Kampanjrapporten visar 38 konverteringar medan CRM innehåller 104 nya poster. Skillnaden är en anledning att undersöka underlaget, inte ett bevis på att mätningen av annonser i ChatGPT har slutat fungera. Systemen kan räkna olika saker, omfatta olika kanaler och placera aktiviteten på olika datum.
Avstämningen ska förklara gapet så att det går att fatta ett beslut. Den ska inte tvinga fram samma totalsiffra genom att ta bort besvärliga poster eller kalla varje ny kontakt för annonskonvertering. Börja med systemens definitioner och bygg sedan en brygga mellan jämförbara populationer.
Namnge det objekt som räknas
Ett inskickat formulär är en handling. En kontakt är en post för en person eller organisation. En affärsmöjlighet är en säljprocess. Ett kvalificerat lead är en status som tilldelas enligt verksamhetens regler. Samma person kan skicka två formulär, flera kontakter kan tillhöra en affär och ett formulär kan underkännas när CRM validerar uppgifterna.
Skriv en mening som definierar kampanjens event och en annan som definierar CRM-antalet. Eventet kan exempelvis avse en avslutad förfrågan medan CRM-summan avser nyskapade kontakter efter sammanslagning av dubbletter. Dessa meningar förklarar ofta varför exakt överensstämmelse aldrig var en rimlig förväntan.
Granska den verkliga eventdefinitionen och kampanjens inställningar i stället för att förlita er på en etikett i en rapport. OpenAI:s konverteringsdokumentation beskriver kopplingen mellan mottagna event, inställningar och kampanjer. Bryggan mot CRM i den här guiden är annonsörens interna analys och inte en dokumenterad automatisk synkronisering med CRM.
Samordna tid och population före matchning
Välj en fast rapportperiod, tidszon och tidpunkt för hämtningen. Ange om kampanjrapporten använder annonsinteraktionens tid eller konverteringens tid. Välj sedan det CRM-datum som svarar mot jämförelsen. Kontaktens skapande, formulärets inskick och kvalificeringen kan inträffa på olika dagar.
Avgränsa CRM-populationen noggrant. Alla nya kontakter omfattar rekommendationer, direktbesök, andra annonser och manuellt inlagda poster. En jämförelse med en ChatGPT-kampanjs attribuerade event fungerar bara om kampanjen uttryckligen behandlas som en delmängd och inte som källa till samtliga kontakter.
Skilj också nya prospekt från återkommande. En befintlig kontakts nya förfrågan kan skapa ett event utan att skapa en ny kontaktpost. Omvänt kan en import av äldre kontakter skapa nya CRM-rader utan ny aktivitet på webbplatsen. Behåll dessa kategorier synliga i stället för att lägga båda i en oförklarad restpost.
Bygg bryggan med övergångar som går att belägga
I ett hypotetiskt exempel registrerar webbplatsen 120 avslutade formulär. CRM slår ihop 10 upprepade inskick med befintliga kontakter och avvisar 6 ogiltiga poster. Kvar blir 104 nya kontakter. Det förklarar skillnaden mellan webbplats och CRM, men ännu inte varför annonsplattformen tillskriver kampanjen 38 handlingar.
Attribueringsjämförelsen behöver en egen avgränsning: giltiga annonsinteraktioner, valda fönster, kampanjens målkonfiguration och det matchningsunderlag som finns. Dra inte bara 38 från 104 och kalla resterande 66 för tappade konverteringar. Där kan finnas riktiga utfall från andra källor, återkommande kontakter och handlingar utanför rapportens valda definition.
Använd stabila interna referenser för formulär eller order där systemen får lagra dem. Om plattformen bara lämnar aggregerad rapportering ska avstämningen förbli aggregerad. Hitta inte på matchningar på personnivå och anta inte att en exporterad kampanjsumma ger tillgång till de bakomliggande identiteterna.
En hypotetisk brygga mellan två antal
- 120 formulär
Webbplatsens registrerade inskick före kvalitetskontroll.
- 104 CRM-poster
16 inskick slås ihop eller avvisas enligt CRM-regler.
- 38 attribuerade
Kampanjrapportens urval följer annonsinteraktioner och rapportregler.
Klassificera skillnaden innan den rättas
Användbara kategorier är dubbletthantering, avvisad validering, förskjutet datum, återkommande kontakt, saknad intern koppling och skillnad i attribueringsomfattning. Varje kategori behöver en underlagskälla och en ansvarig. En tillfällig kategori för övrigt går att använda, men dess storlek och okända innehåll ska vara synliga.
Granska ett litet tillåtet urval ur den största oförklarade kategorin. Ett tekniskt fel kan visa sig som saknade formulärreferenser efter en uppdatering. Ett operativt fel kan vara att säljprocessen skapar kontakter flera dagar efter förfrågan. Rätt åtgärd beror på vilken övergång som faktiskt fallerade.
Vid misstänkta dubbla handlingar används felsökning av deduplicering. Om posterna finns men ännu inte kvalificerats används fördröjning till kvalificerat lead. Undersökningarna svarar på olika frågor och bör inte slås ihop till ett enda betyg på spårningens kvalitet.
Redovisa det som fortfarande är okänt
Den färdiga tabellen bör visa båda ursprungliga totalerna, deras definitioner, förklarade kategorier och kvarstående skillnad. Visa inte en matchningsprocent utan att ange nämnaren. Andelen matchade bland alla CRM-kontakter betyder något annat än andelen bland webbformulär med intern referens.
Om flera annonsplattformar tillskriver sig samma utfall kan CRM ändå bara innehålla en affärsmöjlighet. Läs om överlapp mellan kanalernas attribuering innan summorna adderas. Avstämning beskriver hur poster hänger ihop, men avgör inte vilken kanal som orsakade affären.
Bestäm en uppföljningsåtgärd för okända skillnader som kan ändra budgetbeslutet. Behåll de hämtade versionerna så att en senare statusändring i CRM inte skriver över den ursprungliga jämförelsen. En bra avstämning slutar med ett förklarat och upprepningsbart samband mellan kampanjaktiviteten och affärsposterna, inte med en kosmetiskt perfekt totalsiffra.
Källor och avgränsning
Förklara skillnader mellan attribuerade kampanjhandlingar och CRM-poster med gemensamma definitioner och en avstämningsbrygga.
Arbetsmetoder och exempel är redaktionella förslag. Kontrollera aktuella plattformsvillkor och funktioner inför genomförandet.