Yleisin syy siihen, ettei ensimmäinen kausaalianalyysi johda mihinkään, ei ole datan puute. Se on se, että data on väärän muotoista tai että sarake, jonka kaikki oletti olevan kunnossa, osoittautuukin kirjatuksi jälkikäteen. Molemmat on helppo korjata, kun tietää mitä etsiä.
Muoto: yksi rivi tutkittavaa asiaa kohden
Analysoitpa mitä tahansa — asiakasta, kauppaa, kampanjaviikkoa — jokainen saa täsmälleen yhden rivin, ja jokainen sarake kuvaa samaa asiaa. Tämä kuulostaa itsestään selvältä ja on vaihe, jonka ihmiset useimmin tekevät väärin, tyypillisesti yhdistämällä kaksi eri tarkkuustason taulua niin että asiakkaat monistuvat kerran per tilaus.
Nopea testi: laske rivit ja laske eri tunnisteet. Jos luvut eroavat, tiedosto ei ole valmis.
Neljä asiaa, jotka jokainen analyysi tarvitsee
- —Tunnistesarake — asiakas, kauppa tai asiakkuus, jota rivi kuvaa
- —Lopputulos josta välität — poistuiko vai ei, liikevaihto, konvertoiko vai ei
- —Asia jota muutitte — alennus, kampanja, käyttöönottopuhelu. Joko kyllä/ei tai määrä
- —Konteksti joka vaikutti molempiin — segmentti, koko, kanava, asiakkuuden kesto, alue, ajanjakso
Neljäs ryhmä on se, jossa varsinainen työ on, ja siinä kannattaa olla antelias. On paljon parempi ottaa mukaan sarake, joka osoittautuu merkityksettömäksi, kuin jättää pois sellainen, jolla oli merkitystä.
Kuinka paljon riittää?
Vähemmän rivejä kuin ihmiset olettavat. Muutama sata antaa suuntaa antavan vastauksen rehellisen epävarmuuden kera. Tuhat tai enemmän antaa mahdollisuuden katsoa segmenttien välisiä eroja yhden kokonaisluvun sijaan.
Määrää tärkeämpää on vaihtelu. Jos 95 prosenttia kaupoistanne sai alennuksen, vertailtavaa ei juuri ole, eikä mikään määrä lisärivejä korjaa sitä. Tarvitset kohtuullisen määrän tapauksia testattavan asian molemmin puolin.
Kymmenen tuhatta riviä, joissa kaikki saivat saman kohtelun, on vähemmän arvokas kuin neljäsataa riviä, joissa on aitoa vaihtelua.
Virhe 1: lopputuloksen jälkeen kirjatut sarakkeet
Tämä on se, joka pilaa hiljaisesti eniten analyyseja. Jos sarake kirjattiin tai päivitettiin lopputuloksen tapahtumisen jälkeen, se sisältää tietoa tulevaisuudesta.
Klassisia esimerkkejä: poistuman syy -kenttä, joka täytetään kun asiakkuus irtisanotaan. Kaupan lopullinen vaihe, joka on ”Closed Won” jokaiselle voitetulle kaupalle. Asiakkuuden terveyspisteet, jotka on laskettu uudelleen viime yönä eikä sellaisina kuin ne olivat päätöshetkellä.
Mikä tahansa näistä tuottaa kauniin itsevarman tuloksen, joka ei tarkoita mitään. Testi on yksinkertainen: kysy jokaisesta sarakkeesta, olisitko tiennyt tämän arvon ennen lopputulosta. Jos et, poista se tai rekonstruoi sen historiallinen arvo.
Virhe 2: toimenpide ei ole yksi asia
Sarake nimeltä ”alennus_annettu”, joka sekoittaa 5 %:n hyvän tahdon eleen ja 40 %:n kvartaalin lopun pelastusoperaation, ei mittaa yhtä toimenpidettä. Ei myöskään ”käyttöönotto_valmis”, kun se tarkoittaa toisille täyttä kahden viikon ohjelmaa ja toisille yhtä sähköpostia.
Joko jaa nämä erillisiksi asioiksi tai kirjaa voimakkuus — prosentti, tapaamisten määrä — jotta analyysi voi löytää kohdan, jossa vaikutus muuttuu.
Virhe 3: ei aikatietoa
Ajoitus ratkaisee suuren osan vaikutuskaavion epäselvyyksistä, koska myöhemmin tapahtunut ei ole voinut aiheuttaa aiempaa. Ota päivämäärät mukaan aina kun niitä on: milloin asiakkuus alkoi, milloin toimenpide tehtiin, milloin lopputulos mitattiin.
Ilman päivämääriä ohjelmiston pitää arvata suunnat ja sinun pitää korjata kaaviota käsin enemmän.
Viiden minuutin ennakkotarkistus
- —Yksi rivi asiakasta, kauppaa tai jaksoa kohden — rivimäärä vastaa eri tunnisteiden määrää
- —Lopputulossarakkeessa on aitoa vaihtelua, ei 99 % samaa arvoa
- —Muutetulla asialla on kohtuullinen määrä tapauksia molemmin puolin
- —Jokainen sarake olisi ollut tiedossa ennen lopputulosta
- —Päivämäärät ovat mukana aina kun niitä on
- —Kaikki jaksoon liittyvä poikkeuksellinen — kampanja, hinnanmuutos, organisaatiomuutos — on mukana sarakkeena
Jos datanne ei vielä näytä tältä ja juuri se on pullonkaula, tuo muokkaustyö on täsmälleen sitä, mitä Enterprise-paketin datan valmistelun konsultointi kattaa.