Tyhmä data – viisas data

Monella riittää tänä päivänä haasteita dataohjautuvan markkinoinnin kanssa. Lainsäädäntö säätelee evästeilmoituksia ja selainten kehittäjät rajoittavat itse kolmansien osapuolien evästeiden käyttöä. Samaan aikaan koronaviruspandemia on pakottanut yritykset miettimään omia digitaalisia palveluita sekä niiden merkitystä liiketoimintaan. Datalla on suuri merkitys ja sitä on runsaasti tarjolla, mutta onko datasi tyhmää vai pystytkö hyödyntämään sitä oikeasti?

Lähtökohtaisesti tallennettu data ei tee yksinään mitään. Osaatko siis mitata markkinoinnin toimenpiteitä ja tehokkuutta oikein? Markkinoinnilla on myös paljon mahdollisuuksia datan hyödyntämiseen. Useat digitaalisen mainonnan ja analytiikan järjestelmät tarjoavat automaattisesti toimivia algoritmeja. Paras lopputulos saavutetaan kuitenkin ihmisen ja koneen yhteistyöllä, joten markkinoijien tulee ymmärtää miten dataa kannattaa hyödyntää.

Markkinoinnin onnistumista mitataan myynnin kautta ja kaikkien markkinointitoimenpiteiden pitäisi vaikuttaa myyntiin ennemmin tai myöhemmin. Hyvä tunnettuus ja jatkuva display-mainonta some-kanavissa eivät auta, jos kassakone ei kilise. Ja jokainen tietää mitä tapahtuu pidemmällä aikavälillä, jos asiakkaat ovat tyytymättömiä. Markkinoinnin mittareiden tuleekin kattaa kokonaisvaltaisesti asiakkuuden elinkaaren vaiheet.

Kun pohditaan markkinoinnin kokonaisvaltaista mittaamista, on tarpeen kartoittaa ensimmäiseksi, minkälaista dataa on käytettävissä ja missä data sijaitsee. Hyvin usein juuri markkinoinnin mittaamisessa hyödyllinen data on siiloutunut eri järjestelmiin. Verkkosivustojen ja mobiilisovellusten data on eri järjestelmissä, asiakastieto ja kvalitatiivinen data toisessa. Puhumattakaan digitaalisen mainonnan datasta, joka on pirstoutunut kanavakohtaisiin mainonnan järjestelmiin.

Onneksi erilaiset datan integrointiin tarkoitetut työkalut ovat kehittyneet nopeasti viimeisten vuosien aikana. Pystymme yhdistämään useista lähteistä saatavaa dataa markkinoinnin dashboardiin tai luomaan tietovaraston (Marketing Data Warehouse) ilman valtavaa IT-projektia. Markkinointi- ja myyntidatan yhdistäminen on iso askel oikeaan suuntaan. Datan määrä tai sen yhdistäminen ei kuitenkaan ratkaise kaikkia haasteita.

Verkkopalveluiden ja digitaalisen mainonnan osalta huolena on myös datan laatu. Vaikka mittaristoissa on helppo esittää lukuja usean desimaalin tarkkuudella, yhdeksässä tapauksessa kymmenestä seurantaa ei ole alunperinkään toteutettu riittävän tarkasti ja huolellisesti. Tästä syystä johtuen saatetaan vuosikausia tuijottaa dataa, jolla ei ole mitään tekemistä relevanttien konversiopisteiden tai ylipäätään liiketoiminnallisten tavoitteiden kanssa. Lisäksi eri kanavat tuottavat omilla malleillaan vähintäänkin epäilyttäviä tuloksia. Koska sivustojen ja sovellusten osalta analytiikan ja mittariston tekninen implementointi on ratkaiseva tekijä, on erittäin suositeltavaa toteuttaa mittauskokonaisuuden auditointi säännöllisesti.

Datasta tulee saada aikaiseksi toimintaa!

Olennaiseksi nousee datan onnistunut analysointi. Ja tässä kohtaa huomio: melko tavanomaiseksi noussut datan toistuva raportointi ei välttämättä tarkoita minkäänlaista analysointia tai liiketoimintaa kehittäviä toimenpideideoita.

Analysointimetodeja on monenlaisia. Tyypillisin lienee heuristinen analysointi, jossa ihminen (analyytikko) tekee tiettyyn viitekehykseen ja omaan kokemukseen sekä osaamiseen liittyen datasta tulkinnan. Parhaimmillaan heuristinen analyysi saattaa jopa sisältää päätösehdotuksia tai testausideoita. Pelkkä ilmiöiden kuvaus ei vie juurikaan toimintaa eteenpäin ja ylöspäin. Isosta datamassasta on usein haastavaa löytää kaikkein olennaisimpia pienen segmentin suuria muutoksia.

Lähitulevaisuudessa hyödynnämme entistä enemmän algoritmeja ja mallinnuksia niin markkinoinnin tehokkuuden optimoinnissa kuin myös itse analysointityöskentelyssäkin. Mainonnan järjestelmät pystyvät optimoimaan parhaiten toimivia kampanjoita ja yksittäisiä mainosversioita, kun taas markkinoijat päättävät esimerkiksi laajemmista kanavakohtaisista budjeteista. Tiettyjen toimialojen yritykset pystyvät hyödyntämään myös ekonometrista myynninmallinnusta (Marketing Mix Modelling) markkinoinnin kokonaisvaltaisessa ohjaamisessa.

Analytiikkajärjestelmät voivat tuottaa hälytyksiä ja ilmoituksia poikkeamista, suhteessa esimerkiksi tavoitetasoon. Tekoälyn hyödyntäminen tulee jatkossa osaksi digitaalista markkinoinnin arkea, mutta inhimillistä kokemuspohjaa ja luovaa päättelykykyä automaattiset järjestelmät eivät kuitenkaan korvaa.

Tieto saattaa lisätä tuskaa, mutta datan ja oikeanlaisen analyysin perusteella saatu tieto lisää kilpailukykyä. Aina pitää muistaa, että se viereisellä radalla oleva kilpailija saattaa tehdä enemmän tai paremmin.

Petri Mertanen on kokenut digianalytiikan konkari, joka on toiminut puhujana, kouluttajana ja hands on -konsulttina niin Suomessa kuin ulkomaillakin. Tällä hetkellä Petri vetää omaa Mertanen & Analytics Associates nimistä yritystä.

 

Kommentoi

Sähköpostiosoitettasi ei julkaista. Pakolliset kentät on merkitty *