Marketing performance root cause analysis: दोहराने योग्य तरीका

मार्केटिंग में root cause analysis क्या है?

मार्केटिंग में root cause analysis (RCA) उस बदलाव की व्यवस्थित खोज है जिसने किसी मेट्रिक को हिलाया, ताकि आप सिर्फ़ लक्षण पर प्रतिक्रिया न दें। लक्ष्य एक ऐसी वजह का नाम लेना है जिसे आप साबित कर सकें, ठीक कर सकें या बनाए रख सकें, और अगली बार वही झटका न लगे।

American Society for Quality RCA को समस्याओं की जड़ में छिपी वजहें पहचानने की व्यवस्थित प्रक्रिया बताती है, जिसका मकसद उन्हें दोबारा होने से रोकना है। इसके पांच कदम paid media और analytics के काम पर अच्छी तरह लागू होते हैं:

1. समस्या परिभाषित करें: कौन सा मेट्रिक बदला, कितना, कब से और कहां।
2. डेटा इकट्ठा करें और विश्लेषण करें: मेट्रिक को उसके drivers और segments में बांटें।
3. संभावित वजहें पहचानें: शुरुआत की तारीख के आसपास के सभी बदलाव लिखें।
4. वजहों का आकलन और प्राथमिकता: अनुमानों को समय, आकार और दायरे के हिसाब से क्रम दें।
5. कदम उठाएं और फ़ॉलो-अप करें: बदलाव ठीक करें या रखें, फिर जांचें कि मेट्रिक वापस आता है या टिका रहता है।

लक्षण और वजह का फ़र्क अहम है। "CPA बढ़ गया" एक लक्षण है। "12 तारीख को नए लैंडिंग पेज के form में दो ज़रूरी fields जुड़े और form completion rate गिरा" एक वजह है जिसे आप परख सकते हैं और वापस ले सकते हैं।

वजहें खोजने से पहले मेट्रिक के बदलाव को कैसे परिभाषित करें?

एक लाइन का problem statement लिखें जिसमें मेट्रिक, बदलाव का आकार, शुरुआत की तारीख और दायरा हो। अस्पष्ट समस्या ("results खराब हैं") अस्पष्ट जवाब देती है; सटीक समस्या बताती है कि कौन से बदलाव संदिग्ध हो भी सकते हैं।

आगे बढ़ने से पहले जांचें कि गिरावट असली है। Ad platform की तुलना अपने analytics और CRM या back end से करें। अगर बिक्री स्थिर है लेकिन रिपोर्ट हुए कन्वर्ज़न गिरे हैं, तो आप माप की समस्या देख रहे हैं, performance की नहीं। यह भी याद रखें कि हाल के दिन अधूरे हो सकते हैं: Google अपनी performance troubleshooting गाइड में conversion reporting की देरी को उतार-चढ़ाव की आम वजहों में गिनता है।

किसी मेट्रिक को उसके drivers में कैसे बांटें?

मेट्रिक को उन सरल संख्याओं में बांटें जिनसे वह बना है, फिर देखें कि उनमें से कौन सी बदली। इससे खोज "कुछ भी" से funnel के एक हिस्से तक सिमट जाती है।

फिर हर driver को कैंपेन, device, देश, audience, लैंडिंग पेज और नए बनाम लौटने वाले users के हिसाब से segment करें। असली वजह का आमतौर पर एक निशान होता है: वह उन्हीं segments पर असर डालती है जिन्हें उसने छुआ और बाकी को छोड़ देती है। अगर CPA हर जगह एक साथ बढ़ा, तो किसी साझा चीज़ पर शक करें, जैसे ट्रैकिंग, site speed या account level पर बजट बदलाव।

बदलाव से पहले के दिनों में क्या बदला?

शुरुआत की तारीख से लगभग एक से दो हफ़्ते पहले तक का हर बदलाव एक ही टाइमलाइन पर लिखें, चाहे वह किसी ने भी या किसी भी चीज़ ने किया हो। ज़्यादातर root cause analysis यहीं अटकते हैं, क्योंकि बदलाव पांच अलग-अलग जगहों पर होते हैं।

• आपकी टीम के edits: bids, बजट, targets, keywords, audiences, creatives, schedules।
• प्लेटफ़ॉर्म automations: auto-applied recommendations, bid strategy के learning periods, automated बजट बदलाव।
• वेबसाइट और ट्रैकिंग: releases, नए forms, consent banner updates, tag या pixel edits, checkout में बदलाव।
• CRM और sales: lead scoring rules, routing, qualification criteria, pipeline stages।
• बाहरी घटनाएं: छुट्टियां, competitor promotions, ख़बरें, stock खत्म होना, कीमतों में बदलाव।

Google Ads में change history (Campaigns मेनू, फिर Change history) पिछले 2 साल के अकाउंट, कैंपेन और ad groups के बदलाव दिखाती है, और आप change type से filter कर सकते हैं। Google बताता है कि automated या internal systems के बदलाव "Google Ads system" जैसे users के तहत दिख सकते हैं। हमारी Google Ads change history गाइड इसे पढ़ना सिखाती है, और auto-applied recommendations ऐसे बदलावों का एक आम स्रोत समझाता है जो टीम में किसी ने नहीं किए। Meta के लिए Meta Ads activity history देखें।

प्लेटफ़ॉर्म logs सिर्फ़ अपने प्लेटफ़ॉर्म को कवर करते हैं। Site releases, ट्रैकिंग edits और CRM rules लोगों को ही लिखने पड़ते हैं, इसीलिए टीमें प्लेटफ़ॉर्म histories के साथ एक मार्केटिंग चेंज लॉग रखती हैं।

एक बार में एक अनुमान कैसे परखें?

अपनी टाइमलाइन के हर बदलाव को एक अनुमान बनाएं, उन्हें क्रम दें और सबसे संभावित को पहले परखें। दो एक साथ परखने से नतीजा पढ़ना नामुमकिन हो जाता है।

Fishbone (Ishikawa) diagram और 5 Whys, जिन्हें ASQ वजहें पहचानने के tools के रूप में गिनाता है, मार्केटिंग में अच्छे से काम करते हैं। Fishbone की ये शाखाएं इस्तेमाल करें: ट्रैकिंग, प्लेटफ़ॉर्म settings, automation, creative, लैंडिंग पेज और साइट, CRM और sales process, बाज़ार और competition। फिर "क्यों" पूछते रहें जब तक आप उस चीज़ तक न पहुंचें जिसे किसी ने बदला।

हर अनुमान को तीन सवालों से क्रम दें:

1. समय: क्या बदलाव ठीक पहले हुआ, learning periods और reporting की देरी को ध्यान में रखते हुए?
2. आकार: क्या यह बदलाव इतने बड़े बदलाव को समझा सकता है?
3. दायरा: क्या प्रभावित segment वही है जिसे बदलाव ने छुआ?

जो अनुमान तीनों में से किसी में भी फ़ेल हो, वह सूची में नीचे जाता है। सबसे ऊपर वाले को सबसे सस्ते तरीके से परखें: एक कैंपेन में बदलाव वापस लें, ऐसे segment से तुलना करें जो प्रभावित नहीं हुआ, या दूसरे system में मेट्रिक जांचें। आपने क्या परखा और क्या हुआ, यह लिखें, भले ही जवाब "यह नहीं" हो।

Segments और प्लेटफ़ॉर्म tools से वजह कैसे prove करें?

वजह की पुष्टि यह जांचकर करें कि वह सिर्फ़ समय नहीं, डेटा का पूरा pattern समझाती है। प्लेटफ़ॉर्म tools इसे तेज़ कर सकते हैं, लेकिन वे सिर्फ़ अपने product के अंदर होने वाली चीज़ें देखते हैं।

Google Ads explanations। Explanations Search, App, Performance Max, Demand Gen, Display और Video कैंपेन में बड़े performance बदलावों पर insights देते हैं। ये bidding, बजट, conversion settings या देरी, assets और eligibility, targeting, auction competition और search interest की ओर इशारा कर सकते हैं। तुलना में आज शामिल नहीं हो सकता, यह पिछले 90 दिनों के भीतर होनी चाहिए, और दोनों अवधियां बराबर लंबाई की और लगातार होनी चाहिए।

GA4 anomaly detection। GA4 किसी value को anomaly तब मानता है जब वह उसके model के अनुमानित दायरे से बाहर हो। Google के anomaly detection दस्तावेज़ के अनुसार training period hourly के लिए 2 हफ़्ते, daily के लिए 90 दिन और weekly anomalies के लिए 32 हफ़्ते है। फिर Contribution analysis वे user segments दिखाता है जिन्होंने anomaly में सबसे ज़्यादा योगदान दिया, जिन्हें आप Explorations में खोल सकते हैं।

ये tools "क्या बदला" का जवाब अच्छे से देते हैं। वे आपकी वेबसाइट पर form का बदलाव, CRM का नया lead-scoring rule या किसी competitor की sale नहीं देख सकते। पुष्टि का वह हिस्सा अब भी आपकी अपनी टाइमलाइन पर निर्भर है। आसान नियम: वजह तब पक्की है जब समय मेल खाए, प्रभावित segments मेल खाएं, और बदलाव को वापस लेने या अलग करने से मेट्रिक वापस आ जाए।

जब सारे बदलाव एक टाइमलाइन पर हों, तो मंगलवार का form release सोमवार के bid target बदलाव और बुधवार के auto-applied keywords के बगल में दिखता है, और आप देख सकते हैं कि conversion rate की गिरावट से कौन सा मेल खाता है। प्लेटफ़ॉर्म tools जो बदलाव नहीं देख सकते, उन्हें रखने के लिए Changeline में मुफ़्त चेंज लॉग शुरू करें।

असल में marketing root cause analysis कैसा दिखता है?

यह एक काल्पनिक उदाहरण है, कोई असली क्लाइंट नहीं। यह दिखाता है कि ये कदम एक छोटे सत्र में अस्पष्ट समस्या को एक वजह तक कैसे ले आते हैं।

1. समस्या: बेंगलुरु की एक एजेंसी के क्लाइंट का paid search पर cost per lead हफ़्ते-दर-हफ़्ते 38% बढ़ा, मंगलवार से, सभी कैंपेन में।
2. असली या ट्रैकिंग? CRM leads भी गिरे, इसलिए गिरावट असली है।
3. Drivers: cost per click स्थिर रहा; conversion rate 6.1% से 4.4% पर आ गया। समस्या click के बाद है।
4. टाइमलाइन: सोमवार, एक कैंपेन में bid target बदला; मंगलवार, नए form के साथ website release; बुधवार, auto-applied recommendation से keywords जुड़े।
5. क्रम: bid बदलाव ने एक कैंपेन छुआ और CPC नहीं बदला। Keywords टूटन के बाद आए। Form release समय, आकार और दायरे से मेल खाता है।
6. परख: लैंडिंग पेज के हिसाब से form completion rate सिर्फ़ उन पेजों पर गिरा जिन पर नया form था।
7. कदम: टीम ने आधे पेजों पर पुराना form वापस लगाया, वहां conversion rate लौट आया, और fix सब जगह लागू किया गया।

ध्यान दें कि जवाब ad platform के बाहर था। इस तरीके के कन्वर्ज़न वाले रूप के लिए मेरे कन्वर्ज़न क्यों गिरे पढ़ें। अगर फिर नतीजा पेश करना हो, तो क्लाइंट को कन्वर्ज़न गिरावट कैसे समझाएं वाली गाइड बातचीत को कवर करती है।

अगला root cause analysis तेज़ कैसे करें?

बदलाव करते समय ही उन्हें लिखें, कुछ टूटने पर नहीं। RCA का ज़्यादातर समय यह दोबारा बनाने में जाता है कि किसने क्या और कब बदला, ऐसे tools में जो अपनी अधूरी histories रखते हैं।

• हर बदलाव को तारीख, owner, प्लेटफ़ॉर्म, प्रभावित कैंपेन और वजह के साथ लिखें।
• Ad platforms के बाहर हुए बदलाव भी शामिल करें: site releases, ट्रैकिंग edits, CRM rules, promotions।
• अपेक्षित असर और जांच की तारीख लिखें, ताकि आप नतीजा देखें, भूल न जाएं।
• हर जांच को पुष्ट वजह और fix के साथ बंद करें, ताकि अगला व्यक्ति सबूत से शुरू करे।

Changeline इसी के लिए बना मार्केटिंग चेंज लॉग है: हर क्लाइंट के लिए to-scale टाइमलाइन, जहां आपकी टीम Google Ads, Meta Ads, वेबसाइट, ट्रैकिंग और CRM में किए बदलाव owner, tags और वजह के साथ लिखती है। इसमें मुफ़्त plan है, और Google Ads के बदलाव अपने-आप import हो सकते हैं (Meta Ads import जल्द आ रहा है); बाकी बदलाव आपकी टीम लिखती है। आप मुफ़्त में बदलावों की टाइमलाइन शुरू कर सकते हैं। अगर आप GA4 भी इस्तेमाल करते हैं, तो सबसे बड़ी घटनाओं के लिए GA4 annotations जोड़ें।