CausoAI piirtää vaikutuskaavion datastasi automaattisesti, mutta se ei vie kaaviota suoraan analyysiin. Sinä tarkistat sen ensin. Tämä on prosessin ainoa vaihe, joka aidosti tarvitsee ihmistä, ja kannattaa ymmärtää miksi ennen kuin katsoo mitä tarkistaa.
Miksi ohjelmisto ei voi viedä tätä loppuun itse
Data kertoo, että kaksi asiaa liikkuvat yhdessä. Se ei aina kerro, kumpi ajaa kumpaa. Jäätelön myynti ja hukkumiset nousevat yhdessä joka kesä; mikään luvuissa ei paljasta, että aurinko on molempien takana, tai mihin suuntaan nuolen pitäisi osoittaa.
Algoritmit kaventavat vaihtoehtoja huomattavasti — ajoitus, tilastollinen rakenne ja tunnetut kuviot sulkevat pois valtavan määrän mahdollisuuksia. Mutta ne päätyvät säännöllisesti tilanteeseen, jossa kaksi järjestystä sopii dataan yhtä hyvin ja vain liiketoiminnan tuntemus erottaa ne. Se tuntemus on sinun, ei mallin.
Sinua ei pyydetä tarkistamaan tilastotiedettä. Sinua pyydetään sanomaan, vastaako kuva sitä, miten liiketoimintanne oikeasti toimii.
Vaihe 1: Tarkista väärinpäin osoittavat nuolet
Aloita tästä, koska se on yleisin virhe ja helpoin huomata. Lue jokainen nuoli ääneen lauseena: ”A aiheuttaa B:n.” Useimmat virheet paljastuvat heti kun ne sanoo.
Varo nuolia, jotka kulkevat ajassa taaksepäin. Jos kaavio sanoo että liikevaihto aiheuttaa mainosbudjetin, kysy onko se aidosti väärin — joskus se on täsmälleen oikein, koska viime kvartaalin liikevaihto määritti tämän kvartaalin budjetin. Testi on ajoitus, ei intuitio siitä, mikä kuulostaa järkevältä.
Vaihe 2: Etsi se, mikä puuttuu
Tämä on arvokkain tarkistus, jonka voit tehdä, ja se jonka ohjelmisto pystyy huonoiten tekemään puolestasi. Kaavio voi sisältää vain sen, mikä on datassasi. Jos jokin tärkeä ajaa kahta muuttujaa yhtä aikaa eikä ole tiedostossasi, analyysi laskee sen vaikutuksen jonkin muun piikkiin.
Kysy itseltäsi: mitä tänä aikana tapahtui, mitä tässä aineistossa ei ole?
- —Sesonki, juhlapyhät tai tilikauden kvartaalin muoto
- —Samaan aikaan pyörinyt brändikampanja, mediaosuma tai kilpailijan tapahtuma
- —Hinnanmuutos, pakettimuutos tai verkkosivu-uudistus
- —Organisaatiomuutos, uusi myyntijohtaja tai muutos tiimin palkitsemisessa
- —Mikä tahansa muutos siinä, miten dataa itseään kerättiin
Jos jokin näistä oli käynnissä eikä ole mukana, sen lisääminen on arvokkainta mitä voit tehdä. Karkeakin sarake — merkintä viikoista, joina kampanja pyöri — on paljon parempi kuin jättää se pois.
Vaihe 3: Varo välikäsiongelmaa
Osa muuttujista sijaitsee muuttamasi asian ja tavoittelemasi lopputuloksen välissä. Sähköpostikampanjat tuovat käyntejä sivustolle, ja käynnit tuovat rekisteröitymisiä. Käynnit ovat välissä.
Välimuuttujat vaativat tarkkuutta. Jos vakioit sellaisen samalla kun mittaat ylävirran asian vaikutusta, pyyhit pois suurimman osan siitä vaikutuksesta, jota yritit mitata — koska vaikutus kulki välikäden kautta. Kaavion pitää näyttää nämä ketjuna eikä kolmena erillisenä nuolena lopputulokseen.
Nyrkkisääntö: jos B tapahtuu vain koska A tapahtui, B kuuluu A:n ja lopputuloksen väliin, ei niiden viereen.
Vaihe 4: Kyseenalaista kaikki mikä yllättää
Jos kaavio näyttää yhteyden, jota et tunnista, älä poista sitä refleksinomaisesti äläkä hyväksy sitä siksi, että ohjelmisto piirsi sen. Molemmat reaktiot hävittävät tietoa.
Yllättävä nuoli tarkoittaa yhtä kolmesta: data on löytänyt jotain todellista, jota et tiennyt, kahta muuttujaa ajaa jokin tiedostosta puuttuva asia, tai sarake tarkoittaa jotain muuta kuin mitä sen nimi antaa ymmärtää. Kolmas on yleisempi kuin luullaan, erityisesti kentissä, joiden määritelmä vaihtui kesken jakson.
Milloin kaavio on riittävän hyvä
Kaavion ei tarvitse olla täydellinen teoria liiketoiminnastasi. Sen pitää olla oikeassa niiden reittien osalta, jotka yhdistävät testattavan asian tavoittelemaasi lopputulokseen, ja sen pitää sisältää tärkeimmät molempiin vaikuttavat tekijät.
Ensimmäisessä analyysissa tämä on yleensä kymmenen minuutin tarkistus, ja valmiuspisteytys kertoo jälkikäteen, jos jotain tärkeää yhä puuttuu. Jokainen tallentamasi versio säilyy, joten voit muuttaa mieltäsi, ajaa uudelleen ja vertailla.