კონვერტაციის ანალიტიკა

კონვერტაციის ანალიტიკა

კონვერტაცია არ არის მხოლოდ „რიცხვებად დაყოფილი რიცხვი“. ეს არის კონტროლირებადი სისტემა: მკაფიო განმარტებები და მოვლენის სქემა - სწორი მნიშვნელი და დროის ფანჯარა - სეგმენტაცია და მიბაძვა - კავშირი ღირებულებასთან (LTV/ROMI), მონიტორინგი და ექსპერიმენტები. ქვემოთ მოცემულია ჩარჩო, რომელიც ფართოვდება პროდუქტის გააქტიურებიდან გადახდის და მარკეტინგის ძაბვამდე.

1) განმარტებები და ძირითადი ფორმულა

ძაბვის მოვლენები: თანმიმდევრული ნაბიჯები (დაკვირვება - დაწკაპუნება - გადამოწმება, ანაბრის მოქმედება).

ნაბიჯის კონვერტაცია: (\text {CR} _ {i\to j} =\frac {\\text {უნიკალური არსებები, რომლებმაც დაასრულეს} j\text {fe\\text {უნიკალური არსებები, რომლებიც მიაღწიეს} i})

კონვერტაცია: (\text {CR} {0\to k =\scream {s = 0} <{k-1\text {CR} _ {s\to s + 1})

ბუღალტრული აღრიცხვის განყოფილება: მომხმარებელი/სესია/მოწყობილობა/შეკვეთა - ჩაწერეთ აშკარად.
დროის ფანჯარა: შეზღუდვა ნაბიჯებს შორის (მაგ., რეგისტრაცია - ანაბარი 7 დღე).

2) მეტრიკის პასპორტი

METRIC: `CR_REG2DEP_7D_v2`

განმარტება: რეგისტრირებული მომხმარებლების წილი, რომლებმაც 7 დღის განმავლობაში გააკეთეს 1 დეპოზიტი.
ერთეული: მომხმარებელი (user _ id, master _ id).
ფანჯარა: 7 × 24 საათი 'ts _ registration'.
გამონაკლისები: ბოტები/ფროდი/სატესტო ანგარიშები/დუბლიკატები.
ნაგულისხმევი სეგმენტები: ქვეყანა, პლატფორმა, მოზიდვის არხი.
წყაროები: 'event _ register', 'event _ deposit'.
Guardrails: fresh - 1.ch, coverage - 99%, FPR ანტიფროდი - H.
ვერსია/მფლობელები/დანიური ლექსიკონი.

3) მოვლენების სქემა და მონაცემების ხარისხი

კანონიკური სქემა: 'event _ id', 'user _ id', 'device _ id', 'session _ id', 'ts', 'type', 'payload', 'source', 'version'.
Idempotence: dedup '(წყარო _ id, checksum) "; კორექტირების ჟურნალი.
გაწმენდა: ბოტის ფილტრები (სიჩქარე, headless, known-ASN), ფროიდის დროშები, სატესტო ანგარიშები.
თვითმყოფადობა: ხიდი 'user _ id' მოწყობილობები/email/phone ', მომხმარებელთა გაყოფის მოწმობა.

4) სწორი მნიშვნელები: ხშირი ხაფანგები

Selection bias: „მნიშვნელი მხოლოდ გუშინ აქტიურია“ CR- ის გადაჭარბება.
Survivorship: გამორიცხეს ისინი, ვინც გადადგა ნაბიჯზე - CR ხელოვნურად იზრდება.
ერთეულების ნაზავი: მნიშვნელი - სესიები, მრიცხველი - მომხმარებლები.
ორმაგი ატრიბუტი: ერთი წარმატება ენიჭება რამდენიმე არხს.
საშუალო საშუალო: საშუალო CR სეგმენტებში, მრიცხველების/მნიშვნელთა დანერგვის ნაცვლად.

5) ფსევდო-SQL: ძაბრი ფანჯრებით და უნიკალურობით

sql
WITH regs AS (
SELECT user_id, MIN(ts) AS ts_reg
FROM event_register
WHERE ts BETWEEN:from AND:to
GROUP BY user_id
),
deps AS (
SELECT user_id, MIN(ts) AS ts_dep
FROM event_deposit
GROUP BY user_id
),
eligible AS (
SELECT r.user_id, r.ts_reg, d.ts_dep
FROM regs r
LEFT JOIN deps d
ON d.user_id = r.user_id
AND d.ts_dep BETWEEN r.ts_reg AND r.ts_reg + INTERVAL '7 day'
)
SELECT
COUNT()                AS users_reg,
COUNT(ts_dep)              AS users_dep_7d,
COUNT(ts_dep)::decimal / COUNT()    AS cr_reg2dep_7d
FROM eligible;

Drop-off ნაბიჯებზე

sql
-- Пример: просмотр → регистрация → депозит (7d)
WITH base AS (...), -- ваш источник views AS (...), regs AS (...), deps AS (...)
SELECT
COUNT(DISTINCT views.user_id)                           AS step0_view,
COUNT(DISTINCT regs.user_id)                            AS step1_reg,
COUNT(DISTINCT CASE WHEN regs.ts BETWEEN views.ts AND views.ts + INTERVAL '24 h'
THEN regs.user_id END)                     AS view2reg_24h,
COUNT(DISTINCT CASE WHEN deps.ts BETWEEN regs.ts AND regs.ts + INTERVAL '7 day'
THEN deps.user_id END)                     AS reg2dep_7d;

6) კოჰორტები და სეგმენტები

კოჰორტები: ჩამოაყალიბეთ პირველი მოვლენის თარიღით (რეგისტრაცია/პირველი ვიზიტი), შეადარეთ კონვერტაციის მრუდი.
სეგმენტები: ქვეყანა/არხი/პლატფორმა/OS/მოწყობილობა/შინაარსი/ფასი/პარტნიორი.
ძაბრი სეგმენტების მიხედვით: CR და drop-off აქციების, გამოშვებების, UX ცვლილებების შემდეგ.
სამართლიანობა: შეამოწმეთ შეცდომების განსხვავება/CR მგრძნობიარე სეგმენტებში (ეთიკა/შესაბამისობა).

7) ატრიბუტი: ვინ იმსახურებს კონვერტაციას

Single-touch: last/first click - მარტივი, მაგრამ ამახინჯებს გრძელი ციკლები.
Position-based: U ფორმის/ხაზოვანი/დროებითი დაშლა.
Data driven (Shapley/Markov): აფასებს არხების წვლილს თანმიმდევრობით.
დუბლიკატების კონტროლი: ერთი წარმატება = ერთი სესხი (ან საერთო), დაფიქსირდა ალგორითმის ვერსია.

8) მიკრო კონვერტაცია და დაწკაპუნების ხარისხი

მიკრო ნაბიჯები: პრაიმერის ნახვა, კალათაში დამატება, KYC შემოწმება, ფორმის შევსება 50%.
ტრეფიკის ხარისხი: bounce-rate, engaged-sessions, „აქტიური“ ხედების წილი, საცეცხლე ნიმუშები.
კავშირი ღირებულებასთან: მიკრო კონვერტები სასარგებლოა მხოლოდ იმ შემთხვევაში, თუ ისინი კორელაციას/მიზეზს უკავშირდება ბიზნეს ეფექტთან (LTV, GGR, Net).

9) კონვერტაციის კავშირი ფულთან: CAC, LTV, ROMI

CAC: მოზიდვის ღირებულება კონვერტაციის ერთეულზე (რეგისტრაცია/ანაბარი/შესყიდვები).
ROMI: (\frac {\Frac {Acremental შემოსავალი} {\text {მარკეტინგული ხარჯები} - 1).
LTV დაბალანსებული კონვერტაცია: პრიორიტეტული სეგმენტები/არხები არა CR- ით, არამედ მოსალოდნელი ღირებულებით.
მიზეზი: ROMI შეფასება - A/B, DiD, სინთეზური კონტროლის საშუალებით; კორელაცია საკმარისი არ არის.

10) ექსპერიმენტები და uplift

A/B ტესტები: რანდომიზაცია, MDE/ძალა, სეზონური და ჩარევის აღრიცხვა.
მეტრიკა: ძირითადი CR + guardrails (საჩივრები, ლატენტობა, FPR ანტიფროდი).
Uplift მოდელები: ისინი მიზნად ისახავს კონვერტაციის ზრდას და არა მოვლენის ალბათობას; შეაფასეთ Qini/AUUC, uplift @ k.

11) დროებითი ასპექტები და ფანჯრები

Look-back/Look-forward: ფანჯარა ექსპოზიციას შორის (დაწკაპუნება/ნახვა) და კონვერსია/ანაბარი.
ჰისტერეზი: სხვადასხვა ბარიერი შესასვლელი/გასასვლელი პრომო რეგრესორების ჩართვისთვის/გამორთვისთვის, ისე, რომ არ მოხდეს „მოციმციმე“.
კალენდარი: არდადეგები, ხელფასები, დიდი ტირიფი - სავალდებულო რეგრესორები/დროშები.

12) მულტფილმები და დედუპლიკაცია

ჯვარედინი მოწყობილობა: იდენტიფიკატორის გრაფიკი (cookie/Device/IDFA/email/ტელეფონი).
One-to-one: ერთი სამიზნე მოქმედება ითვლება ერთხელ მომხმარებლის მიერ (ან per შეკვეთა/გადახდა).
ტესტი/პანსიონი: ფილტრირებული სიები QA/ოპერატორები/ბოტები - მნიშვნელის და მრიცხველის გარეთ.

13) ვიზუალიზაცია და მოხსენებები

Step-bars/Sankey: drop-off ნაბიჯებზე.
კოჰორტული გათბობის ბარათები: CR 1/3/7/14/30 დღეში.
Bridge გრაფიკა: ფაქტორების წვლილი CR- ის შეცვლაში (UX, პრომო, არხის მიქსი).
Dash: fresh timer, coverage მოვლენები, guardrails, alerty.

14) მონიტორინგი, SLO და ალერტები

SLO სიახლე: განახლების გზა N წუთი/საათი.
ხარისხის მცველები: ბოტების/ფროდის ზრდა, იდენტურობის უთანხმოება, შემცირება.
ალერტა: CR- ს გადახრა სეზონური პროგნოზიდან, მოვლენების დაშლა, შეცდომების ზრდა/სიცრუე.

15) ფსევდო-SQL: „ბოლო არხის“ ატრიბუტი

sql
WITH touch AS (
SELECT user_id, channel, ts,
ROW_NUMBER() OVER (PARTITION BY user_id ORDER BY ts DESC) AS rn
FROM session_touchpoints
WHERE is_direct = false
AND ts <= (SELECT first_conversion_ts FROM conversions WHERE conversions.user_id = session_touchpoints.user_id)
),
credit AS (
SELECT user_id, channel FROM touch WHERE rn = 1
)
SELECT channel, COUNT() AS conv, COUNT()::decimal / SUM(COUNT()) OVER() AS share
FROM credit
GROUP BY channel
ORDER BY conv DESC;

16) ანტი შაბლონები

საშუალო CR ქვეყნის/არხების გარეშე წონის გარეშე.
ერთეულების (სესიების მომხმარებლები) და დროებითი ზონების ნაზავი.
ფორმულებისა და ვერსიების დეფინიციების უგულებელყოფა (მეტრიკა „ცურავს“).
ფანჯრები „როგორ მუშაობს“ (არ არის დაფიქსირებული) CR- ს შესადარებელი.
ბოტების/ფროდის ფილტრების არარსებობა არის გადაჭარბებული მეტრიკა.
„ბოლო კლიკის“ ატრიბუტი, როგორც ერთადერთი ჭეშმარიტება ყველა გადაწყვეტილებისთვის.

17) ჩეკის სია კონვერტაციის ანგარიშის გამოქვეყნებამდე

• მეტრიკის პასპორტი: განმარტება, ერთეული, ფანჯარა, გამონაკლისი, წყაროები, ვერსია
• მოვლენების სქემა კანონიზებულია, დედაპლატი/იდემპოტენტობა შედის
• ბოტები/frode/QA ანგარიშები გამორიცხულია; იდენტურობა შემცირებულია
• დოკუმენტირებულია ფანჯრები და მნიშვნელები; შეთანხმებულია დროებითი ზონები

შემოწმებულია სეგმენტები/კოჰორტები; ინვარიანტები (DAU - MAU, დღეების თანხები = თვე)

შეირჩა და აღწერილია ატრიბუტი; ორმაგი სესხი გამორიცხულია

• კავშირი ღირებულებასთან: CAC/LTV/ROMI დაემატა, მიზეზობრივი შეფასება დაგეგმილია
• დაშბორდი: სიახლე, სიახლე, guardrails; ალერტები

18) მინი გლოსარიუმი

CR (Conversion Rate): წილი, რომელმაც დაასრულა მიზნობრივი მოქმედება.
Drop-off: წილი, რომელიც „დაეცა“ ნაბიჯებს შორის.
Attribution: შეხებით კონვერტაციისთვის მომსახურების განაწილების მეთოდი.
კოხორტი: ჯგუფი პირველი ღონისძიების თარიღით.
ROMI: მარკეტინგული ინვესტიციების დაბრუნება (სავარაუდო).
Uplift: ინტერვენციიდან კონვერტაციის ზრდა.
Guardrails: რისკების შეზღუდვები (საჩივრები, FPR, ლატენცია).

შედეგი

კონვერტაციის საიმედო ანალიტიკა ეყრდნობა სამ ვეშაპს: სწორი განმარტებები (მნიშვნელები/ფანჯრები/ერთეულები), მონაცემთა დისციპლინა (idempotence, დედაპლატი, ანტიბოტი), კავშირი ღირებულებასთან (LTV/CAC/ROMI და მიზეზი). აღწერილი ჩარჩოზე ძაბვების, კოჰორტების, ატრიბუტების და მონიტორინგით აშენებით, თქვენ მიიღებთ მეტრიკებს, რომლებზეც ნამდვილად შეგიძლიათ გააკონტროლოთ პროდუქტი და მარკეტინგი, და არა მხოლოდ გრაფიკების დაკვირვება.