Maaaring bumaba ang median mula cart hanggang pagbili dahil sa napiling simula ng pagsukat

Kasama sa paghahambing ang 193,397 na pares ng user at produkto na may katugmang pagbili, mula sa 23,692 na naitalang user ID. Bawat pares ay may unang magagamit na cart event sa Nobyembre at kasunod na naitalang pagbili sa loob ng 7 araw. Maaaring may ilang produkto ang isang user, kaya hindi bilang ng tao, cart, o order ang bilang ng mga pares.

Para sa bawat pares, nagsisimula ang unang pagsukat sa pinakamaagang naobserbahang cart event nito sa Nobyembre. Nagsisimula ang ikalawa sa pinakahuling cart event na mahigpit na nauna sa parehong pagbili. Samakatuwid, ang “una” ay una sa file na ito ng Nobyembre, hindi ang kauna-unahang interes sa produkto. Hindi binabago ang pagbiling nagsisilbing dulo.

Ang median mula sa unang cart ay 2,656 segundo, o 44 minuto 16 segundo. Ang median mula sa huling cart ay 2,208 segundo, o 36 minuto 48 segundo. Kapag ibinawas ang dalawang buod na iyon, ang resulta ay 448 segundo: 7 minuto 28 segundo.

Iba ang ipinapakita ng mga pagkakaiba sa loob ng bawat pares: zero ang kanilang median. Magkaibang buod ang gitnang halaga sa isang ulat at ang pagbabago sa isang indibidwal na record. Ipinapakita ng mga susunod na seksiyon kung bakit maaaring parehong tama ang dalawang resulta.

Magkahiwalay na column sa talahanayan ang dalawang tagal at ang mga pagkakaiba sa loob ng mga pares. Magkahiwalay ang pagraranggo sa bawat column, kaya hindi tinutukoy ng isang row ang parehong pares na nasa posisyong iyon sa lahat ng tatlong listahan.

Para sa 159,358 na pares, nagsimula ang dalawang pagsukat sa iisang natatanging timestamp ng cart. Zero ang kanilang pagkakaiba. Binubuo nila ang 82.4% ng grupong may katugmang pagbili, na nagpapaliwanag kung bakit zero ang median ng mga pagkakaiba sa bawat pares kahit magkaiba ang dalawang median ng tagal.

Ang natitirang 34,039 na pares, o 17.6%, ay may hindi bababa sa dalawang magkaibang timestamp ng cart bago ang parehong pagbili. Sa mas maliit na grupong ito, ang median ng pagkakaiba ng dalawang tagal ay 469 segundo: 7 minuto 49 segundo. Inilalarawan ng conditional median na iyon ang 34,039 na pares na ito, hindi ang lahat ng 193,397.

Katumbas ang dalawang paraan ng pagtukoy sa mas maliit na grupong ito. Kung may higit sa isang magkaibang timestamp ng cart bago bumili, mas huli ang huling timestamp kaysa sa una, kaya mas maikli ang tagal mula rito. Ang kapaki-pakinabang na nasukat na impormasyon ay kung gaano kadalas ito nangyari at gaano kalaki ang naitalang pagitan. Ang direksiyon mismo ay bunga na ng mga depinisyon.

Ang magkaparehong tagal ay nangangahulugang parehong naitalang timestamp ng cart ang simula ng dalawang pagsukat. Hindi nito inilalarawan ang bawat hakbang sa kasaysayan ng pamimili. Hindi rin malinaw ang layunin ng maraming cart action: walang field para sa dami sa source upang ipaliwanag kung ano ang nagbago sa pagitan ng mga ito.

Mas madaling makita ang kaibahan sa isang maliit na halimbawa. Kumuha ng 3 kathang-isip na record ng user at produkto, at sukatin ang lahat ng tagal sa minuto. Ang mga tagal mula sa unang cart ay 10, 20, at 30. Para sa unang 2 record, 10 at 20 pa rin ang tagal mula sa huling cart. Para sa ikatlo, 5 ang tagal kapag nagsimula sa mas huling cart event.

Inaayos ng unang ulat ang mga tagal bilang 10, 20, 30. Ang gitnang halaga, ang median, ay 20. Inaayos naman ng ikalawa ang mga ito bilang 5, 10, 20. Ang median nito ay 10. 1 lamang sa 3 record ang nagbago, ngunit sapat iyon para magbago kung aling halaga ang nasa gitna ng nakaayos na listahan.

Ngayon, ihambing ang bawat record sa sarili nito. Ang mga pagkakaiba ay 0, 0, at 25. Zero ang nasa gitna ng listahang iyon. Ang pagkakaiba ng mga median ng ulat ay 10, samantalang zero ang median ng pagkakaiba sa loob ng mga record. Parehong direktang sumusunod ang mga pahayag na ito sa mga kathang-isip na halaga.

Ganoon din ang prinsipyo sa mas malaking resulta mula sa log ng tindahan. Buong mga distribusyon ang ibinubuod ng mga median; pinananatili naman ng mga pagkakaiba sa bawat pares ang bawat pagbili bilang sarili nitong paghahambing. Kung babasahin ang mas mababang median bilang kung gaano “bumilis” ang isang karaniwang pagbili, mapaghahalo ang dalawang magkaibang tanong. Walang pagbiling binago ang oras ng pagtatapos sa aming pagsusuri.

Maaaring ibuod ng isang team ang mga tagal ayon sa mga kategorya bukod sa median. Gumamit kami ng tatlong nakapirming kategorya para sa paglalarawan: wala pang 1 oras, mula 1 oras hanggang wala pang 1 araw, at mula 1 araw hanggang 7 araw. Mga halimbawang pangkat sa ulat ang mga ito, hindi mungkahing oras para sa email o iba pang mensahe.

Inilipat ng pagbabago sa panimulang event ang 8,749 na pares na may katugmang pagbili sa mas maikling kategorya, o 4.5% ng lahat ng 193,397. Sa mga ito, 3,841 ang lumipat mula sa gitnang kategorya patungo sa wala pang 1 oras; 3,020 mula sa pinakamahaba patungo sa wala pang 1 oras; at 1,888 mula sa pinakamahaba patungo sa gitna.

Nanatili sa parehong kategorya ng tagal ang karamihan ng mga pares. Kasama rito ang ilang nagbago ang eksaktong tagal ngunit hindi tumawid sa hangganan ng kategorya. Kaya magkaibang tanong ang sinasagot ng talahanayan ng mga kategorya at ng talahanayan ng magkaparehong tagal: nagbago ba ang numerong tagal, at inilagay ba ng ulat ang pares sa ibang pangkat?

Lahat ng porsiyento sa cross-tab na ito ay gumagamit ng kabuuang 193,397 na pares na may katugmang pagbili. Halimbawa, ang 3,841 na pares na lumipat mula sa gitnang kategorya patungo sa wala pang 1 oras ay 2.0% ng buong grupong may katugmang pagbili. Hindi sila 2.0% ng gitnang row. Kapag malinaw ang iisang denominator, magagamit ang talahanayan kasama ng pangkalahatang paghahambing.

Isaalang-alang ang Paper Orchard, isang kathang-isip na tindahan ng notebook. Gawa-gawang halimbawa ang timeline at paliwanag sa ulat sa ibaba, na hiwalay sa mga resulta ng tindahan ng kosmetiko. Ipagpalagay na ang lahat ng 3 event ay may parehong naitalang user at product identifier, at UTC ang lahat ng oras.

Lunes, Nobyembre 4, 09:00: may naitalang cart event para sa isang notebook. Martes, Nobyembre 5, 09:00: may isa pang cart event para sa notebook na iyon sa ilalim ng parehong user ID. Martes, Nobyembre 5, 09:30: may naitalang purchase event.

Ang tagal mula sa unang cart ay 24 oras 30 minuto. Ang mula sa huling cart ay 30 minuto. Ang pagkakaiba sa loob ng pares ay 24 oras, eksaktong pagitan ng dalawang timestamp ng cart. Martes sa 09:30 pa rin ang pagbili sa dalawang kalkulasyon.

Ipinapaliwanag ng halimbawa ang pagkuwenta sa mga event nang hindi nagbibigay ng kasaysayan ng basket. Hindi nito sinasabi kung nanatili ang notebook sa cart magdamag, kung nagbago ang dami, o kung naging na-fulfill na order ang pagbili. Maaaring pangalanan ng ulat ang dalawang tagal nang hindi pinupunan ang mga puwang na iyon ng kuwento tungkol sa mamimili.

Maaaring bigyan ng analyst ng Paper Orchard ang may-ari ng kumpletong paliwanag sa dalawang tagal. Ginagamit ng pagpapasang ito ang iisang record ng notebook sa itaas, kaya tungkol ito sa pagbiling iyon at hindi sa buwanang median.

Layunin: ipaliwanag kung bakit magkaiba ang 2 buod ng tagal ng parehong pagbili ng notebook. Kailangang mailarawan nang tama ng may-ari ang ulat bago ito gamitin sa paliwanag ng campaign.

Record at panahon: ang iisang kathang-isip na pares ng user at notebook sa itaas, Nobyembre 4–5, UTC. Panatilihin ang pagbili sa Martes ng 09:30. Pasok ang record sa 7-araw na follow-up window ng halimbawa. Wala itong ibinibigay na mas naunang kasaysayan sa buong buhay ng user.

Mga panimulang event: pangalanan ang isang sukatan na “Tagal mula sa unang naobserbahang cart” at ang isa na “Tagal mula sa huling cart bago ang parehong pagbili.” Panatilihin ang dalawang timestamp sa source record ng analyst. Huwag paikliin pareho sa “oras ng pagbili,” dahil maitatago ang magkaiba nilang kahulugan.

Nakumpletong paghahambing: tagal mula sa unang cart, 24 oras 30 minuto; mula sa huling cart, 30 minuto; pagkakaiba sa loob ng pares, 24 oras. Maaaring sabihin ng ulat: “Nagtatapos ang dalawang pagitan sa parehong naitalang pagbili. Ang pagkakaiba nila ay dahil sa paggamit ng magkaibang cart event bilang simula.”

Interpretasyon ng may-ari: ilagay ang paliwanag na iyon sa tabi ng paghahambing. Inilalarawan ng mas maikling pagitan ang tagal mula sa mas huling naitalang cart action. Hindi ito nagbibigay ng ebidensiyang bumuti ang checkout o na tuluy-tuloy na nasa cart ang notebook magdamag.

Susunod na ulat: dadalhin ng analyst ang napiling mga pangalan ng event, batayang oras na UTC, at nakapirming tuntunin sa follow-up sa susunod na paghahambing. Kung magbago ang depinisyon, ilalarawan muna ng may-ari ang pagbabagong iyon bago ihambing ang mga pangunahing bilang. Kailangan ng sariling ebidensiya ang anumang pagtatasa ng mensahe o promo.

Nagbibigay ang paliwanag na ito sa creator o maliit na tindahan ng konkretong bagay na malilinaw sa katuwang sa pag-uulat: kung saan nagsisimula at nagtatapos ang bawat tagal. Bukas pa rin ang paliwanag na pangnegosyo hanggang may ebidensiya para rito, habang tuwirang sinasabi ang nasukat na pagitan.

Maaaring lumitaw ang parehong isyu kapag magkaiba ang reporting tool ng ahensiya at tindahan, o kapag ibang haba ng kasaysayan ang nasa bagong export. Hindi pinatutunayan ng iisang pangalan gaya ng “tagal mula cart hanggang pagbili” na parehong panimulang event, pagtutugma ng pagbili, o panahon ng obserbasyon ang nasa likod ng dalawang bilang.

Para sa may-aring naghahambing ng buwanang ulat, mahalaga ito bago ilarawan ang isang trend. Kung nagsisimula ang isang buwan sa unang naobserbahang cart at ang kasunod sa huling cart bago bumili, pinagsasama ng serye ang 2 depinisyon. Maaaring maipakita ng mas mababang bilang ang nabagong tuntunin kasama ng iba pang pagkakaiba ng mga buwan. Inihihiwalay ng aming paghahambing na nakapirmi ang pagbili ang pagkakaiba ng depinisyon; hindi nito sinusukat ang pagbabago ng performance bawat buwan.

Kapag nagbago ang reporting tool o export, ipakita ang pagbabago ng depinisyon sa pagpapasa ng ulat. Ang kapaki-pakinabang na tanong ay kung pareho ang inilalarawan ng luma at bagong buod. Kung magkaiba rin ang makukuhang kasaysayan, pangalanan nang hiwalay ang pagkakaibang iyon. Nakadepende ang unang naobserbahang event sa simula ng napanatiling kasaysayan, kahit tila tumutukoy ang pangalan nito sa simula ng buong customer journey.

May malinaw nang mga tuntunin ang analytics tools sa pagpasok sa funnel at pagtutugma ng conversion. Halimbawa, idinodokumento ng Amplitude ang paggamit ng pinakamaagang pagpasok sa loob ng session o lookback window, pati kung paano pinipili ang mga kwalipikadong conversion path. Nagbibigay ng konteksto ang mga depinisyong iyon sa pagbasa ng ulat; hindi muling nililikha ng aming kalkulasyon ng 2 tagal ang isang ulat sa Amplitude.^[3]

Maaari pa ring sadyang piliin ang sukatan. Ang tagal mula sa unang naobserbahang cart ay naglalarawan ng naitalang pagitan mula sa unang event na iyon. Ang mula sa huling cart bago bumili ay naglalarawan ng tagal mula sa pinakahuling naitalang cart action bago ang pagbili. Maaaring piliin ng negosyo ang sukatang sumasagot sa tanong ng ulat, at panatilihin ang kahulugang iyon sa mga paghahambing.

Dapat dalhin ng pangalan ang pagkakaibang iyon sa mismong ulat na binabasa ng may-ari. Magkaibang simula ang ipinapahayag ng “Median ng tagal mula sa unang naobserbahang cart” at “Median ng tagal mula sa huling cart bago bumili.” Kapag parehong tinawag na “oras ng pagbili,” nawawala ang impormasyong kailangan upang maunawaan kung bakit hindi sila magkatugma. Ilapit din ang grupong kasama at ang follow-up window.

Lalong kapaki-pakinabang ito kapag umaasa ang creator o maliit na negosyo sa ibang tao para sa pagsusuri. Hindi kailangang siyasatin ng may-ari ang bawat event upang humingi ng malinaw na depinisyon. Dapat maipaliwanag ng katuwang sa pag-uulat kung aling simula, dulo, at kwalipikadong mga record ang pinagmulan ng bilang bago lagyan ito ng interpretasyong pangnegosyo.

Para sa pag-aaral sa itaas, tiyak ang interpretasyong sinusuportahan ng ebidensiya: may magkaibang buod ng tagal ang parehong naitalang mga pagbili sa ilalim ng 2 tuntunin ng pagsisimula. Nangangailangan ng ebidensiya tungkol sa hiwalay na pagbabagong iyon ang pagpasya kung napabuti ng product page, promo, o recovery message ang karanasan sa pagbili.

Ginamit namin ang file ng Nobyembre 2019 sa bersiyon 6 ng pampublikong datos ng tindahan ng kosmetiko. Mayroon itong 4,635,837 event row na may mga label na view, cart, remove_from_cart, at purchase. UTC ang mga timestamp, at may record sa bawat araw ng Nobyembre. Ipinapakita nito ang saklaw ng ibinigay na file, hindi patunay ng tuluy-tuloy na pagsubaybay sa bawat tao.^[1][2]

May 1,061,242 na naitalang pares ng user at produkto na may cart event. Pinanatili namin ang mga unang magagamit na cart sa Nobyembre mula Nobyembre 1 hanggang Nobyembre 23, na kailangang may 7 araw hanggang sa naobserbahang dulo ng file. Hindi kasama sa grupong ito ang 270,024 na pares na mas huli sa Nobyembre unang nagkaroon ng cart. Walang pares na pasok sa petsa ngunit hindi pumasa sa rekisito ng dulo ng file.

Sa 791,218 na kwalipikadong pares, 193,397 ang may malinaw na katugmang naitalang pagbili pagkatapos ng cart sa loob ng nakapirming panahong iyon. Ang natitirang 597,821 ay walang katugmang pagbili sa loob ng 7 araw. Hindi sila mga naobserbahang iniwang cart: maaaring bumili sa mas huling panahon, hindi naitala ang pagbili, o ibang identifier ang ginamit. Nakabatay ang mga figure sa grupong may katugmang pagbili, hindi sa conversion o abandonment rate.

Pinili namin ang pinakamaagang pagbili sa oras ng unang cart o pagkatapos nito, hanggang at kasama ang dulo ng 7-araw na panahon. Kung kasabay ng unang cart ang pagbili, o may anumang cart na kasabay ng napiling pagbili, ibubukod ang pares bilang malabo nang hindi ipinapalit ang mas huling pagbili. Walang ganitong kaso. Pinag-isa ang mga naulit na event tuple na magkapareho sa lahat ng napiling field; hindi ni-reset ng mga removal ang isang ipinagpalagay na kalagayan ng cart.

Walang cart ID, order ID, dami, o return status sa inilabas na datos. Sinuri ng naunang pananaliksik sa parehong log ang mga session at muling binuo ang kalagayan ng cart gamit ang process mining. Sa halip, inihahambing ng aming kalkulasyon ang dalawang naobserbahang panimulang event para sa iisang nakapirming pagbili ng user at produkto, nang hindi muling binubuo ang basket.^[4]

Itinakda namin ang grupo, panahon, mga tuntunin sa magkasabay na oras, at mga kategorya ng tagal bago kalkulahin ang mga resulta. Linear interpolation ang gamit sa mga percentile. Inilalarawan ng mga figure ang mga kwalipikadong record nang walang population confidence interval o causal inference. Nasa download ang mga pinagsama-samang resulta, eksaktong depinisyon, at code para ulitin ang pagsusuri, ngunit walang source na kasaysayan ng user at produkto.^[5]