது.

வழக்கு 2 - போலி மெட்ரிக். ஒரு மேலாளர் AIயிடம் "கடந்த மாதம் எங்களின் மாற்றம் என்ன" என்று கேட்டார்; AI "3.5 சதவீதம்" என்று கூறியது. மேலாளர் குழு கூட்டத்தில் இதை ஒரு குறிக்கோளாகப் பயன்படுத்தினார். போர்டு முழுவதும் உண்மையான விகிதம் 1.9 சதவீதமாக இருந்தது. தவறான அடித்தளம் தவறான இலக்கைப் பெற்றெடுத்தது. பாடம்: டேஷ்போர்டில் இருந்து மட்டுமே அளவீடுகள் வரும்.

வழக்கு 3 - காரணத்தின் தவறு. ஒரு கடை மின்னஞ்சல்களின் அதிர்வெண்ணை இரட்டிப்பாக்கியது, "நாங்கள் மின்னஞ்சல்களை அனுப்பிய நாளில் விற்பனை அதிகரித்தது, எனவே மின்னஞ்சல்கள் விற்பனையை அதிகரிக்கின்றன." ஆனால் அந்த நாட்களும் தள்ளுபடி நாட்கள்; முக்கிய காரணியாக இருந்தது தள்ளுபடி. அடிக்கடி வரும் மின்னஞ்சல்கள் வாடிக்கையாளர்களை எரிச்சலடையச் செய்து, குழுவிலகுபவர்களை அதிகரித்தது. A/B சோதனை உண்மையான இயக்கியைக் காண்பிக்கும்.

பலவீனமான வரியில் / வலுவான வரியில்

பலவீனமான உடனடி:

எனது கடையின் செயல்திறனைப் பகுப்பாய்வு செய்து, எனது மாற்று விகிதத்தைச் சொல்லுங்கள்.

தரவு எதுவும் வழங்கப்படாததால், AI மாற்று விகிதத்தை உருவாக்குகிறது; பகுப்பாய்வு ஆரம்பத்தில் இருந்தே தவறானது.

சக்திவாய்ந்த தூண்டுதல்:

உங்கள் பங்கு: இ-காமர்ஸ் ஆய்வாளர். எனது சொந்த Analytics டாஷ்போர்டிலிருந்து (அநாமதேயமாக) நான் பெற்ற தரவு கீழே உள்ளது: பார்வையாளர்கள் 42,000, ஆர்டர்கள் 780, AOV 640 TL, வருவாய் விகிதம் 9%, காலம்: ஜூன். பணி: இந்தத் தரவிலிருந்து மாற்று விகிதத்தைக் கணக்கிடுங்கள் (கணக்கைக் காட்டு), அளவீடுகளை ஒன்றாக விளக்கவும், வழக்கத்திற்கு மாறான புள்ளிகளை கருதுகோள்களாகக் குறிக்கவும். கொடுக்கப்படாத எண்களை உருவாக்குகிறது.

பொதுவான தவறுகள்

• AI ஐ அளவீடுகளைக் கேட்க வைக்கிறது. உங்கள் சொந்த தரவை வழங்காமல் அளவீடுகளைக் கோருவது போலி எண்களுக்கு வழிவகுக்கும்.
• ஒரு மெட்ரிக்கைப் பார்க்கிறேன். மாற்றங்கள் அதிகரித்தாலும், வருமானமும் அதிகரித்தால், அட்டவணை தவறாக வழிநடத்தும்.
• காரணத்திற்கான தவறான தொடர்பு. சோதனை இல்லாமல் "காரணம்" கூறுவது தவறான முதலீட்டிற்கு வழிவகுக்கிறது.
• மதிப்பீடு ஒரு சரியான எண் என்று வைத்துக்கொள்வோம். தேவை மதிப்பீடு ஒரு வரம்பு, உத்தரவாதம் அல்ல.
• பெயர் குறிப்பிடாமல் தரவைப் பகிர்தல். வாடிக்கையாளர் தரவு பகுப்பாய்வுக்கு சென்றாலும், தனிப்பட்ட இடம் அகற்றப்பட வேண்டும்.
• கணக்கைச் சரிபார்க்கவில்லை. AI செய்யும் ஒவ்வொரு கணக்கீட்டையும் கைமுறையாகச் சரிபார்க்கவும்.

சுருக்கமாக

ஈ-காமர்ஸ் பகுப்பாய்வு என்பது மூலத் தரவை முடிவுகளாக மாற்றும் ஒழுக்கமாகும். கன்வெர்ஷன், ஏஓவி, கோஹார்ட், எல்டிவி மற்றும் ரிட்டர்ன்கள் போன்ற அளவீடுகளை ஒன்றாகப் படிக்கவும்; ஒற்றை அளவீடு தவறாக வழிநடத்துகிறது. AI ஆனது தரவுகளைச் சுருக்கி, வடிவங்களைக் கண்டறிவதில் மற்றும் அறிக்கைகளை வரைவதில் சக்தி வாய்ந்தது; ஆனால் மெட்ரிக் பொருத்துதல் மற்றும் காரணத்துடன் குழப்பமான தொடர்பு ஆகியவற்றின் பொறிகளில் சிக்காமல் இருக்க, ஒவ்வொரு எண்ணையும் உங்கள் சொந்த மூலத்திலிருந்து சரிபார்த்து, கட்டுப்படுத்தப்பட்ட சோதனை மூலம் ஒவ்வொரு "காரண" உரிமைகோரலையும் சோதிக்கவும். தேவை முன்னறிவிப்பை ஒரு சூழ்நிலை வரம்பாகப் பயன்படுத்தவும், சரியான எண்ணாக அல்ல. பகுப்பாய்விற்குத் தரவைச் சமர்ப்பிக்கும்போது தனிப்பட்ட புலங்களை அநாமதேயமாக்குங்கள்.

விண்ணப்ப பணி

உங்கள் சொந்த பகுப்பாய்வு டாஷ்போர்டிலிருந்து உண்மையான காலகட்டத்தின் அளவீடுகளை (பார்வையாளர்கள், ஆர்டர்கள், AOV, வருவாய் விகிதம்) அநாமதேயமாக பிரித்தெடுக்கவும். "அளவீடுகள் சுருக்கம் மற்றும் கருத்து" டெம்ப்ளேட்டுடன் கருத்துகளை AIயிடம் கேளுங்கள்; மாற்று விகிதத்தை அதுவே கணக்கிடட்டும், ஆனால் நீங்கள் அதை கைமுறையாக சரிபார்க்கலாம். பிறகு, உங்கள் வணிகத்தைப் பற்றிய "A அதிகரித்தது, B அதிகரித்தது" என்ற கோரிக்கையை நினைத்து, அதை "தொடர்பு/காரணச் சரிபார்ப்பு" டெம்ப்ளேட் மூலம் சோதித்து, A/B சோதனையை வடிவமைக்கவும். இறுதியாக, தேவை முன்னறிவிப்பு சூழ்நிலையை உருவாக்கி, அதை உங்கள் சொந்த வணிக அறிவோடு ஒப்பிடுங்கள்.

சரிபார்ப்பு பட்டியல்

• [ ] எனது சொந்த பகுப்பாய்வு மூலத்திலிருந்து எல்லா அளவீடுகளையும் எடுத்தேன்; நான் அதை AI வரை செய்யவில்லை.
• AI செய்த ஒவ்வொரு கணக்கீட்டையும் கைமுறையாக சரிபார்த்தேன்.
• [ ] நான் தனித்தனியாக இல்லாமல் அளவீடுகளை ஒன்றாக விளக்கினேன்.
• [ ] தொடர்பு/காரணத்திற்கான "காரண" உரிமைகோரல்களை நான் சோதித்தேன்.
• [ ] நான் தேவை முன்னறிவிப்பை ஒரு சூழ்நிலை வரம்பாகக் கருதினேன், சரியான எண் அல்ல.
• [ ] பகுப்பாய்வு செய்யப்பட்ட தரவுகளில் தனிப்பட்ட புலங்களை நான் அநாமதேயமாக்கினேன்.