Если группа из 50 подходящих посетителей не дала заявок за согласованный срок наблюдения, это ещё не основание менять рекламу. При условной вероятности заявки 2% ноль после 50 наблюдений получается примерно в 36% таких групп. Но тот же ноль после 250 наблюдений при этих условиях уже гораздо необычнее.
Маркетологу и владельцу бизнеса нужен порядок действий: сначала исключить сбой, затем оценить объём наблюдений и выбрать ближайшую проверку. Ниже — рабочий лист с тремя учебными сценариями и простым расчётом. Он помогает расставить приоритеты диагностики; автоматически отключать кампанию по нему нельзя.
Сначала установите, что ноль настоящий
Проверьте форму с телефона, появление тестовой заявки в системе учёта и запись события. Найдите обращения по другим каналам: звонки и сообщения могли не попасть в выбранную цель. Если форма не отправляется или данные не загрузились, восстанавливайте процесс сразу.
Пустая ячейка и подтверждённый ноль требуют разных действий. Их границы разобраны в статье «Нулевые, пустые и неизвестные конверсии». Здесь рассматривается следующий вопрос: измерение работает, результат действительно нулевой — насколько это необычно при данном объёме трафика?
Отдельно проверьте срок наблюдения. Если заявка обычно приходит через несколько дней после первого визита, сегодняшняя группа ещё не завершена. Её пока нельзя сравнивать с прошлой группой, у которой все обращения уже успели появиться.
Зафиксируйте единицу наблюдения и рабочую базу
Весь пример учебный. Компания получает заявки на одну услугу с одной посадочной страницы. Наблюдение — один новый посетитель, учтённый один раз. Результат — хотя бы одна уникальная заявка в течение семи суток после его первого визита. Повторные заявки одного человека не увеличивают число успешных наблюдений.
В прошлой сопоставимой группе из 1 000 посетителей заявки оставили 20 человек: 20 / 1 000 = 2%. Для упражнения возьмём эту долю как рабочую оценку вероятности заявки. Семь суток — условие примера; в проекте срок выбирают по фактической задержке обращения. В таблицу включаем только группы, для каждого посетителя которых этот срок закончился.
Не переносите 2% из общей аналитики без сверки состава. Брендовые и общие запросы, устройства, география, предложение и наличие услуги могут различаться. Если прошлые 20 заявок пришли от знакомых с компанией людей, эта доля не описывает автоматически новую аудиторию.
Для расчёта нужны три величины: число наблюдений, подтверждённое число успешных наблюдений и рабочая вероятность из сопоставимой базы. Сохраните также период, правило отбора и срок ожидания — без них числа трудно проверить.
Посчитайте, как часто модель даёт ноль
Примем для упражнения, что у каждого посетителя одна и та же вероятность заявки, а результаты разных людей независимы. Вероятность отсутствия заявки у одного человека при p = 2% составляет 98%. Для группы из n человек вероятность нуля равна:
P(ноль заявок) = (1 − p)ⁿ.
Это частный случай формулы биномиального распределения NIST, когда число успехов равно нулю. Для 50 посетителей получаем 0,98⁵⁰ ≈ 0,3642, или 36,42%. В таблице ниже сценарии независимы друг от друга: это три возможных объёма одной группы, а не три последовательных дня одного клиента.
| Сценарий | Новые посетители | Заявки после полного срока | Среднее число заявок при p = 2% | Вероятность нуля при p = 2% |
|---|---|---|---|---|
| А | 10 | 0 | 0,2 | 81,71% |
| Б | 50 | 0 | 1 | 36,42% |
| В | 250 | 0 | 5 | 0,64% |
Среднее в модели равно n × p. Одна ожидаемая заявка при 50 посетителях не означает обязательную заявку в каждой группе: в отдельных группах будет ноль, в других — одна или больше.
Расчёт для независимых наблюдений с одинаковой вероятностью заявки. Числа показывают поведение модели при заданном p, а не частоту сбоев реальных сайтов.
Проверить значения можно обычным калькулятором: возведите 0,98 в степень 10, 50 или 250 и умножьте на 100. Так получится тот же результат без кода и специального сервиса.
Проверьте, насколько вывод зависит от базовой конверсии
Доля 20 / 1 000 — оценка по прошлым данным, а не известная постоянная бизнеса. Чтобы увидеть её влияние, пересчитаем два сценария с другими рабочими значениями p.
| Предполагаемая вероятность заявки | Ноль после 50 посетителей | Ноль после 250 посетителей |
|---|---|---|
| 1% | 60,50% | 8,11% |
| 2% | 36,42% | 0,64% |
| 3% | 21,81% | 0,05% |
Диапазон 1–3% выбран для проверки чувствительности. Это не доверительный интервал для 20 / 1 000. При 50 посетителях ноль остаётся вполне возможным во всех трёх вариантах. При 250 оценка необычности заметно меняется: сначала нужно понять, насколько обоснована сама база.
Условия модели существенны. OpenStax описывает биномиальные наблюдения как независимые испытания с одинаковыми условиями и вероятностью успеха. Повторные визиты одного человека, резко изменившийся состав трафика или массовая рассылка знакомой аудитории могут нарушать эти допущения. Подставлять в n число просмотров страниц вместо числа выбранных наблюдений нельзя.
Примите решение по рабочему листу
Для сценария А подтверждённый ноль после 10 посетителей мало говорит о качестве рекламы. Если техническая проверка пройдена и расход допустим для бизнеса, сохраните текущую настройку и продолжайте наблюдение по заранее выбранному плану.
Для сценария Б при 50 посетителях тоже нет основания объявлять поломку по одному нулю. Проверьте соответствие аудитории и базы, сохраните результат и назначьте следующую оценку с тем же правилом отбора. Не меняйте одновременно объявление, страницу и цель: тогда будет трудно понять, что повлияло на последующие данные.
Для сценария В ноль после 250 посетителей при обоснованной базе 2% — повод повысить приоритет разбора. Откройте разрезы трафика, записи ошибок формы и данные учёта; проверьте, не изменились ли цена, предложение или доступность услуги. Редкое событие в модели не определяет причину: возможны изменение аудитории, неверная база, сбой и обычная случайность.
0,64% — не вероятность того, что реклама исправна, и не доказательство сбоя с уверенностью 99,36%. Это вероятность нулевого результата при заранее заданных условиях модели. Граница 5% здесь не используется как команда остановки. Если каждый день искать самый необычный сегмент и выбирать окно после просмотра данных, смысл такого сигнала меняется; для формального решения нужен заранее выбранный статистический план.
Расход тоже имеет самостоятельное значение. Если достигнут согласованный предел потерь или обнаружена неработающая форма, не нужно ждать «достаточной статистики», чтобы ограничить риск. Запишите основание решения отдельно: финансовое ограничение, техническая ошибка или гипотеза о трафике.
После разбора сохраните одну запись: состав группы, возраст данных, базовое p, результат расчёта, подтверждённые проверки и следующее действие. Если обнаружена проблема предложения или обработки, продолжите по диагностике рекламы без продаж. Если хотите проверить влияние конкретной правки, понадобится отдельный план A/B-теста: расчёт вероятности нуля не измеряет эффект изменения страницы.
Источники
Материал подготовлен редакцией WiseLab с помощью AI. Источники и фактические утверждения проверены при подготовке.
Что думаете?
Загружаем комментарии…