Πορτρέτο του Ξενοφών Απάκη
Ξενοφών Απάκης
Web designer και developer από το 1997

τι είναι η ανάλυση ψηφιακού μάρκετινγκ

τι είναι η ανάλυση ψηφιακού μάρκετινγκ

· Με δύο λόγια

Πώς ερμηνεύονται επισκέψεις, αιτήματα και μετατροπές στο ψηφιακό μάρκετινγκ, με αριθμητικό παράδειγμα, κανόνες σύγκρισης και όρια απόδοσης..

Ανάλυση ψηφιακού μάρκετινγκ: ποια δεδομένα μετράμε και πώς αποφασίζουμε

Η ανάλυση ψηφιακού μάρκετινγκ είναι η διαδικασία μετατροπής δεδομένων από ιστοσελίδες, καμπάνιες και επαφές πελατών σε συμπεράσματα που υποστηρίζουν επιχειρηματικές αποφάσεις. Δεν είναι απλώς ένας πίνακας με επισκέψεις και αντιδράσεις. Μια καλή ανάλυση εξηγεί τι συνέβη, ποια ερμηνεία είναι λογική, τι παραμένει αβέβαιο και ποια ενέργεια αξίζει να εξεταστεί στη συνέχεια.

Από τα δεδομένα στο σωστό ερώτημα

Πριν ανοίξουμε ένα εργαλείο αναφορών, αποφασίζουμε ποια δραστηριότητα θέλουμε να αξιολογήσουμε. Μια επιχείρηση παροχής υπηρεσιών ίσως ενδιαφέρεται για τα κατάλληλα αιτήματα προσφοράς. Ένα ηλεκτρονικό κατάστημα ενδιαφέρεται και για παραγγελίες, επιστροφές και επαναλαμβανόμενες αγορές. Μια ενημερωτική σελίδα μπορεί να εξετάζει αν οι αναγνώστες βρίσκουν την απάντηση που χρειάζονται. Οι ίδιοι αριθμοί έχουν διαφορετική σημασία ανάλογα με τον στόχο.

Χρειάζεται επίσης καθαρός διαχωρισμός ανάμεσα σε παρατηρούμενο γεγονός και επιχειρηματικό αποτέλεσμα. Το πάτημα ενός κουμπιού δεν αποδεικνύει ότι στάλθηκε επιτυχώς αίτημα. Μια επίσκεψη στη σελίδα ολοκλήρωσης πληρωμής δεν ταυτίζεται πάντοτε με επιβεβαιωμένη είσπραξη. Επομένως, κάθε μέτρηση χρειάζεται τεχνικό ορισμό και σημείο επαλήθευσης.

Βασικές κατηγορίες δεικτών

Οι δείκτες προσέγγισης περιγράφουν εμφανίσεις και επισκέψεις. Οι δείκτες αλληλεπίδρασης εξετάζουν ενέργειες μέσα στη σελίδα, χωρίς να τις βαφτίζουν όλες ποιοτικό ενδιαφέρον. Οι δείκτες αποτελέσματος αφορούν αιτήματα, παραγγελίες ή άλλους στόχους, εφόσον έχουν επιβεβαιωθεί. Τέλος, οι δείκτες ποιότητας αποτυπώνουν αν ένα αίτημα ήταν κατάλληλο, αν εξυπηρετήθηκε έγκαιρα και αν ο πελάτης έμεινε ικανοποιημένος.

Ένας χρήσιμος δείκτης πρέπει να έχει αριθμητή, παρονομαστή και συγκεκριμένη περίοδο. Το ποσοστό ολοκλήρωσης μπορεί να ορίζεται ως ολοκληρωμένες αιτήσεις προς τις έγκυρα ξεκινημένες αιτήσεις. Αν τον έναν μήνα μετράμε όλες τις επισκέψεις και τον άλλο μόνο όσους άνοιξαν τη φόρμα, το αποτέλεσμα δεν είναι συγκρίσιμο. Οι ορισμοί πρέπει να παραμένουν σταθεροί ή η αλλαγή να δηλώνεται ρητά.

Τι δείχνει η διαδρομή από επίσκεψη σε αποτέλεσμα

Η πορεία από το πρώτο ενδιαφέρον στην τελική ενέργεια αποκαλύπτει πού χάνεται η συνέχεια. Μπορούμε να ξεχωρίσουμε επισκέπτες που διάβασαν περιγραφή, όσους άνοιξαν φόρμα, όσους την ολοκλήρωσαν και όσους έλαβαν πραγματική απάντηση. Αν το τελευταίο στάδιο αποτυγχάνει, η αύξηση της προβολής μπορεί να αυξήσει μόνο τον αριθμό των ανικανοποίητων ανθρώπων.

Για μια υπηρεσία με πολλά ερωτήματα αξίζει να συγκρίνουμε και τους λόγους που ένα αίτημα δεν προχώρησε. Μερικοί λόγοι αφορούν τιμή, άλλοι μη διαθεσιμότητα ή ακατάλληλη γεωγραφική περιοχή. Η ποσοτική εικόνα γίνεται ουσιαστικότερη όταν συμπληρώνεται με κατηγοριοποιημένη, μη ταυτοποιήσιμη ανατροφοδότηση από την πραγματική εξυπηρέτηση.

Μικρό υπολογιστικό παράδειγμα χωρίς παραπλανητικές υποσχέσεις

Ας υποθέσουμε ότι μια σελίδα δέχθηκε 400 επισκέψεις και καταγράφηκαν 20 ολοκληρωμένες αιτήσεις. Αν οι μετρήσεις είναι σωστές και αφορούν το ίδιο σύνολο, το ποσοστό αιτήσεων είναι 20 προς 400, δηλαδή 5%. Αυτό δεν σημαίνει ότι το 5% έγινε πελάτης. Αν μόνο 8 αιτήσεις ήταν κατάλληλες, οι 8 έχουν διαφορετική επιχειρηματική αξία από τον συνολικό αριθμό υποβολών.

Η αλλαγή μπορεί να αξιολογηθεί και ως κόστος ανά κατάλληλο αίτημα, αλλά μόνο αφού αποσαφηνιστεί ποια κόστη περιλαμβάνονται: διαφήμιση, δημιουργικό, εργασία και άλλα. Η σύγκριση δύο περιόδων απαιτεί ίδια λογική καταγραφής. Αν στο δεύτερο διάστημα μειώθηκε η διαθεσιμότητα της υπηρεσίας, το χαμηλότερο αποτέλεσμα δεν τεκμηριώνει αυτομάτως ότι χειροτέρεψε η διαφημιστική δημιουργία.

Περιγραφική, διαγνωστική και διερευνητική ανάλυση

Η περιγραφική ανάλυση παρουσιάζει τι συνέβη: συνολικά αιτήματα, εξέλιξη ανά κανάλι, αλλαγές στον χρόνο. Η διαγνωστική αναζητά πιθανούς λόγους, ελέγχοντας τεχνικά σφάλματα, διαφοροποιήσεις κοινού και αλλαγές στην προσφορά. Η διερευνητική αναζητά ενδείξεις για μελλοντικές δοκιμές, χωρίς να τις παρουσιάζει ως βέβαιες προβλέψεις. Οι τρεις τρόποι έχουν διαφορετικό βαθμό τεκμηρίωσης.

Για παράδειγμα, η αύξηση των εγκαταλείψεων σε κινητές συσκευές μπορεί να οδηγήσει σε τεχνικό έλεγχο φόρμας. Πριν συμπεράνουμε ότι «οι χρήστες κινητού δεν ενδιαφέρονται», δοκιμάζουμε τη διαδικασία σε διαφορετικά μεγέθη οθόνης και ελέγχουμε αν κάποιο πεδίο είναι δυσανάγνωστο ή δεν επιτρέπει υποβολή. Έτσι η ανάλυση παράγει διορθώσιμη υπόθεση αντί γενίκευση.

Προσοχή στην απόδοση του αποτελέσματος σε κανάλια

Ένας άνθρωπος μπορεί να δει βίντεο, να αναζητήσει αργότερα μια εταιρεία, να διαβάσει κριτικές και να επιστρέψει για αγορά. Το να αποδώσουμε όλη την επιτυχία στο τελευταίο σημείο επαφής είναι μία επιλογή μέτρησης, όχι πλήρης περιγραφή αιτίας. Τα μοντέλα απόδοσης προσπαθούν να κατανείμουν συμβολή, όμως εξαρτώνται από τα διαθέσιμα δεδομένα και τις ρυθμίσεις.

Στο Google Analytics είναι σημαντικό να διακρίνουμε τα «βασικά γεγονότα» από τις «μετατροπές» που χρησιμοποιούνται στην αξιολόγηση διαφημιστικών ενεργειών. Η ονομασία και η απόδοση ενδέχεται να διαφέρουν ανά αναφορά. Ελέγχουμε αν μια μεταβολή προέρχεται από πραγματική συμπεριφορά ή από αλλαγή ρύθμισης, επιτρεπόμενης μέτρησης και χρονικού παραθύρου.

Διαδικασία ελέγχου μιας αναφοράς

  1. Συμφωνούμε με το τμήμα εξυπηρέτησης ποιο γεγονός θεωρείται ολοκληρωμένο και ποιο κατάλληλο.
  2. Ελέγχουμε ότι οι σύνδεσμοι καμπανιών οδηγούν στις σωστές σελίδες και ότι οι τελικές ενέργειες καταγράφονται σωστά.
  3. Επιλέγουμε κοινές περιόδους και συγκρίσιμα τμήματα κοινού, αντί να αναμειγνύουμε ασύμβατες περιόδους.
  4. Διαβάζουμε τα μεγέθη σε συνάρτηση με διαθεσιμότητα, αλλαγές τιμών, τεχνικές αστοχίες και εποχικότητα.
  5. Προτείνουμε συγκεκριμένη παρέμβαση με σαφή τρόπο επανελέγχου και όχι αόριστη «βελτιστοποίηση».

Ο υπεύθυνος πρέπει να μπορεί να επαναλάβει τη λογική μιας απόφασης χωρίς να εξαρτάται από το αισθητικό αποτέλεσμα ενός διαγράμματος. Η πρόσβαση στην υποκείμενη μεθοδολογία είναι σημαντικότερη από την εντύπωση της παρουσίασης.

Ιδιωτικότητα και όρια παρατήρησης

Οι αναλυτικές μετρήσεις δεν δικαιολογούν απεριόριστη καταγραφή συμπεριφοράς. Όταν εμπλέκονται προσωπικά δεδομένα, εφαρμόζονται οι απαιτήσεις του Γενικού Κανονισμού Προστασίας Δεδομένων, GDPR (General Data Protection Regulation), καθώς και οι συναφείς κανόνες ηλεκτρονικών επικοινωνιών. Τα εργαλεία πρέπει να ρυθμίζονται σύμφωνα με τη νόμιμη βάση, την αναγκαία ενημέρωση και τις πραγματικές επιλογές των χρηστών.

Η απουσία μέρους των δεδομένων δεν είναι λόγος να δημιουργούμε ψευδή ακρίβεια. Αναγνωρίζουμε τους περιορισμούς, προτιμούμε συγκεντρωτικές αναφορές όπου επαρκούν και αποφεύγουμε την εξαγωγή προσωπικών ιστορικών σε περιττούς παραλήπτες. Η αξιόπιστη ανάλυση περιλαμβάνει και το τι δεν μπορεί να παρατηρηθεί.

Ποιος είναι ο σωστός ρυθμός αξιολόγησης

Δεν είναι χρήσιμο να αντιμετωπίζουμε κάθε ημερήσια διακύμανση ως αλλαγή στρατηγικής. Η κατάλληλη συχνότητα εξαρτάται από τον όγκο δραστηριότητας, τον κύκλο αγοράς και τη σοβαρότητα του προβλήματος. Τα τεχνικά σφάλματα, όπως αποτυχημένες υποβολές, χρειάζονται γρήγορο έλεγχο. Αντίθετα, η αξιολόγηση μιας υπηρεσίας με μακρύ χρόνο απόφασης απαιτεί επαρκή περίοδο παρατήρησης για να μη χαρακτηρίζονται πρόωρα οι ενέργειες αποτυχημένες.

Αξίζει να υπάρχει ξεχωριστή αναφορά λειτουργικής υγείας και ξεχωριστή αναφορά επιχειρηματικής απόδοσης. Η πρώτη δείχνει αν οι υποδομές καταγράφουν και εξυπηρετούν σωστά. Η δεύτερη επιχειρεί να αξιολογήσει το αν οι ενέργειες βοηθούν τους στόχους. Αν αναμειχθούν, ένα κενό δεδομένων μπορεί να παρουσιαστεί λανθασμένα ως πτώση της πραγματικής ζήτησης.

Ερωτήσεις που αποκαλύπτουν αδύναμες αναλύσεις

Πριν εγκρίνουμε ένα συμπέρασμα, ρωτάμε ποια δεδομένα λείπουν, αν οι ομάδες σύγκρισης είναι όμοιες, αν μεσολάβησε αλλαγή τιμής ή διαθεσιμότητας και αν η πρόταση μπορεί να ελεγχθεί με μικρή δοκιμή. Προσέχουμε ιδιαίτερα ισχυρισμούς όπως «το κανάλι έφερε όλο τον τζίρο», όταν η διαδρομή περιλαμβάνει πολλά σημεία επαφής. Καλή αναλυτική εργασία δεν δίνει πάντοτε βέβαιη απάντηση· εξηγεί ποιο επίπεδο βεβαιότητας επιτρέπει η πραγματική καταγραφή.

Από το διάγραμμα στη βελτίωση

Μια καλά δομημένη αναφορά κλείνει με απόφαση: ποιο πρόβλημα έχει επαρκείς ενδείξεις, τι θα αλλάξει, ποιος αναλαμβάνει και πότε θα αξιολογηθεί. Για να εφαρμοστεί στο εμπορικό περιβάλλον, πρέπει να συνδέεται με τις ψηφιακές καμπάνιες και την πορεία προς την πώληση. Η ανάλυση έχει αξία όταν περιορίζει τις αποφάσεις που παίρνονται στα τυφλά, όχι όταν πολλαπλασιάζει τους δείκτες χωρίς δυνατότητα δράσης.