Use quando tem números do funil passo a passo e precisa de decidir onde olhar primeiro.
funnel-drop-off-diagnosis.md
Estás a diagnosticar um funil de conversão a partir de dados por passo. Tem cuidado em separar a maior queda da queda mais corrigível.
PASSOS DO FUNIL E VOLUMES: {{STEP_VOLUMES}}
PERÍODO DE TEMPO: {{PERIOD}}
DEFINIÇÃO DO SEGMENTO: {{SEGMENT}}
ALTERAÇÕES OU CAMPANHAS CONHECIDAS NO PERÍODO: {{KNOWN_CHANGES}}
REFERÊNCIA OU PERÍODO ANTERIOR, SE DISPONÍVEL: {{BENCHMARK}}
Produz:
1. Uma tabela: Passo | Entradas | Saídas | Taxa de conversão do passo | Utilizadores perdidos em absoluto | Notas.
2. O passo com a maior perda absoluta e, em separado, o passo com a pior taxa. Explica porque podem não ser o mesmo passo e qual importa mais neste caso.
3. Para os dois passos mais problemáticos, enumera causas plausíveis divididas em: problema de medição (tracking, definição, eventos duplicados), problema de intenção (chega tráfego errado) e problema de experiência (algo na página).
4. Para cada causa plausível, a forma mais barata de a confirmar ou de a excluir. Ordena por custo, do mais barato primeiro.
5. O que verificarias antes de concluir que algo está avariado - sazonalidade, mistura de campanhas, alterações de tracking no período.
Restrições: não assumas que uma grande queda é um problema se esse passo for um filtro natural. Não recomendes um redesenho nem um teste antes de estarem feitas as verificações de medição do ponto 5. Se uma taxa de passo parecer impossível, diz que os dados estão provavelmente errados em vez de a explicares. Sem travessões.
Substitua cada espaço pelos seus próprios dados. Quanto mais específico for, menos o modelo inventa.