Środowisko nieustannie się zmienia, klienci oczekują więcej, a liczba możliwości, jakie ma przed sobą marketingowiec, stale rośnie. Jak się w tym wszystkim nie pogubić?
Żyjemy w czasach wielkich zmian w postrzeganiu rozwoju biznesu. Z jednej strony mówimy o synergii kanałów w strategii multichannel – jak jednak sprawdzić, który z nich generuje największe zyski? Z drugiej strony warto nadal zastanowić się, jaki wpływ na mój biznes mają działania konkurencji? Czy online rzeczywiście działa na offline i odwrotnie? Nowe pytania wymagają nowych odpowiedzi. Dziś to już nie konwersje w serwisie są najistotniejsze. Dziś potrzebujemy sumy doświadczeń użytkowników, potrzebujemy wiedzieć, jak klient reaguje na nasze działania i jak przekłada się to na jego aktywność w serwisie. To właśnie analiza danych wymieniana jest jako jedno z kluczowych wyzwań dla działów marketingów w najbliższych latach.
Zobacz również
Nie wystarczy jednak już tylko znać podstawowe raporty Google Analytics – kluczowe jest podejście do danych, zorientowane na cele i podejście data-driven. Analityka to nie tylko raportowanie, ale przede wszystkim działania, które realizujemy w oparciu o dane. Podejście data-driven wiąże się z pojmowaniem analityki jako procesu, w którym ludzie i technologie współpracują, zaczynając od zbierania danych, poprzez ich analizę, aż do aktywnej optymalizacji i testowania.
Ludzie – procesy – narzędzia
Do zbudowania w organizacji świadomego podejścia w kontekście korzystania z danych w strategii prowadzenia biznesu, potrzebne są trzy najważniejsze składniki: ludzie, procesy i narzędzia. Mimo wielkiego nacisku na analizę i korzystanie z narzędzi, nadal kluczową rolę w całym procesie pracy z danymi pełnią ludzie. Zatem jeszcze przed wyborem narzędzia i ustaleniu kolejnych kroków w procesie należy przede wszystkim przygotować tych, którzy będą świadomie z niego korzystać i podejmować decyzje na podstawie danych. Kluczowe przy rozpoczęciu projektu analitycznego jest wyznaczenie celów i KPI dla naszego biznesu, ale też sprecyzowanie, jakie oczekiwania mamy wobec danych. Zbudowanie odpowiedniej pozycji wyjściowej, przygotowanie zespołu i doprecyzowanie potrzeb stanowią bazę do kolejnych kroków, które będą mogły być rzeczywiście wartościowym czynnikiem w procesie podejmowania decyzji.
Model rozwoju kultury analitycznej warto rozpocząć od ustalenia KPI i nadrzędnych celów, jakie będą wyznacznikiem korzystania z danych. Przykładami takich ustaleń mogą być:
#NMPoleca: Jak piękny design zwiększa konwersję w e-commerce? Tips & Tricks od IdoSell
– zaplanowanie konfiguracji widoków danych w narzędziu pod kątem konkretnych grup użytkowników danych np. widok tylko dla ruchu mobilnego; widok tylko z ruchem płatnym z Facebooka, etc.
Słuchaj podcastu NowyMarketing
– wybór najważniejszych wskaźników sukcesu e-commerce, np. może być to przychód globalny, life-time value użytkownika czy średnia wartość koszyka,
– regularna edukacja pracowników pod kątem np. definiowania potrzeb względem kampanii – dobranie stosownych KPI dla kampanii brandowej, a innych dla kampanii sprzedażowych.
Świadoma samoocena
W analizie stanu obecnego pomocny będzie model dojrzałości analityki w organizacji, określający poziom zaawansowania zespołu w temacie danych i ich obecny stopień wykorzystania.
Model dojrzałości analitycznej organizacji (OAMM) jest produktem wiedzy i doświadczenia Stéphane Hamela, który od lat jest autorytetem, liderem i człowiekiem wyznaczającym kierunek rozwoju analityki internetowej na świecie.
Stworzony przez niego model definiuje kilka kluczowych obszarów odpowiedzialności i wykorzystania danych, których równomierny i konsekwentny rozwój pozwala mówić o wdrażaniu i rozwoju analityki w organizacji. Wspomniane kluczowe obszary (i pytania) to:
1. Miejsce analityki w organizacji
Kto odpowiada za pomiar skuteczności działań online?
2. Cel analityki w organizacji
Jaki jest główny cel bieżących działań analitycznych?
3. Zakres analityki
Jaki obszar działań organizacji śledzi analityka i jak podejmowana jest decyzja o zakresie śledzenia?
4. Zespół analityczny i poziom wiedzy
Jaka jest struktura zespołu analitycznego?
Centrum kompetencyjne
5. Proces rozwoju i metodyka analiz
W jaki sposób definiowane są problemy, możliwości, budowane hipotezy, opracowywane analizy i rekomendacje?
6. Narzędzia, technologia, integracja danych
Jak zaawansowane jest wykorzystanie technologii?
Od wniosków do planowania – strategiczne podejście do danych
Model OAMM daje pogląd na to, w którym momencie ścieżki dojrzałości analitycznej znajduje się organizacja. Uzyskane wyniki pozwalają na wyznaczenie celów dla projektu Digital Analytics w obszarze zarządzania zespołem i procesami decyzyjnymi oraz świadomego zarządzania narzędziami. Ta wiedza to jednak nie wszystko – powinna zostać wykorzystana do zbudowania planu rozwoju analityki w organizacji.
Nie ma znaczenia, czy będzie to koncepcja w formie wypunktowanej listy, mindmapa czy arkusz kalkulacyjny z harmonogramem. Naszych klientów zachęcamy jednak do stworzenia materiału, do którego będzie można wracać, chociażby podczas wdrażania nowych pracowników.
Do budowania strategii analitycznej warto podejść wspólnie z zespołem, który będzie potem pracował z danymi. Wspólna dyskusja nad wynikami modelu OAMM to dobry wstęp do budowania w zespole świadomości wagi analityki.
Kolejne kroki budowania strategii rozwoju analityki w organizacji mogą wyglądać następująco:
1. Profilowanie grup odbiorców danych
Cele i KPI dla całej organizacji to nie wszystko – przykładowo, jeśli sklep internetowy zatrudnia zespoły, dedykowane różnym kategoriom asortymentu, to każdy z nich ma swoje własne mikro-cele i mierniki sukcesu. Tym bardziej, jeśli mówimy o zespole PR, marketingowym czy social media. Stworzenie charakterystyki tych grup, segmentów, a nawet person, pozwoli na dopasowanie zakresu danych i skuteczne raportowanie w obszarze wskaźników, które są ważne dla danej osoby.
2. Dobór narzędzia analitycznego
Narzędzie optymalne do prowadzonych działań to nie tylko takie, które pozwoli na gromadzenie danych, ich łatwe raportowanie i interpretację. Ważny jest szerszy kontekst. Jak istotna jest wiarygodność danych? Jak dużo ich będzie i jak dokładnie będą analizowane? Co się dalej z nimi stanie? Będą wykorzystane tylko w raportach czy może w kampaniach reklamowych?
Zaawansowane platformy analityczne coraz częściej mają charakter kompletnego środowiska marketingowo-analitycznego. Pozwalają na dostosowywanie raportów, optymalizację konwersji, zaawansowaną analizę danych, ale też umożliwiają przełożenie wiedzy na działania, wykorzystanie danych do skutecznych działań promocyjnych.
3. Zaplanowanie zakresu danych
Które warto przeprowadzić wspólnie z zespołem marketingowym, SEO, SEM, lub agencją pod kątem kompleksowej analizy ruchu.
4. Wdrożenie i weryfikacja poprawności gromadzonych danych i stworzenie systemu raportowania
W procesie wdrożenia szczególnie istotne jest to, by od samego początku w rozmowach uczestniczyły osoby odpowiedzialne po stronie organizacji, zespół IT oraz analityk lub agencja zajmująca się projektowaniem zakresu danych. Takie podejście pozwoli już na wstępnym etapie wyeliminować zagrożenia, płynące m.in. z infrastruktury technicznej serwisu. Równie pomocne będzie spisanie zaprojektowanego zakresu danych, który posłuży potem do ich aktualizacji lub wdrażania nowych użytkowników narzędzia.
W obszarze raportowania decyzje podejmujemy w dwóch obszarach – zakresu i formy wizualizacji, w tym wyboru narzędzia. Wybierając wskaźniki, które pojawią się w raportach najlepiej szukać złotego środka – niewskazane jest zarówno pomijanie ważnych danych, jak ich zbytnia granularność, przez którą możemy tracić z pola widzenia cały kontekst. Najbezpieczniej wybrać kilka globalnych KPI, a następnie dodatkowych wymiarów, w których będziemy je realizować. Przykładowo, w księgarni internetowej nastawionej na budowanie lojalności klientów i up-selling może być to przychód na użytkownika i średnia ilość produktów w koszyku dla poszczególnych kategorii produktowych.
5. Analiza danych, wnioski i plan optymalizacji
Na potrzeby pierwszych analiz danych warto podzielić wskaźniki na dwa obszary, ważne z punktu widzenia optymalizacji strony www – ruch i zachowanie użytkowników na stronie. Podchodząc do danych w ten sposób, zapewnimy sobie odpowiedzi na dwa kluczowe pytania: jak klienci trafiają na nasz serwis i co na nim robią. Jednocześnie unikniemy sytuacji, w której analizując, przykładowo, nieefektywną kampanię AdWords, optymalizujemy jej strukturę, pomijając fakt, że wielu userów pochodzących z tego kanału porzuca koszyk na zbyt długim formularzu danych osobowych.
Na ostatnich dwóch etapach czeka nas także decyzja odnośnie narzędzia, którego użyjemy do testów a/b, wizualizacji danych, być może także systemu TMS, który pozwoli m.in. na łatwe pozyskiwanie nowych danych lub wpinanie kodów marketingowych bez udziału działu IT. Jedną z opcji jest rozważenie narzędzia 360, które odpowie na wszystkie te potrzeby.
Najpopularniejszym i najbardziej rozpoznanym narzędziem analitycznym w Polsce jest Google Analytics. Nikomu w branży internetowej nie trzeba przedstawiać tego narzędzia, ma zaawansowane funkcje, jest darmowe a do tego łatwo integruje się z drugim popularnym narzędziem marketingowym tj. Google AdWords. Naturalnie, rozwój kultury analitycznej obejmuje rozrost ekosystemu narzędzi. Poruszając się w znanym środowisku Google, mieliśmy do tej pory do dyspozycji m.in. Google Analytics Premium, narzędzia reklamowe DoubleClick, rozwiązania bazodanowe Google Cloud i system zarządzania tagami GTM. Ten zestaw wraz z kilkoma nowościami doczekał się premiery w ramach nowego produktu Google Analytics 360 Suit. Produkt wpisuje się w rosnący trend prowadzenia kompleksowych działań marketingowych z szerokim wykorzystaniem analityki.
Istotnymi nowościami w pakiecie są: zaawansowane narzędzie do prowadzenia testów a/b i personalizacji treści strony (Google Optimize 360) oraz narzędzie do tworzenia paneli raportowych i wizualizacji danych (Google Data Studio 360). Pojawia się też odpowiedź na rosnące zainteresowanie tzw DMP czyli platformami do zarządzania danymi użytkowników (Google Audience Center 360)
Droga od projektu do procesu
Budowanie kultury analitycznej w organizacji wymaga czasu i udziału wielu osób, dlatego tak ważne jest podzielenie procesu na etapy. Ważne, by na każdym z nich umożliwić aktywny udział wszystkim przyszłym odbiorcom danych. Takie podejście jest szczególnie istotne z punktu widzenia późniejszej edukacji zespołu w obszarze samodzielnego i aktywnego korzystania z danych. Warto jednak pamiętać, że droga od reaktywnego do proaktywnego podejmowania decyzji data-driven jest długa i wymaga nie tylko dużej ilości danych w narzędziu analitycznym, ale też kompetentnych ludzi i procesów, które przewidują wpływ analityki na politykę produktową, lokację budżetów marketingowych czy kreacje w kampanii. Możliwości gromadzenia danych są coraz większe, więc jednocześnie istotne jest zorientowanie na KPI, zanim zaczniemy analizować big data, i na low-hanging fruits w postaci prostych zmian na podstawie testów a/b przed redesignem całego serwisu.
Co najważniejsze, tak samo zapewniajmy aktualność nie tylko danych i naszego stanu wiedzy o narzędziu. Po kilku miesiącach realizowania strategii analitycznej do testu OAMM warto podejść jeszcze raz. Nie zrażamy się, jeśli nie wszędzie wynik jest najwyższy! Każda zmiana na plus to już duży krok w tworzeniu organizacji data-driven i czerpania z analityki rzeczywistych korzyści.
Ola Lisiecka
Digital Analyst
Karolina Lejman
Digital Analytics Business Manager
Dominik Kamocki
Account Executive