Cómo analizar tus estadísticas de Chaturbate con ChatGPT

PROMPT DE ANÁLISIS

Actúa como analista de datos especializado en creator monetization.

Voy a proporcionarte estadísticas reales de mis streams de Chaturbate.

Tu objetivo es encontrar patrones útiles SIN inventar causalidad y SIN sacar conclusiones fuertes a partir de muestras pequeñas.


MIS DATOS:

[PEGA AQUÍ TU TABLA O DATOS]


INFORMACIÓN ADICIONAL:

CAMBIOS RECIENTES:
[POR EJEMPLO: NUEVA CÁMARA, NUEVO HORARIO, NUEVO TIP MENU]

OBJETIVO PRINCIPAL:
[POR EJEMPLO: MAXIMIZAR TOKENS/HORA]

HORARIO QUE PREFIERO TRABAJAR:
[HORARIO O "FLEXIBLE"]


Analiza exactamente en este orden:


=== 1. DATA QUALITY ===

Indica:

- cuántas sesiones existen,
- si faltan datos,
- qué conclusiones podemos analizar,
- qué conclusiones todavía NO podemos analizar con seguridad.


=== 2. OVERVIEW ===

Calcula:

- horas totales,
- tokens totales,
- promedio tokens/hora,
- mediana tokens/hora si es posible,
- viewers promedio,
- peak promedio,
- followers por hora si tenemos el dato.


=== 3. TOP SESSIONS ===

Muéstrame las 5 mejores sesiones según:

TOKENS/HORA.

Para cada una indica:

FECHA
HORARIO
DURACIÓN
VIEWERS
TOKENS
TOKENS/HORA


=== 4. WORST SESSIONS ===

Haz lo mismo con las 5 sesiones más débiles.


=== 5. OUTLIERS ===

Busca sesiones anormalmente buenas o malas.

Explícame por qué podrían distorsionar el promedio.

No elimines los outliers automáticamente.

Muéstrame:

RESULTADO CON OUTLIERS

y, si tenemos suficientes datos:

RESULTADO SIN OUTLIERS


=== 6. HORARIOS ===

Agrupa sesiones comparables por franja horaria.

No declares una franja como “mejor” si solamente tenemos una sesión.

Utiliza etiquetas:

STRONG EVIDENCE
MODERATE EVIDENCE
EARLY SIGNAL
INSUFFICIENT DATA


=== 7. DÍAS DE LA SEMANA ===

Compara rendimiento por día.

Utiliza principalmente:

TOKENS/HORA

pero muestra también:

VIEWERS
TOKENS TOTALES
NÚMERO DE SESIONES


=== 8. VIEWERS VS MONEY ===

Analiza si más viewers parecen relacionarse con más tokens.

Busca especialmente casos como:

MUCHOS VIEWERS + POCOS TOKENS

POCOS VIEWERS + MUCHOS TOKENS


Esto puede indicarnos diferencias entre tráfico y monetización.


=== 9. FOLLOWERS ===

Si tenemos datos suficientes, analiza:

FOLLOWERS/HORA

y

TOKENS POR NUEVO FOLLOWER

No afirmes que una métrica causa la otra.


=== 10. HIPÓTESIS ===

Genera máximo 5 hipótesis.

Para cada una utiliza:

OBSERVACIÓN:
Dato real.

HIPÓTESIS:
Posible explicación.

CONFIANZA:
LOW / MEDIUM / HIGH.

QUÉ NECESITAMOS COMPROBAR:
Dato adicional.


=== 11. RECOMENDACIONES ===

Dame máximo 5 recomendaciones.

Cada una debe contener:

CHANGE:
Qué haría.

WHY:
Qué datos apoyan la decisión.

EXPECTED OUTCOME:
Qué esperamos mejorar.

METRIC:
Qué medimos.

RISK:
Qué podría hacer que nuestra interpretación sea incorrecta.


=== 12. PLAN DE TEST ===

Crea un plan para mis próximas 10 sesiones.

IMPORTANTE:

Cambiar solamente UNA variable principal por experimento.

Quiero poder descubrir realmente qué funciona.


Para cada experimento:

HIPÓTESIS

VARIABLE

CONTROL

TEST

NÚMERO DE SESIONES

MÉTRICA PRINCIPAL

MÉTRICAS SECUNDARIAS

CRITERIO DE ÉXITO


=== 13. EXECUTIVE SUMMARY ===

Finaliza con:

LO QUE SABEMOS

LO QUE CREEMOS

LO QUE TODAVÍA NO SABEMOS

QUÉ HARÍA AHORA


REGLAS:

No confundas correlación con causalidad.

No declares ganador un horario con una sola sesión.

No utilices únicamente tokens totales.

Prioriza tokens por hora.

Ten en cuenta duración de la sesión.

Separa outliers de tendencias normales.

No inventes datos faltantes.

Si los datos son insuficientes, dilo claramente.

Prefiero “todavía no sabemos” antes que una conclusión falsa.