Игорь опубликовал в своём блоге курс по PowerBI от Макса Уварова. Курс доступен бесплатно (но возможно временно).
Для джедаев (перформанс-маркетологов) в IT-Agency этот курс желательно пройти на уровне мидл-1 мидл-2.
https://blog.fossko.ru/all/power-bi-dlya-internet-marketinga/
Для интернет-маркетолога обычно стоит обратная проблема → сгенерировать utm-метку. А вот для аналитика, нужно связать данные и такие utm-метки нужно научиться разбивать. Это можно сделать программным путём, но сегодня расскажу как это сделать через Google Sheet с помощью регулярных выражений.
Убьем двух зайцев. Потренируемся составлять формулу регулярных выражений, и сделаем инструмент, который может пригодиться в будущем.
Допустим, у нас есть ссылка:
url.ru?utm_campaign=campaign&utm_source=source&utm_medium=medium
Используем RegEx (регулярные выражения) сначала для извлечения utm_campaign:
RegExReplace(ЯЧЕЙКА-С-ССЫЛКОЙ, ".*(\?|\&)(utm_campaign\=)","")Объяснение формулы:
. (точка) — это любой символ
* (звездочка) — это любое количество символов
То есть начало звучит так: «может быть любое количество любых символов».
После этого ставим остановку, до какого момента у нас может быть «любое количество, любых символов»
(\?|\&) — скобочки — это группировка, то есть вначале смотрим что происходит в этих скобочках.
\? — знак \ обозначает что следующий символ будет обычных символом, а не служебным регулярным выражением. А знак вопроса, что надо будет искать.
| — знак ИЛИ. регулярное выражение будет искать ?, если не найдет, то будет искать &.
(utm_campaign\=) — группа, которая говорит, что надо найти выражение utm_campaign=
После этого мы получим выражение
campaign&utm_source=source&utm_medium=medium
а все что было до campaign отрежется (дословно по Google Sheet заменит на пустоту). Поэтому нам нужно повторить формулу, чтоб убрать лишние символы в конце:
=REGEXREPLACE(REGEXREPLACE(A2,".*(\?|\&)(utm_campaign\=)",""),"\&.*","")или
=REGEXREPLACE(СТАРОЕРЕГВЫРАЖ,"\&.*","")В этой формуле мы в начале ищем символ &, а после нам нужны любые символы (`.`) до тех пор, пока эти символы будут встречаться (`*`).
Если хочет посмотреть пример, то он доступен по этой ссылке.
В прошлый раз я рассказал как считать доверительные интервалы и показал как это происходит на практике. Но одна из сложных (для меня) тем была: как сформировать гипотезу с точки зрения науки. Разберём эту тему на примере.
Допустим, вы прослушиваете звонки в колл-центре. И постоянно слышите вопрос от клиента сколько будет стоить услуга. А когда клиент узнает цену, то сразу же сбрасывает звонок.
На основе этой информации мы можем сформулировать гипотезу как можно улучшить этот процесс и повысить конверсию: «А давайте сразу же на сайте писать цену!». Первый вопрос, а для чего мы это делаем?
Чтоб повысить конверсию! Когда мы будем подводить итог, мы будем считать эффективность старой версии сайта, по сравнению с новой версией сайта.
Нулевая гипотеза
Сначала определяем нулевую гипотезу. Фактически это гипотеза, которая говорит нам о том, что всё должно быть так, как обычно. То есть мы отвергаем, что появление точной стоимости на сайте увеличит конверсию. Для нас нулевая гипотеза: «Когда мы начали показывать стоимость услуги, конверсия не увеличилась».
Альтернативная гипотеза
Второй шаг, определить альтернативную гипотезу. Это гипотеза, ради чего мы все это затеяли. В нашем случае: «Когда мы начали показывать стоимость услуг, конверсия увеличилась».
Стартуем эксперимент
После определения двух гипотез, мы должны начать эксперимент. Попыткой в нашем случае будет заход пользователя на сайт с рекламы. Удачной попыткой — запись в колл-центре. В идеале, нужно разделить трафик поровну. Половина отправляется на старую версию сайта, вторая половина — на новую версию сайта.
В идеале, стоит провести еще и AA тестирование. То есть трафик разделять не на 2 части, а на 3 части. Первая часть идёт на исходную страницу, вторая часть снова на исходную страницу, а третья часть на новую страницу. Это нужно, чтоб понять, что с трафик однороден. Но в реальности AAB-тестирование могут себе позволить только огромные проекты с большим количеством трафика.
Подведение итогов
И вот тут мы считаем доверительные интервалы. Нам нужно определить уровень статистической значимости. Если бы мы были учеными, то скорее всего мы бы взяли 95% значимость, чтоб уменьшить вероятность ошибочного эксперимента. Если эксперимент критичный (если ошиблись, получим смерти людей), тогда берут 99% значимости.
Для маркетинга достаточно брать уровень статистической значимости 80% (Сигма=1.28). Как считать доверительные интервалы, я уже писал. Если попыток мало, то лучше использовать формулу x², если попыток много (больше 5000), то я использую бета-распределение.
Если доверительные интервалы (ДИ) пересекаются (первый исход ДИ от 5% до 5,5%; второй исход 5,4% до 5,7% → пересечение между 5,4% (начало 2 ДИ) и 5,5% (конец 1 ДИ)), тогда мы не можем сказать что первая и вторая гипотезы отличаются.
Если доверительные интервалы расходятся, тогда победитель будет тот, у кого цифры в ДИ выше. Если выше цифры у нулевой гипотезы, значит эксперимент провалился. Если выше цифры у альтернативной гипотезы, значит эксперимент был успешен.