Den vollständigen Index der Dokumentation findest du in llms.txt. Die Markdown-Version einer Dokumentationsseite erhältst du, indem du .md an die URL der Seite anhängst.
Hauptnavigation
Design
Codex

Anwendungsfall für Codex

Ursachen für KPI-Veränderungen analysieren

Erkläre anhand von Daten, warum sich eine Kennzahl unerwartet verändert hat, und leite daraus die nächsten Schritte ab.

Schwierigkeitsgrad Intermediate
Zeithorizont 1h

Gib ChatGPT KPI-Dashboards, Kennzahlendefinitionen, Datenexporte und Auswertungen nach Segmenten. Ergänze Informationen zur Produkteinführung und Diskussionsverläufe der Beteiligten. Bitte ChatGPT um einen Kurzbericht zur Ursachenanalyse, der die Quellen nennt und belegte Einflussfaktoren von Hypothesen trennt.

Besonders geeignet für

  • Teams aus den Bereichen Produkt, Wachstum oder operatives Geschäft, die eine unerwartete KPI-Veränderung untersuchen.
  • Ursachenanalysen, die eine Aufschlüsselung nach Segment, Kohorte, Kanal, Region oder Produkt erfordern.
  • Auswertungen, bei denen klar erkennbar sein muss, welche Einflussfaktoren belegt sind und welche Erklärungen bisher nur plausibel erscheinen.

Inhalt

    ← Alle Anwendungsfälle

    Ursachen für KPI-Veränderungen analysieren

    Erkläre anhand von Daten, warum sich eine Kennzahl unerwartet verändert hat, und leite daraus die nächsten Schritte ab.

    Gib ChatGPT KPI-Dashboards, Kennzahlendefinitionen, Datenexporte und Auswertungen nach Segmenten. Ergänze Informationen zur Produkteinführung und Diskussionsverläufe der Beteiligten. Bitte ChatGPT um einen Kurzbericht zur Ursachenanalyse, der die Quellen nennt und belegte Einflussfaktoren von Hypothesen trennt.

    Intermediate
    1h

    Gib ChatGPT KPI-Dashboards, Kennzahlendefinitionen, Datenexporte und Auswertungen nach Segmenten. Ergänze Informationen zur Produkteinführung und Diskussionsverläufe der Beteiligten. Bitte ChatGPT um einen Kurzbericht zur Ursachenanalyse, der die Quellen nennt und belegte Einflussfaktoren von Hypothesen trennt.

    Intermediate
    1h

    Besonders geeignet für

    • Teams aus den Bereichen Produkt, Wachstum oder operatives Geschäft, die eine unerwartete KPI-Veränderung untersuchen.
    • Ursachenanalysen, die eine Aufschlüsselung nach Segment, Kohorte, Kanal, Region oder Produkt erfordern.
    • Auswertungen, bei denen klar erkennbar sein muss, welche Einflussfaktoren belegt sind und welche Erklärungen bisher nur plausibel erscheinen.

    Skills und Plug-ins

    • Spreadsheets
      Prüfe exportierte Kennzahlen, schlüssle sie nach relevanten Merkmalen auf und stelle die Ergebnisse in Diagrammen dar.
    • Sieh dir Kennzahlendefinitionen, Dashboards, Informationen zur Produkteinführung und freigegebene Quelldateien an.
    • Prüfe relevante Hinweise der Beteiligten und die jüngsten Änderungen.
    • Documents
      Fasse die Analyse in einem Kurzbericht zusammen. Nenne die Quellen und erläutere die Grenzen der Aussagekraft, damit sich die Ergebnisse überprüfen lassen.
    Skill Nutzen
    Spreadsheets Prüfe exportierte Kennzahlen, schlüssle sie nach relevanten Merkmalen auf und stelle die Ergebnisse in Diagrammen dar.
    Google Drive Sieh dir Kennzahlendefinitionen, Dashboards, Informationen zur Produkteinführung und freigegebene Quelldateien an.
    Slack Prüfe relevante Hinweise der Beteiligten und die jüngsten Änderungen.
    Documents Fasse die Analyse in einem Kurzbericht zusammen. Nenne die Quellen und erläutere die Grenzen der Aussagekraft, damit sich die Ergebnisse überprüfen lassen.

    Prompt für den Einstieg

    Explain why [KPI] changed during [time window]. Use the KPI dashboard, metric definition, source exports, segment cuts, launch or campaign context, and stakeholder threads I provide. Break down the movement by relevant segment, cohort, channel, geography, and product surface. Return a root-cause brief with: - charts and material changes - confirmed drivers - hypotheses to investigate - caveats and data-quality issues - source links - open questions - recommended actions Do not treat correlation as proof, and do not change the source data.
    LunaExtra high
    Explain why [KPI] changed during [time window]. Use the KPI dashboard, metric definition, source exports, segment cuts, launch or campaign context, and stakeholder threads I provide. Break down the movement by relevant segment, cohort, channel, geography, and product surface. Return a root-cause brief with: - charts and material changes - confirmed drivers - hypotheses to investigate - caveats and data-quality issues - source links - open questions - recommended actions Do not treat correlation as proof, and do not change the source data.
    LunaExtra high

    Definiere die Kennzahl, bevor du Veränderungen erklärst

    Für die Ursachenanalyse brauchst du eine einheitliche Definition der Kennzahl, einen klaren Vergleichszeitraum und Daten aus der maßgeblichen Quelle. Stelle ChatGPT die KPI-Definition, das Dashboard, die Datenexporte und Hintergrundinformationen zu Produkteinführungen oder Kampagnen zur Verfügung, bevor du um eine Erklärung für die Veränderung bittest.

    1. Nenne den KPI und den Vergleichszeitraum. Beschreibe, in welche Richtung sich der KPI voraussichtlich entwickelt und welche Entscheidung die Analyse unterstützen soll.
    2. Füge das Dashboard, die Definition der Kennzahl, die Datenexporte, die Aufschlüsselungen nach Segmenten und relevante Hintergrundinformationen bei.
    3. Bitte ChatGPT, die Datenqualität zu prüfen und vorzuschlagen, welche Aufschlüsselungen für die Analyse am hilfreichsten sind.
    4. Führe den Einstiegs-Prompt aus und prüfe bestätigte Einflussfaktoren getrennt von Hypothesen.
    5. Prüfe die empfohlenen Maßnahmen gemeinsam mit der für die Kennzahl zuständigen Person, bevor du ein Dashboard oder einen Prozess änderst.

    Zeige die Entwicklung der Kennzahl in Diagrammen. Eine Korrelation innerhalb eines Segments reicht jedoch nicht aus, um einen ursächlichen Zusammenhang nachzuweisen. Halte Quellenlinks, Einschränkungen und offene Fragen im Kurzbericht fest.

    Hinterfrage die Erklärung für die Veränderung

    Bitte ChatGPT, nach Gegenbelegen und alternativen Erklärungen zu suchen, bevor du den Kurzbericht an die Führungsebene weitergibst.

    Prüfe den Kurzbericht zur Ursachenanalyse kritisch. Gehe für jeden bestätigten Einflussfaktor und jede Hypothese auf folgende Fragen ein: - Welche Quelle und welche Berechnung stützen die Aussage? - Welche Gegenbelege oder alternativen Erklärungen gibt es? - Für welches Segment oder welche Kohorte gilt die Aussage nicht? - Welche Einschränkungen ergeben sich aus der Datenqualität? - Mit welcher weiteren Prüfung ließe sich die Aussage besser absichern? Überarbeite die Empfehlung nur, wenn die Belege das rechtfertigen, und mache alle Änderungen kenntlich.

    Verwandte Anwendungsfälle