Kto jest klientem? Definicje KPI i źródła prawdy w pracy z AI

Jest wtorek, spotkanie podsumowujące wrzesień. Marketing pokazuje slajd z liczbą nowych klientów. Sprzedaż pokazuje swoją, wyraźnie mniejszą. Finanse milczą do końca, po czym podają trzecią, najmniejszą, i dodają, że do sprawozdania trafi właśnie ta. Przez następne czterdzieści minut nikt nie rozmawia o kampaniach. Wszyscy rozmawiają o tym, czyja liczba jest prawdziwa.

Najzabawniejsze, przynajmniej dla obserwatora z boku, jest to, że wszystkie trzy liczby są poprawne. Każda odpowiada na inne pytanie: ile osób zostawiło dane w formularzu, ile podpisało umowę, a ile zapłaciło i nie zwróciło towaru. Spór o liczby jest prawie zawsze sporem o definicje przebranym za spór o dane.

Sztuczna inteligencja niewiele tu pomaga, a czasem dokłada problemów. Model policzy każdy wskaźnik w kilka sekund, tyle że nie ma pojęcia, kogo Twoja firma nazywa klientem. Kiedy każda z trzech osób z tego spotkania może w pół minuty dostać od AI własną wersję raportu, liczba wersji prawdy rośnie szybciej niż kiedykolwiek wcześniej.

W kursie zajmujemy się tym na samym początku drugiego tygodnia, w temacie o wiedzy firmy i źródłach prawdy. W tym artykule opisuję, jak zapisuję definicje wskaźników, jak rozstrzygam spory między systemami i jak podaję to wszystko modelowi, żeby liczył to, co trzeba.

Dlaczego jedno słowo daje trzy liczby

Weźmy „klienta”. Dla zespołu reklam klient zaczyna się od kliknięcia, bo kliknięcie widać w panelu i za kliknięcia się płaci. Dla sprzedaży klientem jest osoba, która zostawiła dane w formularzu i z którą można porozmawiać. Dla finansów klient istnieje dopiero wtedy, gdy pieniądze dotarły na konto i nie wróciły w ramach zwrotu. Każda z tych definicji ma sens w swoim świecie. Kłopot zaczyna się wtedy, gdy wszystkie trzy noszą to samo imię.

Na stronie głównej kursu jest Pracownia, która pokazuje to na fikcyjnych danych: dwie reklamy i jedna decyzja o tym, kogo liczymy jako klienta. Jeśli klientem jest osoba z wypełnionym formularzem, wygrywa jedna reklama. Jeśli klientem jest osoba, która zapłaciła, wygrywa druga. Dane są w obu wariantach identyczne. Zmienia się jedno słowo w definicji.

Ten sam mechanizm działa w narzędziach, którym ufamy bez zastanowienia. Pomoc Google Analytics 4 opisuje kilka różnych miar użytkowników. Łączna liczba użytkowników obejmuje każdego, kto wywołał dowolne zdarzenie w wybranym okresie. Nowi użytkownicy to osoby, które zarejestrowały pierwszą wizytę lub pierwsze uruchomienie aplikacji. Aktywni użytkownicy to ci, którzy weszli w interakcję z witryną lub aplikacją. Dokumentacja dodaje, że w raportach widać tylko aktywnych użytkowników. Jeśli więc marketing czyta „użytkowników” z Analyticsa, a zespół produktu liczy konta w bazie danych, dostaną dwie różne liczby i obie będą uczciwe.

Model językowy nie zna żadnej z Waszych definicji. Kiedy poprosisz go o „liczbę klientów”, wybierze tę, która wydaje mu się najbardziej prawdopodobna, czyli zwykle najpopularniejszą w tekstach, na których się uczył. W artykule o sprawdzaniu wyników AI opisałam kontrolę definicji: każę modelowi powiedzieć, jak rozumie wskaźnik, i porównuję jego odpowiedź ze słownikiem firmy. Ta kontrola działa pod jednym warunkiem: słownik musi istnieć. Poniżej opisuję, jak go zbudować.

Anatomia definicji KPI

Dobra definicja wskaźnika przypomina przepis kulinarny pisany dla kogoś, kto nigdy nie był w Twojej kuchni. Musi zawierać wszystko, czego nie da się zgadnąć. W praktyce sprawdza się kilkanaście pól, które grupuję w pięć bloków.

Nazwa i cel

Nazwa powinna być jednoznaczna w obrębie całej firmy. „Klient” to za mało, „nowy klient w miesiącu” to już coś konkretnego. Cel mówi, jakiej decyzji służy wskaźnik, i ten element jest ważniejszy, niż się wydaje. Definicja dobrana do celu bywa inna dla tego samego słowa. Liczba nowych klientów do oceny kampanii może opierać się na pierwszej płatności. Liczba klientów do planowania obsługi posprzedażowej może obejmować wszystkich z aktywną umową. Jeśli dwa cele wymagają dwóch definicji, potrzebujesz dwóch nazw.

Formuła, licznik i mianownik

Każdy wskaźnik będący proporcją ma licznik i mianownik, a większość sporów o konwersję jest w rzeczywistości sporem o mianownik. Konwersja z czego? Z odsłon, z sesji, z kliknięć w reklamę, z osób, które dodały coś do koszyka? Każda odpowiedź jest dopuszczalna. Niedopuszczalny jest jedynie brak odpowiedzi. Formułę zapisuję słowami i, jeśli się da, także jako wzór z nazwami kolumn, żeby człowiek i model czytali dokładnie to samo.

Filtry i wyjątki

Tutaj mieszka diabeł. Zamówienia testowe, konta pracownicze, zamówienia anulowane przed płatnością, duplikaty po migracji systemu, klienci hurtowi liczeni osobno. Każdy z tych wyjątków ktoś kiedyś ustalił, zwykle na spotkaniu, po którym nie została żadna notatka. Zapisuję je jako listę: co wyłączamy, dlaczego i od kiedy.

Ziarno i okres

Ziarno odpowiada na pytanie, co jest jednym elementem w liczeniu: osoba, konto, adres e-mail, firma czy gospodarstwo domowe. Jedna osoba z dwoma adresami e-mail może być dwoma klientami albo jednym, zależnie od tego, jak łączycie rekordy. Okres mówi, według której daty liczymy (złożenia zamówienia, płatności, wysyłki) i w jakiej strefie czasowej. Zamówienie złożone 1 listopada o 0:30 czasu warszawskiego ma w systemie zapisującym czas w UTC datę 31 października i trafia do raportu październikowego. Drobiazg, dopóki ktoś nie porówna Twojego raportu z raportem finansów.

Źródło, właściciel i data zmiany

Trzy ostatnie elementy są administracyjne i dlatego najczęściej się je pomija. Źródło wskazuje system i tabelę, z której liczymy. Właściciel to osoba lub dział, który zatwierdza zmiany definicji i rozstrzyga spory. Data zmiany mówi, od kiedy obowiązuje aktualna wersja, a wcześniejsze wersje zostają w historii. Bez właściciela definicja zmienia się po cichu, przy okazji czyjegoś raportu, i potem nikt nie umie powiedzieć, od kiedy liczby przestały być porównywalne.

Źródła prawdy, czyli kto wygrywa, gdy systemy się kłócą

Drugi filar to źródła prawdy. W typowej firmie te same zdarzenia są zapisane w kilku miejscach. Panel reklamowy widzi kliknięcia i konwersje według własnego modelu atrybucji. CRM widzi kontakty i rozmowy handlowe. System płatności widzi transakcje. Księgowość widzi przychód po zwrotach, korektach i zamknięciu miesiąca. Każdy z tych systemów mówi prawdę o swoim kawałku procesu i każdy myli się wtedy, gdy próbuje opowiedzieć cały proces.

Źródło prawdy wyznaczam osobno dla każdego pojęcia. Dla kliknięć i kosztu kampanii wygrywa panel reklamowy, bo to on jest podstawą faktury. Dla liczby opłaconych zamówień wygrywa system płatności. Dla przychodu w sprawozdaniu wygrywają finanse. CRM bywa źródłem prawdy dla statusu rozmowy handlowej, choć rzadko dla pieniędzy. Taką tabelę pierwszeństwa zapisuję w jednym miejscu, obok słownika wskaźników, żeby nikt nie musiał jej odtwarzać z pamięci.

Jak uzgadniam różnice

Wyznaczenie zwycięzcy nie zwalnia z wyjaśniania różnic. Jeśli panel pokazuje więcej konwersji niż system płatności, chcę wiedzieć, skąd bierze się luka. Zwykle składa się z kilku znanych pozycji: płatności odrzucone, zamówienia anulowane, zwroty, przesunięcie dnia księgowania, konwersje przypisane reklamie według reguł atrybucji panelu. Rozpisany krok po kroku mostek od jednej liczby do drugiej to najlepsze znane mi narzędzie do kończenia sporów na spotkaniach. Zamiast pytania „kto ma rację” pojawia się pytanie „której pozycji mostka brakuje”.

Do mostka dochodzi tolerancja, czyli różnica, którą akceptujemy bez dalszego śledztwa. Może wynosić na przykład pół procenta przy przychodzie, kilka procent przy konwersjach z panelu i zero przy liczbie faktur. Tolerancja też jest częścią definicji, bo bez niej każda różnica wygląda albo na skandal, albo na drobiazg, zależnie od humoru oglądającego.

Lekcja z innej planety

Najdroższą znaną mi lekcją z niezgodnych definicji jest historia sondy Mars Climate Orbiter. Według NASA oprogramowanie naziemne używało jednostek angielskich, a oprogramowanie na pokładzie jednostek metrycznych. Rozbieżność zepsuła obliczenia trajektorii, sonda znalazła się zbyt blisko Marsa, a ostatni kontakt z nią nastąpił 23 września 1999 roku.

Jednostka miary też jest definicją: umową o tym, co oznacza liczba zapisana w kolumnie. Dwa zespoły, każdy wewnętrznie spójny, i jedna liczba przekazywana między nimi bez etykiety. W raportach sprzedażowych stawka jest mniejsza, a mechanizm identyczny: netto czy brutto, w złotówkach czy w euro, w tysiącach czy w sztukach.

Reguły biznesowe zapisane wprost

Definicje wskaźników opierają się na regułach biznesowych, które w wielu firmach istnieją wyłącznie w pamięci kilku osób. Oto lista, o którą pytam na początku pracy z każdym nowym zbiorem danych.

• Zwroty i reklamacje. Czy pomniejszają sprzedaż w miesiącu zwrotu, czy w miesiącu zakupu? Czy osoba, która zwróciła całe zamówienie, nadal jest klientem?
• Zamówienia testowe i wewnętrzne. Jak je rozpoznać: po fladze, po domenie adresu e-mail, po konkretnym koncie?
• Waluty. Według kursu z dnia transakcji, z dnia księgowania czy średniego z miesiąca?
• Strefy czasowe. W jakiej strefie system zapisuje czas, a w jakiej raportujemy?
• Netto i brutto. Z podatkiem VAT czy bez, przed rabatem czy po rabacie?
• Statusy zamówień. Które statusy oznaczają sprzedaż, a które oznaczają jedynie próbę zakupu?

Model nie zgadnie żadnej z tych odpowiedzi. Co gorsza, nie zapyta. Przyjmie domyślne założenie i podliczy wszystko z tą samą pewnością siebie, z jaką liczy poprawnie. Dlatego każdą z tych reguł zapisuję w słowniku jednym zdaniem, nawet jeśli w zespole „wszyscy to wiedzą”. Wszyscy, czyli zwykle dwie osoby, z których jedna jest właśnie na urlopie.

Słownik KPI, czyli jeden plik dla ludzi i dla AI

Słownik wskaźników brzmi jak projekt na kwartał z komitetem sterującym. W praktyce wystarczy na początek jeden plik tekstowy w Markdownie, w którym każdy wskaźnik ma swoją kartę. Poniżej przykład takiej karty. Dane i reguły są fikcyjne, a struktura jest taka, jaką polecam.

## KPI: Nowy klient w miesiącu

- Cel: ocena kampanii pozyskania i planowanie budżetu marketingu.
- Definicja: osoba, która w danym miesiącu pierwszy raz opłaciła
  zamówienie.
- Formuła: liczba unikalnych `id_klienta` z pierwszą płatnością
  w miesiącu.
- Wyłączamy: zamówienia testowe (`czy_test = 1`), konta pracownicze,
  zamówienia anulowane przed płatnością.
- Zwroty: zwrot całego zamówienia w ciągu 14 dni usuwa osobę
  z liczby nowych klientów w raporcie miesięcznym.
- Ziarno: osoba (`id_klienta` po scaleniu duplikatów).
- Okres: miesiąc kalendarzowy według `data_platnosci`,
  strefa Europe/Warsaw.
- Źródło prawdy: system płatności; CRM wyłącznie pomocniczo.
- Tolerancja: różnica z raportem finansowym do 1 procenta.
- Właściciel: dział finansów.
- Zmiany: od 2026-04-01 wyłączamy konta pracownicze.
- Mylone z: lead (wypełniony formularz), aktywny klient
  (zakup w ostatnich 90 dniach).

Zwróć uwagę na ostatnią pozycję. Lista pojęć, z którymi wskaźnik bywa mylony, oszczędza więcej nieporozumień niż najstaranniej napisana formuła. Ludzie i modele mylą się w tym samym miejscu: tam, gdzie dwa podobne słowa oznaczają dwie różne rzeczy.

Gdzie trzymać słownik

Najlepiej tam, gdzie AI przeczyta go bez proszenia. Kajo opisuje w artykule o pamięci projektu, jak pliki README.md, AGENTS.md i CLAUDE.md przenoszą stałą wiedzę między rozmowami. Słownik KPI jest naturalnym kandydatem do takiego miejsca: albo bezpośrednio w pliku z instrukcjami, albo jako osobny dokument, do którego ten plik odsyła.

W świecie narzędzi BI ten sam pomysł ma dojrzalsze formy. Microsoft w przewodniku po zarządzanej samoobsługowej analizie biznesowej w Power BI zaleca ograniczanie liczby modeli semantycznych i opisuje współużytkowane modele jako sposób na osiągnięcie jednej wersji prawdy. Ten sam tekst zauważa, że mniej doświadczeni twórcy często budują nowy model do każdego raportu, czyli mnożą definicje bez żadnych złych intencji. Podobny cel ma warstwa semantyczna dbt: definicje metryk są zapisane centralnie, a zmiana definicji obowiązuje wszędzie, gdzie metryka jest używana. Plik w Markdownie jest skromniejszą wersją tej samej idei. Możesz go założyć jeszcze dziś, a przeczyta go zarówno człowiek, jak i model. Do modelu semantycznego i miar DAX wracamy w piątym tygodniu kursu, przy pracy z Power BI.

Jak używam słownika w pracy z AI

Sam słownik niczego nie liczy. Wartość pojawia się wtedy, gdy jest wpięty w proces. Mój schemat ma pięć kroków.

1. Wskazuję słownik i zadanie. W briefie (Kajo opisał tę metodę w artykule Brief zamiast prompta) odsyłam do konkretnej karty wskaźnika, zamiast przepisywać definicję z pamięci.
2. Proszę o parafrazę. Model ma własnymi słowami opisać, kogo policzy, kogo wyłączy i według jakiej daty. Rozbieżności wychodzą na jaw, zanim cokolwiek zostanie policzone.
3. Proszę o mapowanie na dane. Która kolumna zawiera datę płatności? Które wartości statusu oznaczają zamówienie anulowane? Po czym poznać konto testowe w tym konkretnym pliku? Słownik mówi „co”, dane mówią „gdzie”, a most między nimi trzeba zbudować jawnie.
4. Proszę o listę braków. Czego ze słownika nie dało się odwzorować w danych? Jeśli w pliku brakuje flagi zamówień testowych, chcę się o tym dowiedzieć przed prezentacją.
5. Uzgadniam wynik ze źródłem prawdy. Liczba z analizy musi zgadzać się z systemem wskazanym w karcie, w granicach tolerancji. Jeśli się nie zgadza, budujemy mostek różnic.

Przy pracy na bazie danych dochodzi do tego warstwa zapytań i ich własnych pułapek, którym poświęcam osobny tekst: od pytania biznesowego do SQL z AI.

Co zrobić, gdy definicji nie ma

Najczęstsza sytuacja wygląda tak, że słownika brak, a każdy zespół od lat liczy po swojemu. Paradoksalnie właśnie wtedy AI przydaje się najbardziej, bo pozwala szybko policzyć wszystkie warianty naraz.

1. Zbieram warianty. Pytam każdy zespół, jak liczy wskaźnik, i zapisuję odpowiedzi dosłownie, razem z filtrami i wyjątkami.
2. Liczę wszystkie warianty na tych samych danych. Z pomocą AI zajmuje to chwilę. Tabela z trzema definicjami obok siebie pokazuje, gdzie różnica jest duża, a gdzie kosmetyczna.
3. Pokazuję różnice ludziom, którzy podejmują decyzje. Wybór definicji jest decyzją biznesową, więc podejmuje ją właściciel wskaźnika. Analityk dostarcza materiał i konsekwencje każdego wariantu.
4. Zapisuję decyzję z datą. Do karty trafia definicja, właściciel i data, a odrzucone warianty dostają własne nazwy, jeśli nadal są komuś potrzebne.

Model może przy tym zaproponować szkic definicji i bywa to całkiem dobry szkic, bo w tekstach, na których się uczył, widział mnóstwo podobnych wskaźników. Szkic pozostaje jednak szkicem, dopóki nie zatwierdzi go człowiek odpowiedzialny za wskaźnik. AI nie wie, czy Wasz zarząd myśli o klientach hurtowych jak o klientach, i nie dowie się tego z żadnego pliku CSV.

Kiedy miara staje się celem

Jest jeszcze jeden powód, dla którego definicje wymagają uwagi. Wskaźniki zmieniają zachowanie ludzi, którzy są z nich rozliczani. Antropolożka Marilyn Strathern ujęła to w 1997 roku w artykule „Improving ratings” o ocenianiu brytyjskich uniwersytetów zdaniem, które dziś krąży po świecie jako prawo Goodharta: kiedy miara staje się celem, przestaje być dobrą miarą. Strathern zaznacza, że Keith Hoskin opisuje to zjawisko jako prawo Goodharta, od obserwacji ekonomisty Charlesa Goodharta dotyczącej narzędzi kontroli monetarnej.

W analityce przekłada się to na bardzo praktyczne skutki. Jeśli premia zespołu marketingu zależy od liczby „klientów” liczonych po formularzu, zespół nauczy się zbierać formularze. Tanie, liczne i niekoniecznie od ludzi, którzy kiedykolwiek zapłacą. Definicja wskaźnika rozliczeniowego powinna więc leżeć jak najbliżej rzeczywistego celu firmy, a wskaźniki pomocnicze, takie jak kliknięcia i formularze, warto pokazywać obok, z własnymi nazwami. Liczenie formularzy jest w porządku, o ile formularz występuje pod swoim imieniem i nie podszywa się pod klienta.

Pułapki: definicja zmienia się w czasie

Definicje żyją. Firma wprowadza nowy produkt, zmienia regulamin zwrotów, łączy dwa systemy po przejęciu. Za każdym razem ktoś poprawia definicję i za każdym razem porównanie rok do roku staje się podejrzane.

Najgroźniejszy przypadek wygląda niewinnie. Wyobraź sobie, że od kwietnia przestajecie liczyć konta pracownicze jako klientów. Rozsądna zmiana. Tyle że w raporcie rok do roku kwiecień nagle pokazuje spadek, którego w biznesie nie było. Ktoś ogłasza kryzys, ktoś inny szuka winnych w kampaniach, a przyczyna leży w jednej linijce definicji.

Dlatego w karcie wskaźnika jest data zmiany, a przy porównaniach w czasie mam dwie uczciwe opcje: przeliczyć historię według nowej definicji albo wyraźnie oznaczyć na wykresie miejsce, w którym definicja się zmieniła. Trzecia opcja, czyli udawanie, że nic się nie stało, jest najpopularniejsza i najgorsza.

Model językowy jest tu szczególnie bezradny. Nie wie o zmianie, jeśli nikt jej nie zapisał, i chętnie wyjaśni Ci kwietniowy spadek sezonowością, pogodą albo ruchami konkurencji. Takie wyjaśnienie brzmi przekonująco i nie ma żadnego oparcia w danych.

Druga pułapka to synonimy i homonimy. Ta sama rzecz bywa nazywana w trzech działach trzema słowami (klient, nabywca, konto), a to samo słowo oznacza w nich trzy różne rzeczy. Słownik rozwiązuje oba problemy naraz, bo każde pojęcie ma w nim jedną nazwę główną i listę nazw, z którymi bywa mylone.

Od czego zacząć w tym tygodniu

Słownik nie musi powstać w całości, żeby zaczął działać. Wystarczą trzy karty i jedna tabela.

1. Wybierz trzy wskaźniki, o które w Twoim zespole spiera się najczęściej. Jeśli żadnego sporu nie pamiętasz, wybierz te, które trafiają do zarządu.
2. Dla każdego napisz kartę według schematu z tego artykułu. Pola, których nie umiesz wypełnić, zostaw z pytajnikiem. Lista pytajników jest Twoim planem rozmów z interesariuszami.
3. Spisz tabelę pierwszeństwa: które źródło wygrywa dla którego pojęcia.
4. Daj kartę modelowi razem z plikiem danych i poproś o parafrazę, mapowanie na kolumny i listę braków.
5. Uzgodnij wynik ze źródłem prawdy i zapisz tolerancję.

Pierwsza karta zwykle zajmuje najwięcej czasu, bo wymaga rozmów z ludźmi. Kolejne powstają szybciej, bo większość reguł biznesowych powtarza się między wskaźnikami. Koszt całości jest skromny w porównaniu z jednym spotkaniem, na którym trzy działy pokazują trzy liczby.

Na koniec

AI zmieniło koszt liczenia. Policzenie wskaźnika trwa dziś kilka sekund, więc wąskim gardłem jest porozumienie co do tego, co w ogóle liczymy. Firmy ze spisanymi definicjami i źródłami prawdy dostają od AI szybkie i spójne odpowiedzi. Firmy bez nich dostają odpowiedzi równie szybkie i wzajemnie sprzeczne. O tej różnicy decyduje jeden plik tekstowy i kilka rozmów, które i tak trzeba było kiedyś odbyć.

Kto jest klientem? Odpowiedź na to pytanie należy do firmy. Zadaniem analityka jest ją wydobyć, zapisać i dopilnować, żeby model ją znał, zanim zacznie liczyć.