Dönüşüm Analitiği
Dönüşüm Analitiği
Dönüşüm sadece "sayıya bölünebilen sayı" değildir. "Bu kontrollü bir sistemdir: açık tanımlar ve olay şeması - doğru payda ve zaman penceresi - segmentasyon ve atıf - değerle bağlantı (LTV/ROMI) - izleme ve deneyler. Aşağıda, ürün aktivasyonundan ödeme ve pazarlama hunilerine kadar ölçeklendirilen bir çerçeve bulunmaktadır.
1) Tanımlar ve temel formül
Dönüşüm hunisi olayları: sıralı adımlar (görüntülemeler, tıklamalar, kayıtlar, doğrulamalar, yatırmalar, hedef eylemler).
Adım dönüştürme: (\text {CR} _ {i\to j} =\frac {\text {unique entities that have completed} j\text {after} i} {\text {unique entities that have achieved})
Uçtan uca dönüştürme: (\text {CR} {0\to k} =\prod {s = 0} ^ {k-1 }\text {CR} _ {s\to s + 1})
Muhasebe birimi: kullanıcı/oturum/cihaz/sipariş - açıkça düzeltin.
Zaman penceresi: adımlar arasındaki sınır (örn. Check-in - depozito ≤ 7 gün).
2) Veri sayfaları (şablon)
METRİK: 'CR _ REG2DEP _ 7D _ v2'
Tanım: 7 gün ≥1 para yatıran kayıtlı kullanıcıların oranı.
Ünite: Kullanıcı (user_id, master_id).
Pencere: 7 × 24 saat 'ts _ registration'.
İstisnalar: Botlar/dolandırıcılık/test hesapları/kopyalar.
Varsayılan segmentler: ülke, platform, çekim kanalı.
Kaynaklar: 'Event _ register', 'event _ deposit'.
Korkuluklar: fresh≤1ch, % coverage≥99, FPR antifroda≤Kh.
Sürüm/sahipler/tarih sözlüğü.
3) Olay şeması ve veri kalitesi
Kanonik şema: 'event _ id', 'user _ id', 'device _ id', 'session _ id', 'ts', 'type', 'payload', 'source', 'version'.
Idempotence: '(source_id, sağlama toplamı)'ile dedup; Düzeltme günlüğü.
Temizlik: Bot filtreleri (hız, başsız, bilinen-ASN), dolandırıcılık bayrakları, test hesapları.
Kimlikler: köprü 'user _ id ↔ cihaz/e-posta/telefon', bölme/birleştirme kullanıcıları hakkında yardım.
4) Doğru paydalar: sık tuzaklar
Seçim yanlılığı: "Sadece paydada dün aktif" - CR aşırı tahmini.
Hayatta kalma: adımdan önce ayrılanlar hariç tutuldu - CR yapay olarak büyüyor.
Birimlerin karıştırılması: payda - oturumlar, pay - kullanıcılar.
Çift atıf: Birden fazla kanala atfedilen bir başarı.
Ortalamaların ortalaması: Rakamların/paydaların toplanması yerine segmentler arasında ortalama CR.
5) Pseudo-SQL: pencereleri ve benzersizliği olan huni
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;Adımlarda bırakma
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) Kohortlar ve segmentasyon
Kohortlar: ilk olayın tarihine göre form (kayıt/ilk ziyaret) - dönüşüm eğrilerini karşılaştırın.
Segmentler: Ülke/Kanal/Platform/OS/Cihaz/İçerik/Fiyat/İş Ortağı.
Segmente göre huni: CR ve hisse senetlerinden önce/sonra bırakma, sürümler, UX değişiklikleri.
Adalet: Hassas bölümlerdeki hata/CR farklılıklarını kontrol edin (etik/uyumluluk).
7) Atıf: dönüşümü "hak eden"
Tek dokunuş: son/ilk tıklama - basit, ancak uzun döngüleri deforme eder.
Konum tabanlı: U şeklinde/doğrusal/zaman bozunumu.
Veri güdümlü (Shapley/Markov): Kanal katkısını sırayla değerlendirir.
Yinelenen kontrol: bir başarı = bir kredi (veya paylaşılan), algoritma sürümü sabit.
8) Mikro dönüşümler ve tıklama kalitesi
Mikro adımlar: fiyatlandırmayı görüntüleme, sepete ekleme, KYC'yi kontrol etme, formu doldurma %50.
Trafik kalitesi: hemen çıkma oranı, etkileşimli oturumlar, "geçerli" görünümlerin paylaşımı, bot kalıpları.
Değerle ilişkilendirme: Mikro dönüşümler yalnızca iş etkisi ile ilişkili/nedensel olarak ilişkili olduğunda yararlıdır (LTV, GGR, Net).
9) Para Bağlantısına Dönüşüm: CAC, LTV, ROMI
CAC: Dönüşüm birimi başına çekim maliyeti (kayıt/depozito/satın alma).
ROMI: (\frac {\text {Artan Gelir}} {\text {Pazarlama Maliyetleri}} - 1).
LTV ağırlıklı dönüşüm: segmentleri/kanalları CR'ye göre değil, beklenen değere göre önceliklendirin.
Nedensellik: ROMI skoru - A/B, DiD, sentetik kontrol yoluyla; Korelasyon yetersizdir.
10) Deneyler ve yükseltme
A/B testleri: randomizasyon, MDE/güç, mevsimsellik ve girişim muhasebesi.
Metrikler: çekirdek CR + korkulukları (şikayetler, gecikme, sahtekarlık karşıtı FPR).
Yükseltme modelleri: olay olasılıkları değil, hedef dönüşüm kazançları; Oranı qini/AUUC, uplift @ k.
11) Zaman yönleri ve pencereler
Look-back/Look-forward: pozlama (tıklama/görüntüleme) ve dönüşüm/depozito arasındaki pencere.
Histerezis: "Göz kırpmamak" için promo regresörlerini açmak/kapatmak için farklı giriş/çıkış eşikleri.
Takvim: tatiller, maaş, büyük etkinlikler - zorunlu gerileyiciler/bayraklar.
12) Çoklu aygıtlar ve veri tekilleştirme
Çapraz cihaz: tanımlayıcı grafik (çerez/cihaz/IDFA/e-posta/telefon).
Bire bir: Kullanıcı başına bir kez (veya sipariş/ödeme başına) bir hedef eylem sayarız.
Test/çevrimiçi: QA/operatörlerin/botların filtrelenmiş listeleri - payda ve pay dışında.
13) Görselleştirmeler ve Raporlar
Adım çubukları/Sankey: adımlarda bırakma.
Kohort ısı haritaları: 1/3/7/14/30 gününde CR.
Köprü grafikleri: faktörlerin CR değişimine katkısı (UX, promo, kanal karışımı).
Dash: yeni zamanlayıcı, kapsama olayları, korkuluklar, uyarılar.
14) İzleme, SLO'lar ve uyarılar
SLO tazeliği: güncelleme gecikmesi ≤ N dakika/saat.
Kalite muhafızları: botların patlaması/dolandırıcılık, kimliklerin uyuşmazlığı, kapsama alanında düşüş.
Uyarılar: Mevsimsel tahminlerden CR sapması, olay kırılması, hata büyümesi/gecikmesi.
15) Pseudo-SQL: Son doğrudan olmayan ilişkilendirme
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) Anti-desenler
Ağırlıkları olmadan ülke/kanal tarafından CR Ortalama.
Mix birimleri (oturumlar vs kullanıcılar) ve saat dilimleri.
Formül ve sürüm tanımlarını yoksayma (metrik "yüzer").
Windows "ortaya çıktığı gibi" (sabit değil) - karşılaştırılabilir CR değil.
Bot/dolandırıcılık filtrelerinin eksikliği - yüksek metrikler.
Tüm kararlar için tek gerçek olarak son tıklama atıf.
17) Dönüşüm raporunu yayınlamadan önce kontrol listesi
- Metrik Pasaport: Tanım, Birim, Pencere, İstisnalar, Kaynaklar, Sürüm
- Olay desen kanonize, dedup/idempotence dahil
- Botlar/dolandırıcılık/QA hesapları hariç; kimlikler karışık
- Windows ve paydalar belgelenmiştir; Geçici bölgeler kararlaştırıldı
- Test edilen segmentler/kohortlar; Değişmezler (DAU ≤ MAU, günlük tutarlar = ay) karşılandı
- Seçilen ve açıklanan atıf; Çifte kredi hariç
- Değer ilişkisi: CAC/LTV/ROMI eklendi, nedensel değerlendirme planlandı
- Gösterge tablosu: tazelik, kapsama alanı, korkuluklar; Uyarılar oluşturuldu
18) Mini sözlük
CR (Conversion Rate): Hedef aktiviteyi tamamlayan oran.
Bırakma: adımlar arasında "bırakılan" paylaşım.
Atıf: dokunarak dönüşüm için liyakat atama yöntemi.
Kohort: İlk olayın tarihine göre grup.
ROMI: Pazarlama yatırımının geri dönüşü (artımlı).
Yükselme: müdahaleden elde edilen dönüşüm kazancı.
Korkuluklar: risk sınırlayıcılar (şikayetler, FPR, gecikme).
Sonuç
Güvenilir dönüşüm analitiği üç balinaya dayanır: doğru tanımlar (paydalar/pencereler/birimler), veri disiplini (idempotency, dedup, antiboot), değerle ilişki (LTV/CAC/ROMI ve nedensellik). Açıklanan çerçeve üzerinde huniler, kohortlar, ilişkilendirme ve izleme oluşturarak, ürünü ve pazarlamayı gerçekten yönetebileceğiniz ve sadece grafikleri gözlemlemediğiniz metrikler elde edersiniz.