Markkinoinnin data-analytiikka

Ymmärrä markkinoinnin toimenpiteiden kokonaisvaikutus toimintaan

Markkinoinnin ja sen toimenpiteiden data-analytiikka ei ole pelkkää mittaamista, hyvin toteutettu web – analytiikka kuitenkin on välttämätöntä sille, että data-analytiikka ylipäätään voisi luoda arvoa organisaatiolle. Web-analytiikka taas on oma laaja kokonaisuutensa omine osaamisvaatimuksineen.

Tässä kirjoituksessa käsitellään useiden erilaisten markkinoinnin toimenpiteiden tuottamien lähdedatojen merkitystä ja mahdollisuuksia data-analytiikan näkökulmasta. Pääpaino on sellaisella datalla, josta voidaan jollain tasolla tunnistaa käyttäjä ja yhdistää tämän tietoja muihin organisaation hallussa pitämiin tietoihin.  

Verkkovierailijasta tunnistetuksi käyttäjäksi  

Kun joku tuntematon laite tai selain asioi organisaation hallinnoimassa online - palvelukanavassa niin tällaista voidaan kutsua verkkovierailijaksi, kun jollain mekanismilla tunnistetaan verkkovierailija niin tätä voinee kutsua käyttäjäksi. Esimerkiksi käyttäjätilin luonut ja online – palvelukanavaan kirjautunut verkkovierailija on jo käyttäjä. Käyttäjän todellinen identiteetti luonnollisena henkilönä ei tietysti välttämättä ole vielä tarkasti tiedossa, ellei palvelukanavassa hyödynnetä heti alussa jo erilaisia luotettavia tunnistamisen menetelmiä. Joissain tapauksissa on kuitenkin näissäkin huomioitava identiteettivarkauden ja petoksen yrittämisen mahdollisuus, jos käyttäjällä on hallussaan jonkun toisen henkilön tunnistautumisvälineet.

Käyttäjä voi olla suoraan organisaation asiakas taikka jonkinlainen asiakkaan edustaja tai yhteyshenkilö.

Verkkovierailija ja konversion attribuution ongelma

Kun verkkovierailija muuttuu käyttäjäksi eli tapahtuu konversio, niin organisaatiota kiinnostaa se polku taikka tulokanavan, kampanjan ja muiden kiinnostavien taustatietojen yhdistelmä. Näiden tietojen avulla organisaatio voi optimoida asiakashankintansa kustannuksia siltä osin, kun käyttäjät muuttuvat asiakkaiksi taikka käyttäjien merkitys on suuri asiakkuuden muodostumiseen.

Attribuution ongelma tarkoittaa sitä, että erinäisten syiden vuoksi tuon konversion syntymiseen vaikuttavat tekijät jäävät epäselviksi suoraan mitattuna. Web-analytiikan mittaamisen arvolupaus oli pitkään valtava ja siksi monet siirsivät mainosbudjettejaan kanaviin, jotka pystyivät lupaamaan tällaista.

Nykyaikana konversion attribuution ongelma on kasvanut ja vaikuttaa siltä, että joudutaan kehittämään yhä enemmän sekä vaihtoehtoisia että attribuutioraportoinnin laatua varmistavia menetelmiä. Yksi keino on luonnollisesti kysyä verkkovierailijalta konversion hetkellä mistä hän on kuullut organisaatiosta tai sen palveluista.

Kokonaissuureiden tasolla attribuution ongelmaa voidaan yrittää ratkaista mallipohjaisesti mutta se ei pääsääntöisesti sovellu tällaiseen käyttäjään sidotun datan tapaukseen.

Käyttäjä ja käyttäytymisdata   

Kun käyttäjä asioi organisaation online – ja offline - palvelukanavissa niin usein on mahdollista, tietosuojaan liittyvän lainsäädännön ja toimintapolitiikan puitteissa toki, kerätä tätä dataa ja hyödyntää sitä toiminnan kehittämiseen yhdistämällä sitä yli erilaisten sovellusten rajojen.

Käyttäytymisdata voi tarjota mahdollisuuksia lisämyyntiin, ristiin myyntiin sekä toisaalta palvelukanavan toimivuuden tehostamiseen. 

Käyttäytymisdatan osalta voi tulla eteen tilanteita, joissa lopulta hyvin pieni joukko käyttäjiä asiakkaista on todella aktiivisia palvelukanavissa. Aktiivisen käyttäjän määritelmän pitäisi perustua organisaation yhteisesti sovittujen mittarien mukaisesta tilanteesta johdettuun päätökseen.

Unit Economics - liiketoiminnan pienoiskuva

Unit economics - laskelmat

Unit economics - laskelma kuvastaa liiketoiminnan tuottoja ja kustannuksia pl. asiakashankinnan kustannukset kaikkein hienojakoisimmalla tasolla, joka kuitenkin kaappaa mukaansa kaikki keskeiset tekijät sekä näiden tuotto- ja kuluvirtojen väliset yhteydet.

Kun laskelma on ymmärretty toimintaa ohjaavaksi taloudelliseksi malliksi, niin voidaan tehdä päätöksiä ymmärtäen mihin asioihin päätöksillä pyritään vaikuttamaan. Laskelma on luonteeltaan oletuksia ja empiiristä havaintoaineistoa yhteenkokoavaa. On todennäköistä, että erilaiset oletukset vaikkapa yhdenkin huonosti alkutilanteessa ymmärretyn parametrin arvosta vaikuttaisivat lopputulokseen.

Esimerkiksi SaaS - liiketoiminnassa yksikkö voisi olla yksittäinen tilaus, jos yritys ei myy muunlaista palvelua kuin tilausta erilaisissa luokissa (free, pro, premium). Useimmissa tapauksissa järkevä lähtökohta voisi olla yksittäisen henkilön, yrityksen tai jopa kotitalouden taso.

Liiketoimintayksikön tai tuotteen / sopimuksen taso on huono sen vuoksi että sama henkilö voisi käyttää useita erilaisia tuotteita tai palveluita samaan aikaan eikä ole välttämättä selvää että yhden tuotteen käyttö olisi toisesta tuotteesta riippumatonta. Vakuutusyhtiön asiakas saattaa kaivata kokonaisratkaisua suojaamaan tiettyjen riskitekijöiden joukon potentiaaliselta negatiiviselta vaikutukselta.

Tuotot ja kulut kannattaa pyrkiä arvioimaan yli koko yksikön elinkaaren. Tällaisissa tilanteissa hankintakustannukset sekä "eloonjäämisfunktion" muoto vaikuttavat paljon siihen mikä yksikön elinkaariarvoksi muodostuu. Ja erilaisilla asiakkuusmarkkinoinnin toimenpiteillä voidaan pyrkiä vaikuttamaan asiaan eikä jättää asioita pelkästään baseline - skenaarion varaan.

Asiakashankinnan kustannukset ja käyttäjät  

Jos organisaatio pystyy jäljittämään asiakashankinnan kustannukset käyttäjätasolle asti hyödyntäen tietoa tulokanavasta ja kampanjasta niin näillä tiedoilla on joissain tapauksissa jo paljon tehtävissä. Kuitenkin käyttäjät voivat passivoitua tai jopa kokonaan poistua hyvin nopeasti konversion jälkeen, siksi voi olla järkevää jakaa nuo alkuperäiset asiakashankinnan kustannukset aktiivisille käyttäjille ja jättää huomiotta passivoituneet. Tällainen tarkastelu tuo realistisemman kuvan siitä kuinka paljon yhden aktiivisen asiakkaan asiakashankinnan kustannukset ovat.

Markkinoinnin data-analytiikka ja arvontuotto

Suurimmat hyödyt saadaan, kun on olemassa jatkuva ja lähes automaattinen prosessi, joka tuottaa tuloksia mutta sitä prosessia myös seurataan. Tällöin organisaation ei tarvitse erikseen kohdentaa voimavarojaan yksittäisiin pistemäisiin selvityksiin. Markkinoinnin data-analytiikka ei ole pelkkää mittaamista taikka web – analytiikkaa, molemmat ovat luonnollisesti tärkeitä mutta paljon kiinnostavia kysymyksiä jäisi ilman vastausta jos vain ne olisivat toiminnan keskiössä.

Ready Solutionin edistyneen analytiikan – palvelut, pilvipalvelut sekä data-alustojen kehittämisen palvelut sisältävät tällaista kehittämistyötä, jolla organisaatio voi päästä nopeasti hyviin tuloksiin vaikka omia voimavaroja ei olisikaan toteuttaa vastaavaa.