Promptowanie.com.pl

Biblioteka promptów

Analiza kohortowa retencji klientów

Tabela kohort, krzywe retencji, LTV i wnioski – z zapytaniem SQL lub formułami do odtworzenia analizy.

Prompt – 5 zmiennych do uzupełnienia 

Działaj jak analityk danych w e-commerce lub firmie subskrypcyjnej. Przeprowadź analizę kohortową retencji klientów.

Model biznesowy i cykl zakupowy: [MODEL BIZNESOWY]
Definicja kohorty (miesiąc pierwszego zakupu, kanał pozyskania, pierwszy produkt): [DEFINICJA KOHORTY]
Co uznajemy za aktywność (zakup, logowanie, opłacona subskrypcja): [DEFINICJA AKTYWNOŚCI]
Narzędzie, w którym odtworzę analizę: [NARZĘDZIE]

<dane>
[WKLEJ DANE TRANSAKCJI]
</dane>

Zrób:
1. sprawdź jakość danych: duplikaty, zwroty, zamówienia testowe, braki – wypisz, co wykluczasz i dlaczego,
2. zbuduj tabelę kohort: wiersze = kohorty, kolumny = okres od pierwszego zakupu (M0, M1, M2…), wartości = % aktywnych klientów,
3. policz dla każdej kohorty: średnią wartość zamówienia, liczbę zamówień na klienta i skumulowany przychód na klienta (prosty LTV) po 3, 6 i 12 miesiącach,
4. wskaż: najlepsze i najsłabsze kohorty, moment największego odpływu, różnice między kanałami lub pierwszym produktem,
5. podaj 3–5 hipotez biznesowych i jak je sprawdzić (test, segment, ankieta),
6. daj gotowe zapytanie SQL albo formuły dla wskazanego narzędzia, żebym mógł odtworzyć tabelę na pełnych danych.

Oddziel wyniki obliczone z danych od interpretacji. Jeśli próbka w kohorcie jest za mała (<30 klientów), oznacz to i nie wyciągaj z niej wniosków.

Kiedy użyć tego promptu

Gdy chcesz wiedzieć, czy klienci wracają, kiedy odchodzą i które źródła pozyskania przynoszą klientów wartych więcej w dłuższym okresie. Średnie z całego sklepu ukrywają te różnice – kohorty pokazują je wprost. Prompt prowadzi przez czyszczenie danych, tabelę kohort, prosty LTV i wnioski, a na koniec daje zapytanie lub formuły do odtworzenia analizy na pełnych danych.

Przykład

Przykładowe dane do uzupełnienia:

  • MODEL BIZNESOWY: sklep z karmą dla zwierząt, klienci kupują średnio co 5–6 tygodni
  • DEFINICJA KOHORTY: miesiąc pierwszego zakupu i kanał pozyskania (Google Ads, Meta, organic)
  • DEFINICJA AKTYWNOŚCI: opłacone zamówienie, bez zwrotów
  • NARZĘDZIE: BigQuery (eksport z GA4 i sklepu)

Czego się spodziewać: Dostaniesz listę wykluczonych rekordów, tabelę retencji M0–M6 dla kohort styczeń–czerwiec, obserwację, że klienci z Meta odchodzą najszybciej po pierwszym zakupie, a z wyszukiwania organicznego mają najwyższy LTV po 6 miesiącach, hipotezy (np. zbyt agresywny rabat na start w kampaniach Meta) i zapytanie SQL z CTE do zbudowania tabeli w BigQuery.

Jak dopasować prompt do siebie

  • Subskrypcja SaaS: zamień zakupy na opłacone okresy i dodaj analizę rezygnacji oraz powrotów.
  • Mało danych: poproś o kohorty kwartalne zamiast miesięcznych.
  • Excel lub Arkusze: poproś o kroki z tabelą przestawną i kolumnami pomocniczymi zamiast SQL.

Wskazówki

  • Do czatu wklejaj zanonimizowane ID klientów – imiona i maile nie są potrzebne do analizy.
  • Porównuj kohorty po tym samym czasie od pierwszego zakupu, nie w tym samym miesiącu kalendarzowym.
  • Wyniki z czatu policz jeszcze raz na pełnych danych w swoim narzędziu – próbka wklejona do promptu może być niereprezentatywna.

Najczęstsze błędy

  • Liczenie retencji bez wykluczenia zwrotów i zamówień testowych, które zawyżają aktywność.
  • Wyciąganie wniosków z kohort liczących kilkunastu klientów.

Co dalej – dopytaj model

Gdy dostaniesz odpowiedź, możesz pójść krok dalej tym poleceniem:

Na podstawie wyników przygotuj plan 3 testów zwiększających powrót klientów w miesiącu M1 (np. mail przypominający, rabat na drugi zakup, subskrypcja) z hipotezą, metryką i wielkością próby.

Podobne prompty

ChatGPTClaude

Analiza marży i rentowności produktów

Przeanalizuj rentowność produktów na podstawie załączonych danych.
Okres: [OKRES]
Waluta i sposób rozliczeń: [WALUTA / NETTO-BRUTTO]
Dostępne kolumny: [KOLUMNY]
Koszty uwzględnione w danych: [KOSZTY]
Cel analizy: [CEL].

Sprawdź kompletność danych i zdefiniuj wzór marży przed obliczeniami. Jeśli dane pozwalają, porównaj przychód, koszt produktu, rabaty, prowizje, koszty dostawy, zwroty i marżę kwotową oraz procentową. Wyraźnie oznacz koszty, których nie uwzględniono. Nie utożsamiaj marży z narzutem ani przychodu z zyskiem.

Pokaż metodę obliczeń, najważniejsze produkty i wyjątki, a także ograniczenia interpretacji. Nie szacuj brakujących kosztów bez jawnego oznaczenia założeń.
ChatGPTClaude

Analiza opinii o produktach

Przeanalizuj opinie klientów o produkcie [NAZWA PRODUKTU].

Podaj:
1. 5 najczęściej chwalonych cech (z liczbą opinii, które o nich wspominają),
2. 5 najczęstszych problemów lub zarzutów (też z liczbą),
3. pytania, które klienci zadają w opiniach, a na które nie odpowiada opis produktu,
4. zmiany w opisie produktu, które zmniejszą liczbę rozczarowań,
5. 3 krótkie cytaty, które warto pokazać na karcie produktu.

Opinie:
[WKLEJ OPINIE]
ChatGPTClaude

Porównanie ofert dostawców

Porównaj załączone oferty dostawców.
Potrzeba biznesowa: [POTRZEBA]
Zakres wymagany: [WYMAGANIA]
Kryteria obowiązkowe: [MUST-HAVE]
Preferencje: [PREFERENCJE]
Horyzont kosztowy: [OKRES].

Najpierw wyodrębnij warunki i zakres każdej oferty. Przygotuj tabelę porównującą cenę, opłaty dodatkowe, zakres usług, terminy, wsparcie, warunki wypowiedzenia, bezpieczeństwo, zależności i wyłączenia. Oznacz elementy niepodane jako „brak informacji”, a nie jako spełnione.

Policz koszt całkowity tylko wtedy, gdy dane są porównywalne; pokaż założenia i okres. Rozdziel wymagania obowiązkowe od preferencji. Na końcu wskaż najlepsze dopasowanie do podanych kryteriów, najważniejsze ryzyka i pytania, które należy wysłać dostawcom przed decyzją.