Organic analysis: baseline, сегменти й діагностика контенту

Baseline має відповідати питанню

Почніть з одиниці аналізу й періоду. Для рішення про формат порівнюйте дописи тієї самої платформи, зі схожою метою, доступністю й стадією дозрівання. Один viral outlier не є baseline, а календарний місяць не завжди дає достатньо спостережень. Корисними можуть бути медіана попередніх зрілих дописів, інтерквартильний діапазон і кількість рядків.

Не порівнюйте незрілий допис за перші шість годин із семиденним результатом архіву. Визначте стандартне observation window, наприклад D+7, і frozen extraction point. Якщо платформа змінює визначення або експорт, позначте break in series. Порівняння до й після такого break без примітки вводить в оману.

Сегменти до рейтингу

Розділіть дані щонайменше за platform, format, content pillar, audience job, CTA type і organic/boosted status. LinkedIn Page analytics окремо показує content, followers і visitors, а органічні й sponsored показники можуть бути в одному інтерфейсі; boosted post у Page analytics може відрізнятися від Campaign Manager. Не називайте рядок organic, якщо до нього потрапив paid distribution.

Зберігайте достатній розмір сегмента. Рейтинг формату за одним дописом — спостереження, не закономірність. Для малих груп покажіть `n`, діапазон і статус `directional`. Не приховуйте слабкі або видалені публікації з denominator, якщо правила вибірки не були визначені до аналізу.

Декомпозиція результату

Умовна воронка допомагає знайти місце зміни: distribution → attention → interaction → destination → outcome. Покази можуть зрости через ширше розповсюдження, але interaction rate знизитися. Кліки можуть зрости без якісної поведінки на сайті. Діагноз має називати, на якому переході виникла відмінність, а не оголошувати весь допис «успішним».

Rate рахуйте лише з узгодженим denominator. Якщо interactions визначені як clicks + reactions + comments + shares, задокументуйте це й не додавайте saves, якщо вони недоступні для частини платформ. Коли denominator нульовий або невідомий, результат — `not_available`, не нескінченність і не 0%. Для зовнішнього destination signal застосовуйте узгоджений UTM і окремо перевіряйте web analytics.

Альтернативні пояснення й аномалії

Перед рекомендацією перевірте мінімум три альтернативи: час і частота, тема або новинний контекст, distribution change, paid amplification, collaboration, editing після публікації, platform outage або tracking gap. Не приписуйте причинність одному елементу креативу, якщо одночасно змінилося кілька факторів.

Для аномалій створіть прапорці, а не тихе видалення: duplicate key, missing source, negative impossible value, sudden jump, incomplete window, mixed paid/organic. Перегляньте source row, журнал публікації й extraction notes. Якщо причину не встановлено, залиште `unresolved` і виключайте рядок лише за заздалегідь визначеним правилом.

Від спостереження до діагнозу

Сильний запис має чотири частини: evidence, observation, interpretation, limitation. Наприклад: «У зрілих organic document posts медіана destination clicks вища за baseline; n=4; різниця узгоджена в source export; але два дописи мали іншу тему, тому causal claim не робимо». Це чесніше за «каруселі працюють у 2 рази краще».

Практика

1. Побудуйте baseline зі зрілих синтетичних рядків і покажіть n та діапазон.
2. Порівняйте platform × format × pillar без змішування paid.
3. Розкладіть один результат на distribution, interaction і destination.
4. Запишіть дві альтернативні причини й потрібну наступну перевірку.

Готово, коли: висновок має відтворювану вибірку, чесний denominator, позначені аномалії й не видає кореляцію за причинність.

Методичні джерела

• LinkedIn Help: impressions, reach, clicks and engagement rate
• LinkedIn Help: follower metrics, rounding and privacy thresholds
• TikTok for Business: Business Account content and insights

Сценарії, шаблони й питання — оригінальні матеріали SEOWORK. Платформні правила перевіряйте повторно перед реальною дією.