Aplicá este framework para descomponer métricas clave, medir, plantear hipótesis, y tomar acciones correctivas
→ si necesitás ayuda con tu Metric Tree, o para entender las métricas de tu negocio, escribime a guido@bildungdata.com
Cayeron las Transacciones. Cayó el tráfico. ¿Ahora qué? 😶
Apliquemos el Decision Tree Analysis (DTA) para identificar causas de desvíos, y tomar acciones correctivas.
Sabemos que Transacciones = Tráfico x Conversion Rate
1) Paso #1: desglozamos el Tráfico en métricas nivel 2
→ Tráfico = New Users + Recurring Users
2) Paso 2: abrimos New Users en métricas nivel 3, y vemos qué pasó con cada una
→ New Users = Spend x 1000 / CPM x CTR x Install Rate + Organic Users
→ Resultado: CTR decreció 🔻
3) Paso 3: hacemos lo mismo con Recurring Users
→ Recurring Users = Direct Opens + Pushes Sent x Open Rate
→ Resultado: Open Rate decreció 🔻
4) Paso 4: para las métricas que decrecieron, plantear hipótesis que expliquen la caída
A) Open Rate de Pushes:
→ Hipótesis 1: no se enviaron pushes a los segmentos de más valor
→ Hipótesis 2: el copy de las pushes masivas no fue atractivo
B) CTR de Ads:
→ Hipótesis 1: cambiamos la audiencia de las campañas a una de menor calidad
→ Hipótesis 2: aumentó la inversión en plataformas con menor CTR
5) Paso 5: plantear acciones para validar / refutar cada hipótesis
A) Open Rate de Pushes:
→ Hipótesis 1: no se enviaron pushes a los segmentos de más valor (y mayor open rate)
→ Acción 1: entrar en plataforma de pushes y ver qué pasó con envios de pushes transaccionales, y otras campañas que más tráfico generan
→ Hipótesis 2: el copy de las pushes masivas no fue atractivo
→ Acción 2: comparar el open rate de las pushes masivas vs promedio de open rate de pushes masivas y vs top pushes
📌 Ya identificamos las dos métricas que causaron la caída en Tráfico, planteamos hipótesis que expliquen su desvío, y acciones para corregirlas!
