Kvotmätvärden

Vad är kvotmätvärden?

Kvotmätvärden är beräknade mätvärden som mäter förhållandet mellan två olika händelser i ett enda mätvärde. Till skillnad från enkla mätvärden, som automatiskt normaliserar efter antalet användare i en variant, låter kvotmätvärden dig definiera en anpassad nämnare. Det ger dig flexibilitet att konstruera mätningar som direkt speglar hur ditt företag utvärderar prestanda.

Genom att dividera en händelses totala antal, unika antal, totala intäkter eller totalvärde med en annan händelses motsvarande aggregering, möjliggör kvotmätvärden avancerade mätningar som „intäkter per lägg-i-varukorg-klick“, „funktionsadoption per konto“ eller „genomsnitten ordervärde“.

Kvotmätvärden ger flexibilitet att konstruera mätningar som bättre speglar hur ditt företag utvärderar prestanda. De låter dig skapa anpassade mätvärden som är i linje med etablerade KPI:er och tar in affärslogik direkt i din experimentplattform.

Den här anpassningen överbryggar klyftan mellan experimentdata och de mätvärden som intressenter bryr sig mest om, vilket gör dina experimentresultat mer handlingsbara och relevanta för affärsbeslut.

Obs! Kvotmätvärden är tillgängliga i Web Experimentation (WX), Feature Experimentation (FX) och Optimizely Analytics.

Bildkälla: Optimizely

Men finns det någon skillnad mellan kvotmätvärden och enkla mätvärden?

Enkla mätvärden är mer okomplicerade att analysera och tolka, vilket gör dem idealiska när de på ett tillfredsställande sätt fångar det du mäter. Kvotmätvärden erbjuder värdefull flexibilitet när du behöver anpassa experimentering till etablerade affärs-KPI:er som redan uttrycks som kvoter.”

Hur kvotmätvärden fungerar

Kvotmätvärden ger värdefull flexibilitet när du behöver mätningar som speglar dina etablerade affärs-KPI:er. Många organisationer använder redan kvotbaserade mätvärden i sin dagliga verksamhet, och kvotmätvärden låter dig ta med samma mätningar in i ditt experimentprogram.

Beräkningsprocessen följer en specifik metodik. Först kontrollerar systemet om en användare slutför nämnar-händelsen. Om nämnar-händelsen inträffade letar det sedan efter täljare-händelser för samma användare inom ett 48-timmarsfönster. Det räknar på användarnivå och aggregerar sedan kvoten från en per-användare-kvot. Systemet aggregerar värden för täljare-händelserna, summerar värden för numeriska händelser eller räknar förekomster för räknebaserade händelser. Sedan beräknar det kvoten per enhet och tar medelvärdet över alla kvalificerande enheter.

Kvotmätvärden kan även fungera som primära, sekundära eller övervakande mätvärden i dina experiment, beroende på hur väl de överensstämmer med dina affärsmål och experimentmål.

När du ska använda kvotmätvärden

Kvotmätvärden är särskilt kraftfulla i flera scenarier. Använd dem när du behöver mäta effektivitet eller värde per händelse snarare än per användare, när din viktigaste prestationsindikator redan uttrycks som en kvot (som intäkter per session eller köp per konto), eller när du vill skapa trattliknande mätvärden för att analysera sekventiella händelserelationer.

Dessa mätvärden är utmärkta för att överbrygga klyftan mellan experimentdata och etablerade affärs-KPI:er. Istället för att spåra enkla intäkter per användare kan du till exempel mäta intäkter per lägg-i-varukorg-klick för att förstå effektiviteten hos dina varukorgtillägg när det gäller att generera intäkter.

Bildkälla: Optimizely

Exempel på kvotmätvärden

1. E-handelsoptimering: Spåra „intäkter per lägg-i-varukorg-klick“ istället för intäkter per användare. Detta hjälper dig att förstå om förbättringar på produktsidor driver mer värdefulla köp när användare engagerar sig, även om klickfrekvenserna förblir stabila.

2. B2B SaaS-plattformar: För företagsprogramvara med flera användare per företag, mät „funktionsadoption per konto“ snarare än per användare. Detta avslöjar organisatoriska adoptionsmönster istället för individuell användning.

3. Streamingtjänster: Istället för att mäta tittartid per användare, spåra „total tittartid per hushållskonto“. Detta ger insikter om innehållsengagemang på prenumerationsnivå och påverkar direkt beslut om kundbehållning.

4. Marknadsföringstratter: Skapa mätvärden som „formulärinlämningar per bannerklick“ för att bedöma konverteringseffektivitet vid specifika kontaktpunkter och förstå det villkorliga förhållandet mellan kopplade händelser.

Statistiska överväganden för kvotmätvärden

Kvotmätvärden kräver noggrann statistisk hantering på grund av sin komplexa natur. Eftersom de involverar två händelser kräver fastställandet av statistisk signifikans uppskattning av mätvärdesvariansen med hjälp av en Taylorserieapproximation av första ordningen (Delta-metoden).

Den statistiska metodiken tar hänsyn till det faktum att de två händelserna i ett kvotmätvärde kanske inte är oberoende – deras värden kan vara statistiskt beroende, vilket innebär att förändringar i en händelse kan korrelera med förändringar i den andra. Detta beroende fångas i variansberäkningen för att säkerställa korrekta statistiska slutledningar.

Bästa praxis för implementering av kvotmätvärden

1. Inkludera alltid komponentmätvärden: Lägg till täljaren och nämnaren som separata enkla mätvärden i samma experiment. Detta ger viktig kontext för att tolka kvotsförändringar och hjälper till att identifiera när kvoter snedvrids på grund av dramatiska förändringar i bara en komponent.

2. Håll utkik efter vilseledande signaler: Du kan förbättra kvoten genom att minska nämnaren medan täljaren förblir oförändrad. Till exempel kan „intäkter per besök“ visa förbättring eftersom besöken minskade, inte för att intäkterna förbättrades.

3. Välj rätt mätvärdestyp: Börja med enkla mätvärden när de på ett tillfredsställande sätt fångar ditt mål. Använd kvotmätvärden när en anpassad nämnare är väsentlig för att anpassa sig till affärs-KPI:er.

4. Analysera i kontext: Använd din analysdashboard för att förstå hur både täljaren och nämnaren beter sig för att förstå vad som driver förändringar i ditt kvotmätvärde.

Sammanfattning...

Kvotmätvärden överbryggar klyftan mellan experimentdata och verklig affärsprestanda genom att låta dig mäta det som är viktigast för din organisation.

När de implementeras omsorgsfullt, med noggrann uppmärksamhet på komponentmätvärden och anpassning till etablerade KPI:er, omvandlar de experimentella insikter till handlingsbar affärsintelligens.

Nyckeln ligger i att välja rätt mätvärdestyp för dina specifika mål och tolka resultaten i den bredare kontexten av dina affärsmål.