”Dator konverterar bättre, så flytta budgeten” är en ofullständig slutsats från en enhetstabell. Annonsören i ChatGPT behöver först veta om raderna använder jämförbara utfall, om kundresan fungerar på båda enheterna och om skillnaden bygger på tillräckligt många observationer. Enhetsetiketter beskriver en del av rapporterad aktivitet. De förklarar inte hela personens väg till köp.
Använd uppdelningen för att välja en undersökning, inte för att slå fast en universell preferens. OpenAI dokumenterar enhetsuppdelning för sin särskilda konverteringsrapportering. Kontrollera fält och definitioner i rapporten som faktiskt används. Texten förutsätter inte att AthillyAds erbjuder enhetsstyrning, budjustering per enhet eller samma uppdelning i varje vy.
Börja med möjligheten att kundresan är trasig
Testa den annonserade destinationen på en representativ liten skärm innan låg mobil konvertering tolkas som svag efterfrågan. Följ erbjudandet, formuläret och bekräftelsen som besökaren skulle göra. En blockerad knapp eller ett formulär som tappar uppgifter är ett annat problem än ointresserad trafik.
Dokumentera destinationens adress, enhet eller skärmstorlek, webbläsare, testtid och genomförda steg. Om resan misslyckas behöver felet åtgärdas och berörda datum noteras i kampanjrapporten. Tillskriv inte en förbättring efter reparationen enbart en samtidig ändring i annonseringen.
Testet bör även kontrollera att avsett konverteringsevent motsvarar den lyckade handlingen. En synlig bekräftelse och ett registrerat event är olika bevis. En trasig mätväg kan skapa en skillnad mellan enheter även när kunderna lyckas slutföra handlingen. Spara därför resultaten från både användarflödet och den tillåtna kontrollen av eventet.
Skriv ut vilket utfall varje rad innehåller
Anta att en hypotetisk tabell visar 40 köp från dator och 20 från mobil. Utan relevant nämnare visar det ingen skillnad i konverteringsgrad. Om dator fick dubbelt så många kvalificerade klick kan frekvensen vara identisk. Antalen beskriver volym, medan frekvensen beskriver utfall i förhållande till ett bestämt underlag.
Anta sedan att rapporten innehåller 400 datorklick och 800 mobilklick. De matematiska frekvenserna blir 10 respektive 2,5 procent om köp och klick har jämförbara definitioner och perioder. Det sista villkoret är avgörande. Dividera inte utfall från en tidsbas med klick från en annan bara för att kolumnernas namn känns välbekanta.
Håll målval, attribueringsfönster, datumgrund och urval konsekventa. För konverteringsgrad efter klick används klickattribuerade utfall och motsvarande klickantal. Visa visningsattribuerade utfall separat. En kombinerad klick- och visningstotal delad med klick beskriver inte andelen klick som konverterade. Annars döljer etiketten konverteringsgrad oförenliga ingångsvärden.
Leta efter sammansättningen inom grupperna
Datortrafik och mobiltrafik kan skilja sig i land, kampanj, erbjudande och tidpunkt. Enhetsjämförelsen kan därför spegla dessa skillnader. En kampanj med mycket mobiltrafik och ett annat erbjudande är inte automatiskt en likvärdig variant av en kampanj där datortrafiken dominerar.
Granska ett begränsat antal relevanta uppdelningar där tillgänglig rapportering stödjer dem. Behåll den ursprungliga totalsiffran och undvik att leta genom många små grupper tills någon ser imponerande ut. Om underlaget inte räcker för en jämförbar analys ska enhetsskillnaden beskrivas som en observation med ännu okänd orsak.
Analysen av landsmix visar hur en ändrad fördelning påverkar totalen. För enheter är arbetsfrågan om skillnaden består i en rimlig jämförelse och om det finns ett konkret problem i kundupplevelsen som går att undersöka.
Vad förklarar mobilgapet?
- Kundresan
Prova att slutföra handlingen på liten skärm.
- Mätningen
Bekräfta att lyckad handling och registrerat event stämmer överens.
- Jämförbarheten
Kontrollera mål, mognad och trafikmix innan enheten får skulden.
Hitta inte på en berättelse om flera enheter
Det är tänkbart att någon klickar på mobilen och köper senare på datorn. Att berättelsen är rimlig bevisar inte att den förklarar er kampanjskillnad. Om den tillåtna mätningen inte visar sambandet ska datorköp inte fördelas tillbaka till mobilen efter magkänsla.
Behåll beteendet som en hypotes. Det kan undersökas genom lämplig aggregerad research eller en särskild mätstudie, men enhetstabellen avslöjar inte personens handlingssekvens. Undvik även formuleringar som antyder att annonsrapporten visar en viss användares konversation eller surfhistorik.
Om flera fel upptäcks samtidigt bör de ordnas efter påverkan på besökaren. Ett formulär som inte går att skicka kräver annan prioritet än en etikett i rapporten som är otydlig. Dokumentera båda men låt inte rapportdiskussionen försena reparationen av kundresan.
Välj ett nästa steg som motsvarar bevisen
Är mobilresan trasig gäller det omedelbara beslutet destinationen och den berörda kampanjexponeringen. Fungerar resan men eventtäckningen skiljer sig behöver mätningen repareras. Om båda kontrollerna passerar och skillnaden består i ett meningsfullt jämförbart underlag kan ekonomin och tillgängliga kampanjreglage granskas före en budgetändring.
Anteckna observation, alternativa förklaringar och nästa granskningsdatum. En rimlig slutsats kan vara att mobilutfallet är lägre i rapporten, att formulärtestet passerade och att teamet ska jämföra mogna klickkohorter före omfördelning. Kohortjämförelser och hantering av saknade värden stödjer fortsättningen. Plattformens rapportering beskrivs i OpenAI:s dokumentation. Siffrorna ovan är enbart räkneexempel.
Källor och avgränsning
Utred skillnader mellan enheter med jämförbara utfall och kontrollerad kundresa före budgetändringar.
Arbetsmetoder och exempel är redaktionella förslag. Kontrollera aktuella plattformsvillkor och funktioner inför genomförandet.