Jak mierzymy wyniki SEO i widoczności AI

Wynik to zmierzona zmiana względem datowanego punktu początkowego, obliczona według definicji wybranej przed rozpoczęciem prac i interpretowana w kontekście wszystkiego innego, co uległo zmianie. Nie jest to korzystna liczba odkryta po zakończeniu prac. Ta metodologia to umowa stojąca za każdym publikowanym przez nas wynikiem: czytelnik powinien móc pobrać te same dane źródłowe, zastosować podaną formułę i otrzymać tę samą liczbę.

Ta norma ma znaczenie, ponieważ wydajność wyszukiwania jest systemem obserwacyjnym. Strony się zmieniają, konkurenci reagują, popyt się zmienia, wyszukiwarki aktualizują, a kampanie marketingowe nakładają się na siebie. Możemy udowodnić, co i kiedy wdrożyliśmy. Możemy zmierzyć, co wydarzyło się później. Możemy twierdzić, że nasza praca spowodowała całą zmianę tylko wtedy, gdy projekt badawczy na to pozwala.

Rekord pomiarowy, który musi zawierać każdy wynik

Każdy publikowany wynik musi dostarczać wystarczająco dużo informacji, aby można go było poddać audytowi. Co najmniej jego rekord zawiera:

• cel biznesowy oraz wskaźnik wybrany przed wdrożeniem;
• formułę wskaźnika, źródło, strefę czasową, walutę (tam, gdzie ma to zastosowanie) oraz model atrybucji;
• zakres strony, katalogu, szablonu, kohorty stron, rynku, urządzenia, silnika wyszukiwania i promptu;
• daty wartości bazowej i porównania, w tym liczbę pełnych dni w każdym oknie;
• bezwzględną wartość początkową, bezwzględną wartość końcową oraz obliczoną zmianę;
• daty wdrożenia oraz dokładny zakres prac objętych twierdzeniem;
• istotne adnotacje oraz znane konkurencyjne wyjaśnienia;
• brakujące dane, zmiany w śledzeniu, wykluczenia oraz wielkość próby lub mianownika;
• siłę języka atrybucji, jakiego możemy użyć; oraz
• osobę dokonującą przeglądu, która zatwierdziła dane dla klienta.

Jeśli któreś z tych pól jest niedostępne, albo ujawniamy to ograniczenie obok wyniku, albo nie publikujemy go. Prywatny arkusz kalkulacyjny zawierający zastrzeżenie nie naprawia publicznego twierdzenia bez zastrzeżeń.

1. Co liczy się jako wynik

Celem pomiaru jest wykazanie, czy praca zmieniła coś wartościowego. Organizujemy wskaźniki w łańcuch, ponieważ każdy etap odpowiada na inne pytanie:

1. Dostarczenie: Czy zamierzona zmiana została poprawnie opublikowana? Przykłady obejmują opublikowane strony, zaktualizowane szablony, rozwiązane przekierowania i przywrócony dostęp dla crawlerów.
2. Odkrycie i widoczność: Czy systemy wyszukiwania lub AI znalazły i wyświetliły pracę? Przykłady obejmują ważne zaindeksowane strony, wyświetlenia, rozkład pozycji, wynik widoczności AI, wzmianki i cytowania.
3. Wybór i zaangażowanie: Czy ludzie lub silniki odpowiedzi wybrały tę treść? Przykłady obejmują organiczne kliknięcia, kwalifikowane sesje, cytowane URL-e, angażujące wizyty oraz wizyty na stronie kolejnego kroku.
4. Wynik biznesowy: Czy to zachowanie przyniosło wartość? Przykłady obejmują kwalifikowane leady, wersje próbne, zakupy, przychody z subskrypcji, umówione spotkania lub inny wynik uzgodniony z klientem przed rozpoczęciem prac.

Dostarczenie to dowód, że praca została wykonana. Widoczność jest wskaźnikiem wyprzedzającym: miarą, która powinna zmienić się przed wynikiem biznesowym. Zaangażowanie pokazuje reakcję. Wynik biznesowy to rezultat, który większość organizacji ostatecznie finansuje.

Sam ruch nie jest zatem wynikiem dla większości modeli biznesowych. Firma SaaS nie czerpie korzyści tylko dlatego, że 20 000 dodatkowych odwiedzających przeczytało nieistotny artykuł; czerpie korzyści, gdy odpowiedni prospects rozpoczynają lub wpływają na wersje próbne, demo i subskrypcje. Biznes e-commerce potrzebuje rentownych zamówień, a nie sesji oderwanych od przychodów i marży. Wydawca może słusznie traktować kwalifikowane odsłony strony jako wynik biznesowy, gdy te odsłony generują wartość reklamową lub subskrypcyjną, ale nawet wtedy boty, przypadkowe wizyty i geografia odbiorców mogą zmienić wartość tej samej liczby odwiedzin.

Raportujemy ruch, gdy jest on właściwym miejscem w łańcuchu, i łączymy go z dowodami jakości lub dalszych etapów, gdy tylko model biznesowy na to pozwala. Odmawiamy przedstawiania wyświetleń, pojedynczej pozycji, liczby stron, surowego ruchu, wskaźnika zaangażowania lub zastrzeżonego wyniku jako końcowego wpływu biznesowego, gdy nie wykazano potwierdzonego związku.

Wynik jest wybierany z wyprzedzeniem. Jeśli uzgodnionym głównym wynikiem są kwalifikowane prośby o demo, nie zastępujemy go po zakończeniu prac wyświetleniami tylko dlatego, że wyświetlenia wzrosły, a prośby o demo nie.

2. Wartości bazowe: zamroź punkt początkowy

Wartość bazowa to datowany, niezmienny pomiar odpowiedniego zakresu przed wdrożeniem pierwszej zmiany w danym zakresie. Faza pomiaru wartości bazowej P5 wyjaśnia, jak ją przechwycić. Wartość bazowa musi używać tej samej formuły, źródeł, filtrów, segmentów, strefy czasowej, waluty, modelu atrybucji, zestawu promptów, zestawu konkurentów i wykluczeń, które będą używane w późniejszym punkcie kontrolnym.

W przypadku wskaźników stóp procentowych zapisujemy licznik i mianownik, nie tylko samą stopę. W przypadku sum dla całej witryny zapisujemy również dotkniętą kohortę. Jeśli optymalizowanych jest 40 stron produktowych, ich wartość bazowa pozostaje oddzielona od pozostałych 8 000 URL-i; w przeciwnym razie niezwiązany z tym wzrost witryny może zamaskować to, co stało się z pracą.

Retrospektywnie zrekonstruowana wartość bazowa nie jest wartością bazową. Gdy zespół zna już wynik, wybory dotyczące dat, filtrów, segmentów i wykluczeń są podatne na nastawienie wynikające z wiedzy o wyniku. Narzędzia na żywo mogły również zmienić swoje przetwarzanie, przechowywanie, atrybucję lub dane konkurencyjne. Nazwanie rekonstrukcji wartością bazową sugerowałoby poziom kontroli, który nie istniał.

Gdy klient nie ma czystej historii, stosujemy jedną z trzech uczciwych alternatyw:

• Prospektywna wartość bazowa: podłącz i zatwierdź pomiar, nie dokonuj żadnej zmiany w zakresie w zdefiniowanym okresie obserwacji, a następnie zamroź ten okres przed wdrożeniem.
• Zrekonstruowane odniesienie: wyeksportuj najlepszą dostępną historię, udokumentuj źródło i zmiany w śledzeniu, oznacz jako „zrekonstruowane” i ogranicz twierdzenie do tego, co wspierają zachowane dane.
• Brak twierdzenia przed i po: rozpocznij pomiar teraz i raportuj bezwzględną wydajność w punktach kontrolnych, aż do momentu, gdy będzie dostępne ważne porównanie prospektywne.

Brakujące dane są nieznane, a nie zerowe. Nie interpolujemy ich tylko po to, aby uzyskać czysty wykres. Jeśli brakujący przedział czasu pokrywa się z istotną zmianą lub uniemożliwia równoważne porównanie, wynik nie nadaje się do publikacji jako twierdzenie przed i po.

3. Okna porównawcze i zegar raportowania

Oba okna muszą zawierać tę samą liczbę pełnych dni, używać tej samej mieszanki dni tygodnia i wykluczać bieżący, niepełny dzień. Podajemy oba zakresy w wyniku, zamiast używać etykiet takich jak „ostatni miesiąc”, które zmieniają znaczenie w czasie.

Porównanie rok do roku porównuje okno z odpowiadającym mu oknem kalendarzowym rok wcześniej. Jest to nasza domyślna metoda, gdy popyt ma wzorce sezonowe, a wcześniejsze dane są czyste. Stałe i ruchome święta są adnotowane; gdy święto przesuwa się między oknami i istotnie wpływa na popyt, wyrównujemy tygodnie handlowe lub ujawniamy rozbieżność.

Porównanie okres do okresu porównuje sąsiednie okna o równej długości, np. 28 pełnych dni po wdrożeniu z poprzedzającymi 28 pełnymi dniami. Używamy go, gdy witryna nie ma czystego roku poprzedniego, gdy biznes nie jest istotnie sezonowy lub gdy potrzebujemy świeżego sygnału operacyjnego. Jest bardziej podatny na kampanie, premiery, święta i zmiany rynkowe, więc nigdy nie przedstawiamy go jako kontrolowanego sezonowo.

Gdzie istnieje wystarczająca historia, pokazujemy oba. Rok do roku odpowiada na pytanie: „Czy jesteśmy przed odpowiednim sezonem?” Okres do okresu odpowiada na pytanie: „Czy zmienił się ostatni kierunek?” Jeśli są ze sobą sprzeczne, sprzeczność jest informacją do wyjaśnienia, a nie powodem do ukrycia jednego z nich.

Żaden ruch wydajnościowy nie może być raportowany jako wynik przed upływem 28 pełnych dni od wprowadzenia odpowiedniej zmiany. Wcześniejsze obserwacje mogą potwierdzić, że strona jest aktywna, dostępna dla crawlerów, zaindeksowana lub cytowana, ale są to kontrole wdrożeniowe, a nie wyniki. Dwadzieścia osiem dni to minimum, a nie automatyczna zgoda. Wydłużamy okno, gdy:

• normalny cykl zakupu lub leadu jest dłuższy niż 28 dni;
• zmiana wymagała czasu, aby dotrzeć do wszystkich stron lub zostać przetworzona przez systemy wyszukiwania i AI;
• tygodniowy wolumen jest zbyt mały, aby kilka zdarzeń przestało dominować nad stopą;
• biznes charakteryzuje się silną miesięczną, kwartalną lub roczną sezonowością; lub
• awaria, kampania, migracja, zmiana w śledzeniu lub poważne zdarzenie zewnętrzne zanieczyszcza znaczną część okna.

Rejestrujemy z wyprzedzeniem pierwszy punkt kontrolny i zamierzone okno raportowania. Nie przesuwamy stale dat rozpoczęcia lub zakończenia, aż krzywa będzie wyglądać korzystnie.

4. Uczciwość atrybucji

Atrybucja to przypisanie zaobserwowanego efektu do przyczyny. Samo zestawienie czasowe tego nie ustanawia: „po” niekoniecznie oznacza „z powodu”. Stosujemy cztery poziomy twierdzeń.

Zweryfikowane dostarczenie oznacza, że możemy przypisać samą wdrożoną zmianę pracy: na przykład 120 określonych stron otrzymało poprawne znaczniki kanoniczne w udokumentowanej dacie wydania. Nie ustanawia to efektu wydajnościowego.

Efekt poparty eksperymentem wymaga projektu zdolnego do oszacowania efektu przyrostowego, takiego jak randomizowana lub wiarygodnie dopasowana grupa kontrolna z wcześniej określoną hipotezą, wskaźnikiem, próbą i datą zakończenia. Opisujemy projekt i niepewność; nie przekształcamy niedoskonałego eksperymentu treściowego w laboratoryjną pewność.

Dowód wspierający (contributory) ma zastosowanie, gdy dotknięta kohorta zmienia się po udokumentowanej zmianie, kierunek jest zgodny z wcześniej określoną hipotezą, a niezmieniona kohorta referencyjna lub benchmark konkurencyjny nie wykazuje takiego samego ruchu. Możemy powiedzieć, że wynik jest „zgodny z”, „powiązany z” lub „wspiera wkład” pracy.

Tylko korelacja ma zastosowanie, gdy wskaźnik zmienił się po zmianie, ale nie istnieje ważny kontrfaktyczny punkt odniesienia. Raportujemy sekwencję zdarzeń i konkurencyjne wyjaśnienia. Nie mówimy, że wynik został „wygenerowany”, „spowodowany” lub „dostarczony”.

W zwykłej pracy z klientami często nie jesteśmy w stanie oddzielić wpływu:

• aktualizacji algorytmów wyszukiwarek lub dostawców AI;
• sezonowości, świąt, pogody i zmian w popycie bazowym;
• płatnych wyników wyszukiwania, płatnych mediów społecznościowych, remarketingu i działań afiliacyjnych;
• zasięgu PR, aktywności twórców, kampanii markowych i promocji offline;
• premier produktów, cen, dostępności, merchandisingu i zmian w stopie konwersji;
• migracji, przeprojektowań, zmian w śledzeniu, zmian w zgodach i awarii;
• premier, strat, promocji konkurencji oraz zmian w wydatkach medialnych; lub
• zmian gospodarczych, regulacyjnych, kulturowych i zmian na poziomie kategorii rynkowej.

Wymieniamy czynniki, które wystąpiły, mówimy, czy każdy z nich prawdopodobnie wpływa na mierzoną kohortę, i odpowiednio obniżamy siłę twierdzenia. Jeśli płatne i organiczne lądują na tej samej stronie podczas premiery, nie przypisujemy wszystkich konwersji treściom organicznym. Jeśli aktualizacja algorytmu nakłada się na punkt kontrolny, możemy raportować względny ruch względem nieobjętych segmentów lub konkurentów, ale to porównanie jest dowodem, a nie doskonałą izolacją.

5. Adnotacje umożliwiają interpretację

Adnotacja to datowany zapis zmiany lub zdarzenia zewnętrznego umieszczony na tej samej osi czasu co wskaźnik. Bez adnotacji atrybucja staje się ćwiczeniem pamięciowym miesiące później.

Rejestrujemy zdarzenie, gdy ma miejsce, a nie gdy zaczynamy raportowanie. Każda adnotacja zawiera datę i strefę czasową, właściciela, dotknięte URL-e lub segment, kategorię, opis, odniesienie do wdrożenia lub kampanii, oczekiwany wskaźnik i kierunek, oczekiwane opóźnienie, datę punktu kontrolnego oraz znane nakładające się działania. Wydania wielodniowe mają daty rozpoczęcia i zakończenia. Cofnięcia i wycofania otrzymują własne wpisy, zamiast nadpisywać oryginał.

Adnotujemy premiery treści, wdrożenia techniczne, migracje, przekierowania, zmiany szablonów, zmiany w analityce i zgodach, awarie, kampanie płatne, PR, zmiany produktowe i cenowe, ważne zdarzenia konkurencji oraz potwierdzone aktualizacje platform. Wyniki adnotacji utrzymuje te zmiany, oczekiwania, punkty kontrolne i zaobserwowane wyniki razem, wyraźnie traktując korelację jako dowód, a nie dowód przyczynowości.

6. Jak mierzymy widoczność AI

Wskaźniki widoczności AI są obliczane osobno, ponieważ odpowiadają na różne pytania. Nigdy nie mieszamy widoczności, głosu, cytowań, sentymentu i pozycji w szacowany „wpływ AI”.

Przed porównaniem okresów zamrażamy tekst promptu, temat, ustawienia regionalne, silnik, częstotliwość uruchomień, monitorowany zestaw marek i monitorowany zestaw domen. Obserwacja promptu to jedna zapisana odpowiedź z jednego zdefiniowanego promptu, silnika, ustawień regionalnych i zaplanowanego uruchomienia. Odpowiedź i jej cytowane URL-e są przechowywane, aby zagregowane dane mogły być audytowane.

Wynik widoczności AI

Wynik widoczności odpowiada na pytanie: „W jakiej części śledzonego zestawu promptów ta domena zdobyła co najmniej jedno cytowanie?”

Wynik widoczności AI = obserwacje promptów cytujące domenę co najmniej raz ÷ wszystkie ważne obserwacje promptów w zamrożonej kohorcie × 100

Wiele cytowań w jednej odpowiedzi nie sprawia, że ta obserwacja jest bardziej widoczna; liczy się raz w liczniku. Błąd kolekcji nie jest odpowiedzią z zerową liczbą cytowań. To brakujące dane, raportowane poprzez pokrycie i ponowne uruchomienie lub wykluczone konsekwentnie z obu okien. Widok Widoczność AI udostępnia podstawowe odpowiedzi potrzebne do sprawdzenia wyniku.

Udział głosu

Udział głosu odpowiada na pytanie: „Spośród monitorowanych marek wymienionych w tych odpowiedziach, jaki udział należał do tej marki?”

Udział głosu = wzmianki o marce ÷ wzmianki o każdej monitorowanej marce w stałym zestawie konkurencyjnym × 100

Określamy, czy jednostką zliczania jest jedna wzmianka na odpowiedź, czy każde wystąpienie wzmianki, i utrzymujemy tę zasadę bez zmian. Nie renormalizujemy historii po dodaniu konkurenta; zmiana zestawu konkurentów rozpoczyna nową porównywalną serię lub powoduje przeliczenie wcześniejszego okna z zapisanych odpowiedzi.

Udział cytowań

Udział cytowań odpowiada na pytanie: „Spośród cytowań przypisanych do monitorowanego zestawu domen, jaki udział wskazywał na tę domenę?”

Udział cytowań = cytowania domeny ÷ cytowania każdej monitorowanej domeny w stałym zestawie × 100

Licznik zlicza cytowania, a nie wzmianki o marce. Jedna odpowiedź może cytować kilka URL-i z tej samej domeny, a każde cytowanie liczy się zgodnie z określoną zasadą. Raportowanie na poziomie domeny nie może być przedstawiane jako wydajność na poziomie strony. Inteligencja źródłowa i cytacyjna przechowuje domenę, URL, prompt i szczegóły silnika stojące za zagregowanymi danymi.

Te wskaźniki mają znane ograniczenia. Odpowiedzi AI mogą się różnić między uruchomieniami; dostawcy zmieniają modele, systemy wyszukiwania, interfejsy i zachowanie cytowań; lokalizacja, język, personalizacja i świeżość mogą zmienić odpowiedź; a wybrane prompty i zestawy konkurentów definiują mierzony wszechświat. Śledzony zestaw to powtarzalna próbka pytań, które wybraliśmy, a nie spis wszystkiego, o co potencjalni klienci mogą zapytać. Obecność cytowania nie dowodzi również, że osoba widziała, zaufała lub odwiedziła źródło. Dlatego raportujemy silnik, lokalizację, kohortę, częstotliwość uruchomień, pokrycie i bezwzględne liczby przy każdym istotnym twierdzeniu o widoczności AI.

7. Zaokrąglanie, zakresy i wartości bezwzględne

Procenty nigdy nie są publikowane samodzielnie. Każdy procent pojawia się wraz z wartościami bezwzględnymi użytymi do jego obliczenia.

W przypadku zmiany liczby raportujemy wartość bazową, wartość końcową, różnicę bezwzględną i zmianę względną: „kwalifikowane organiczne leady wzrosły z 40 do 52, co daje wzrost o 12 leadów lub 30%.” Dla stopy raportujemy obie stopy w punktach procentowych oraz podajemy ich liczniki i mianowniki: „stopa konwersji wzrosła z 2,0% (40/2000) do 2,4% (52/2167), co daje wzrost o 0,4 punktu procentowego.” Nazwanie tego wzrostem o 0,4% byłoby błędne; względny wzrost wynosi 20%.

Liczby to liczby całkowite. Procenty są normalnie zaokrąglane do jednego miejsca po przecinku, z wyjątkiem sytuacji, gdy zamieniłoby to niezerową wartość w 0,0% — wtedy dodajemy drugie miejsce po przecinku. Zmiany obliczamy z niezaokrąglonych danych wejściowych i zaokrąglamy tylko wyświetlany wynik. Wartości poniżej 1000 nie są skracane. Większe skróty mogą pojawić się w nagłówkach, ale dokładna liczba pozostaje w treści lub dostępnej tabeli.

Używamy zakresów tylko wtedy, gdy źródło lub metoda rzeczywiście generują niepewność. Zakres musi określać swoją metodę, taką jak przedział ufności, zakres modelu atrybucji lub granica pokrycia danych. Nie wymyślamy zakresu, aby oszacowanie punktowe wyglądało naukowo, i nie zastępujemy małych dokładnych liczb procentami, które wyolbrzymiają zmianę.

8. Anonimizacja klienta bez utraty znaczenia

Wynik anonimowy musi pozostać możliwy do sprawdzenia. Możemy zastąpić nazwę klienta, domenę, nazwy produktów i dane wrażliwe handlowo, ale opublikowany opis musi zachować:

• model biznesowy, szeroką kategorię, rynek i istotne ograniczenia;

• zakres strony lub kohorty stron oraz rodzaj zmienionych stron;

• dokładne daty wartości bazowej i porównania oraz długości okien;

• definicję wskaźnika, źródło, model atrybucji i mianownik;

• bezwzględne wartości bazowe i końcowe lub jawnie indeksowaną serię, gdy poufność umowna zabrania wartości bezwzględnych;

• interwencję, daty wydania i czas, jaki upłynął przed pomiarem;

• znaną równoczesną aktywność i wynikające z niej ograniczenie atrybucji; oraz

• wystarczająco dużo szczegółów metody, aby inny zespół mógł zastosować obliczenia.

Jeśli dokładnych wartości handlowych nie można pokazać, indeks może ustawić wartość bazową na 100 i zastosować tę samą skalę do każdego późniejszego punktu. Oznaczamy to jako indeksowane i nadal pokazujemy podstawowe zdarzenia lub liczby próbek, jeśli pozwala na to ujawnienie. Nigdy nie łączymy kilku klientów w fikcyjnego „typowego klienta”, nie zmieniamy dat, aby wzmocnić krzywą, ani nie ukrywamy, że wynik pochodzi z jednego katalogu, a nie całej witryny.

Jeśli zachowanie tego kontekstu identyfikowałoby klienta, nie publikujemy wyniku. Poufność jest powodem, aby wstrzymać opracowanie przypadku, a nie pozwoleniem na opublikowanie imponującego, ale niezweryfikowanego procentu.

9. Czego nie opublikujemy

Publikacja jest decyzją selekcyjną, więc jej zasady muszą być tak samo rygorystyczne jak obliczenia. Nie opublikujemy:

• wybranej na podstawie dogodności daty rozpoczęcia, daty zakończenia, wyszukiwarki, kraju, urządzenia, promptu, słowa kluczowego lub segmentu;
• zwycięstwa na jednej stronie opisanego jako wzrost w całej witrynie;
• wskaźnika wybranego po fakcie, ponieważ zmienił się korzystnie;
• procentu bez jego wartości bazowej, końcowej wartości bezwzględnej i mianownika (tam, gdzie ma to zastosowanie);
• porównania mieszające różne formuły, zakresy, źródła, modele atrybucji, waluty lub kohorty promptów;
• niepełnego miesiąca porównanego z pełnym miesiącem lub nierównych okien przedstawianych jako równoważne;
• brakujących obserwacji traktowanych jako zero lub przerw w śledzeniu ukrytych wewnątrz ciągłego wykresu;
• wyniku raportowanego przed minimalnym oknem lub przed zakończeniem normalnego cyklu konwersji;
• wyniku AI przedstawionego bez definicji promptu, silnika, lokalizacji, konkurentów i pokrycia;
• wyniku korelacyjnego napisanego jako dowód, że tylko nasza praca spowodowała rezultat;
• tylko najlepszej strony, zapytania, silnika lub punktu kontrolnego, gdy dostępna jest pełna zadeklarowana kohorta; lub
• wyniku klienta, który nie został zatwierdzony przez upoważnionego recenzenta pod względem dokładności, kontekstu i ujawnienia.

Nie usuwamy również niekorzystnych punktów kontrolnych z serii. Hipoteza, która się nie sprawdziła, wciąż może nauczyć zespół, co zmienić. Ukrycie jej sprawiłoby, że późniejszy sukces byłby mniej wiarygodny, a nie bardziej.

Zatwierdzenie publikacji

Przed publikacją osoba odpowiedzialna za dane dla klienta musi odtworzyć obliczenia z zamrożonych eksportów, potwierdzić zakres porównania i daty, sprawdzić rejestr adnotacji, zweryfikować każdą wartość bezwzględną i procent, zatwierdzić sformułowanie atrybucji oraz potwierdzić, że anonimizacja jest zgodna z umową z klientem. Druga kontrola redakcyjna musi zapewnić, że nagłówek nie mówi więcej niż dowody.

Ostatnie pytanie jest proste: czy sceptyczny czytelnik może zidentyfikować, co się zmieniło, co się nie zmieniło, co jeszcze może wyjaśniać zmianę i jak obliczono każdą liczbę? Jeśli nie, wynik nie jest gotowy do publikacji.