Search Funnel (Hinglish) · ScaleSKUs MCP Academy #13

आपका product search में दिख रहा है, लेकिन purchases उस हिसाब से नहीं आ रहीं। क्या आपको bids बढ़ानी चाहिए, advertised product बदलना चाहिए, या पहले offer को जाँचना चाहिए? Search Query Performance यह समझने में मदद कर सकता है कि pattern कहाँ कमज़ोर पड़ता है। इस lesson में हम एक ही query और एक ही reporting week पर दो walnut products की तुलना करेंगे।

हम visibility को engagement से अलग करेंगे, और evidence को explanation से। शुरुआत करें product level पर actual impressions, clicks, cart additions और purchases माँगने से। Market shares अलग से request करें। यह सीधा-सा अंतर एक आम गलती से बचाता है — यानी किसी product की market activity की share को उसकी अपनी conversion rate समझ लेना। जो stronger product है, उसके चौवालीस हज़ार आठ सौ पैंतीस impressions, एक हज़ार सात सौ छियालीस clicks, एक हज़ार चौवन cart additions, और दो सौ इक्यावन purchases दर्ज हैं।

तुलना वाले product को चालीस हज़ार आठ सौ तेरह impressions, पाँच सौ पचानवे clicks, एक सौ नब्बे cart additions, और अड़तीस purchases मिलती हैं। दोनों को एक ही query पर अच्छी-खासी visibility मिल रही है। फिर भी उनकी downstream activity में ज़मीन-आसमान का फ़र्क है। इसलिए ज़्यादा exposure खरीदना अधूरा जवाब है। पहले यह जाँचें कि दूसरा product, लगभग समान appearances के बावजूद, बहुत कम engagement क्यों खींच रहा है।

Leader के पास query impressions का दो point तीन पाँच percent, clicks का छह point एक छह percent, और purchases का पाँच point नौ percent है। तुलना वाले product के पास impressions का दो point एक चार percent, clicks का दो point एक percent, और purchases का एक percent से कम है। हर percentage का अपना market-wide denominator होता है।

Purchase share यानी उस product की purchases को उस query से जुड़ी कुल purchases से divide करना — न कि product के अपने clicks से। इन shares का इस्तेमाल हर stage पर competitive position compare करने के लिए करें, और साथ में raw counts भी रखें ताकि evidence का आकार स्पष्ट रहे। यहाँ एक ज़रूरी बात: क्या ये counts हर step पर एक ही लोगों को track करती हैं?

जवाब है — नहीं। ये aggregated query और product activity counts हैं। Cart additions में से purchases घटाने से हमें verified abandoned carts की संख्या नहीं मिलती। एक व्यक्ति एक से ज़्यादा बार interact कर सकता है, और यह report session-level journey नहीं है। Counts के बीच के ratios descriptive signals हो सकते हैं, लेकिन उन्हें measured cohort conversion की तरह नहीं बताना चाहिए।

हमारा follow-up इसी interpretation को सुधारता है। जो defensible conclusion है वह यह है: visibility की तुलना में downstream engagement कमज़ोर है — यह नहीं कि individual shoppers ठीक कहाँ छोड़ गए। पहली जाँच product और offer fit से जुड़ी है। Value compare करने से पहले actual variant और pack size verify करें जो shoppers को दिखी। फिर उसी period में effective price per quantity, displayed offer, delivery promise, ratings और availability check करें।

तुलना वाले product का retail context देखें तो उसका Buy Box नब्बे point दो percent है, जबकि leader का सौ percent। यह एक useful hypothesis देता है, कारण का proof नहीं। Current availability अकेले किसी historical week को explain नहीं कर सकती। जहाँ dated evidence मौजूद हो वहाँ माँगें, और जहाँ connected data यह confirm न कर सके कि shoppers ने actually क्या देखा, वहाँ manual check assign करें।

Evidence यह justify नहीं करता कि दूसरे product को तुरंत हटा दिया जाए या leader को उस query का sole owner बना दिया जाए। ये targeting decisions होंगे, और मौजूदा analysis ने उनका likely effect isolate नहीं किया है। इसी तरह, एक और exact keyword जोड़ना या budget बढ़ाना किसी unverified product-fit problem को हल नहीं करेगा। Recommendation precise रखें: पहले कमज़ोर product का offer और attributes जाँचें, फिर तय करें कि controlled exposure test उचित है या नहीं।

इससे explanation check होने तक useful coverage बनी रहती है। एक मज़बूत diagnostic workflow team को यह उतनी ही स्पष्टता से बताता है कि कौन-सा action delay करना है, जितनी स्पष्टता से यह बताता है कि क्या investigate करना है। अंत में एक छोटा handoff तैयार करें जिसमें पाँच चीज़ें हों: query और dates, दोनों products के identifiers, count और share के अंतर, अगला evidence check, और वह decision जो उस check से inform होगी।

जब अपनी team के workflow में assign करें तो follow-up के लिए एक owner और review date दें। जहाँ evidence नहीं है वहाँ कोई आकर्षक कहानी मत भरें। Practice के लिए कोई ऐसा product चुनें जिसे reasonable visibility मिल रही हो लेकिन downstream share कमज़ोर हो, उसे किसी relevant sibling से compare करें, और पूछें कि कौन-सा observation आपकी explanation बदल सकता है।

लक्ष्य एक सुंदर funnel नहीं है — बल्कि एक बेहतर अगला कदम है, जो actually उपलब्ध जानकारी पर आधारित हो। इस checklist को अपने अगले review में साथ रखें। Same dates compare करें, metric denominators confirm करें, unanswered question लिख लें, और तभी तय करें कि कोई targeting experiment उसका जवाब देगा या नहीं।