Почему важно избегать усреднения при работе с метрикой конверсии?

Работая с метрикой конверсии, всегда будьте осторожны. За красивыми усредненными показателями могут прятаться сегменты, условия таргетинга и внерыночные факторы, которые могут искажать картину в совершенно неожиданную для вас сторону.

Само по себе изменение показателя – это всегда поверхностный сигнал. Особенно когда речь идет про коэффициент конверсии – метрику, которая всегда являет собой отношение: купивших юзеров ко всем, совершившим повторную покупку ко всем покупателям и так далее.

Природа этой метрики сама подталкивает нас копнуть глубже – в её числитель и знаменатель. Все потому, что средние значения могут и будут вводить вас в заблуждение. То есть большинство решений о метрике конверсии, которые вы принимаете на данных своего счетчика аналитики, с высокой долей вероятностью будут ошибочными.

Яркий пример заблуждения представила Jessica Lachs (VP of Analytics and Data Science at DoorDash). В своем интервью она рассказала, как в DoorDash работали с реферальной программой.

После предварительной калькуляции этот канал проигрывал другим по вовлеченности клиентов и сроку окупаемости. Однако это была средняя температура по больнице. И команда DoorDash не остановилась на ней, а провела более детальный анализ.

Выяснилось, что некоторые пользователи, привлеченные промокодами, были ценными клиентами с высокой окупаемостью. Но существовала и другая группа, которая размещала реферальные коды в интернете, привлекая "холодный трафик" — людей, интересующихся только скидками. Иногда это были просто мошенники. Такие пользователи и искажали общую картину.

В итоге DoorDash решил инвестировать в борьбу с фродом. Тогда как первоначальный анализ усредненных метрик говорил, что начать необходимо с урезания бюджетов на канал реферальной программы.

Поэтому после получения первых данных о метрике конверсии не стесняйтесь копнуть в инсайты. В UX Rocket раздел для этого так и называется - "Инсайты".

Там вы можете сформировать свой коэффициент конверсии с помощью вычисляемой метрики (что всегда хорошо в случае разночтений внутри команды) и посмотреть на динамику изменения показателя в разрезе основных атрибутов. Разбивка по атрибутам даст полную картину того, куда в первую очередь нужно смотреть с точки зрения оптимизации конверсии и, где есть самые очевидные зоны роста.

Более того, в UX Rocket вы можете протестировать, сформулированные гипотезы, без использования дополнительных инструментов и не привлекая команду разработки.
Интересно? Оставьте заявку прямо сейчас, с удовольствием расскажем и покажем интересующий вас функционал UX Rocket 😉

Чтобы быть в курсе актуальных трендов в продуктовой и маркетинговой аналитике, А/В - тестировании, а также узнать больше о новых возможностях платформы UX Rocket, подписывайтесь на наш Telegram - канал и группу "ВКонтакте".