Du stirrar på dashboards som ser ”bra” ut, men konverteringen står still. Heatmaps visar frustrerade klick, trattar visar avhopp, och ingen kan enas om vad det verkliga problemet är. Samtidigt snedvrider luckor i spårningen tyst varje beslut.
Den här website analytics diagnostic är byggd för en growth marketer som behöver förklara ett plötsligt konverteringsfall med bevis, en produktchef som vill prioritera UX-fixar utan att gissa, och en konsult som ska ta fram en trovärdig optimeringsplan för en kundsajt med stökig data. Resultatet är en strukturerad diagnostikrapport som omvandlar besökarbeteende, signaler i tratten och mätkvalitet till en prioriterad åtgärdsplan (med ”insikt → trolig orsak → stödjande bevis” och nästa steg i form av tester).
Vad gör den här AI-prompten och när ska du använda den?
| Vad den här prompten gör | När du ska använda den här prompten | Det du får |
|---|---|---|
|
|
|
Hela AI-prompten: diagnostikrapport för webbanalys
Fyll i fälten nedan för att anpassa prompten efter dina behov.
| Variabel | Vad du ska ange | Anpassa prompten |
|---|---|---|
[WEBBPLATS_URL] |
Ange webbadressen (URL) till webbplatsen som ska analyseras, inklusive fullständig domän och protokoll (t.ex. https://). Till exempel: "https://www.example.com"
|
|
[PRIMART_MAL] |
Beskriv webbplatsens viktigaste affärsmål, till exempel att öka försäljningen, generera leads eller få fler prenumerationer. Till exempel: "Öka antalet nya prenumerationer per månad med 20 %."
|
|
[MALGRUPP] |
Beskriv den ideala målgruppen för webbplatsen, inklusive demografi, beteenden och andra relevanta egenskaper. Till exempel: "Yrkesverksamma millennials i åldern 25–35 som är intresserade av prenumerationer inom träning och hälsa."
|
|
[BRANSCH] |
Ange vilken bransch eller marknad verksamheten verkar inom för att ge analysen rätt kontext. Till exempel: "E-handel med fokus på hållbart mode."
|
|
[BAKGRUND] |
Lista relevanta detaljer om webbplatsen, såsom spårningsupplägg, nyliga förändringar, säsongsmönster eller kända problem. Till exempel: "Spårning sattes upp i Google Analytics 4 för sex månader sedan; nylig nedgång i konverteringar efter prisuppdateringar."
|
|
[TILLGANGLIGA_ANALYSVERKTYG] |
Ange vilka analysplattformar eller verktyg som finns tillgängliga för analysen, eller skriv "okänt" om du är osäker. Till exempel: "Google Analytics 4, Hotjar, Mixpanel."
|
|
[TILLGANGLIGA_DATAKALLOR] |
Lista vilka datatyper som finns tillgängliga för analys, till exempel eventspårning, enkätresultat eller sessionsinspelningar, eller skriv "okänt" om du är osäker. Till exempel: "Eventspårning, sessionsinspelningar, data från kundundersökningar."
|
|
[TIDSPERIOD] |
Ange vilken period som ska analyseras, inklusive start- och slutdatum, eller ett relativt intervall (t.ex. senaste 30 dagarna). Till exempel: "Senaste 90 dagarna (1 juli 2023–30 september 2023)."
|
|
[KONVERTERINGSDEFINITIONER] |
Beskriv hur konverteringar definieras på webbplatsen, inklusive vilka mål eller händelser som spåras. Till exempel: "En konvertering definieras som att slutföra kassan eller skicka in ett leadformulär."
|
|
[UTMANING] |
Identifiera specifika problem eller misstänkta problemområden kopplade till webbplatsens prestanda eller användarupplevelse. Till exempel: "Hög andel avbrutna varukorgar i betalsteget."
|
|
[VERSALER_MED_UNDERSTRECK] |
Den här platshållaren verkar vara en odefinierad variabel. Förtydliga syftet eller ersätt den med ett relevant indatafält. Till exempel: "Ej tillämpligt"
|
Proffstips för bättre resultat med AI-prompten
- Definiera ”framgång” på riktigt. Säg inte ”fler konverteringar”. Specificera konverteringen, segmentet och tidshorisonten (till exempel: ”Öka antal provstarter från /pricing för desktopbesökare i USA med 15% på 6 veckor”). Om du är osäker, ställ en följdfråga: ”Föreslå 3 mätbara definitioner av framgång för min sajt baserat på inputs, och välj sedan den mest försvarbara.”
- Ta med minst två typer av bevis. Den här prompten är som starkast när du kombinerar kvantitativa signaler (GA4-trattar, event-volymer, avhoppsgrader) med kvalitativa bevis (teman från replays, on-page-enkäter, supportärenden). Om du bara har analytics, lägg till en begränsning: ”När kvalitativa bevis saknas, föreslå minsta möjliga researchsteg för att validera hypotesen.”
- Kräv källhänvisningar per påstående. Prompten kräver redan att varje centralt påstående refererar till en typ av datakälla, men du kan göra det striktare: ”För varje insikt, inkludera en bedömning ‘Konfidens: Hög/Medium/Låg’ och vilket bevis som skulle höja den.” Ärligt talat minskar den ändringen diskussionerna med intressenter.
- Iterera med kontrollerade omkörningar. Efter första outputen, prova: ”Gör om prioriteringen och utgå från att ingenjörstid är begränsad till 10 timmar den här sprinten, och märk allt som kräver dev-stöd.” Kör sedan igen med motsatt begränsning: ”Anta att vi kan leverera en större förändring på 2 veckor; vad flyttas upp?”
- Gör planen till experiment och instrumentering. Be om testbara versioner av de viktigaste åtgärderna: ”Omvandla de 5 främsta rekommendationerna till A/B-testhypoteser med primärt mått, skyddsräcken (guardrail metrics) och förväntad förändringsriktning.” Följ sedan upp med: ”Lista vilka events/parametrar jag bör lägga till eller fixa för att mäta de testerna korrekt.”
Vanliga frågor
Growth marketing managers använder den för att omvandla brusiga GA4-rapporter till en försvarbar lista över konverteringsspakar, kopplade till bevis från tratten. Produktchefer förlitar sig på den för att prioritera UX- och onboardingarbete med ”effekt vs. insats” i stället för åsikter i rummet. Analytics leads använder den för att synliggöra spårningsluckor, definitionsproblem och segmenteringsbrister innan dashboards blir betrodda. Specialister inom konverteringsoptimering (CRO) använder formatet ”insikt → trolig orsak → stödjande bevis” för att bygga starkare testhypoteser och minska slöseri med experiment.
E-handelsvarumärken får värde när kundkorgs- och checkout-trattar läcker, men det är oklart om orsaken är fraktöverraskningar, betalningsfriktion eller trasiga events. Prompten hjälper till att koppla avhopp till beviskällor som trattar, exits och session replays. SaaS-bolag använder den för att diagnostisera flöden för provstart, aktivering och uppgradering, särskilt när anskaffningsmixen förändras och konverteringsgraderna svajar. Professionella tjänsteföretag använder den för lead gen-flöden (kontaktformulär, bokningssidor) och för att hitta var besökare tvekar, studsar eller inte skickar in på grund av UX- eller spårningsproblem. Marknadsplatser gynnas när de behöver analysera tvåsidiga trattar (utbud och efterfrågan) och koppla förbättringar till mätbara events genom centrala steg.
En typisk prompt som ”Analyze my website analytics and tell me what to improve” misslyckas eftersom den: saknar en definition av framgång och antaganden före analysen, vilket gör att analysen driver i väg. Den ger ingen struktur för att skilja spårningsproblem från faktiskt användarbeteende, vilket leder till självsäkra men felaktiga slutsatser. Den ignorerar beviskrav, så du får generiska råd som inte är kopplade till någon typ av datakälla. Och den levererar sällan en prioriterad plan baserad på effekt och insats, vilket gör att team fortfarande inte vet vad de ska göra först.
Ja. Även om prompten i sig inte har fasta variabler anpassar du den via dina INPUTS: din webbplatskontekst, vad ”framgång” betyder, vilka analysverktyg du använder och vilka beviskategorier du kan tillhandahålla (trattar, events, replays, enkäter). Lägg till begränsningar som ”fokusera bara på prissidan och checkout-flödet” eller ”analysera mobil vs. desktop separat”, så får du en tajtare rapport. En bra följdfråga är: ”Ställ minsta möjliga uppsättning förtydligande frågor som behövs för att ta fram en säker diagnos, och fortsätt sedan med en preliminär analys som är tydligt märkt.”
Det största misstaget är att lämna webbplatskonteksten för vag — i stället för ”Vi säljer mjukvara”, prova ”B2B SaaS med gratis provperiod, konverteringar är provstarter och betalda uppgraderingar, primär kanal är Google Sök.” Ett annat vanligt fel är att ge mått utan verktygskontext; ”konverteringsgraden är ner” är svagt, medan ”GA4-tratt från /pricing → trial_start sjönk från 3,2% till 2,1% vecka över vecka” är användbart. Många hoppar också över beviskategorier som replays eller enkäter och förväntar sig sedan säkra UX-slutsatser; om du inte har dem, säg det och be om minsta valideringssteg. Till sist glömmer team att specificera segment (nya vs återkommande, enhet, kanal), vilket kan dölja det verkliga problemet och ge rekommendationer som försöker passa alla.
Den här prompten är inte idealisk för fullskaliga redesignprojekt där du behöver visuella koncept, UI-system och ny informationsarkitektur från grunden. Den passar också dåligt om du inte har någon beteendedata alls och inte kan tillhandahålla ens grundläggande beviskategorier, eftersom upplägget är byggt för att vara kopplat till observerbara signaler. Och om du söker vägledning kring juridik/integritet (privacy compliance), annonskreativ strategi eller SEO-nyckelordsresearch behöver du i stället ett mer specialiserat upplägg.
Din data berättar redan en historia. Den här prompten hjälper dig att översätta den till en praktisk, bevisdriven plan som teamet faktiskt kan leverera. Klistra in den i ChatGPT, lägg till dina inputs och börja täta läckorna.
Kontakta oss
Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.