Een lagere mediane tijd van winkelwagen tot aankoop kan door je startpunt komen

De vergelijking omvat 193.397 gekoppelde gebruiker-productparen, afkomstig van 23.692 geregistreerde gebruikers-ID’s. Elk paar heeft een eerste bruikbare winkelwagengebeurtenis in november en een latere geregistreerde aankoop binnen 7 dagen. Een gebruiker kan meerdere producten bijdragen, dus het aantal paren is geen aantal mensen, winkelwagens of bestellingen.

Voor elk paar begint de eerste klok bij de vroegste waargenomen winkelwagengebeurtenis in november. De tweede begint bij de laatste winkelwagengebeurtenis die strikt vóór dezelfde aankoop ligt. “Eerste” betekent dus de eerste in dit novemberbestand, niet de allereerste belangstelling voor het product. Het eindpunt, de aankoop, blijft gelijk.

De mediaan van de eerste klok was 2.656 seconden, ofwel 44 minuten 16 seconden. De mediaan van de laatste klok was 2.208 seconden, ofwel 36 minuten 48 seconden. Het verschil tussen die twee samenvattingen is 448 seconden: 7 minuten 28 seconden.

De verschillen per paar vertellen een ander verhaal: hun mediaan was nul. De middelste waarde van een rapport en de verandering voor één afzonderlijk record zijn verschillende samenvattingen. De volgende onderdelen laten zien waarom beide resultaten kunnen kloppen.

De tabel houdt de twee klokken en de verschillen per paar in aparte kolommen. Elke kolom wordt afzonderlijk gerangschikt. Een rij verwijst dus niet naar hetzelfde paar dat in alle drie de lijsten op die positie staat.

Voor 159.358 paren begonnen beide klokken bij één en hetzelfde geregistreerde winkelwagentijdstip. Hun verschil was nul. Deze paren vormden 82,4% van de gekoppelde groep. Dat verklaart waarom de mediaan van de gepaarde verschillen nul was, ook al verschilden de medianen van de twee klokken.

De overige 34.039 paren, ofwel 17,6%, hadden minstens twee verschillende winkelwagentijdstippen vóór dezelfde aankoop. Binnen deze kleinere groep was het mediane verschil tussen de klokken 469 seconden: 7 minuten 49 seconden. Die voorwaardelijke mediaan beschrijft deze 34.039 paren, niet alle 193.397.

De twee manieren om deze kleinere groep te herkennen zijn gelijkwaardig. Bij meer dan één verschillend voorafgaand winkelwagentijdstip ligt het laatste later dan het eerste, dus is de gemeten tijd vanaf dat laatste tijdstip korter. De bruikbare uitkomsten zijn hoe vaak dit gebeurde en hoe groot de geregistreerde tussentijd was. De richting volgt al uit de definities.

Gelijke metingen betekenen dat hetzelfde geregistreerde winkelwagentijdstip beide startpunten leverde. Ze beschrijven niet elke stap in de winkelgeschiedenis. Ook bij meerdere winkelwagenacties blijft hun doel onbekend: de bron heeft geen veld voor aantallen dat uitlegt wat ertussen veranderde.

Een klein voorbeeld maakt het onderscheid duidelijker. Neem 3 verzonnen gebruiker-productrecords, met alle tijdsduren in minuten. Hun tijdsduren vanaf de eerste winkelwagengebeurtenis zijn 10, 20 en 30. Voor de eerste 2 records blijven de tijdsduren vanaf de laatste winkelwagengebeurtenis 10 en 20. Voor het derde levert een later startpunt een tijdsduur van 5 op.

Het eerste rapport rangschikt de tijdsduren als 10, 20, 30. De middelste waarde, de mediaan, is 20. Het tweede rangschikt ze als 5, 10, 20. De mediaan is 10. Slechts 1 van de 3 records veranderde, maar dat was genoeg om te veranderen welke waarde midden in de gerangschikte lijst staat.

Vergelijk nu elk record met zichzelf. De verschillen zijn 0, 0 en 25. De middelste waarde van die lijst is nul. Het verschil tussen de rapportmedianen is 10, terwijl de mediaan van de verschillen per record nul is. Beide uitspraken volgen rechtstreeks uit deze verzonnen waarden.

Het grotere resultaat uit het winkellogboek werkt volgens hetzelfde principe. De medianen vatten hele verdelingen samen; de gepaarde verschillen houden elke aankoop als eigen vergelijkingspunt vast. De lagere mediaan lezen als de mate waarin een gebruikelijke aankoop “sneller ging”, zou die twee vragen door elkaar halen. In onze analyse veranderde geen enkel aankooptijdstip.

Een team kan tijdsduren naast een mediaan ook in tijdsklassen samenvatten. We gebruikten drie vaste beschrijvende klassen: minder dan 1 uur, 1 uur tot minder dan 1 dag en 1 dag tot en met 7 dagen. Dit zijn voorbeeldgroepen voor een rapport, geen voorgestelde momenten om een e-mail of ander bericht te sturen.

Door de startgebeurtenis te veranderen, kwamen 8.749 gekoppelde paren in een kortere tijdsklasse terecht: 4,5% van alle 193.397. Daarvan gingen 3.841 van de middelste klasse naar minder dan 1 uur; 3.020 van de langste klasse naar minder dan 1 uur; en 1.888 van de langste naar de middelste klasse.

De meeste paren bleven in dezelfde tijdsklasse. Daaronder vallen ook paren waarvan de exacte tijdsduur veranderde zonder een klassegrens te passeren. De tijdsklassentabel en de tabel met gelijke metingen beantwoorden dus verschillende vragen: veranderde de numerieke tijdsduur, en plaatste het rapport het paar in een andere groep?

Elk percentage in deze kruistabel gebruikt alle 193.397 gekoppelde paren als basis. De 3.841 paren die van de middelste klasse naar minder dan 1 uur verschuiven, vormen bijvoorbeeld 2,0% van de hele gekoppelde groep. Ze vormen niet 2,0% van de middelste rij. Door de gemeenschappelijke noemer zichtbaar te houden, blijft de tabel bruikbaar naast de totale vergelijking.

Neem Paper Orchard, een fictieve notitieboekwinkel. De tijdlijn en rapporttoelichting hieronder zijn verzonnen voorbeelden, los van de resultaten van de cosmeticawinkel. Neem aan dat alle 3 gebeurtenissen dezelfde geregistreerde gebruikers- en product-ID’s hebben en dat alle tijden UTC zijn.

Maandag 4 november, 09:00: er wordt een winkelwagengebeurtenis voor een notitieboek geregistreerd. Dinsdag 5 november, 09:00: er wordt nog een winkelwagengebeurtenis voor dat notitieboek geregistreerd onder dezelfde gebruikers-ID. Dinsdag 5 november, 09:30: er wordt een aankoopgebeurtenis geregistreerd.

De klok vanaf de eerste winkelwagengebeurtenis meet 24 uur 30 minuten. De klok vanaf de laatste meet 30 minuten. Het verschil per paar is 24 uur, precies de tijd tussen de twee winkelwagentijdstippen. De aankoop blijft in beide berekeningen op dinsdag om 09:30.

Het voorbeeld legt de berekening met gebeurtenissen uit zonder een geschiedenis van de winkelwageninhoud te geven. Het vertelt niet of het notitieboek de hele nacht in een winkelwagen bleef, of aantallen veranderden of dat de aankoop een afgehandelde bestelling werd. Een rapport kan de twee verstreken tijdsduren benoemen zonder die leemtes op te vullen met een verhaal over de koper.

De analist van Paper Orchard kan de eigenaar een uitgewerkte verklaring van de twee tijdsduren geven. Deze overdracht gebruikt het ene notitieboekrecord hierboven en gaat dus over die aankoop, niet over een maandelijkse mediaan.

Doel: verklaren waarom 2 samenvattingen van de tijd voor dezelfde notitieboekaankoop verschillen. De eigenaar moet het rapport juist kunnen beschrijven voordat het in toelichtingen op campagnes wordt gebruikt.

Record en venster: het ene fictieve gebruiker-notitieboekpaar hierboven, 4–5 november, UTC. Houd de aankoop op dinsdag om 09:30 vast. Het record past binnen de volgperiode van 7 dagen in het voorbeeld. Het geeft geen eerdere geschiedenis over de hele levensduur.

Startgebeurtenissen: noem de ene maatstaf “Tijd vanaf eerste waargenomen winkelwagengebeurtenis” en de andere “Tijd vanaf laatste winkelwagengebeurtenis vóór dezelfde aankoop”. Bewaar beide tijdstippen in het bronrecord van de analist. Kort beide labels niet af tot “aankooptijd”; dat zou hun verschillende betekenissen verhullen.

Uitgewerkte vergelijking: tijd vanaf eerste winkelwagengebeurtenis, 24 uur 30 minuten; tijd vanaf laatste winkelwagengebeurtenis, 30 minuten; verschil per paar, 24 uur. Het rapport kan zeggen: “Deze twee tijdsduren eindigen bij dezelfde geregistreerde aankoop. Hun verschil ontstaat doordat verschillende winkelwagengebeurtenissen als startpunt worden gebruikt.”

Interpretatie voor de eigenaar: zet die verklaring naast de vergelijking. De kortere tijdsduur beschrijft de tijd sinds de later geregistreerde winkelwagenactie. Ze biedt geen bewijs dat de checkout verbeterde of dat het notitieboek de hele nacht onafgebroken in een winkelwagen bleef.

Volgend rapport: de analist neemt de gekozen gebeurtenislabels, de UTC-tijdbasis en de vaste regel voor de volgperiode mee in de volgende vergelijking. Als de definitie verandert, beschrijft de eigenaar die wijziging voordat de hoofdgetallen worden vergeleken. Elke beoordeling van berichten of promoties heeft eigen bewijs nodig.

Deze toelichting geeft een maker of kleine winkel iets concreets om met een rapportagepartner af te stemmen: waar elke tijdsduur begint en eindigt. Ze laat de commerciële verklaring open totdat er bewijs voor is, terwijl ze de gemeten tijdsduur wel rechtstreeks benoemt.

Hetzelfde probleem kan ontstaan wanneer een bureau en een winkel verschillende rapportagetools gebruiken, of wanneer een nieuwe export een langere of kortere geschiedenis bevat. Een gedeeld label zoals “tijd van winkelwagen tot aankoop” bewijst niet dat achter beide getallen dezelfde startgebeurtenis, aankoopkoppeling of hetzelfde waarnemingsvenster zit.

Voor een eigenaar die maandrapporten vergelijkt, is dit van belang voordat een trend wordt beschreven. Als de ene maand start bij de eerste waargenomen winkelwagengebeurtenis en de volgende bij de laatste vóór de aankoop, combineert de reeks 2 definities. Een lager getal kan dan de gewijzigde regel weerspiegelen, naast andere verschillen tussen de maanden. Onze vergelijking houdt de aankopen gelijk en isoleert het definitieverschil; ze meet geen prestatieverandering van maand tot maand.

Wanneer een rapportagetool of export verandert, houd de definitiewijziging dan zichtbaar in de overdracht. De bruikbare vraag is of de oude en nieuwe samenvattingen hetzelfde beschrijven. Als ook de beschikbare geschiedenis verschilt, benoem dat verschil dan apart. Een eerste waargenomen gebeurtenis hangt af van waar de bewaarde geschiedenis begint, zelfs als het label klinkt als het begin van de hele klantreis.

Analysetools maken al expliciete keuzes over de instap in een funnel en het koppelen van conversies. Amplitude beschrijft bijvoorbeeld regels voor de vroegste instap binnen een sessie of terugkijkvenster, samen met de selectie van conversiepaden die aan de voorwaarden voldoen. Die definities geven context bij het lezen van een rapport; onze berekening met 2 klokken bootst geen Amplitude-rapport na.^[3]

De keuze kan nog steeds bewust zijn. Een tijdsduur vanaf de eerste waargenomen winkelwagengebeurtenis beschrijft de geregistreerde tijd sinds die eerste gebeurtenis. Een tijdsduur vanaf de laatste voorafgaande winkelwagengebeurtenis beschrijft de tijd sinds de recentste geregistreerde winkelwagenactie vóór de aankoop. Een bedrijf kan de maatstaf kiezen die zijn rapportagevraag beantwoordt en die betekenis vervolgens stabiel houden in vergelijkingen.

Het label moet dit onderscheid meenemen naar het rapport dat de eigenaar daadwerkelijk leest. “Mediane tijd vanaf eerste waargenomen winkelwagengebeurtenis” en “Mediane tijd vanaf laatste winkelwagengebeurtenis vóór aankoop” maken de verschillende startpunten duidelijk. Beide simpelweg “aankooptijd” noemen verwijdert de informatie die nodig is om hun verschil te begrijpen. Houd ook de opgenomen groep en de volgperiode erbij.

Dit is vooral bruikbaar wanneer een maker of klein bedrijf iemand anders de analyse laat voorbereiden. De eigenaar hoeft niet elke gebeurtenis te bekijken om een duidelijke definitie te vragen. De rapportagepartner moet kunnen uitleggen welk startpunt, eindpunt en welke in aanmerking komende records het getal opleverden voordat er een commerciële interpretatie aan wordt verbonden.

Voor het onderzoek hierboven is de onderbouwde interpretatie specifiek: dezelfde geregistreerde aankopen leverden verschillende samenvattingen van de verstreken tijd op bij 2 startregels. Om te bepalen of een productpagina, promotie of bericht om kopers terug te halen de koopervaring verbeterde, is bewijs over die afzonderlijke verandering nodig.

We gebruikten het bestand van november 2019 uit versie 6 van de openbare dataset van de cosmeticawinkel. Het bevat 4.635.837 gebeurtenisrijen met de labels view, cart, remove_from_cart en purchase. De tijdstippen waren UTC, met records op elke dag in november. Dit beschrijft de dekking van het aangeleverde bestand en bewijst niet dat elke persoon continu werd gevolgd.^[1][2]

Er waren 1.061.242 geregistreerde gebruiker-productparen met een winkelwagengebeurtenis. We behielden de eerste bruikbare winkelwagengebeurtenissen van 1 tot en met 23 november, met als eis dat er tot het waargenomen bestandseinde 7 dagen beschikbaar waren. De 270.024 paren met hun eerste winkelwagengebeurtenis later in november vielen buiten dit cohort. Alle paren die op basis van de datum in aanmerking kwamen, voldeden aan de eis voor het bestandseinde.

Van 791.218 in aanmerking komende paren hadden 193.397 een ondubbelzinnige latere geregistreerde aankoop binnen die vaste termijn. De overige 597.821 bleven binnen 7 dagen zonder gekoppelde aankoop. Het zijn geen waargenomen verlaten winkelwagens: een aankoop kan later plaatsvinden, ongeregistreerd blijven of een andere ID gebruiken. De tijdscijfers gelden onder de voorwaarde dat een paar tot de gekoppelde groep behoort; ze zijn geen conversie- of verlatingspercentage.

We selecteerden de vroegste aankoop op of na de eerste winkelwagengebeurtenis, tot en met het eindpunt na 7 dagen. Een aankoop op exact hetzelfde tijdstip als de eerste winkelwagengebeurtenis, of een winkelwagengebeurtenis op exact hetzelfde tijdstip als die kandidaat-aankoop, zou als dubbelzinnig worden uitgesloten zonder een latere aankoop te kiezen. Zulke gevallen kwamen niet voor. Herhaalde identieke geselecteerde gebeurteniscombinaties werden samengevoegd; verwijderingen zetten geen veronderstelde winkelwagenstatus terug.

De dataset bevat geen winkelwagen-ID, bestel-ID, aantallen of retourstatus. Eerder onderzoek naar hetzelfde logboek onderzocht sessies en reconstrueerde de winkelwagenstatus met process mining. Onze berekening vergelijkt juist twee waargenomen startgebeurtenissen voor één aankoop per gebruiker-productpaar die gelijk blijft, zonder een winkelmand te reconstrueren.^[4]

We legden het cohort, de termijn, de regels voor gelijke tijdstippen en de beschrijvende tijdsklassen vast vóór het berekenen van de uitkomsten. Percentielen gebruiken lineaire interpolatie. De figuren beschrijven de in aanmerking komende records zonder betrouwbaarheidsintervallen voor de populatie of causale gevolgtrekkingen. De download bevat geaggregeerde resultaten, exacte definities en code om de analyse te reproduceren, zonder oorspronkelijke gebruiker-productgeschiedenissen.^[5]