Laiska data syö strategiasi - 4 askelta verkkoanalytiikan hyödyntämiseen

oko verkkoanalytiikkasi on turhaa, jos sen tuottama data jää vain merkeiksi raporteissa. Ei riitä, että dataa on, ja sitä raportoidaan. Dataa pitää lukea ja hyödyntää määrätietoisesti. Siksi analytiikka on sidottava siihen, mitä halutaan saada aikaan. Tähän on yksinkertainen neljän askeleen malli.  Syitä laiskalle datalle riittää: kiire, tiedon puute, eri sidosryhmien asettamat paineet, siilot, osaaminen, kiinnostus... Mutta jos ajattelisit dataa yhtenä avainhenkilöistäsi, vaikkapa myyntijohtajanasi, voisitko hyväksyä tilanteen silmää räpäyttämättä? ”Jatka vain samaan malliin, en oikein ymmärrä mitä teet ja miten se liittyy liiketoimintaan, mutta eipä sillä kai ole väliäkään”? Jos yritykselläsi on strategia, todennäköisesti jo tiedät, mitä tahdot saada tapahtumaan. Jos verkolla on siinä joku rooli, kyky hyödyntää dataa on välttämätön kilpailutekijä, parhaimmillaan kilpailuetu. Siksi datasta pitää tehdä hyödyllistä. Automaattisesti se ei sitä ole.

Laiska data töihin - neljä askelta verkkoanalytiikan hyödyntämiseen

1. Kysymysten esittäminen

Kysymys on analyysin tärkein vaihe, ja vastaa kaikessa tutkimuksessa olennaista tutkimusongelman rajaamista. Web-analytiikassa kysymyksiä voi olla kahdenlaisia: reaktiivisia (miksi sivustolla vietetty aika on laskenut 20%) tai proaktiivisia (mitä meidän pitäisi tehdä seuraavaksi). Tärkeää on, että kysymykset ovat merkityksellisiä sekä tavoitteiden että käytännön päätöksenteon kannalta. Jos brändille tai yritykselle on tavoitteiden saavuttamisen kannalta tärkeää esimerkiksi kävijöiden sitouttaminen, syyn etsiminen sivustolla vietetyn ajan laskemiselle olisi tärkeä kysymys. Yhtä relevanttia ei ehkä olisi, että mobiilista tulleen liikenteen määrä on laskenut viimeisen kvartaalin aikana 15 %. On siis määritettävä kysymyksiä, joilla on olennainen yhteys liiketoiminnan tavoitteisiin ja päätöksentekoon.

2. Datatarpeiden määrittely ja datan hakeminen

Kun kysymys on määritetty, tulee analyysin tekijän määrittää sopiva lähde datalle. Jos esimerkiksi käytetään Google Analyticsiä, pitää ensin päättää se, mitä mittaustiliä ja -näkymää käytetään. Kun oikea paikka on löydetty, seuraavaksi on mietittävä, mikä on sopiva aikaväli. Jos sivustolla vietetty aika on tutkailun kohteena, on hyvä kokeilla eri ajanjaksoja. Onko samanlainen muutos tapahtunut viime kuussa, tai vuosi sitten? Myös muuttujien tarve on hyvä miettiä: mitä tarvitaan, jotta kysymykseen saadaan vastauksia? Tai voisiko eroa näkyä eri kohderyhmien välillä – selittäisikö esimerkiksi jollekin segmentille tekemättä jäänyt kampanja asian? On myös hyvä muistaa, että web-analytiikkadata on vain yksi lähde muiden joukossa. Mitä muuta tietoa tarvitaan, jotta asiasta saadaan tarpeeksi kokonaisvaltainen kuva? Jos kysymys koskee esimerkiksi sitä, kuinka suuri osa asiakkaista hoitaa asiakaspalveluasiansa verkossa, tarvitaan verkkoanalytiikan lisäksi tietoa myös siitä, kuinka paljon vastaavana ajankohtana asiakaspalveluun oltiin yhteydessä puhelimitse. Kun datatarpeet on määritelty, lähdetään etsimään dataa.

3. Analyysi ja suositukset

Web-analytiikassa dataa on paljon, mutta Google ja digitaalisen markkinoinnin kumppanisi on tässä apunasi. Kun olet löytänyt datan, tee analyysi ja suositukset. Annat siis vastauksen aiemmin määrittämääsi kysymykseen. Harjaantuminen toki vaatii joskus toistoa. Asiaa voi helpottaa esimerkiksi nopeiden kuvaajien teko tai ehdollinen muotoilu.

4. Toiminta!

Sitten tulemme tärkeimpään kohtaan: toimintaan. Toimintaa ei ole ilman ihmisiä. Ihmiset päättävät, tahtovat ja tekevät. Jotta asian suhteen voidaan ja halutaan toimia, se on ensin yhdessä ymmärrettävä. Kun olet saanut vastaukset kysymyksiisi, jaa ajatukset muiden kanssa ja ehdota toimintasuunnitelmaa. Kutsu asian kannalta oleelliset henkilöt yhteen. Näytä ainoastaan relevantein data, ja visualisoi hyvin. Ennen kaikkea vastaa kysymykseen, miksi tämä asia on tärkeä. Mitä pitäisi tehdä, jotta asia saataisi korjattua? Kuten usein, tässäkin eurot puhuttelevat. Liitä siis vastauksesi euroihin, jos vain mahdollista – yleensä on. Eurot on hyvä liittää aikaan; ”kuinka monta euroa menetämme joka päivä, jos emme korjaa asiaa? Tai ”kuinka paljon rahaa voisimmekaan saada, jos asia korjattaisiin tai muutoksia tehtäisiin?” Päätösten toimeenpanon kannalta välttämätöntä on päättää, kuka tekee, mihin mennessä, ja miten järjestetään seuranta.  Nämä askelet eivät ole ihmeellisiä, ja harjoitus tekee mestarin. Toisto on välttämätöntä jo siksikin, että maailma muuttuu joka päivä, vaikka emme sitä itse aina huomaisikaan. Onnea datan aktivointiin. Jos kysymyksiä tai ajatuksia herää, LinkedIn on loistava tapa jatkaa keskustelua. Mukavaa alkanutta syksyä ja antoisaa analyysiä!

‍

-Pauliina Määttä

‍Kirjoittaja (LinkedIn) on vastikään tehnyt loikan Qurun analytiikkatiimistä account-tiimiin ja vastaa tällä hetkellä osasta Qurun asiakkuuksista. Ihmisten ymmärtäminen ja verkkoanalytiikan avulla tehtävä jatkuva liiketoiminnan kehittäminen ovat hänen sydäntään lähellä. Vapaa-ajalla sydän sykkii yhtä lailla ihmisille kuin TFW-treenimetodillekin.