Ich habe meinen Kampagnen-Performance-Export aus dem letzten Jahr hochgeladen, der den Zeitraum von September bis Dezember abdeckt. Analysiere es richtig. Analysiere die Zahlen. Schau dir die Datei nicht nur grob an. Ich möchte wissen, was während meines Black Friday und Cyber Monday wirklich passiert ist: welche Kampagnen das Geld eingebracht haben, welche Angles und welcher Betreff am besten performt haben, wie sich die Frequenz auf abmelden und Spam-Beschwerden ausgewirkt hat, als der Monat seinen Höhepunkt erreicht hat, wann die Liste begonnen hat zu ermüden (falls das passiert ist) und was die Daten über das optimale Timing sagen. Stelle alles, was sich visuell leichter verstehen lässt, als Diagramm dar. Und mach daraus dann den Plan für dieses Jahr: die 5 Dinge, die ich laut diesen Daten für den kommenden Black Friday und Cyber Monday anders machen sollte, und die 5 Dinge, die ich weiter tun sollte, weil sie funktionieren. Wie Gut aussieht: Jede Schlussfolgerung wird mit den Zahlen dahinter belegt, mindestens ein Ergebnis ist etwas, das ich selbst nicht erwartet hätte, Muster, die nur auf wenigen Sendungen basieren, werden als dünn markiert, und ich bekomme Entscheidungen, nach denen ich handeln kann, statt Beobachtungen. Jede Aussage, die du machst, muss in den Daten nachvollziehbar sein. Bevor du mir deine Antwort gibst, lies sie mit einer adversarialen Brille gegen: Frage dich bei jedem Ergebnis, was es sonst noch erklären könnte, ob genug Daten dahinterstehen und ob es immer noch gelten würde, wenn du die Daten anders aufschneidest (z. B. nach Woche, nach Segment, nach Versandzeitpunkt). Prüfe es dort, wo es wichtig ist. Nimm nur auf, was standhält, und vermerke kurz, was du weggelassen hast und warum. Wenn du Fragen an mich hast, bevor du mit deiner Analyse beginnst, dann stell sie mir ruhig. Du kannst mir mehrere Fragen stellen. Stelle sicher, dass du 100 % der Informationen hast, die du brauchst, um mir ein fehlerfreies Ergebnis zu liefern.