但关于访客何时成为潜在客户的文章却不多。
你能回答这些问题吗？
一周中的哪一天我的访客会成为潜在客户？
我的访客在一天中的什么时间会成为潜在客户？
我的访客需要多少天才能转化为潜在客户？
但你有数据。GA4 中有日期和时间数据，但其格式看起来像密码。分析非常困难。但现在，AI 让分析变得非常容易。
在本文中，我们将展示通过结合 GA4 和 ChatGPT 芬兰手机号码列表 来发现潜在客户生成速度和时间的方法……或任何允许您上传电子表格的模型。
按一天中的时间和一周中的某天生成销售线索
首先，让我们使用 GA4 数据找出访问者何时会成为潜在客户。我们首先将 GA4 报告中的相关数据导出为 CSV 文件。然后，我们将清理数据并通过一两个简单的提示将其提供给 AI。
您可能会注意到，这是不使用“关键事件”数据的转化分析。这适用于任何有感谢页面的网站，即使没有设置转化跟踪！
具体过程如下：
转到页面路径报告
设置一个较长的日期范围
搜索感谢页面的 URL
点击第一列顶部的蓝色加号以添加次要维度。选择“日期 + 小时”
导出！这是右上角的小共享图标。下载为 CSV。
报告应如下所示。每行都应为带有日期戳的感谢页。
Google Analytics 的屏幕截图，显示了搜索“/谢谢”页面路径的步骤。文本注释表明添加“日期 + 小时”作为次要维度。存在导出报告的选项。
接下来我们将清理文件。我们实际上只需要日期和会话数。这就足够了，因为加载感谢页面的每次会话都是一次转化，因此在这种情况下，会话就是潜在客户！
从 CSV 中删除前九行。这些只是注释。
删除除日期和会话之外的所有列。它们不是必需的。
包含各种数据列的电子表格。两个红色箭头指向区域：一个表示要删除的行，另一个指向要删除的列。现在您有一个两列的 CSV 文件。
将文件连同以下提示一起上传到您最喜欢的 LLM：
我给您一个 CSV 文件，其中显示了 B2B 潜在客户生成网站上的转化日期和时间。按星期几对转化进行分析。在条形图上进行可视化。
现在您可以看到一周中哪几天您的访客成为了潜在客户。
执行分析，显示按一天中各个时间进行的转化。在图表上进行可视化。
现在您可以看到访问者在一天中的什么时间成为潜在客户。
创建一个单一的热图矩阵，显示一天中的时间和一周中的某天的转换情况。
这是最后一个提示的输出，它结合了星期几和一天中的时间分析。在这个数据集中，一天的中间和一周的中间是我们的访问者最有可能成为我们网站开发和网站优化服务的潜在客户的时间。
热图显示按一天中的时间和一周中的某天进行的转化，转化率最高的时段是周中上午 10 点到下午 2 点之间。如何使用这些数据：
现在您知道了您的访问者最有可能举手寻求帮助的时间，您可能希望通过以下方式调整您的销售和营销。
在高峰时段发送电子邮件活动并进行推广
调整广告预算，减少低转化时间的支出，增加高转化时间的支出
确保销售代表在高峰时段做好快速响应的准备
如果您有足够的数据，您可以添加过滤器来检查来自各种来源的转化时间。您可能在没有人转化的时候为流量付费。这类似于发现来自移动设备的付费流量没有转化。快点修复它！
AJ Wilcox，B2Linked打开新窗口
“如果您投放的 LinkedIn 广告能带来大量转化，那么这种方法就特别有用。人们往往在工作时的特定时间与 LinkedIn 互动。因此，如果您知道您的 LinkedIn 广告流量在特定时间转化率最高，那么您可以仅在这些时间段投放广告，以利用一天中转化率最高的时间。
LinkedIn 不提供原生调度工具，但有几家第三方提供。基于这一新智能，我们能够提高许多广告帐户的效率。”
按一天中的时间和一周中的某天划分的内容参与度
通过更改报告，您可以查看各种其他互动的时间，包括内容互动。以下是一些示例：
当您的访客订阅时……
使用电子邮件注册感谢页面重复分析，以查看访问者何时订阅您的时事通讯。
以下是我们针对 GA4 数据进行的分析。不出所料：发布和推广新内容时，注册人数会更多。我们的时事通讯在周四早上发布，因此电子邮件订阅者数量会同时达到峰值。
热图显示按一天中的时间和一周中的某天进行的转化。转化高峰发生在星期三上午 10 点左右，与新闻稿发送时间一致，用两个带标签的文本框突出显示。
这对于任何转换都同样有效：捐赠者到非营利网站或申请到求职网站。
当您的访客观看视频时……
如果您重复分析，但这次使用事件报告并搜索“video_start”。报告将如下所示：
热图显示按一天中的时间和一周中的某天进行的视频观看次数，其中工作日中午和周末晚上的观看次数最高。颜色渐变范围从蓝色（低）到黄色（高）。
转换时间滞后分析
现在我们知道了访问者何时变成潜在客户，让我们问另一个与时间相关的问题：访问者需要多长时间才能变成潜在客户？
为此，我们需要一份显示两个日期的 GA4 报告：访问者首次访问网站的日期（“首次访问日期”维度）和他们成为潜在客户的日期（“触发潜在客户生成事件的日期”）。我还将包括访问者来自哪里（“会话默认渠道组”），以查看潜在客户的速度是否因流量来源而异。
我们需要使用 GA4 探索，而不是报告部分的报告，因为我们要查看的维度太多了。下面介绍如何仅使用我们所需的数据来创建 GA4 探索。
前往探索部分
点击“自由形式”探索
在第一列（“变量”）中，单击维度旁边的加号 +
搜索并检查以下维度：首次访问日期、日期、事件名称和第一个用户默认渠道组。点击导入
同样在第一列中，单击 METRICS 旁边的加号 +
搜索并检查“事件计数”指标。点击导入
在第二列（“设置”）中，将“首次访问日期”和“日期”拖到 ROWS 框中
将“第一个用户默认频道组”拖到 COLUMNS 框中
将“事件计数”拖到值框中
在“过滤器”框中，单击以添加仅显示潜在客户的过滤器。在我们的网站上，我们将潜在客户生成事件命名为“contact_lead”，因此我们的过滤器是“事件名称包含 contact_lead”。
可选：如果有您不想要或不需要的列或行，请右键单击并选择“排除选择”以添加将其从报告中删除的过滤器。
呼！步骤好多。幸好我们没有对每个步骤都进行截图！但这里有一张已完成报告的截图，其中突出显示了所有设置。您可以看到我删除了不相关的行和列（通过右键单击“排除选择”），并且每个过滤器都出现在设置列的底部。
Google Analytics 数据表显示了首次访问日期和潜在客户日期之间的关系。设置包括日期和事件名称的维度，其中的值显示事件计数。
此 GA4 探索显示了流量来源、首次访问的日期以及产生的每个潜在客户的日期。
点击右上角的下载图标导出报告
打开 CSV 文件并清理它：删除顶部的注释行，整理列上方的标题等。您需要一个最终文件，其中一列用于首次访问的日期，另一列用于转化的日期，以及每个流量来源的列。
使用以下提示将文件上传至AI：
此 CSV 文件是从 GA4 导出的。第一列是访客首次访问的日期。
第二列是访客转化为潜在客户的日期。两者均为 YYYYMMDD 格式。
首先，删除异常值。
然后执行转化时间分析，显示从首次访问到成为潜在客户需要多长时间。
人工智能将为您提供从第一次访问到转化的天数的摘要。如果您以前读过这篇博客，您可能知道我们喜欢让人工智能绘制营销图表。以下是提示，以便对此潜在客户生成时间滞后分析进行可视化。
在单个条形图上绘制多组条形图，一组用于有机搜索，一组用于直接搜索。
该图表看起来应如下所示：
条形图显示了按来源划分的转化时间分布（以天为单位）。大多数潜在客户在首次访问时就转化了，而大多数来自自然搜索和直接来源的潜在客户随着时间的推移而减少。
我已经在多个帐户中这样做过，发现大多数潜在客户在第一次访问时就转化了。我并不感到惊讶。这并不是高意向访问者快速移动的唯一线索。如果您以感谢页面为终点创建GA4 路径探索，您可能会发现典型的潜在客户会从主页直接转到潜在客户表单。
