9 ошибок, которые убивают ценность аналитики

В аналитике чаще всего мы ошибаемся не в формулах — а в том, как думаем о метриках.

Из-за этого команды нередко принимают «умные» решения, которые на бумаге выглядят красиво, а в реальности тихо сливают деньги.

Мы собрали 9 самых распространённых ошибок. Посмотрите, нет ли их в ваших отчётах.

1. Смотрим в отрыве

Когда метрику рассматривают отдельно, легко перепутать симптом с причиной или радоваться локальному росту, пока бизнес в целом проседает.

Пример: AOV растёт, но CR падает, и число заказов снижается. Или CR падает при стабильном трафике, хотя проблема на самом деле в Add to Cart. Оптимизация в отрыве почти всегда вредит общей картине.

💡 Как избежать

1. Смотрите на цепочку. Поставьте метрику в поток (Sessions → PDP views → Add to Cart → Checkout → Purchase). Где первый заметный обрыв?
2. Сравните масштабы. Если ATC −18%, а CR всего −6%, значит, проблема в корзине.
3. Подключите дополнительные метрики. Items per session, Checkout start rate, Drop-offs by step помогут понять, что именно сломалось.

2. Игнорируем сегменты

Общее число скрывает, что разные группы клиентов ведут себя совершенно по-разному.

CR = 3% может выглядеть «нормально», но за этим может стоять 8% у постоянных клиентов и всего 0,5% у новых. Без сегментации легко чинить не то и пропускать реальную проблему.

💡 Как избежать

1. Начните с простого. Новые vs постоянные, десктоп vs мобайл, ключевые каналы. Уже этого хватает, чтобы увидеть слабое место.
2. Разберите продукты и корзины. Сравните AOV по категориям или размер корзины по каналам. Часто один сегмент тянет вниз всю среднюю.
3. Правьте по влиянию. Не гонитесь за общим CR. Если 70% трафика — это новые пользователи с конверсией 0,5%, именно это и есть проблема.

3. Снимок вместо динамики

Один период в изоляции даёт иллюзию стабильности.

CR = 3% за два месяца выглядит ровно. Но если в первом месяце было 5%, а во втором 1%, значит, показатели обвалились. Снимки смазывают картину и заставляют реагировать слишком поздно.

💡 Как избежать

1. Сравнивайте периоды. Месяц к месяцу, неделя к неделе — это покажет первые сигналы.
2. Смотрите на тренд. Используйте скользящие средние или простые графики, чтобы видеть направление.
3. Смотрите по когортам. Вместо усреднённой цифры следите за разными группами клиентов. Это показывает, падение временное или системное.

4. Зацикленность на одной метрике

Опасно считать одну цифру конечной истиной. CR, AOV или LTV выглядят убедительно, но каждая из них складывается из множества частей. Если гнаться только за верхним уровнем, можно упустить слабые звенья и чинить не то.

💡 Как избежать

1. Разложите на части.
   – CR = просмотры → Add to Cart → старт чекаута → покупка.
   – AOV = товары в заказе × цена за товар.
   – LTV = частота × чек × длительность жизни клиента.
2. Ищите слабый драйвер. «Ровный» CR может скрывать падение Add to Cart, «здоровый» AOV — уменьшение корзины, высокий LTV — узкую группу лояльных клиентов.
3. Оптимизируйте детали. Работайте с самым слабым драйвером и смотрите, как тянется общий показатель.

5. Без контекста

Цифра сама по себе редко что значит. CR = 3%, AOV = $60 или LTV = $300 могут выглядеть «хорошо». Но по сравнению с чем? Без контекста (бенчмарки, тренды, сезонность, микс трафика) метрику легко прочитать неправильно.

💡 Как избежать

1. Сравнивайте всегда. Неделя к неделе, месяц к месяцу, год к году. «Ровные» числа могут скрывать рост или падение.
2. Учитывайте внешние факторы. Рост AOV после повышения цен ≠ рост AOV в праздники. Контекст объясняет почему.
3. Смотрите на бенчмарки. CR = 3% в масс-маркете ≠ 3% в люксе. Сравнивайте с релевантными аналогами.

6. Путаем корреляцию с причинностью

То, что две метрики двигаются вместе, ещё не значит, что одна вызвала другую. Трафик и AOV могут расти одновременно из-за сезонности, а не из-за рекламы. Retention может улучшиться параллельно с ростом email-рассылок, но причина — в новом продукте.

💡 Как избежать

1. Проверьте прочность связи. Работает ли она в разных сегментах и периодах? Если нет — это не драйвер.
2. Ищите альтернативы. Что ещё изменилось в тот момент? Кампании, сезонность, цены, склад.
3. Подтвердите экспериментом. Измените один фактор и посмотрите, двигается ли результат.

7. Реакция на шум

Не каждое колебание графика — сигнал. Случайные всплески трафика, пара крупных заказов или день недели легко замаскируются под «проблему». Если реагировать на всё подряд, уйдёт куча ресурсов.

💡 Как избежать

1. Проверьте объём. Падение CR на 20% страшно — пока не узнаёшь, что речь всего о 12 сессиях.
2. Сглаживайте данные. Смотрите на 7- или 30-дневные окна, чтобы отделить шум от тренда.
3. Определите порог. Решите заранее, что считается значимым. ±2% по AOV — шум, ±15% — сигнал.

8. Абсолютное vs относительное

Рост на 50% звучит громко — но если заказов было 2, а стало 3, пользы никакой. Или наоборот: +1% к CR выглядит мелочью, но может значить тысячи заказов. Путая абсолютное и относительное, легко раздуть (или недооценить) эффект.

💡 Как избежать

1. Показывайте оба. Процент + абсолют. «CR +1% = +1200 заказов».
2. Считайте в деньгах. Сколько это даёт в выручке, клиентах, марже.
3. Сравнивайте сопоставимое. +10% в маленьком канале ≠ +10% в основном.

9. Нет связи с действиями

Метрика, которая не ведёт к решению, — просто число в отчёте. Vanity-метрики вроде просмотров, установок или подписчиков выглядят красиво, но не показывают, что делать дальше.

💡 Как избежать

1. Всегда спрашивайте «и что?» Метрика должна вести к решению: поменять бюджет, протестировать цену, починить чекаут.
2. Привязывайте к драйверам. LTV связывайте с частотой, размером корзины, удержанием.
3. Фокус на влиянии. В отчётах должны быть метрики, которые реально меняют стратегию или тактику.

🏁 Заключение

Метрики не врут — но и сами по себе ничего не говорят.
Всё решает то, как мы о них думаем.

Избегайте этих девяти ловушек — и аналитика перестанет быть украшением, а станет картой, которая показывает, куда идти дальше.