Förra månadens klick från ChatGPT har haft flera veckor på sig att leda till köp. Gårdagens klick har haft en dag. Om deras nuvarande konverteringsgrad jämförs som om båda grupperna vore färdiga får den äldre trafiken ett försprång i observationstid. En ny kampanjändring kan då se skadlig ut innan resultaten hunnit visa sig.
En klickkohort är en grupp klick som avgränsas efter när de inträffade och vilka kampanjer som ingår. Den användbara jämförelsen frågar vad varje grupp gav efter lika lång observationstid. Den kräver inte ett antagande om att alla köpbeslut tar lika många dagar.
Rita en triangel av observationer
Tänk en tabell med klickdatum på raderna och antal förflutna dagar i kolumnerna. Den äldsta raden kan ha utfall efter en, tre, sju och fjorton dagar. Gårdagens rad kan än så länge bara visa första dagen. Framtidens tomma celler är inte nollor utan observationer som ännu inte finns.
I ett hypotetiskt exempel har kohort A 500 klick och 10 utfall efter en dag, vilket stiger till 25 efter sju dagar. Kohort B har 500 klick och 12 utfall efter en dag, men sju dagar har ännu inte passerat. Att jämföra A:s sjudagarsgrad på 5 procent med B:s endagsgrad på 2,4 procent blandar olika mognad.
Jämförbara frekvenser efter första dagen är 2 respektive 2,4 procent. Observationen bevisar inte att B ligger före även efter sju dagar. Den tar bara bort en tydlig tidsskillnad. Lämna senare utfall öppna tills den överenskomna observationstiden faktiskt har passerat.
Ge grupperna lika lång tid
- Äldre grupp
10 utfall dag ett, 25 efter sju dagar.
- Ny grupp
12 utfall dag ett; sjudagarsutfallet är ännu okänt.
- Rätt jämförelse
Jämför 2 med 2,4 % vid dag ett, inte 5 med 2,4 %.
Bestäm vad som hör till gruppen
Definiera kampanj-ID:n, klickdatum, konverteringsevent och rapportprincip. Om en kampanj bytte erbjudande eller destination mitt i perioden behöver ni bedöma om gruppen ska delas. En bred veckokohort kan annars gömma den förändring som analysen egentligen skulle utvärdera.
Utfallet måste fortsatt höra ihop med den valda interaktionsgruppen enligt rapportmetoden. OpenAI dokumenterar olika tidsbaser i särskild konverteringsrapportering. Läs definitionerna innan en kohortvy byggs. Ett dagligt antal efter konverteringsdatum är inte automatiskt utfallshistoriken för klicken från samma kalenderdatum.
Skapa inte individuella kundresor ur aggregerade uppgifter. Om exporten inte stödjer den koppling som frågan kräver ska begränsningen framgå och en förenlig analys väljas. Metoden här beskriver ett analysupplägg och utlovar inte en inbyggd kohortrapport i AthillyAds.
Kontrollpunkterna här avser förfluten observationstid, inte valbara attribueringsfönster. Behåll samma attribueringsdefinition och spara rapporten vid varje kontrollpunkt om ni behöver bevara vad som var känt då. Ett senare historikanrop återskapar inte en tidigare ögonblicksbild. Med dagsgrupper räknas åldern från slutet av respektive kohortdag; klick inom dagen har fortfarande olika exakt ålder. Skilj rapportens behandlingsfördröjning från kundens beslutstid. Använd endast klickattribuerade utfall i exemplets klickbaserade frekvenser.
Välj mättillfällen innan vinnaren är känd
Bestäm kontrollpunkter efter beslutet som ska fattas och köpcykeln som går att observera. En kort punkt kan stödja bevakning, medan en längre kan passa en slutlig förvärvsjämförelse. Det finns inget universellt antal dagar som gör alla kampanjer i ChatGPT färdigbedömda.
Använd ert eget observerade tidsmönster när det finns och förklara begränsningarna. Är kampanjen ny utan pålitlig historik kan flera kontrollpunkter visas i stället för att ett antaget dröjsmål framställs som etablerat faktum. Välj inte tidpunkten i efterhand för att den gynnar den kampanj som teamet redan föredrar.
Skriv vilken mognad varje möte använder. Veckans operativa möte kan exempelvis jämföra samma tidiga punkt medan större budgetändringar kräver ett senare underlag. Det är en arbetsprincip för teamet och inte ett påstått krav för plattformens optimering.
Skilj värdets mognad från antalet
En kohort med utfallsantal kan mogna annorlunda än en kohort med köpvärde. En stor order senare kan förändra värdet mycket utan att antalet ändras lika kraftigt. Om affärsbeslutet gäller täckningsbidrag eller kvalificerade leads kan det dessutom finnas ytterligare väntetid efter det första webbplatseventet.
Visa vad som faktiskt hunnit bedömas. Sju dagar efter klick betyder inte nödvändigtvis att varje lead har gått igenom säljavdelningens granskning. Ange kvalificeringssteget när det behövs och jämför inte nyinkomna formulär med färdigbedömda affärsmöjligheter under samma etikett.
Återbetalningar, avbokningar och sen validering kan också ändra affärstolkningen. Bestäm om genomgången använder registrerade bruttoutfall eller ett senare justerat mått. Håll valet konsekvent mellan grupperna och dokumentera om äldre perioder räknas om. Annars kan en skenbar kohortskillnad egentligen bero på olika bokföring av utfallen.
Läs tabellen utan att tvinga fram ett besked
Visa klick, utfall och frekvens vid varje jämförbar kontrollpunkt. Antalen avslöjar om en procentuell skillnad vilar på en handfull händelser. Om svaret förblir osäkert ska det markeras och nästa observation planeras i stället för att en vinnare utses.
Ser den nya gruppen svag ut bara mot äldre färdigobserverade grupper kan nästa steg vara att invänta jämförbar mognad. Är den även svag vid samma kontrollpunkter behöver kampanjändring, mätning och kundresa granskas. Tabellen avgränsar tidsförklaringen men bevisar ingen orsak.
Läs annonstid och konverteringstid för datumens betydelse. Ofullständiga perioder gäller kalenderexponering och sena konverteringar vid månadsstängning gäller rapportavslut. Plattformskällan är OpenAI:s dokumentation. Samtliga antal ovan är hypotetiska exempel på en mer rättvis jämförelse.
Källor och avgränsning
Jämför grupper av kampanjinteraktioner efter likvärdig observationstid i stället för att missgynna de senaste klicken.
Arbetsmetoder och exempel är redaktionella förslag. Kontrollera aktuella plattformsvillkor och funktioner inför genomförandet.