La solicitud

De Laura Bennett, Directora de Finanzas
Tu objetivo
Lee el gráfico y luego elige el párrafo que enviarías a Laura.
Before the discount, coupon baskets were about the size of same-day orders without a code (BFCM25 $536.54 vs $483.06, SUMMER15 $671.75 vs $658.07). All six codes: $121,785 of discounts, 12.8% of net revenue.
Ver los números
| Coupon | With the code | No code, same days |
|---|---|---|
| BFCM25 | $402.41 | $483.06 |
| HOLIDAY20 | $386.27 | $479.56 |
| SPRING15 | $539.4 | $574.96 |
| SUMMER15 | $570.98 | $658.07 |
Este caso se desbloquea cuando terminas cualquiera de estos:
- SQL · Agregados y GROUP BY
- Python · Columnas nuevas, groupby y agregación
- Excel · Totales condicionales
La solicitud y la lección ya se pueden leer. Resuelve todos los niveles de uno de esos capítulos, en la ruta que prefieras, y este caso se abre.
Lo que recibe Laura, y por qué
La lección
De los números a una recomendación
Laura necesita un párrafo que tanto Finanzas como Marketing puedan aceptar. La estructura es la misma que en cualquier recomendación, qué, cuánto, y entonces qué:
- Qué es el hallazgo principal. Los clientes con cupón pagaron menos por cestas del mismo tamaño aproximado que las de todos los demás en los mismos días. Los códigos no compraron pedidos más grandes.
- Cuánto lo respalda. El costo: $121,785 de descuentos en tres años, en pedidos que aportaron el 12.8% de los ingresos netos. La comparación justa: $402 frente a $483 por pedido en el fin de semana de Black Friday, $571 frente a $658 en la venta de verano.
- Entonces qué significa para el presupuesto. No lo subas con esta evidencia. Prueba y luego decide.
Las salvedades van dentro del párrafo
La más grande es el contrafactual. Un cupón se paga solo únicamente mediante pedidos que no habrían ocurrido sin él, y nada en los datos muestra cuáles son. Otras dos son específicas de este caso:
- Selección. WELCOME10 solo llega a primeros pedidos, así que no se compara con nada parecido. Su AOV de $453.35 dice tanto de los clientes nuevos como del código.
- Costo ausente. FREESHIP regala el envío, no un porcentaje de la cesta, así que su costo no está en los totales de descuento.
Convertir la pregunta abierta en una prueba
Cuando los datos no pueden responder una pregunta, propón la forma más barata de obtener la respuesta. Aquí es una prueba con grupo de control: envía SPRING15 a una mitad aleatoria de la lista de correo y deja la otra mitad como control. Como las mitades se eligen al azar, cualquier diferencia en pedidos por cliente entre ellas es el efecto del código. Tras una primavera sabrías si SPRING15 trae pedidos adicionales y cuántos necesitaría para cubrir su descuento.
Las trampas en las otras opciones
- Ingresos como retorno. “$751,822 de ingresos por $121,785 de descuentos” cuenta cada pedido con cupón como creado por el cupón. Es el problema del contrafactual disfrazado de razón.
- La comparación equivocada, más una causa. Comparar el AOV con cupón con el AOV de todo el año mezcla el código con la temporada; luego “cazadores de ofertas” le atribuye una causa.
- Interpretar de más diferencias pequeñas. Las cestas con cupón fueron algo más grandes antes del descuento en dos códigos. Con unos cientos de pedidos, diferencias de ese tamaño no son motivo para hacer más profundos todos los descuentos.
La estructura del informe detrás de este párrafo
En un informe escrito, este párrafo es el resumen ejecutivo. Debajo vienen el objetivo (la pregunta SMART del primer nivel), los datos y sus límites (la verificación de códigos y descuentos, FREESHIP, WELCOME10), el método (la comparación del mismo día), los hallazgos con el gráfico y el siguiente paso: la prueba con grupo de control, con una fecha para informar de vuelta.
¡Linterna encendida!
Practicaste: recommendationcaveatscounterfactualselection biasholdout testdata storytelling
- Resuelto
- Sin pistas
- Al primer intento
