4 个你可以从中吸取教训而不再重蹈覆辙的分析错误

[mostakimvip06]

网络分析并不是一件容易的事。一旦您完成了分析工具的技术实施并开始收集数据，您的工作就有了一个良好的开端。人性、网络的复杂性、缺乏正确的数据，以及没有充分考虑要测量的内容以及数据将告诉您什么，通常会导致对数据的误解。

人们对世界已经有了相当完善的观念，但它并不总是正确的。网络、数据和用户行为没有什么不同。当通常错误的假设和信念与错误的数据或考虑不周的分析方法相结合时，它很快就会变成完全虚构的结果、成功、发现和转变，从而可能导致错误的决策。

任何负责分析和优化广告的人都可以摆脱职业生涯中发生的一系列错误、意外和奇怪事件。你可以阅读下面我的一些内容。

错误号1：提交的在线服务申请的结果高于平均水平
我们做错了什么？由于不正确的实施或数据解释，这个幽灵并没有渗透到分析中。在该项目中，我们记录了大量提交的在线申请。问题的出现是因为在线申请不具有约束力——随后是另一个离线确认步骤，同时该服务并非向所有人提供。因此，用户“测试”提交的应用程序以确定他们是否可以使用该服务。当然，并不是每个人都有意愿完成申请，而且也不是每个人都能完成。

我们是如何发现该错误的？诚实地？结果好得令人难以置信。作为一个渠道，Facebook 往往更像是一个认知工具——它有利于促销和品牌曝光，但在大多数情况下（因为总有例外）它不会产生最终点击交易。在这种特殊情况下，他每周都会带来异常多的数量，因此我们对此事进行了更多调查。

我们如何修复这个错误？我们为用户提供了他们想要和需要的东西。他们可以使用一个单独的工具来检查该服务是否可用。正如预期的那样，我们立即注意到该服务的申请数量有所下降。剩下的才是最重要的。广告的优化也能顺利进行，决策是根据真实而非虚构的数据做出的。

好的结果有时是虚构的，因为您没有考虑如何使用您的服务。
点击发推文

错误号2：误判广告成功
我一生中犯过许多分析和广告错误，而这一次是最大且最具启发性的错误之一。

我们做错了什么？我们设定了一个完全错误的广告目标。我们的任务是从新用户那里产生交易。我们将所有现有客户排除在广告之外，然后衡量广告产生的交易。从逻辑上讲。

我们忘记了这样一个事实：几乎在所有情况下，注册和下订单都是在交易前几天进行的 - 这就是产品的性质。买家下订单后几天，他就付款了。由于我们的广告重点是交易，所以我们自然会向那些已经购买产品但尚未付款的人做广告。无论有没有广告，我们记录的所有收入都会发生。

我们是如何发现该错误的？广告商的生活告诉我，时不时地从 Google Analytics 导出特定交易并将数据与后端系统（CRM、支付或预订系统或其他系统）的数据进行比较是明智的。我惊讶地发现，几乎所有广告交易都是由已经在系统中注册的买家进行的，因此并不是新买家。

我们如何修复这个错误？我们确保客户的订单提交系统将每个产品订单的数据发送到 Google Analytics（分析），甚至在交易完成之前也是如此。同时，我们把所有广告都集中在生成下单上，完全放弃了针对交易的优化。

广告商的生活告诉我，比较 Google Analytics 和其他后端系统的数据以避免偏差和错误是明智的。

错误号3：类目中的产品分类影响购买转化率
我们做错了什么？在分析中，我们监控了产品分类如何影响购买转化率。我们测 纳米比亚电报数据库 试了访客最多的两个类别，以便获得足够的样本以尽快做出决定。事实证明，排名第一到第八的产品都是最畅销的。当然，根据测试结果，我们对所有类别的产品进行了重新排序，并将我们最想销售的产品放在前八位。您可能已经知道这些产品的销量并未增长。

诀窍在于，在线商店中的算法会自动排列产品，使折扣最大的产品排名最高，而测试类别在测试过程中并未反映出这一点。当然，产品的重新分配也是一种摸索。

我们是如何发现该错误的？失败的结果促使我们再次进行测试，发现最高的转化率已经下降到了类别中。经过一番努力和研究，我们发现利润率最低的产品转化率最高，低利润率意味着高折扣。过了一会儿：



我们如何修复这个错误？我们回到了最初的起点，拍拍自己的背，那天没有再打开分析或 Excel。我们还接受了这样一个事实：折扣销售并不总是与用户体验有关 - 当人们只想以最低价格购买产品时。

这并不总是与用户体验有关——有时人们只是想要以最低的价格获得产品。
点击发推文

错误号4：CRO/UX 优化的伟大发现
我们做错了什么？根据购买流程的 A/B 测试，我们确定了获胜版本，该版本有望大幅提高转化率。我们进行了 14 天的测试，很快就对结果感到满意，但我们没有考虑统计显着性。

我们是如何发现该错误的？很容易。当我们在整个网站上实施 A/B 测试的获胜版本时，转化率几乎一夜之间跌至过去 8 个月的历史最低点。我们重新检查了 A/B 测试，发现获胜版本中购买的产品的性质导致与平均值的偏差非常高，从而扭曲了测试结果。

我们如何修复这个错误？我们不是。不幸的是，我们放弃了这次测试。由于参观人数不足，我们无法在足够短的时间内进行测试，并且由于产品的性质、季节等外界影响，我们无法延长测试时间。实际上，这意味着我们无法确保足够数量的用户来使测试具有统计显着性，因此我们放弃了它。但有时，最好还是把枪扔进玉米里。

A/B测试时，一定要考虑你没有预见到的外部因素的影响！
点击发推文

这四个错误有什么共同点？尽管它们非常不同，但它们的发生都有两个根本原因：当我解释或收集数据，根据我过去的经验过快地做出假设或结论，或者没有花足够的时间来彻底考虑我正在测试的内容，以及最重要的是，用户行为的其他哪些因素可能会影响我的测试。

在对结果和在线行为的分析中，没有空间进行快速决策、假设和不经过深思熟虑的测试，而您不能投入足够的时间。如果您快速进行测试，该测试的分析很可能会很快，这两者都会大大增加您在分析过程中犯错误的可能性。