nain_tuhoat_analytiikkasi

Analytiikan tuhoaminen on yllättävän helppoa.

Digitaalista markkinointia ja viestintää on tehty kohta kolmekymmentä vuotta, ja laajalle yleisölle suunnattu verkkomainontakin on jo reilusti parinkymmentä vuotta vanha asia. Ala ja sen työkalut muuttuvat erittäin nopealla tahdilla, ja hallittavien asioiden lista kasvaa vuosi vuodelta: listaan kuuluu tägitys, dataintegraatiot, otoskoot, tiedon merkittävyys, roolit ja budjetointi, tuottoennustukset, organisaation eri osien tavoitteet, raportointijärjestelmät, työtekijöiden koulutus, hakukoneoptimointi, ohjelmallinen ostaminen, huomioarvo, online-markkinaosuus sekä koko joukko muita asioita. Tästä syystä on ymmärrettävää että alaan liittyvien mittaus- ja hallintaongelmien kanssa on niinkin monessa yrityksessä nostettu kädet pystyyn. Harmi kyllä, tämä useimmiten johtaa siihen että panostuksia tehdään mutu-periaatteella – ja siihen, että ostetaan lähinnä omaa hyvää mieltä kun kuvitellaan, että ainakin jotain on tehty.

Seuraavaksi kuitenkin hyviä uutisia: ongelma on loppujen lopuksi aika helposti hahmotettavissa. Itse asiassa digitaalisen analytiikan tekemisessä ei ole kuin kolme asiaa, joille pitää löytää vastuulliset henkilöt ja joiden toteutumisesta pitää pitää huolta. Nämä ovat tavoitteet joita halutaan mitata, toimenpiteet joita tulosten perusteella tehdään, ja tiedon laatu ja merkittävyys. Jätä yksikin näistä asioista liian vähälle huomiolle, ja tuhoat mahdollisuutesi tehdä järkevää analytiikkaa. Käyn nämä alla seikkaperäisemmin lävitse – esimerkkien kanssa.

Ensimmäinen itsetuhonappi: jätä miettimättä, mitä oikein haluat

Ensimmäinen esimerkki tapahtui palaverissa monta vuotta sitten eräässä kansainvälisessä, suomessa päämajaansa pitävässä yrityksessä. Olimme tehneet kyseiselle yrityksille töitä jo pitkään, ja tunsimme heidän analytiikkansa varmaan paremmin kuin kukaan muu – itse asiassa, olimme aika pitkälle rakentaneet koko järjestelmän, ja toimitimme heille raportteja ja analyysejä tasaiseen tahtiin. Tietyn tuotteen markkinoinnista vastaava johtaja soitti minulle sitten eräänä iltapäivänä ja pyysi käymään ennen laajempaa johtoryhmän katsausta, littyen kysymyksiin mitä erään applikaation analytiikasta oli herännyt. Muutaman tarkentavan kysymyksen jälkeen kaveri kommentoi asiaa tavalla, joka jäi mieleeni pitkäksi aikaa:

“Eihän tämä raportti kerro yhtään mitään siitä, miten sovelluksen käyttö vaikuttaa asiakkaiden ostoksiin!”

No ei varmastikaan kerro. Tämä johtuu siitä, että kukaan ei koskaan ollut kiinnostunut tuosta asiasta aiemmin, edes sen jälkeen kun sitä ehdotimme – ja vaikka tieto onkin kyllä saatavissa, prosessi sen keräämiseen on jonkin verran työläämpi ja vaatii eri tyyppisiä työkaluja. Se miten applikaatiota käytetään, ja kuinka paljon eri tyyppisiä käyttäjiä sillä on, on erittäin hyödyllistä kehitykselle ja markkinoinnille – mutta konsernin liikkeenjohdon kannalta asia on aika marginaalinen.

Tarinan opetus on tämä: tiedä mitä haluat seurata. Jos pyydät kävijälukuja, niitä myös saat. Jos haluat tietää mikä digitaalisen panostuksesi vaikutus on liiketoimintaan, tiedosta se selkeästi ja sano se. Pohdi perusteellisesti ja ennakkoluulottomasti mikä rooli digitaalisilla kanavilla on liiketoiminnallasi, muuta ne KPI-mittareiksi, ja kerro ne selkeästi sekä organisaatiollesi että kumppaneillesi.

Toinen itsetuhonappi: älä vaadi toimia, joilla lukuja parannetaan

Tässä esimerkkinä toimii hienosti eräs display-markkinointikampanja, jonka tuloksia mittasimme takavuosina. Kampanjan kesto oli kymmenen viikkoa, budjetti reilu kymppitonni per viikko, ja tavoite oli toteuttaa laskeutumissivulla eräs konversio, jonka vaikuttavuus liiketoiminnalle oli kerrankin mitattu kunnolla. Neljän päivän tulosten perusteella huomasimme kuitenkin, että mainonta ei toiminut alkuunkaan. Bounce rate oli hulppeat 86%, ja kaiken kaikkiaan mainonta teki liiketoiminnalle persnettoa vähintään 8000 euroa per viikko (todennäköisesti enemmän). Ilmeisin vika oli laskeutumissivussa: vaikka kampanjaländäri oli loistava, ei hetken mielijohteesta klikanneelle kävijälle välittynyt juurikaan tietoa siitä mitä pitäisi tehdä ja miksi – ja kaiken kukkuraksi saadakseen näkyviin klikattavan napin, hänen täytyi scrollata sivulla alaspäin. Liputimme tästä tietenkin välittömästi – mutta sivustolla ei saatu aikaiseksi yhtikäs mitään. Työbudjetti oli sivustokehityksen osalta oli jo käytetty loppuun, eikä uutta ollut luvassa. Pari-kolme tonnia tuli siis tästä asiakkaalle säästöä – ja minkä seurauksena tappiota tuli vähintään 80 000 euroa.

Mitä opimme tästä: mikäli panostat digitaaliseen viestintään ja odotat siltä tuloksia, älä käytä kaikkea varaamasi rahaa heti suunnitteluvaiheessa. Nopeiden muutosten vaatimiin töihin kannattaa selkeästi myös panostaa – oman arvioni mukaan noin 10-20% kokonaisbudjetista. Mikäli kaikki menee hyvin ja tällaisia nopeita korjauksia ei tarvita, tämän kampanjan loppupuolella panostaa sinne, mistä tuntuu tulevan parhaat tulokset. Tuotto on joka tapauksessa parempi. Astetta aktiivisempaa otetta tämä lähestymistapa kyllä vaatii. Erityisen tärkeää on huolehita siitä, että jokaisella kanavalla on vastuuhenkilö, jonka tehtävänä on seurata asetettuja mittareita ja ohjata toimintaa niiden parantamiseksi riittävillä resursseilla.

Kolmas itsetuhonappi: älä välitä siitä, onko data laadukasta ja onko se analysoitu oikein

Kolmannessa esimerkissämme markkinointipäällikkö oli kaivanut lukuja ja esitteli niitä innoissaan: vaikutti siltä, että vaikka sivuston kokonaiskonversioaste olikin vain 0,3%, oli se tietyssä kohderyhmässä 0,8%. Logiikka siis näytti kertovan, että tätä kohderyhmää kannattaa haalia lisää – konversioprosentti ei toki ollut tällekään ryhmälle hyvä, mutta ainakin se oli selkeästi keskivertoa parempi. Samalla kannattaisi todennäköisesti selvittää, mikä saa tämän kohderyhmän erityisen kiinnostuneeksi. Katsoimme lukuja hetken aikaa, ja kollegani pamautti tämän jälkeen seuraavan kysymyksen: “Kai te tiedätte, että tämä tieto perustuu vajaan kahden prosentin otokseen kaikista kävijöistänne – eli tunnistettuja konversioita tiedetään varmasti olevan todella vähän?” Kyseisellä yrityksellä oli käytössään Google Analyticsin ilmaisversio, missä tämä ongelma joskus esiintyy.

Huoneeseen laskeutui hetken hiljaisuus. Vaikka kukaan tuskin teki laskutoimituksia suoraan mielessään, tämä luku tarkoitti käytännössä sitä, että noin 60 000 kävijän kohderyhmästä oli tarkasteltu reilua tuhatta – ja näistä oli löytynyt yhteensä yhdeksän konversiota. Jo puhtaan intuition pohjalta on selvää ettei yhdeksän konversiota kertonut vielä mitään itse kohderyhmästä. Tilanne olisi ollut vieläkin epäsuhtaisempi mikäli sivustolla olisi ollut merkittäviä mittausongelmia – mitä tässä tapauksessa ei siis ollut. Mutta laadukkaasta datasta huolimatta tiedolla ei tehnyt oikeastaan yhtään mitään.

Tästä opimme ainakin seuraavan asian: se, että data on laadukasta, ei välttämättä tarkoita että se olisi merkityksellistä. Johtopäätöksien tekemiseen tarvitaan todennäköisyyksien ja merkittävyyden ymmärtämistä – eli käytännössä sen hahmottamista, kuinka todennäköisesti hyvä tulos olisi voitu saavuttaa vain sattumalta. Jos haluat olla kohtalaisen varma siitä, että päätöksesi perustuvat todellisuuteen eikä kuvitelmiin, huolehdi datan laadusta ja varmista, että analyytikkosi ymmärtävät mistä data tulee. Lisäksi sellaiset käsitteet kuin tilastollinen merkittävyys, edustava otos ja hypoteesi eivät saa olla organisaatiossasi tuntemattomia.

Kohti oikeaoppista analytiikkaa

Kaiken kaikkiaan, nämä kolme asiaa ovat toisistaan riippuvaisia, ja yhden puuttuminen riittää kaatamaan koko korttitalon:

  • Jos sitä mitä tarvitaan ei oltu mietitty loppun asti, tarkkakaan tieto ei riitä, eikä tiedon keräämisen laatua pystytä varmistamaan.
  • Jos tulosten perusteella ei tehdä tietoisia päätöksiä uusista toimenpiteistä, ei tiedon laatua ja mittareiden järkevyyttä tule koskaan kunnolla testattua käytännössä.
  • Jos datan laadusta ja merkitsevyydestä pidetä huolta, ei joko uskalleta tehdä mitään, tai pahimmassa tapauksessa tehdään täysin vääriä päätöksiä.

Oikea toimintatapa on onneksi yksinkertainen. Ensin, määrittele tavoitteet. Tämän perusteella huolehdi siitä, että organisaatiossasi on vastuuhenkilöt sekä tiedon käytölle että datan laadun seurannalle – ja varmista, että nämä henkilöt kommunikoivat keskenään säännöllisesti. Varmista, että asiat toimivat oikein vähintään kerran kuussa. Tämän jälkeen olet päässyt jo pidemmälle kuin valtaosa suomalaisista yrityksistä.