تخطي إلى المحتوى الرئيسي
    تخطّى إلى المحتوى

    مهارة تفكيك الفانل: لماذا انخفضت المبيعات أو ROAS بالأرقام

    مهارة AI تجعل Claude أو ChatGPT يقسم تغير المبيعات أو ROAS على مراحل الفانل بالأرقام، ويسمي المرحلة المسؤولة، ويقترح ثلاثة إصلاحات وتجربة.

    الإجابة المختصرة

    هذه المهارة تجعل مساعد الذكاء الاصطناعي يجيب عن سؤال «لماذا انخفضت المبيعات (أو ارتفعت)؟» بالأرقام لا بالانطباع. تعطيه أرقام فترتين، فيقسم الإيراد أو العائد على الإنفاق الإعلاني (ROAS) إلى روافعه: الزيارات، ونسبة الإضافة للسلة، ونسبة بدء الدفع، ونسبة إتمام الشراء، ومتوسط قيمة الطلب. ثم يحسب نصيب كل رافعة من التغير، ويسمي الرافعة التي حركت النتيجة، ويقترح ثلاثة إصلاحات وتجربة واحدة للتحقق.

    استخدمها عندما يقترح أحد «نغيّر الإعلانات» أو «الخوارزمية تعبت» قبل أن يعرف أين حدث الانخفاض. النسخة المنشورة هنا نسخة الأكاديمية من مهارة محمود عمر: أضفنا لها قواعد تمنع النموذج من اختراع الأرقام، وفحصًا للتتبع قبل التشخيص، وربطًا بحاسبة مقارنة الفانل التي تحسب التقسيم نفسه.

    لمن تصلح

    تفيدك إذا

    • تدير متجرًا أو حسابات إعلانية وتريد تشخيصًا مرتبًا لتغير المبيعات بين أسبوعين أو شهرين.
    • تستخدم Claude أو ChatGPT أو Gemini في التحليل، وتريد أن يلتزم بطريقة واحدة ثابتة بدل إجابات عامة.
    • تكتب تقارير لعملاء، وتحتاج جدولًا يوضح أي مرحلة سحبت النتيجة وأيها سليم.

    لا تناسبك إذا

    ما تحتاجه قبل البدء

    • مساعد يدعم المهارات (Claude أو ChatGPT في مساحات العمل أو Gemini CLI)، أو مكان تلصق فيه التعليمات مثل مشروع أو Gem. طريقة التثبيت في دليل استخدام مهارات AI.
    • أرقام فترتين بالطول نفسه من المتجر: الجلسات، والإضافة للسلة، وبدء الدفع، والطلبات، والإيراد.
    • إن كان السؤال عن الإعلانات: الإنفاق، ومرات الظهور، والنقرات على الرابط، ومشاهدات الصفحة المقصودة، والإضافة للسلة، وعمليات الشراء، وقيمة الشراء من مدير الإعلانات.
    • عدد الطلبات في نظام المتجر للفترتين، ليتحقق النموذج من سلامة التتبع.
    • قائمة بما تغيّر في الفترة: السعر، ورسوم الشحن، والصفحة، وخطوات الدفع، والاستهداف، والتتبع.

    خطوات التطبيق

    1. ثبّت المهارة مرة واحدة

      نزّل ملف SKILL.md من أسفل الصفحة، وأضف إليه الملحق العربي. في Claude ارفعه كمهارة، وفي ChatGPT أو Gemini الصقه في تعليمات مشروع أو Gem. التفاصيل لكل منصة، وما تقوله وثائقها الرسمية، في دليل استخدام مهارات AI.

      اسم المهارة في الملف هو funnel-decomposition. إن رفعتها إلى Claude، سمِّ المجلد بالاسم نفسه.

    2. اطلبها بجملة واضحة وأرقام فترتين

      في Claude تعمل المهارة تلقائيًا عندما يطابق طلبك وصفها، ويمكنك ذكرها بالاسم: «استخدم مهارة funnel-decomposition». في المشروع أو الـ Gem تعمل التعليمات مع كل رسالة.

      الصق الأرقام في جدول بسيط: عمود لكل فترة، وصف لكل مقياس. الجدول يقلل أخطاء القراءة أكثر من فقرة نصية.

    3. أجب عن أسئلتها قبل أن تطلب الحكم

      النسخة المراجَعة تبدأ بفحص البيانات: هل الفترتان متساويتان؟ هل طلبات المتجر ومشتريات المنصة تتحركان في الاتجاه نفسه؟ هل الدفع عند الاستلام أم مسبق؟ إن سألتك عن رقم ناقص، أعطها الرقم أو قل إنه غير متاح. لا تتركها تفترضه دون أن تكتب ذلك.

    4. تحقق من الحساب قبل أن تقرأ الاستنتاج

      المهارة تقسم التغير باللوغاريتم: نصيب كل رافعة = لوغاريتم تغيرها ÷ لوغاريتم تغير الإيراد. مجموع الأنصبة 100%، وقد يظهر نصيب سالب لرافعة تحسنت فخففت الانخفاض.

      أدخل أرقام الإعلانات نفسها في حاسبة مقارنة الفانل وقارن أنصبة الطبقات بما قاله النموذج. إن اختلفت، فالخطأ غالبًا في قراءة النموذج للأرقام، فصححه قبل أي قرار.

    5. حوّل الرافعة الأضعف إلى سبب وتجربة

      الرافعة تقول أين حدث التغير، لا لماذا. خذ الفرضيات التي اقترحتها المهارة، وقارنها بسجل التغييرات، ثم اختبر واحدة فقط. قالب تشخيص إعلانات Meta يرتب هذه الخطوة، والمثال المحلول يعرضها كاملة من الأرقام إلى الإصلاح.

    مثال

    مثال افتراضي للتعليم — ليس عميلًا حقيقيًا، والأرقام مفترضة لشرح الطريقة

    انخفاض الإيراد 40% في أسبوع: ماذا يجب أن تحتوي الإجابة الجيدة؟

    متجر ملابس افتراضي في مصر، دفع إلكتروني. صاحبه يكتب للمساعد بعد تثبيت المهارة:

    «الإيراد نزل من 140,000 جنيه لـ 84,135 جنيه بين أسبوعين. الأسبوع الأول: 20,000 جلسة، 1,400 إضافة للسلة، 700 بدء دفع، 350 طلب. الأسبوع الثاني: 19,000 جلسة، 1,330 إضافة للسلة، 665 بدء دفع، 213 طلب. الفريق عايز يغيّر الإعلانات. إيه اللي حصل؟»

    الحساب الصحيح من هذه الأرقام:

    الرافعةالأسبوع الأولالأسبوع الثانيالتغيرنصيبها من الانخفاض
    الجلسات20,00019,000−5.0%10.1%
    الإضافة للسلة ÷ الجلسات7.0%7.0%0%0%
    بدء الدفع ÷ الإضافة للسلة50.0%50.0%0%0%
    الطلبات ÷ بدء الدفع50.0%32.0%−35.9%87.5%
    متوسط قيمة الطلب400395−1.2%2.5%

    الإجابة الجيدة يجب أن:

    • تبدأ بفحص البيانات: تسأل عن طلبات المتجر مقابل مشتريات المنصة، وعن أي تغيير في الأسبوع الثاني.
    • تكتب الحكم في سطر: قرابة 88% من الانخفاض جاءت من خطوة الدفع الأخيرة (من بدء الدفع إلى الطلب).
    • تقول صراحة إن الإعلانات والصفحة ليست المشكلة الآن، لأن الإضافة للسلة وبدء الدفع لم يتغيرا.
    • تقترح فرضيات بصيغة فرضيات: عطل في بوابة الدفع، رسوم ظهرت فجأة، خطوة تحقق جديدة. ولكل منها طريقة فحص.
    • تقترح تجربة واحدة تُقاس بنسبة الطلبات ÷ بدء الدفع نفسها.
    • لا تذكر «متوسط السوق» أو نسبًا من خارج الأرقام دون مصدر.

    إن جاءت الإجابة بقائمة عامة عن «تحسين الإعلانات»، فالمهارة لم تعمل أو لم تُحمَّل.

    القالب والأداة

    SKILL.md — Funnel Decomposition Analyst (نسخة الأكاديمية)

    الملف بالإنجليزية عن قصد: النماذج تتبع التعليمات الأصلية بدقة أعلى، والملحق العربي في القالب التالي يحدد لغة الإجابة والسوق. انسخه أو نزّله باسم SKILL.md.

    ---
    name: funnel-decomposition
    description: "Explains why store revenue or ROAS changed between two periods. Splits the change across funnel levers, names the lever that moved it, and turns that into ranked fixes and one test."
    license: MIT
    metadata:
      author: "Mahmoud Omar — https://mahmoudomar.com"
      edition: "Growth Hack Academy edition, reviewed 2026-09-27"
    ---
    
    # Funnel Decomposition Analyst
    
    By [Mahmoud Omar](https://mahmoudomar.com). Growth Hack Academy edition, reviewed 2026-09-27. Arabic guide to this skill: https://growthhackacademy.com/skills/funnel-decomposition
    
    Use this skill when the user shares store, ads or sales numbers for two periods and asks what happened, why sales or ROAS changed, or what to fix. It turns raw numbers into a quantified diagnosis: which lever moved the result, by how much, and what to test first.
    
    ## Honesty rules (apply before everything else)
    
    - Work only with numbers the user gave you. Never invent a figure, benchmark, statistic, case study, testimonial or source.
    - If you mention an outside benchmark, name its publisher, sample, country and period, and say how far it transfers to the user's market. If you cannot, do not mention it.
    - If a funnel stage or a period is missing, list exactly what is missing and ask for it once. If the user cannot provide it, compute only what the data allows and label every assumption as an assumption.
    - In every answer, keep three things apart: **evidence** (what the numbers show), **likely causes** (hypotheses that still need checking), and **unknowns**.
    - Decomposition shows **where** the result moved, not **why**. The cause needs a check: a change log, the page, the checkout, the tracking.
    
    ## Step 0: check the data before diagnosing
    
    1. **Comparable periods.** Equal length, same mix of weekdays. Note promotions, holidays and seasons (Ramadan, Eid, White Friday, 11.11), price, shipping-fee or courier changes. Treat each as something to verify, not as a conclusion.
    2. **Tracking sanity.** Compare orders in the store's own system with purchases reported by the ad platform, for both periods. If they move in different directions, suspect tracking first (pixel, Conversions API, domain, consent banner, a new app or plugin) and say so before any funnel verdict.
    3. **One source per metric.** Do not mix platform clicks with store purchases in the same ratio without saying so.
    4. **Volume.** If either period has fewer than about 30 purchases, say the result is a lead to investigate, not a verdict. This is a practical rule of thumb, not a statistical test.
    5. **Payment method.** Ask whether orders are paid online or cash on delivery (COD). In a COD store, "revenue" on a dashboard is placed orders, not collected cash; add confirmation rate and delivery rate as levers, or hand over to the COD Operations Analyst skill (https://growthhackacademy.com/skills/cod-operations-analyst).
    
    ## Core method
    
    Store form (from store analytics):
    
    ```
    Revenue = Sessions × ATC rate × Checkout rate × Purchase rate × AOV
    
    ATC rate       = sessions with add to cart ÷ sessions (or adds to cart ÷ sessions; say which)
    Checkout rate  = checkouts started ÷ adds to cart
    Purchase rate  = orders ÷ checkouts started
    AOV            = revenue ÷ orders
    ```
    
    Ads form (when ad spend is given; the same six layers as https://growthhackacademy.com/tools/funnel-compare):
    
    ```
    ROAS = (Impressions ÷ Spend) × (Link clicks ÷ Impressions) × (Landing page views ÷ Link clicks)
           × (Adds to cart ÷ Landing page views) × (Purchases ÷ Adds to cart) × (Purchase value ÷ Purchases)
    ```
    
    Use the metric definitions of the user's own tools and state them.
    
    ### Splitting the change (log decomposition, default)
    
    Because revenue (or ROAS) is a product of levers, the log of its change is exactly the sum of the levers' log changes:
    
    ```
    Log change of lever i   = ln(value in period B ÷ value in period A)
    Total log change        = ln(Revenue B ÷ Revenue A) = sum of all lever log changes
    Share of lever i        = log change of lever i ÷ total log change
    ```
    
    - Shares add up to 100%. A lever that moved in the opposite direction gets a negative share: it cushioned the change.
    - When the total change is small (for example under about 5%), shares become unstable. Report the log changes themselves and say so.
    - Sequential substitution is an alternative, but its result depends on the order of the levers. If you use it, state the order.
    - Show the formulas and the intermediate numbers so the user can check every step.
    
    ## Output contract
    
    1. **Data check:** what you verified, what is missing, and the tracking verdict.
    2. **Verdict line:** one sentence naming the lever with the largest share of the change, its share, and its direction. If two levers are close, say so instead of picking one.
    3. **Evidence table:** lever · period A · period B · change % · share of the change.
    4. **Not the problem:** the levers whose share is small next to the top lever, so the user does not spend on them now (for example, new creatives when link CTR is flat).
    5. **Likely causes:** 2 to 4 hypotheses for the top lever, each marked as a hypothesis and paired with the check that would confirm or reject it.
    6. **Fix list:** the top 3 actions ranked by expected impact against effort, each tied to one lever.
    7. **Validation test:** one change, the one metric to watch (the lever itself), and a decision point sized to the user's volume: enough orders for that lever to move beyond normal weekly noise, not a fixed number of hours.
    
    ## Behavior rules
    
    - Ask once for missing data, then proceed with labeled assumptions.
    - Compare equal-length, comparable periods only.
    - Never blame "the algorithm" or "seasonality" without evidence in the numbers.
    - External events are hypotheses to verify, never conclusions.
    - Use the user's currency and market. Do not assume card payments, saved cards or cheap returns.
    - If the user writes in Arabic, answer in Arabic, and keep metric names as they appear in the user's tools.
    - Tone: direct, numbers first, decisions over descriptions.
    
    ## Related Growth Hack Academy pages
    
    - Calculator for the six ad layers: https://growthhackacademy.com/tools/funnel-compare
    - Meta ads diagnosis template: https://growthhackacademy.com/templates/meta-ads-diagnosis
    - Worked example (ROAS 2.6 to 1.4): https://growthhackacademy.com/examples/cod-roas-drop
    - COD profit funnel guide: https://growthhackacademy.com/guides/cod-profit-funnel
    
    ## Example invocation
    
    > "Sales dropped 40% this week vs last week. Here are my Shopify and Meta numbers for both weeks: [...]"
    
    A good response starts with the data check, then gives the verdict line, the evidence table, the not-the-problem list, the hypotheses, the fix list and one validation test. Not a generic checklist.
    

    الملحق العربي (أضفه في آخر الملف أو في تعليمات المشروع)

    اختر اللهجة بحذف ما لا يلزم من السطر الأول. هذا النص من إعداد الأكاديمية وليس جزءًا من المهارة الأصلية.

    ## Arabic market add-on (Growth Hack Academy)
    
    - أجب بالعربية: [العامية المصرية / الخليجية / الفصحى المبسطة]. اترك أسماء المقاييس كما تظهر في أدوات المستخدم (Ads Manager، Shopify، GA4).
    - استخدم عملة المستخدم (جنيه، ريال، درهم...). لا تحوّل العملة إلا إذا طلب.
    - اسأل أولًا: هل الطلبات مدفوعة إلكترونيًا أم بالدفع عند الاستلام؟ في الدفع عند الاستلام اطلب نسبة التأكيد ونسبة التسليم قبل أي حكم على الربح.
    - المنصات المعتادة: Meta وTikTok وGoogle، وSnapchat في السعودية والخليج، وواتساب للتأكيد وخدمة العملاء. لا تفترض منصة لم يذكرها المستخدم.
    - المواسم (رمضان، العيد، الجمعة البيضاء، 11.11) فرضيات تتحقق منها بالأرقام، لا تفسيرات جاهزة.
    - إن نقصك رقم، اسأل عنه مرة واحدة. لا تخترع أرقامًا أو متوسطات سوق أو دراسات أو شهادات عملاء أو مصادر.
    - افصل في كل إجابة بين: ما تثبته الأرقام، وما هو احتمال يحتاج تحققًا، وما لا نعرفه.

    طلبات جاهزة لاستدعاء المهارة

    استبدل ما بين الأقواس بأرقامك. كل طلب يذكر المهارة بالاسم ليسهل تفعيلها.

    استخدم مهارة funnel-decomposition. الإيراد نزل بين [الفترة الأولى] و[الفترة الثانية]. دي الأرقام: [الصق الجدول]. قولي الرافعة اللي سحبت النتيجة ونصيبها.
    
    استخدم مهارة funnel-decomposition على أرقام Ads Manager دي لفترتين 14 يوم: [الإنفاق، الظهور، النقرات على الرابط، مشاهدات الصفحة، الإضافة للسلة، الشراء، قيمة الشراء]. قبل الحكم، قارن مشتريات Meta بطلبات المتجر: [عدد الطلبات].
    
    الفريق عايز يصوّر إعلانات جديدة عشان المبيعات وقعت. استخدم مهارة funnel-decomposition وقولي: هل الإعلانات فعلًا المشكلة؟ الأرقام: [ ].
    
    استخدم مهارة funnel-decomposition. المبيعات زادت 30% الشهر ده. عايز أعرف أي رافعة السبب، عشان أعرف إيه اللي أكرره. الأرقام: [ ].
    
    استخدم مهارة funnel-decomposition واكتب تقرير لعميل بالفصحى المبسطة: الحكم، وجدول الروافع، وما ليس هو المشكلة، وثلاثة إصلاحات، وتجربة واحدة. الأرقام: [ ].

    كيف تعرف أنها نجحت

    المهارة مفيدة إذا تحقق الآتي في أول ثلاث أو أربع مرات:

    • الحساب يطابق الحاسبة: أنصبة الروافع التي يذكرها النموذج تساوي ما تعطيه حاسبة مقارنة الفانل للأرقام نفسها.
    • يسأل قبل أن يحكم: عدّ الأسئلة التي طرحها عن بيانات ناقصة أو تتبع مشكوك فيه. مهارة لا تسأل أبدًا تفترض في صمت.
    • لا أرقام من الهواء: كل رقم في الإجابة موجود في بياناتك أو محسوب منها بمعادلة ظاهرة.
    • الحكم يصمد: التجربة التي اقترحها تحرّك الرافعة التي سماها. قارن تشخيصه بتحليلك اليدوي لحالة سابقة تعرف سببها.

    أخطاء شائعة وحدود الاستنتاج

    • النموذج يخطئ في الحساب أحيانًا، خصوصًا مع جداول طويلة. راجع الأرقام الأساسية بالحاسبة أو بجدول بيانات قبل أن تبني قرارًا عليها.
    • التقسيم يحدد مكان التغير لا سببه. «الرافعة الأضعف هي خطوة الدفع» ليست تشخيصًا كاملًا حتى تجد ما تغيّر فيها.
    • مع طلبات قليلة (أقل من نحو 30 في أي فترة) قد يكون الفرق صدفة. رقم 30 قاعدة عملية تستخدمها حاسبة المكتبة، لا اختبار إحصائي.
    • عندما يكون التغير الكلي صغيرًا جدًا، تتضخم الأنصبة وتتقلب. المهارة تطلب في هذه الحالة عرض التغير نفسه بدل النسب.
    • في متاجر الدفع عند الاستلام، الإيراد في اللوحة طلبات مُنشأة لا نقود محصلة. التقسيم هنا لا يرى التأكيد والتسليم؛ أكمل بمهارة محلل عمليات الدفع عند الاستلام.
    • النسخة الأصلية كانت تحدد «أقل من 10%» حدًا لما «ليس هو المشكلة» واختبارًا مدته 72 ساعة. حذفناهما لأنهما بلا مصدر؛ الحد الآن نسبي لحجم الرافعة الأكبر، ومدة التجربة حسب حجم طلباتك.
    • لا تلصق أسماء عملاء أو أرقام هواتف أو بيانات سرية لعميلك في المحادثة. راجع إعدادات البيانات في دليل استخدام مهارات AI.

    المصادر

    1. Funnel Decomposition Analyst — محمود عمر، Growth Marketing OS — المهارة الأصلية (MIT). نسخة الأكاديمية: غيّرت الاسم إلى funnel-decomposition ليطابق اسم المجلد، وقصّرت الوصف إلى أقل من 200 حرف، ونقلت author إلى metadata لأن رفع المهارات إلى claude.ai يقبل حقول المواصفة فقط؛ أضافت قواعد الأمانة (السؤال عن الناقص، منع اختراع الأرقام، فصل الدليل عن الفرضية)، وفحص البيانات والتتبع قبل التشخيص، وتعريفات الروافع، وصيغة ROAS بست طبقات المطابقة لحاسبة المكتبة، وتنبيه الدفع عند الاستلام؛ واستبدلت حد «أقل من 10%» واختبار الـ 72 ساعة بقواعد نسبية لحجم البيانات، وأضافت روابط المكتبة.
    2. Anthropic Help Center — How to create custom skills — قُرئت في 27 سبتمبر 2026: ملف SKILL.md يبدأ بـ name (حتى 64 حرفًا) وdescription (حتى 200 حرف)، واسم المجلد يطابق اسم المهارة.
    3. Claude Code Docs — Extend Claude with skills — قُرئت في 27 سبتمبر 2026: رفع المهارة إلى claude.ai وSkills API يقبل الحقول name وdescription وlicense وcompatibility وmetadata وallowed-tools فقط، وأي حقل آخر يسبب خطأ.

    عن هذه المادة

    المؤلف
    محمود عمر (النسخة الإنجليزية الأصلية)
    الإعداد العربي
    Claude (مساعد ذكاء اصطناعي) بتكليف من محمود عمر
    المراجعة
    Claude: مراجعة الأرقام والحسابات والمصادر الأصلية
    آخر مراجعة فعلية
    الأصل
    Funnel Decomposition Analyst — Claude Skill — Growth Marketing OS، ترخيص MIT. نسخة الأكاديمية من المهارة مراجَعة ومصححة، والتعديلات مذكورة في المصادر.

    لاحظت خطأ أو رقمًا تغيّر؟ أرسل لنا التصحيح.