بخش ۱ — سناریوی واقعی: رشد ۳۰٪ و اسلاید اشتباه
امیر، تحلیل‌گر دیجیتال یک فروشگاه آنلاین، برای جلسهٔ ماهانه اسلاید ساخت: Sessions ارگانیک +۳۰٪ نسبت به سال قبل — «سئو عالی کار کرده».
مدیر فروش پرسید: «پس چرا revenue ارگانیک فقط +۵٪ است؟»
امیر برگشت به داده. سه عامل پنهان بود:
- کمپین تخفیف ۴۰٪ همان ماه سال قبل — ترافیک paid+email بالا بود؛ امسال organic «طبیعی‌تر»
- UTM روی newsletter عوض شده — بخشی از traffic قبلاً به اشتباه organic می‌خورد
- مقایسه ۳۱ روز vs ۲۸ روز — تقویم شمسی/میلادی قاطی شده بود
| ادعای اولیه | بعد از بررسی |
|---|---|
| Organic +۳۰٪ YoY | Organic واقعی ~+۱۲٪ |
| «سئو موفق» | ترکیب سئو + اصلاح tracking |
| Revenue هم‌تراز | Conversion rate ارگانیک پایین‌تر |
امیر اسلاید را عوض کرد — با segment، بازهٔ یکسان و یادداشت رویداد (annotation).
چک‌لیست قبل از جلسه
امیر حالا قبل از هر ارائه این ۵ سؤال را می‌پرسد:
- آیا رویداد بازاریابی (sale، launch) در بازه بود؟
- UTM و channel grouping درست است؟
- YoY با همان تعداد روز و weekday pattern؟
- Bot/spam فیلتر شده؟
- Conversion هم‌راستا با traffic است؟
بخش ۲ — تحلیل دقیق‌تر: ۱۰ اشتباه و چک‌لیست ضدخطا
۱۰ اشتباه رایج
| # | اشتباه | اصلاح |
|---|---|---|
| 1 | مقایسه بازه‌های نامساوی | همان تعداد روز + day-of-week |
| 2 | نادیده گرفتن فصلی بودن | YoY برای retail؛ MoM برای B2B |
| 3 | قضاوت فقط با Sessions | conversion و revenue اضافه کنید |
| 4 | organic بدون segment | Channel = Organic Search |
| 5 | نادیده گرفتن UTM shift | audit tagging ماهانه |
| 6 | bounce را همیشه بد دانستن | intent صفحه — C1-05 |
| 7 | top pages بدون conversion | traffic ≠ success |
| 8 | average time گمراه‌کننده | median + distribution |
| 9 | یک spike = trend | حداقل ۴ هفته confirm |
| 10 | گزارش بدون action | هر slide یک «پس چه؟» |
چک‌لیست ۶ مرحله‌ای قبل از نتیجه‌گیری
- Scope: segment و فیلتر درست؟
- Time: بازه هم‌طول و comparable؟
- Context: sale، outage، tracking change؟
- Metric pair: traffic + conversion؟
- Sample size: عدد کوچک = احتیاط
- Action: اگر درست است، چه کار می‌کنیم؟
آمار واقعی
- Forrester (۲۰۲۳): ۲۱٪ تصمیم‌های بازاریابی بر پایهٔ دادهٔ ناقص یا misattributed گرفته می‌شود.
منبع: Forrester — The State Of Marketing Measurement. - Google Analytics Help: channel grouping پیش‌فرض به UTM consistency وابسته است — تغییر naming باعف jump مصنوعی می‌شود.
منبع: Google — GA4 traffic-source dimensions.
بخش ۳ — نگاه تخصصی و منابع علمی
در decision science، confirmation bias باعث می‌شود تحلیل‌گر فقط داده‌ای را ببیند که narrative از قبل دارد — مثلاً «سئو خوب بود».
Kahneman (Thinking, Fast and Slow):
«We can be blind to the obvious, and we are also blind to our blindness.»
چک‌لیست ساختاریافته این blindness را برای گزارش سئو کم می‌کند.
منابع و رفرنس‌ها
- Kahneman, D. (2011). Thinking, Fast and Slow. Farrar, Straus and Giroux.
- Forrester — The State Of Marketing Measurement (۲۰۲۳).
- Google — GA4 documentation on traffic sources & UTM.
- Croll, A., & Yoskovitz — Lean Analytics (validity of metrics).
- Ahrefs — SEO Metrics That Matter (avoid vanity).
