변환 분석
변환 분석
전환은 "숫자로 나눌 수있는 숫자" 가 아닙니다. "이것은 제어 된 시스템입니다. 명확한 정의 및 이벤트 체계 → 올바른 분모 및 시간 창 → 세분화 및 속성 → 값 연결 (LTV/ROMI) → 모니터링 및 실험. 다음은 제품 활성화에서 결제 및 마케팅 깔때기까지 확장되는 프레임 워크입니다.
1) 정의 및 기본 공식
깔때기 이벤트: 순차적 단계 (→ 클릭 → 등록 → 확인 → 예금 → 대상 조치).
단계 변환: (\텍스트 {CR} _ {i\to j} =\frac {\텍스트를 완료 한} j\텍스트 {나이키 엔티티} i} 를 달성 한 {\텍스트 {고유 엔티티)
엔드-투-엔드 변환: (\텍스트 {CR} {0\k} =\prod {s = 0} ² {k-1 }\텍스트 {CR} _ {s\to s + 1})
회계 단위: 사용자/세션/장치/주문-명시 적으로 수정하십시오.
시간 창: 단계 간 제한 (예: 체크인 → 입금은 7 일입니다).
2) 데이터 시트 (템플릿)
METRIC: 'CR _ REG2DEP _ 7D _ v2'
정의: 7 일 이상 1 회 입금 한 등록 된 사용자의 비율.
단위: 사용자 (user _ id, master _ id).
창: 'ts _ registment' 에서 7 × 24 시간
예외: 봇/사기/테스트 계정/복제.
기본 세그먼트: 국가, 플랫폼, 어트랙션 채널.
출처: '이벤트 _ register', '이벤트 _ deposit'.
가드 레일: 신선한
버전/소유자/날짜 사전.
3) 이벤트 스키마 및 데이터 품질
정식 스키마: '이벤트 _ id', 'user _ id', '장치 _ id', 'set _ id', 'ts', '유형', '페이로드', '소스', '버전'.
이데올로기: '(source _ id, 체크섬)' 에 의한 결정; 수정 로그.
청소: 봇 필터 (속도, 헤드리스, 알려진 ASN), 사기 플래그, 테스트 계정.
식별: 'user _ id 기기/이메일/전화' 브리지, 사용자 분할/병합에 대한 도움.
4) 올바른 분모: 빈번한 함정
선택 편향: "분모에서만 어제 활성" → CR 과대 평가.
생존: 단계 전에 떠난 사람들은 제외되었습니다-CR은 인위적으로 성장하고 있습니다.
단위 혼합: 분모-세션, 분자-사용자.
이중 속성: 여러 채널로 인한 한 가지 성공.
평균 평균: 분자/분모를 집계하는 대신 세그먼트에서 CR을 평균화합니다.
5) 의사-SQL: 창문과 독창성을 갖춘 깔때기
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;단계적으로 드롭 오프
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) 코호트 및 세분화
코호트: 첫 번째 이벤트 날짜 별 (등록/첫 방문) → 변환 곡선 비교
세그먼트: 국가/채널/플랫폼/OS/장치/콘텐츠/가격/파트너.
세그먼트 별 깔때기: CR 및 주식 전/후 하락, 릴리스, UX 변경.
공정성: 민감한 세그먼트 (윤리/준수) 간의 오류/CR 차이점을 확인하십시오.
7) 기여: 누가 전환을받을 자격이 있는가
싱글 터치: 마지막/첫 클릭-간단하지만 긴 사이클을 왜곡합니다.
위치 기반: U 자형/선형/시간 붕괴.
데이터 중심 (Shapley/Markov): 채널 기여도를 순서대로 평가합니다.
중복 제어: 하나의 성공 = 하나의 크레딧 (또는 공유), 알고리즘 버전 고정.
8) 마이크로 변환 및 클릭 품질
마이크로 단계: 가격보기, 바스켓에 추가, KYC 확인, 양식 50% 작성.
교통 품질: 바운스 속도, 참여 세션, "유효한" 뷰의 공유, 봇 패턴.
가치와의 연관: 마이크로 변환은 비즈니스 효과 (LTV, GGR, Net) 와 관련이있는 경우에만 유용합니다.
9) 돈 링크로의 전환: CAC, LTV, ROMI
CAC: 변환 단위당 어트랙션 비용 (등록/예금/구매).
ROMI: (\frac {\tex {Incremental Revenue}} {\tex {마케팅 비용}} - 1).
LTV 가중 변환: CR이 아니라 예상 값으로 세그먼트/채널의 우선 순위를 정합니다.
인과 관계: ROMI 점수-A/B, DiD, 합성 제어를 통한; 상관 관계가 충분하지 않습니
10) 실험 및 향상
A/B 테스트: 무작위 화, MDE/전력, 계절성 및 간섭 회계.
지표: 핵심 CR + 가드 레일 (불만, 대기 시간, 사기 방지 FPR).
향상 모델: 이벤트 확률이 아닌 대상 변환 이익; Qini/AUUC, uplift @ k 등급.
11) 시간 측면과 창
조회/조회: 노출 (클릭/보기) 과 변환/예금 사이의 창.
Hysteresis: "깜박이지 않도록" 프로모션 회귀 기를 켜거나 끄기위한 다른 입력/출력 임계 값입니다.
일정: 공휴일, 급여, 대규모 행사-필수 회귀 자/깃발.
12) 다중 장치 및 중복 제거
교차 장치: 식별자 그래프 (쿠키/장치/IDFA/이메일/전화).
일대일: 사용자 당 한 번 (또는 주문/지불 당) 하나의 대상 조치를 계산합니다.
테스트/온라인: 분모와 분자 외부의 QA/연산자/봇 목록.
13) 시각화 및 보고서
스텝 바/산키: 단계에서 하차.
코호트 히트 맵: 1/3/7/14/30의 CR.
브리지 그래프: CR 변경 (UX, 프로모션, 채널 믹스) 에 대한 요인의 기여.
대시: 신선한 타이머, 적용 범위 이벤트, 가드 레일, 경고.
14) 모니터링, 슬로우 및 경고
SLO 신선도: 업데이트 지연시간은 1 분/시간입니다.
품질 보호: 봇/사기 폭발, 신원 불일치, 적용 범위 감소.
경고: 계절 예측, 이벤트 중단, 오류 성장/대기 시간으로부터의 CR 편차.
15) 의사-SQL: 마지막 비 직접 귀속
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) 반 패턴
무게가없는 국가/채널 별 평균 CR.
믹스 장치 (세션 대 사용자) 및 시간대.
공식 및 버전 정의를 무시합니다 (메트릭 "플로트").
Windows "고정되지 않음" (고정되지 않음) → 비교할 수없는 CR.
봇/사기 필터 부족 → 높은 메트릭.
마지막 클릭 속성은 모든 결정에 대한 유일한 진실입니다.
17) 전환 보고서 게시 전 점검표
- 메트릭 여권: 정의, 단위, 창, 예외, 출처, 버전
- 이벤트 패턴 표준화, dedup/deidempotence 포함
- 봇/사기/QA 계정 제외; 혼합 된 정체성
- Windows 및 분모가 문서화되었습니다. 임시 구역 합의
- 테스트 된 세그먼트/코호트; 불변량 (DAU 지정 MAU, 일일 금액 = 월)
- 권한이 선택되고 설명되었습니다 이중 크레딧 제외
- 가치 관계: CAC/LTV/ROMI 추가, 인과 평가 계획
- 대시 보드: 신선도, 적용 범위, 난간; 경고가 설정되었습니다
18) 미니 용어집
CR (변환 속도): 대상 활동을 완료 한 비율.
드롭 오프: 단계 간 점유율이 "떨어졌습니다".
기여: 터치로 전환 할 수있는 장점을 할당하는 방법.
코호트: 첫 이벤트 날짜별 그룹.
ROMI: 마케팅 투자 수익 (증분).
향상: 개입으로 인한 전환 이득.
가드 레일: 위험 제한 기 (불만, FPR, 대기 시간).
결과
신뢰할 수있는 변환 분석은 올바른 정의 (분모자/창/단위), 데이터 규율 (dedempotency, dedup, antiboot), 가치와의 연관 (LTV/CAC/ROMI 및 인과 관계) 의 세 가지 고래에 의존합니다. 설명 된 프레임 워크에서 깔때기, 코호트, 귀속 및 모니터링을 구축함으로써 그래프를 관찰하는 것이 아니라 제품 및 마케팅을 실제로 관리 할 수있는 메트릭을 얻을 수 있습니다.