Nyckeltal för mätning

Vad är kvotmått?

Förhållandemått är beräknade mått som mäter förhållandet mellan två olika händelser i ett enda mått. Till skillnad från enkla mätvärden, som automatiskt normaliseras med antalet användare i en variation, kan du med kvotmätvärden definiera en anpassad nämnare, vilket ger dig flexibilitet att konstruera mätvärden som direkt överensstämmer med hur ditt företag utvärderar prestanda.

Genom att dividera en händelses totala antal, unika antal, totala intäkter eller totala värde med en annan händelses motsvarande aggregering kan du med hjälp av kvotmått skapa avancerade mått som "intäkter per klick i varukorgen", "funktionstillämpning per konto" eller "genomsnittligt ordervärde".

Förhållandemätningar ger flexibilitet att konstruera mätningar som bättre återspeglar hur ditt företag utvärderar prestanda. De gör att du kan skapa anpassade mått som överensstämmer med etablerade KPI:er och föra in affärslogik direkt i din plattform för experimentering.

Denna anpassning överbryggar klyftan mellan data från experimentering och de mätvärden som intressenter bryr sig mest om, vilket gör dina experimentresultat mer handlingsbara och relevanta för affärsbeslut.

Obs: Ratio-mätvärden finns tillgängliga i produkterna Optimizely Web Experimentation (WX), Feature Experimentation (FX) och Optimizely Analytics.

Bildkälla: Optimizely

Men är det någon skillnad mellan kvotmått och enkla mått?

Enkla mätvärden är enklare att analysera och tolka, vilket gör dem idealiska när de på ett adekvat sätt fångar det du mäter. Förhållandemått erbjuder värdefull flexibilitet när du behöver anpassa experimentering till etablerade affärs-KPI:er som redan uttrycks som förhållanden."

Hur nyckeltal fungerar

Förhållandemått ger värdefull flexibilitet när du behöver mätningar som återspeglar dina etablerade affärs-KPI:er. Många organisationer använder redan kvotbaserade mått i sin dagliga verksamhet, och med hjälp av kvotmått kan du ta med samma mått i din experimentering.

Beräkningsprocessen följer en specifik metodik. Först kontrollerar systemet om en användare slutför nämnarhändelsen. Om denominatorhändelsen inträffade letar det sedan efter numeratorhändelser för samma användare inom ett 48-timmarsfönster. Det räknar det på per-användarnivå och aggregerar sedan förhållandet från ett per-användarförhållande. Systemet aggregerar värden för täljarhändelserna, summerar värden för de numeriskt baserade händelserna eller räknar förekomster för de räknebaserade händelserna. Därefter beräknas förhållandet per enhet och medelvärdet för alla kvalificerade enheter.

Förhållandemått kan också fungera som primära, sekundära eller övervakningsmått i dina experiment, beroende på hur väl de stämmer överens med dina företagsmål och experimentmål.

När ska man använda kvotmått?

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

Dessa mått är utmärkta för att överbrygga klyftan mellan data från experimentering och etablerade nyckeltal för verksamheten. Istället för att spåra intäkter per användare kan du till exempel mäta intäkter per klick i varukorgen för att förstå hur effektiva dina varukorgstillägg är när det gäller att generera intäkter.

Här är en titt på resultaten från Optimizely One med ett nyckeltal.

Bild källa: Optimizely

Exempel på nyckeltal

1. Optimering av e-handel: Spåra "Intäkter per klick i varukorgen" i stället för intäkter per användare. Detta hjälper dig att förstå om förbättringar av produktsidor leder till köp av högre värde när användare engagerar sig, även om klickfrekvensen förblir stabil.

2. B2B SaaS plattformar: För företagsprogramvara med flera användare per företag, mät "Feature Adoption per Account" 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, vilket direkt påverkar beslut om att behålla innehåll.

4. Marknadsföringstrattar: Skapa mått som "Formulärinlämningar per bannerklick" för att bedöma effektiviteten i konverteringen vid specifika kontaktpunkter och förstå det villkorliga förhållandet mellan anslutna händelser.

Statistiska överväganden för kvotmått

Förhållandemått kräver noggrann statistisk hantering på grund av sin komplexa natur. Eftersom de omfattar två händelser måste man för att fastställa statistisk signifikans uppskatta mätvärdets varians med hjälp av en första ordningens Taylor-serieapproximation (Delta-metoden).

Den statistiska metoden tar hänsyn till det faktum att de två händelserna i ett nyckeltal kanske inte är oberoende - deras värden kan vara statistiskt beroende, vilket innebär att förändringar i den ena händelsen kan korrelera med förändringar i den andra. Detta beroende fångas upp i variansberäkningen för att säkerställa korrekta statistiska slutsatser.

Bästa praxis för implementering av kvotmått

1. Inkludera alltid komponentmått: Lägg till täljaren och nämnaren som separata enkla mätvärden i samma experiment. Detta ger ett viktigt sammanhang för att tolka förändringar i kvoten och hjälper till att identifiera när kvoten blir skev på grund av dramatiska förändringar i endast en komponent.

2. Se upp för vilseledande signaler: Du kan förbättra kvoten genom att minska nämnaren medan täljaren förblir oförändrad. Till exempel kan "intäkter per besök" visa en förbättring eftersom besöken minskade, inte för att intäkterna förbättrades.

3. Välj rätt typ av mätetal: Börja med enkla mått när de på ett adekvat sätt fångar ditt mål. Använd kvotmått när en anpassad nämnare är nödvändig för att anpassa till verksamhetens KPI:er.

4. Analysera i sitt sammanhang: Använd din analytics dashboard för att förstå hur både täljaren och nämnaren beter sig för att förstå vad som driver förändringar i ditt nyckeltal.

För att sammanfatta...

Förhållandemått överbryggar klyftan mellan data från experimentering och verkliga affärsresultat genom att låta dig mäta det som är viktigast för din organisation.

När de implementeras på ett genomtänkt sätt, med noggrann uppmärksamhet på komponentmått och anpassning till etablerade nyckeltal, omvandlar de insikter från experimentering till användbar affärsinformation.

Nyckeln ligger i att välja rätt typ av mått för dina specifika mål och att tolka resultaten i ett bredare sammanhang med dina företagsmål.