Miksi yksi osa verkkosivukävijöistäsi konvertoituu, mutta toinen ei? Tai jos toisesta ryhmästä joku kuitenkin saavuttaa halutun tavoitteen, miksi sen arvo on paljon suurempi kuin ensimmäisellä ryhmällä? Miksi pienpanimon baarin omat hanajuomat eivät myyneet yhtä hyvin kuin tölkit?
Näitä ja muita vastaavia kysymyksiä pohdittiin Inbound 2020 -tapahtumassa Karen Hopperin puheenvuorossa. Hopper työskentelee datastrategina M+R-yhtiössä, joka auttaa voittoa tavoittelemattomia yhdistyksiä mm. kasvattamaan lahjoittajiensa ja tukijoidensa määrää sekä tietenkin keräämään rahaa. Hänen työssään on oleellista löytää verkkosivuston käyttäjien kipupisteet; syyt, miksi lahjoitus jää tekemättä tai se on pienempi kuin toivotaan.
Mitä ja miksi, ei vain kuka
Yllättävän yksinkertaisen ratkaisun yleisöjen käyttäytymisen vertailuun tarjoaa Google Analyticsin segmentointityökalu. Toisin kuin suodattimet, segmentit eivät poista datasta mitään, ne toimivat läpi kaikkien eri raporttien ja niiden avulla voidaan tarkastella myös historiadataa, ei vain määrittelyn jälkeen tallentuvaa dataa. GA tarjoaa valmiina useita eri segmenttejä perustuen esimerkiksi verkkokaupan tapahtumiin, mutta niitä voi myös itse rakentaa juuri sellaisia kuin haluaa ja tarvitsee.
Hyödyllisimmät segmentit perustuvat kävijöiden käyttäytymiseen sivustolla tai auttavat sinua ymmärtämään, miksi joku teki tietyn päätöksen.
Datasta ymmärrykseen
Koko webanalytiikan hyödyllisyys perustuu siihen, että saatavilla olevasta datasta tehdään perusteltuja toimenpide-ehdotuksia tulosten parantamiseksi. Hopper antoi tähän hyvän perusmallin:
- Huomioi ja kysy kysymyksiä. Yhdistä data, segmentit ja tietämyksesi markkinoinnin toimenpiteistä ja asiakkaistasi tehdessäsi huomioita sivuston tapahtumista.
- Tutki ja selvitä. Laajenna tietojasi ihmisten yleisistä tavoista toimia (ei vain omien asiakkaittesi) ja käytä tätä hyväksi muodostaessasi tutkimushypoteesia ja pohtiessasi parannusideoita.
- Priorisoi. Kaikkea ei voi selvittää kerralla ja yhdellä testillä. Valitse testattavaksi idea, jonka vaikutuspotentiaali on suurin.
- Dokumentoi ja toista. Testaa ja todenna hypoteesisi, tee muutoksia sen mukaan, mikä toimii ja mikä ei ja palaa tarvittaessa huomiointi- ja ideointivaiheeseen.
Hypoteesia muodostettaessa on hyvä muistaa, että se täytyy määritellä tarkasti:
AA:n muuttaminen BB:ksi vaikuttaa XX:ään, koska YY.
Hyvin muodostettu hypoteesi opettaa aina jotain, vaikka se osoittautuisi vääräksi.
Ei enää katoamista datan mustaan aukkoon
Google Analytics voi joskus tuntua raastavalta käyttää. Tietoa ja raportteja on niin paljon, että niihin voi hukkua. Mutta esimerkiksi käyttämällä juuri segmenttejä ja yhdistämällä tietoon asiakastuntemuksen saa datasta puristettua ulos liiketoimintaa kehittäviä tuloksia. Ei tarvitse enää pelätä häviävänsä mustaan aukkoon.
Ja kun kuitenkin mietit, vastaus juomakysymykseen on: panimo toi omat hanajuomansa esiin vain menunsa lopussa, ilman omaa nimeään. Asiakkaat eivät tienneet, että niitä on saatavilla. Joskus se on pienestä kiinni.
Me Blinkillä uskomme vahvasti dataohjautuvaan markkinointiin. Lue lisää asiakasymmärryksen rikastamisesta sekä avainmittariston ja analytiikkamallin määrityksestä.
Peike Korvenmaa
Peike yhdistää työssään digitaalisen markkinoinnin asiantuntijana luovuutta ja dataa sosiaalisen median kuplivaan maailmaan.
