სიახლეები და ანალიზი
განახლების შემდეგ checkout-ის კონვერსია დაეცა: მეტრიკა შეიცვალა თუ გაყიდვები?
HighLevel მოვლენის დროს ცვლის, Shopify ცარიელ webhook-ს აუქმებს, Stripe გადახდის მონაცემებს აახლოებს. რატომ იცვლება ანგარიში უცვლელი ქცევის დროს.
პლატფორმის განახლების შემდეგ კონვერსიის დაცემა ყოველთვის არ ნიშნავს, რომ მაღაზია უარესად ყიდის. შესაძლოა მნიშვნელი შეიცვალა: სისტემა checkout-ის დაწყებას უფრო ადრე ითვლის და იმ ადამიანებსაც მოიცავს, რომლებსაც ადრე ვერ ხედავდა. უარის თქმის სურათი უფრო სასარგებლო ხდება, მაგრამ ძველი და ახალი პროცენტი უკვე სხვადასხვა რამეს აღწერს.
HighLevel-მა 12 ოქტომბერს InitiateCheckout-ის დრო შეცვალა. მოვლენა ახლა checkout-მდე მისვლას ან ფორმასთან განსაზღვრულ ურთიერთქმედებას ასახავს და არა მხოლოდ გადახდის გაგზავნას. იმავე დღეს Shopify-მა უცვლელი კალათის ოპერაციებზე carts/update-ის გაგზავნა შეწყვიტა. ერთი მრიცხველი შეიძლება გაიზარდოს, მეორე კი შემცირდეს, მიუხედავად უცვლელი ქცევისა.
მომიჯნავე განცხადებები ინტერფეისის მრიცხველებს მიღმა გახედვის საშუალებას იძლევა. Stripe-მა 15 ოქტომბერს Postgres-თან Data Pipeline-ის სინქრონიზაცია public preview რეჟიმში წარადგინა. ChartMogul-მა 12 ოქტომბერს კლიენტისა და გამოწერის მონაცემებზე დაფუძნებული კონტაქტების სიები და მოქმედებები დაამატა. ჩვენი ანალიტიკური დასკვნაა: მარკეტინგს ინტერესის ფინანსურ და კლიენტურ მდგომარეობასთან დაკავშირება უადვილდება, თუ ჯერ მცდელობას, ცვლილებას, გადახდასა და მოქმედ კლიენტს განასხვავებს.
დაბალმა პროცენტმა ადრე უხილავი სამუშაო შეიძლება გამოაჩინოს
როცა InitiateCheckout და AddPaymentInfo თითქმის ერთ ეტაპზე ჩნდება, გზის ნაწილი იმალება. თუ ორივე გადახდის მონაცემების შეყვანისას წარმოიქმნება, ანგარიში ცოტას ამბობს მათზე, ვინც checkout ნახა და იქამდე გავიდა. უფრო ადრეული სიგნალი ამ გამოტოვებული ნაწილის შესწავლის შესაძლებლობას ქმნის.
ეს კომერციულად ღირებულია. გუნდს შეუძლია მოულოდნელი მიწოდების ფასი, სავალდებულო ველი ან გამოწერის გაუგებარი პერიოდულობა გამოიკვლიოს. მოვლენების მატება კონკრეტული ბარიერის არსებობას არ ამტკიცებს. ის აჩვენებს, სად შევაგროვოთ დაკვირვებები და რომელი ახსნა შევამოწმოთ მყიდველებთან.
ამ დროს რეკლამის ბიუჯეტის მკვეთრი შეცვლა შეიძლება მცდარი რეაქცია იყოს. InitiateCheckout-ის ღირებულებაზე დამოკიდებული წესი არხს გაუმჯობესებულად ჩათვლის მხოლოდ იმიტომ, რომ მოვლენა გახშირდა. შესყიდვების დაწყებულ checkout-ზე გამყოფი სხვა წესი იმავე გამოშვებას გაუარესებად აღიქვამს. ორივე შედეგი შეიძლება მექანიკური იყოს და ქცევას არ ეხებოდეს.
Shopify იმავე საკითხის საპირისპირო მხარეს აჩვენებს
კალათაზე ოპერაცია ყოველთვის მყიდველის არჩევანს არ ცვლის. არსებული მნიშვნელობის ხელახლა ჩაწერაც ადრე webhook-ს ქმნიდა. განახლების შემდეგ ამ შეტყობინებების რაოდენობა ყველა მოთხოვნას ძველებურად მიახლოებითაც ვეღარ წარმოადგენს.
ინტეგრაციისთვის ზედმეტი დამუშავების შემცირება სასარგებლოა. ანგარიშისთვის კი, რომელიც შეტყობინებებს მომხმარებლის ურთიერთქმედებად ითვლიდა, დროითი რიგის მნიშვნელობა იცვლება. „აქტივობის“ კლება შეიძლება ცარიელი ოპერაციების გაქრობას ნიშნავდეს და არა ინტერესის შესუსტებას. ანალიტიკური მოვლენა მომხმარებლის აზრით უნდა განისაზღვროს და არა იმ ტექნიკური სიგნალით, რომლის დაჭერაც ადვილი იყო.
მოვლენას სახელი, წარმოქმნის პირობა და განსაზღვრების ვერსია სჭირდება. თუ ძველი რიცხვის აღდგენა ვერ ხერხდება, სჯობს ახალი შედარებადი რიგი დაიწყოს და წყვეტა აღინიშნოს. შეუთავსებელი რიცხვების გლუვ ხაზად შეერთება პრობლემას მალავს. განსაზღვრების ცვლილება ექსპერიმენტის ჩანაწერშიც უნდა მოხვდეს, თორემ პლატფორმის ეფექტი რეკლამას მიეწერება.
პირობითი გამოთვლა უცვლელი გაყიდვებით
წარმოვიდგინოთ მაღაზია, სადაც პერიოდში 600 ადამიანი checkout-მდე მივიდა, 200-მა გადახდა დაიწყო და 120-მა იყიდა. რიცხვები სასწავლო მაგალითია. თუ ძველი InitiateCheckout გადახდის დაწყებას ემთხვეოდა, ანგარიში 120-ს 200-დან, ანუ 60%-ს აჩვენებდა. ადრეული მოვლენით კი 120-ს 600-დან, ანუ 20%-ს აჩვენებს.
გაყიდვები ისევ 120-ია. სხვაობა 40 პროცენტული პუნქტი დაწყების განსხვავებულმა განმარტებამ შექმნა. თუმცა ახალი 400 დაკვირვება ძველ მაღალ პროცენტზე სასარგებლოც შეიძლება იყოს: ახლა გუნდი გაიგებს, რატომ არ დაიწყეს ადამიანებმა გადახდა. ეს მათ ავტომატურად გზავნილის ან რეკლამის ხელახალი დამიზნების აუდიტორიად არ აქცევს. არხის დასაშვებობა ცალკე განისაზღვრება.
რეკლამის ტესტის შეფასებისას ჯერ მოვლენის ცვლილების პერიოდი უნდა მოინიშნოს და გადახდილი შეკვეთები ერთნაირი წესებით შედარდეს. შემდეგ ახალი განსაზღვრების შიგნით ეტაპები განიხილება. გამოწერის ბიზნესში პირველი გადახდის შემდეგ კლიენტის მდგომარეობაც უნდა შემოწმდეს; პირველი თანხა მოზიდვის სრულ წარმატებას არ ადასტურებს.
შემოსავლის კონტექსტი პრიორიტეტებს ცვლის
Stripe-ის preview გადახდის ინფორმაციას აპლიკაციას უახლოებს, მაგრამ გამოყენებამდე პროექტისთვის ხელმისაწვდომობა და შეზღუდვები უნდა შემოწმდეს. ChartMogul-ის სიები გამოწერის მდგომარეობას კონტაქტებთან აახლოებს. ეს შესაძლებლობები კითხვას ცვლის: რომელი კამპანია ქმნის მეტ მოვლენას კი არა, რომელი აუდიტორია მიდის შესაბამის პროდუქტამდე და კლიენტად რჩება?
ამან ინვესტიციის არჩევანიც შეიძლება შეცვალოს. checkout-ის იაფი დაწყებების მომტანი წყარო შესაძლოა ნაკლებად ღირებული იყოს, ვიდრე მცირე წყარო, რომლის მომხმარებლებიც პროდუქტს წარმატებით იყენებენ. ამის დასადგენად შედარებადი ჯგუფები და საკმარისი დაკვირვების დროა საჭირო. განცხადებები კონკრეტული მაღაზიის შედეგებს არ ადასტურებს.
ყველა მაღაზიას ახალი ფინანსური ინტეგრაცია არ სჭირდება. თუ შეკვეთების ანგარიში უკვე სანდოა, იდენტიფიკატორების დაკავშირება და განსაზღვრებების შენარჩუნებაც შეიძლება საკმარისი იყოს. დაიწყეთ ერთი მრიცხველის ცვლილებით, ერთი შედარებადი ფულადი შედეგით და რეალური გადაწყვეტილებით.
მონაცემების სისტემური მართვა გამოსადეგია, როცა ანგარიშები ერთმანეთს აღარ ემთხვევა. WhatConverts-ის Google Sheets-ანგარიშის პროექტი ლიდების სამუშაო სურათად შეკრებას ეხება. თუ რიცხვები განახლების შემდეგ შეიცვალა, აღწერეთ მოვლენა, პერიოდი და მათზე დამოკიდებული გადაწყვეტილება.