Špatná otázka = špatná odpověď. Jak se ptát dat.
Většina dotazů, co lidi pokládají datům, je špatná. Nedostávají odpověď ne proto, že by ji data neměla, ale proto, že ji nehledají správně. Tady jsou čtyři vzorce, které pravděpodobnost dobré odpovědi zvednou — a fungují stejně, ať se ptáte AI nebo si to skládáte v Excelu.
1. Konkrétní časové okno
Špatně: „Jak mi šel Meta?"
Lépe: „Jak mi šel Meta v posledních 14 dnech ve srovnání s předchozími 14 dny?"
Proč: bez referenčního okna je „šlo to" subjektivní. Když okno řeknete, dostanete srovnání, ne dojem.
2. Definuj, co znamená „dobře"
Špatně: „Která kampaň je nejlepší?"
Lépe: „Která kampaň má nejnižší cenu za zákazníka při útratě aspoň 10 000 Kč?"
Proč: „nejlepší" si systém musí vybrat — sáhne po ROAS, ale „nejlepší ROAS" u kampaně, která utratila 200 Kč, je statistický šum, ne výsledek. Když řeknete kritérium plus minimální váhu, dostanete realistickou odpověď.
3. Ptej se na příčinu, ne na číslo
Špatně: „Kolik je ROAS?"
Lépe: „Proč mi minulý týden klesl ROAS o 30 %?"
Proč: číslo bez kontextu vás nevede k akci. „ROAS je 2,8" je informace, ne instrukce. „ROAS klesl, protože hlavní kampaň utratila rozpočet už ve středu a do víkendu neběžela" je odpověď, podle které víte, co s tím.
4. Pojmenuj segmenty
Špatně: „Kdo u mě nakupuje?"
Lépe: „Jaký je rozdíl mezi zákazníky z brand kampaní a z prospectingu — průměrná objednávka, opakovaný nákup?"
Proč: průměr je často klamný. Když se průměrná objednávka pohybuje kolem 1 500 Kč, můžete mít polovinu zákazníků za 500 Kč a polovinu za 2 500 Kč — a každá z těch skupin chce úplně jiný marketing.
Tahle pravidla nezávisí na nástroji — fungují stejně, ať se ptáte GPT, Lupli, dashboardu, nebo si to skládáte v Excelu. Klíč je formulace, ne software. Když položíte špatnou otázku, dostanete dvě možnosti: buď průměrnou odpověď, nebo odpověď, která zní dobře, ale není pravda. U dat platí to samé, co u lidí — kvalitní rozhovor začíná u kvalitní otázky.