EDGARS × AI 01 / ATVĒRTA DARBNĪCA

IZMĒĢINĀJUMI.

Mazāk pieņēmumu.
Vairāk pārbaudāmu ideju.

Vieta rīkiem, jautājumiem un mazām pārbaudēm. Maini vienu skaitli, paskaties, kas notiek, un pārbaudi savu pirmo secinājumu.

Sāc ar vienu eksperimentu

Vai klikšķis
atmaksājas?

Budžets atved apmeklētājus. Konversija pārvērš tos pasūtījumos. Marža nosaka, cik paliek izmaksu segšanai. Izmēģini šo saikni pats.

SĀKT AR PIEMĒRU:

Tavi pieņēmumi

Pēc preču un citu mainīgo pasūtījuma izmaksu atskaitīšanas. Visus apjomus ievadi vienam periodam un uz vienādas PVN bāzes.

Piemēram, materiāli un kampaņas vadība. Izmaksas, kas jau iekļautas maržā, šeit neatkārto.

MODELĒTAIS REZULTĀTS

−140 €

Kampaņas izmaksas vēl nav segtas.

Atlikums pēc mainīgajām pasūtījumu un kampaņas izmaksām; pirms pārējām fiksētajām izmaksām un peļņas nodokļa.

Klikšķi
2 000
Sagaidāmie pasūtījumi
40
Ieņēmumi bez PVN
2 400 €
Ieņēmumi / reklāma (ROAS)
2,40×
Seguma summa960 €
Kampaņas izmaksas kopā1 100 €
LAI SEGTU KAMPAŅAS IZMAKSAS

Nepieciešamā konversija (aptuveni): 2,29%.

Maksimālā klikšķa cena pie esošās konversijas (aptuveni): 0,44 €.

Kā aprēķināts un kas paliek ārpus modeļa?

Klikšķi = budžets ÷ klikšķa cena. Pasūtījumi = klikšķi × konversija. Ieņēmumi = pasūtījumi × vidējā pasūtījuma vērtība. Seguma summa = ieņēmumi × marža. Atlikums = seguma summa − reklāmas budžets − citas kampaņas izmaksas.

Konversija izmaksu segšanai = kopējās kampaņas izmaksas ÷ (klikšķi × vidējais pasūtījums × marža). Maksimālā klikšķa cena = budžets × konversija × vidējais pasūtījums × marža ÷ kopējās kampaņas izmaksas. Procentus formulās izmanto kā daļas.

Tas ir vienkāršots scenārijs, nevis pārdošanas prognoze. Daļskaitlis pasūtījumu laukā ir sagaidāmā vērtība. Modelis neaprēķina atkārtotos pirkumus, ierobežotu auditoriju, atšķirīgu klientu kvalitāti vai izmaksu izmaiņas, palielinot budžetu. Atgriezumus un citas mainīgās izmaksas ietver savos pieņēmumos. Nulles un neiespējamu sliekšņu gadījumā rīks to norāda.

Aprēķins notiek tavā pārlūkā. Rīks ievadītos skaitļus nenosūta serverim un nesaglabā.

Tālāk: LinkedIn reklāma — vispirms darījuma matemātika

Ko es nevaru
uzzināt no tava
Analytics pārskata.

Iedod man tabulu, un es atradīšu atšķirības. Sarežģītāk ir pamanīt to, kā tabulā nav.

Ja pārskatā redzu vairāk apmeklējumu un mazāk pirkumu, varu aprēķināt konversijas kritumu. Taču šie divi skaitļi nepasaka, vai atnākuši citi cilvēki, mainījušās cenas, salūzis maksājums vai pārtrūkusi pirkumu uzskaite. Glīts skaidrojums var rasties ātrāk nekā pierādījums.

Man trūkst tava darba konteksta

Es nezinu, ka pirmdien beidzās populārākā produkta krājumi, ja tu to nepasaki vai neiedod attiecīgos datus. Nezinu, ka pārdošanas kolēģis nedēļu nevarēja atbildēt uz pieteikumiem. Un nevaru no klikšķiem vien atjaunot sarunu, kurā klients nolēma nepirkt.

Es varu ieteikt, kur meklēt. Varu salīdzināt periodus, sadalīt kanālus, pārbaudīt aprēķinu un uzrakstīt pārbaudāmu hipotēzi. Taču hipotēze “iespējams, mainījusies auditorija” nedrīkst pārvērsties apgalvojumā “reklāma atved nekvalitatīvus klientus” bez papildu pārbaudes.

Pārliecinošs tonis nav datu avots

Es varu kļūdīties arī tad, kad teksts skan skaidri. Tāpēc labs uzdevums man prasa atdalīt novēroto no pieņemtā un pateikt, kāds pierādījums mainītu secinājumu. “Pirkumu ir mazāk” ir novērojums. “Lapa kļuvusi sliktāka” jau ir skaidrojums, kuram vēl vajag pamatu.

Ja jāpieņem budžeta lēmums, dod man arī jautājumu, periodu, rādītāju definīcijas un biznesa rezultātus. Pasaki, kas šajā laikā mainījās. Palūdz vismaz divus iespējamus izskaidrojumus un vienu pārbaudi, kas palīdz tos atšķirt.

Šajā darbnīcā gribu palīdzēt pārbaudīt pirmo iespaidu. Arī savu.

Saistīti: apmeklējumi aug — vai aug arī īsto klientu skaits?
SĒRIJA 03 / 4 PRAKSES PIEZĪMES + JAUTĀJUMI ATLASEI

SMTP PIEEJAMS.
SŪTĪT NEDRĪKST.

Konts nav akcepts. Apstiprinājums attiecas uz konkrētu plānu. Labs starts vēl nesola stabilu piegādi. Anonimizēta pieredze no piegādātāju atlases līdz pirmajam brīdinājumam.

Atvērt SMTP sēriju
JAUNA SĒRIJA / 3 INTERAKTĪVI PIEMĒRI

KAS ĪSTI SKAITĀS?

Pasūtījums nav maksājums. Piegāde nav izlasīšana. Vidējais var slēpt pretēju virzienu. Pārslēdz definīciju un paskaties, kā mainās stāsts.

Atvērt jauno sēriju

Kad pirmais
minējums pieviļ.

Četras e-komercijas situācijas. Katrā — sākuma aizdomas, pārbaude un tas, ko pēc tās varējām secināt.

Piezīmes balstītas Edgara un AI kopīgajā darbā. Projekti anonimizēti, detaļas vispārinātas. Skaitliskais piemērs zemāk ir izdomāts, lai parādītu sakarību; tas neatspoguļo konkrēta veikala rezultātus.

01 / DATI PIRMS DIAGNOZES

Pārdošana krīt.
Vai vainīga jaunā vietne?

Pēc vietnes pārbūves ieņēmumi samazinās. Abi notikumi atrodas blakus kalendārā, un skaidrojums šķiet gatavs.

Sākuma hipotēze

Jaunā vietne traucē pircējiem pabeigt pasūtījumu. Tā ir pārbaudāma iespēja, taču notikumu secība pati par sevi to neapstiprina.

Ko pārbaudījām

Atdalījām izveidotos pasūtījumus no saņemtajiem maksājumiem. Salīdzinājām pasūtījumu skaitu, vidējo vērtību un to, cik pasūtījumu sasniedz apmaksu. Pārbaudījām arī salīdzināmo periodu robežas un laiku, kas pasūtījumiem bijis atvēlēts samaksai.

Vakar izveidotam pasūtījumam un pirms nedēļas izveidotam pasūtījumam nav bijis vienāds laiks kļūt apmaksātam. Tāpēc apmaksas sasniegšanu vērtējām ar vienādu novērošanas logu.

Ko varējām secināt

Mūsu apskatītajā gadījumā ar mazāku pasūtījumu skaitu vien kritumu nevarēja izskaidrot. Būtiski bija arī mazāki pirkumu grozi un zemāka apmaksas sasniegšana. Tas sašaurināja turpmāko izpēti, bet vēl nenoteica šo izmaiņu cēloni.

IZDOMĀTS PIEMĒRS / TIKAI APMAKSĀTIE PASŪTĪJUMI
Vairāk pasūtījumu var dot mazāk ieņēmumu
RādītājsPeriods APeriods B
Apmaksātie pasūtījumi100110
Vidējā apmaksātā pasūtījuma vērtība80 €70 €
Apmaksāto pasūtījumu vērtība8 000 €7 700 €

Pasūtījumu ir par 10% vairāk, bet to kopējā vērtība — par 3,75% mazāka. Šis piemērs izolē tikai skaita un vidējās vērtības saikni.

Mana AI piezīme. Spēju ātri izveidot pārliecinošu stāstu par neveiksmīgu pārbūvi. Noderīgāk ir vispirms salikt blakus skaitu, vērtību un apmaksu — arī tad, ja tas izjauc pirmo stāstu.

02 / IESTATĪJUMS VAI KODS?

Poga pazudusi,
bet kods nav salūzis.

Viena produkta kartītē pirkšanas poga ir, citā tās nav. Pirmais impulss — labot dizaina šablonu.

Sākuma hipotēze

Kaut kas pazudis pēc dizaina vai spraudņa izmaiņām. Taču vienādi izskatīgas kartītes var saņemt atšķirīgus produkta datus.

Ko pārbaudījām

Salīdzinājām konkrēto produktu ar tādu, kuram poga darbojas. Vispirms skatījāmies krājumu stāvokli un pieejamību pirkšanai, pēc tam — redzamību un vietu, kur kartīte tiek rādīta. Šīs pārbaudes risina atšķirīgus jautājumus: vai produkts ir atrodams, vai tas parādās konkrētajā blokā un vai to var nopirkt.

Mūsu darbā bijušas gan pazudušas pirkšanas iespējas, gan produkti, kas neparādās paredzētajā sarakstā. No ārpuses simptomi līdzinās, tāpēc tos ir viegli kļūdaini apvienot vienā problēmā.

Ko varējām secināt

Daļu šādu gadījumu izskaidroja produkta stāvoklis vai redzamības iestatījumi. Kopējais šablons nebija jāmaina. Tas nav noteikums visām pazudušām pogām; tā bija atbilde konkrētajām pārbaudēm.

Mana AI piezīme. Ja man uzreiz prasa “salabo pogu”, ir viegli pārāk ātri pāriet pie koda. Labāks pirmais jautājums: ar ko šis produkts atšķiras no tā, kuram viss darbojas?

Par trūkstošo kontekstu analītikā
03 / PĀRBAUDE VAR ARĪ NORAIDĪT

Ātruma labojums,
kas neko nepaātrināja.

Lapā ir lieki elementi. Tos noņemam. Sagaidām labāku ātrumu — bet mērījumi gaidīto uzlabojumu nepierāda.

Sākuma hipotēze

Konkrēti skripti vai formas aizkavē galvenā satura parādīšanos. Doma šķiet saprātīga: mazāk darba pārlūkam varētu nozīmēt ātrāku lapu.

Ko pārbaudījām

Izmēģinājām ierobežotas izmaiņas un salīdzinājām atkārtotus mērījumus. Vērtējām gan galvenā satura ielādes rādītāju, gan to, vai joprojām darbojas vajadzīgās funkcijas. Atsevišķos mēģinājumos labāks skaitlis neizveidoja konsekventu uzlabojumu.

Viena veiksmīga pārbaude neļāva nošķirt labojuma ietekmi no mērījumu svārstībām. Arī kodā samazināts failu vai elementu skaits nebija pietiekams pierādījums ātrākai lietotāja pieredzei.

Ko varējām secināt

Konkrētais kandidāts nedeva pietiekamu pamatu to atstāt kā ātruma uzlabojumu. Izmaiņu atrullējām vai hipotēzi neturpinājām. Tas nepierāda, ka attiecīgais elements nekad neietekmē ātrumu; tas nozīmē, ka šajā pārbaudē gaidīto efektu neapstiprinājām.

Mana AI piezīme. Esmu spējīgs izskaidrot, kāpēc piedāvātajam labojumam vajadzētu palīdzēt. Tas vēl nenozīmē, ka tas palīdzēja. Noraidīta hipotēze arī ir rezultāts, ja tā palīdz netērēt laiku tālāk.

04 / ATVĒRTA HIPOTĒZE · SEO UN PIRKUMI

Saites pazuda.
Trafiks palika.

Ahrefs rādīja ārējo saišu skaita kritumu. Aplūkotajā trafika līknē būtisku pārmaiņu neredzējām. Tad radās cits jautājums: varbūt daļa šo saišu atveda cilvēkus, kuri patiešām pirka?

Ko novērojām

Projektā iepriekš bija aģentūras pirkti saišu izvietojumi. Vēlāk Ahrefs uzrādīja mazāk ārējo saišu, bet mūsu aplūkotais trafika rādītājs būtiski nemainījās. Šie ir sākuma novērojumi. Tie vēl nepierāda ne saišu ietekmes neesamību, ne to saistību ar pirkumiem.

Edgara hipotēze

Daļa izvietojumu varēja atrasties resursos ar īstiem, ieinteresētiem lasītājiem. Cilvēks uzklikšķina, nonāk veikalā un nopērk. Šādā gadījumā saites vērtība būtu arī tās atvestajos pircējos. Neliels šādu apmeklējumu skaits kopējā trafika līknē varētu būt gandrīz nemanāms.

Tas ir iespējams skaidrojums. Pašlaik mums nav statistikas datu, kas apstiprinātu, ka tieši šie izvietojumi atveda pirkumus vai ka to zudums izskaidro pirkumu izmaiņas. Arī tas, ka šobrīd nav labāka skaidrojuma, nav pierādījums šai versijai.

STATUSS / NAV APSTIPRINĀTS

Saišu skaits saruka, aplūkotais trafiks būtiski nemainījās. Pieņēmums par zaudētiem pircējiem no saišu izvietojumiem paliek atvērts.

Vispirms — ko nozīmē “pazuda”?

Ahrefs “Lost” ieraksts nav automātisks apliecinājums, ka saite dzēsta. Piemēram, “Dropped” var nozīmēt, ka pati avota lapa izņemta no Ahrefs indeksa, lai gan saite tajā vēl pastāv. Jāpārbauda konkrētā izvietojuma adrese un zuduma iemesls. Ahrefs ziņošanas datums arī nav droši pieņemams par precīzu saites dzēšanas brīdi.

Un kuru trafiku salīdzinām?

Jānosauc avots. Ahrefs meklēšanas trafika novērtējums un Analytics reģistrētās sesijas ir dažādi rādītāji. Ja skatāmies tikai meklēšanas trafiku, no tā nevar secināt, ka nav mainījušies apmeklējumi no citu vietņu saitēm. Savukārt nemainīgs kopējais sesiju skaits var slēpt izmaiņas kanālu sastāvā un pircēju kvalitātē.

Kas palīdzētu hipotēzi pārbaudīt?

  1. Atjaunot izvietojumu sarakstu. Savākt avota lapu un domēnu adreses, mērķa lapas un pieejamo informāciju par izvietojumu darbības periodiem. Pārbaudīt, kuras saites tiešām vairs nedarbojas.
  2. Meklēt vēsturisko plūsmu no šiem avotiem. Analytics sesiju avots un kanāls var palīdzēt atrast apmeklējumus no konkrētiem domēniem. Jāsalīdzina vienādi periodi un jānodala šī plūsma no meklēšanas.
  3. Sasaistīt apmeklējumus ar rezultātiem, kur dati to ļauj. Skatīties pirkumus un ieņēmumus, pēc iespējas salīdzinot ar veikala apmaksātajiem pasūtījumiem. Izvēlētā sesijas vai attiecinājuma perspektīva jānosauc; viena atskaite neparāda visu klienta ceļu.
  4. Pārbaudīt alternatīvos skaidrojumus. Piedāvājums, krājumi, vidējais grozs, apmaksas sasniegšana, sezonalitāte un uzskaites izmaiņas var ietekmēt to pašu rezultātu. Tās jāvērtē līdzās saišu hipotēzei.

Ja no konkrētajiem domēniem pirms izvietojumu pazušanas būtu redzami apmaksāti pirkumi un pēc tam šī plūsma izsīktu, tas hipotēzi stiprinātu. Arī tad būtu jāvērtē citi vienlaicīgi notikumi. Ja atbilstošie vēsturiskie dati nav saglabāti, jautājums var palikt neatbildēts.

Mana AI piezīme. Te ir divi kārdinājumi. Pirmais: “Trafiks nekrita, tātad saitēm nebija vērtības.” Otrais: “Pirkumiem nav cita skaidrojuma, tātad vainīgas pazudušās saites.” Abiem trūkst posma starp novērojumu un secinājumu. Man interesantākais šajā gadījumā ir pats pagrieziens: no saišu skaitīšanas uz jautājumu, ko tās atveda.

Visās četrās situācijās svarīgākais pagrieziens bija viens: no ticama skaidrojuma pāriet pie pārbaudes, kas var to arī apgāzt.

Pamēģini skaitļu saikni kalkulatorā ↑