Digitaalinen analytiikka (31.3.2016)

DIGITAALINEN

ANALYTIIKKA Joni Salminen

KTT, markkinointi

[email protected]

2016

Markkinoijan intuitio – siunaus vai kirous?

2

Mitä enemmän markkinoijalla on

kokemusta, sitä paremmin luulee

tietävänsä miten tehdä asiat.

Kuitenkin todellisuudessa

kokenutkin ammattilainen voi

olla väärässä.

Kokemuksen myötä nopeus

erilaisten vaihtoehtojen arviointiin

kasvaa. Samalla kyky ajatella

niiden ulkopuolella heikkenee.

Markkinoijan intuition

harhaa ei pidä koskaan

unohtaa…

Analytiikka kumoaa ”markkinoijan intuition”

“After analyzing the online buying behavior of over

600,000 consumers across numerous e-commerce sites,

I learned that surprisingly 75 percent of shopping cart

abandoners would actually return to the site they

abandoned within a 28-day period. This defies

conventional wisdom: we polled online marketers and 81

percent believed that the majority of abandoners

never return.” (SeeWhy, 2013)

3

I’m a marketer.

I’m always

right!

Wanamakerin dilemma (ca. 1901)

“Half the money I spend on advertising is wasted;

the trouble is I don’t know which half.”

• Markkinoija käyttää monta kanavaa.

• Tiedetään, että mainonta lisää myyntiä.

• Ei aina tiedetä miksi, eli mikä kanava tuottaa kuinka

paljon.

• Jos markkinointitoimenpiteitä ei voi mitata, niitä ei voi

parantaa.

4

Analytiikka ratkaisee Wanamakerin

dilemman

5

Ongelma ratkaistu?

Kanava Myynti

Myynnin arvon allokointi: esimerkki

• Olet ElämysLahjojen markkinointipäällikkö

• Sinulla on yksi 1000 € myyntikonversio

• Analytiikasta näet, että siihen on johtanut neljä

klikkiä.

• Viimeinen klikki on tullut Google-mainoksesta

hakusanalla ‘elämyslahjat’.

Miten allokoit konversion arvon?

6

Konversiopolku (Google, 2013)

7

Ensimmäinen

kosketus Konversio

Avustava vaikutus

Kolmas

kosketus Toinen

kosketus

Viimeinen

kosketus

Attribuutiomallit (Google, 2013)

Viimeisin kosketuksen malli 100 % konversion arvosta

viimeiselle kosketukselle (kampanja, kanava)

Ensimmäisen kosketuksen malli 100 % konversion arvosta

ensimmäiselle kosketukselle

Lineaarinen attribuutiomalli jokainen kosketus saa tasaisesti

osan konversion arvosta (esim. 3 kosketusta = 33 % kullekin)

Aikapohjainen attribuutiomalli viimeisempänä konversiota olleet

kosketukset saavat suuremman osan konversion arvosta kuin

kaukaisemmat (aikakerroin)

Etu- ja keskipainotettu attribuutiomalli 40 % konversion arvosta

ensimmäiselle kosketukselle, 40 % viimeiselle kosketukselle, ja 20 %

jaetaan kaikkien väliin jäävien kosketusten välillä.

8

Attribuutiomallit: esimerkki

Ensimmäinen

kosketus

Viimeinen

kosketus

Lineaarinen

malli

1 Facebook

2 Google organic

3 sähköposti

4 Google CPC

9

• yksi konversio = 1000 €

• neljä kosketusta ao. järjestyksessä

• miten konversion arvo allokoidaan?

Attribuutiomallit: esimerkki

Ensimmäinen

kosketus

Viimeinen

kosketus

Lineaarinen

malli

1 Facebook 1000 € 250 €

2 Google organic 250 €

3 sähköposti 250 €

4 Google CPC 1000 € 250 €

10

• yksi konversio = 1000 €

• neljä kosketusta ao. järjestyksessä

• miten konversion arvo allokoidaan?

”Viimeisen klikin harha” (last touch bias)

• käytössä olevalla analytiikkatyökalulla pystytään

erottamaan vain viimeinen, konversion tuonut

interaktio (ollaan siis sokeita aiemmille kosketuksille)

• tämän perusteella päätellään että tietty kampanja sai

aikaan konversion, vaikka ainakin osa konversion

arvosta pitäisi sijoittaa aikaisemmille kampanjoille

• miksi tärkeää?

– tuloksena on attribuutiovirhe, jonka seurauksena

voidaan tehdä huonoja allokointipäätöksiä (vrt.

Facebook & suora ROI).

11

Attribuutiomallin riski: tarkastelun lyhyt

aikajänne (Goldberg, 2013)

“While our natural tendency is to generally use short

lookback periods (say, 7 days or a month, for example),

on an attributed basis, it’s important to lengthen this out.

The reason is simple… If customers lag a bit before

squeezing the trigger, it’s going to take time for

[conversion] to appear. I like to use 60-90 days as a

lookback period on keywords/ad groups that I know

have a tendency to introduce or influence a conversion

as opposed to closing, so that I can capture as much

information as possible into my bid rule.”

12

Viivästynyt konversio (deferred conversion)

13

n. 60 % konversioista tulee

ensimmäisen päivän sisällä, mutta

huomattava osa yli viikon päästä

(ElämysLahjat.fi)

Markkinointitulosten pitkäaikainen

tarkastelu

“This is the search graph for Kodak – Successful campaigns, yet no

gained growth. You can see that regardless of their marketing efforts.

Their growth is negative.” (Åström, 2013)

14

• markkinointi ei kompensoi tuotteen

kilpailukyvyn menetystä

• disruptiivinen innovaatio disruptoi myös

markkinointiefektit

Haineväefekti (= shark fin effect)

“This is the search graph for ‘Mitt Romney’ and as you

can see… no one cares about Mitt Romney if he doesn’t

buy a shit load of media to get elected.” (Åström, 2013)

15

• kampanjoinnin tulokset voivat jäädä lyhytkestoisiksi

• tämän vuoksi monet digimarkkinoinnin toimenpiteet

ovat jatkuvia (prosessi, ei kampanja)

• prosessi voi vaihdella suuresti, esim.

hakukonemarkkinointi on usein sesonkisidonnaista

Vuonna 2016…

16

Jatkuva markkinointiprosessi

(ElämysLahjat.fi)

• Markkinoija haluaa, että kiinnostuksen kehitys on

tasaisesti kasvavaa, eikä liian tempoilevaa

• Bisneksen luonteesta riippuu sesonkivaihteluiden

merkitys

17

”Mites tää offline?”

“Can you share some insights on how does one go

about building cross-channel attribution models? I

understand for digital attribution there is a so called

paper trail - all interactions whether through search

engines, organic, referrals, social media can be tagged.

However, how can one integrate offline as well for e.g.

TV, radio spots, billboards, call center IVRs?”

You can’t.

18

Offline-myyntien mittaaminen

“An eye doctor spends $5,000 in one year to bring 10,000 visitors to

her website. In the same year, the doctor spends $5,000 on an ad in

a local weekly newspaper. Discuss the limitations and advantages of

each type of advertising. Describe how you might track each type of

advertising.” (Google, 2007)

Taktiikoita:

– Promokoodi (ostoskori -> CMS)

• OPTIIKKA, niin saat -10 %

– Erillinen puhelinnumero (puhelustatistiikka)

• 0800-SILMÄT

– Erillinen URL (Analytics)

• Eyedoctor.com/alekampanja

19

Universaali analytiikka (Brown, 2013)

”[It’s] going to be a major factor in driving organisations to

migrate to Universal Analytics, and a major benefit they’ll

see as a result of doing so. It’s all thanks to the

Measurement Protocol which is one of the core

components of Universal Analytics.

It allows us to send data from pretty much any device, and

collect it in Universal Analytics. This means we can finally

link in-store transactions with campaigns and, via a loyalty

card tagged to a User ID, with an entire history of user

interactions with our brand.”

20

Lopuksi, älä unohda…

Työmarkkinoilla on

tarvetta analytiikan

osaajille.

Web analyst, data

scientist, customer

insight manager…

21

Analyysiprosessi

1. Hanki data

2. Siivoa data

3. Analysoi eri mallein / tavoin (GA-raportit, tilastolliset

mallit, visualisointi)

4. Tee päätelmiä

5. Esitä tulokset (raportti, visualisointi)

22

Tilastotiede

23

Tilastotiede + skriptaus (R, python)

24

Tilastotiede + skriptaus (R, python) +

visualisointi (Tableau)

25

Paras työkalu visualisointiin: Tableau

26

Mitä analytiikalla voi saada aikaan:

Analyysiesimerkkejä (Google Analytics)

• ROI:n laskeminen kanavakohtaisesti, esim. AdWords, FB,

display-verkostot

• avustavien konversioiden näyttäminen

• arvokkaimmat sivut

• sivut joissa korkea konversio JA matala liikenne

• keskiostoksen kehitys

• voitollisuus (edellyttää katetietoa)

• toimialavertailu

• poistuma (suurimmat poistumasivut)

• ostokäyttäytymissegmenttien tarkastelu

• affinity eli kiinnostuneisuusanalyysi (sekä demograafinen

analyysi)

• konversiopolut (mistä kanavista asiakkaat tulevat)

27

Mobiilianalytiikka (Vuokko, 2015)

On kriittistä analysoida mitä

ominaisuuksia EI käytetä ja siltä

pohjalta karsia niitä. Pitää myös

analysoida mitä ominaisuuksia

käytetään, miten ja miksi.

Klassinen esimerkki on Instagram,

joka oli aluksi jotain ihan muuta

mutta pivotoi filttereihin koska ne

olivat sovelluksen käytetyin

ominaisuus.

Ja on-boardingista Twitter, jonka

alkukokemuksen analysointi johti

retention merkittävään kasvuun.

(Salminen, 2015)

28

Neljän tyyppistä analytiikkaa (Gartner, 2015)

29

kuvaileva analysoiva ennustava suositteleva

Miten analytiikka toimii? (Mullins, 2011)

30

• käyttäjät

• sessiot

• vuorovaikutukset

Nettisivu

JavaScript-

koodi

Googlen palvelin

Raportoitava

data

Tietoja voidaan

kerätä myös

evästeillä.

• dimensiot

(laadullinen)

• mittarit

(määrällinen)

I. Alustakohtaiset mittarit:

– PageRank, Quality Score (Google)

– EdgeRank (engagement), Relevance Score (FB)

II. Verkkosivu (ennen klikkiä): – CPM (cost per mille)

– CPC (cost per click)

– CTR (click-through rate)

III. Verkkosivu (klikin jälkeen): – BR (bounce rate)

– CVR (conversion rate)

– CPA (cost per action)

– CAC (customer acquisition cost)

– ROI (return on investment)

– CLV (customer lifetime value)

Digitaalisen markkinoinnin perusmittarit

31

Alustalle optimointi voi olla ristiriidassa

bisnestuloksille optimoinnin kanssa

32

Kumpi mainos on onnistuneempi?

Mainos A Mainos B

Laatupisteet 10 3

CTR 10 % 3 %

Näyttökerrat 1000 1000

Klikit 100 30

Konversiot 15 15

Tuotto 1500 € 1500 €

Kustannukset 500 € 150 €



33

Kumpi mainos on onnistuneempi?

Mainos A Mainos B

Laatupisteet 10 3

CTR 10 % 3 %


Klikit 100 30

Konversiot 15 15

Tuotto 1500 € 1500 €




34

Mainos A Mainos B

Laatupisteet 10 3

CTR 10 % 3 %


Klikit 100 30

Konversiot 15 15

Tuotto 1500 € 1500 €


ROI ? ?



35

Alustan sisäiselle dynamiikalla optimoitu

ratkaisu ei välttämättä optimoi mainostajan

saamaa tuottoa (Libby, 2009).

Mainos A Mainos B

Laatupisteet 10 3

CTR 10 % 3 %


Klikit 100 30

Konversiot 15 15

Tuotto 1500 € 1500 €


ROI 200% 900%

CPM (cost-per-mille)

Tuhannen näyttökerran hinta.

36

Hyvät puolet Huonot puolet

Kuvaa ”reachia” eli peittoa,

eli ”tunnettuuden” kasvua,

eli brändin rakentamisen

edellytystä

Bännerisokeus (Benway &

Lane, 1998)

Ei kuvaa lainkaan tuloksia,

ts. prosessoidaanko viesti,

klikkaako joku ja mitä käy

klikin jälkeen

CPC (cost-per-click)

Klikin hinta (€)

37


Ohittaa bännerisokeuden

(jotta klikkaa, pitää ensin

prosessoida)

Klikkipetos (joidenkin

arvioiden mukaan jopa 30

% klikeistä petollisia, esim.

botit)

Maksetaan vain kävijöistä Klikki ei kerro mitään

lopullisista tuloksista

Taitava liikenteenajaja voi

ajaa epärelevanttia

liikennettä, jolloin yritys

maksaa turhasta

CTR (click-through-rate)

• Klikkaussuhde (%)

• CTR = klikanneet / kaikki mainoksen nähneet

38


Kertoo miten hyvin mainos

on toiminut

Ei kerro miten laadukasta

liikenne on, tai miten hyvä

yhteensopivuus

kohdesivustolla ja

mainostetulla asialla on

Ei korreloi myynnin,

mainoksen muistettavuuden

(ad recall), tunnettuuden tai

ostointention kanssa

(Nielsen, 2011)

CTR:ää voi nostaa

epäaidoilla lupauksilla

CPA (cost-per-action)

Toiminnon (yl. myyntitapahtuman) kustannus (€)

39


Ohittaa klikkipetoksen

(näyttää vain klikin jälkeiset

tapahtumat)

Maksuperusteena

harvinainen (lähes

ainoastaan affiliatet)

Maksetaan vain myynneistä Mittarina ei kerro mitä

tapahtuu 1. oston jälkeen

(elinkaariarvo)

Ei kerro kuinka moni

konvertoitui tai kuinka hyvin

suhteellisesti

Missaa myös

ulkoisvaikutuksia, kuten

WOM:in vaikutuksen

CVR (conversion rate)

• Konversiosuhde (%)

• CVR = ostaneet / kaikki klikanneet

40


Kertoo mitä klikin jälkeen on

tapahtunut

Ei mittaa voittoa

Ei mittaa kuinka paljon

rahaa on käytetty (pieni vs.

merkittävä hakutermi)

(Geddes, 2011)

ROI (return on investment)

• Tuotto markkinointipanostuksille

• ROI = (P – C) / C * 100% ,

• jossa

– P = panostuksen (esim. kampanjan) tuotto

– C = kustannukset

41


Kertoo mitä klikin jälkeen on

tapahtunut

Ei ota huomioon katetta

(hyvä ROI voi silti tarkoittaa

tappiollista markkinointia);

tuotekohtaiset erot

Ottaa huomioon myynnin Ei ota huomioon

elinkaariarvoa

CLV (customer lifetime value)

• Asiakkuuden elinkaariarvo = kaikki tuotot (€), jotka

asiakkaalta saadaan koko asiakkuuden aikana

• Yleensä tavoitellaan, että CAC < CLV

• CAC = asiakashankinnan kustannus

42


Ottaa huomioon mitä

tapahtuu oston jälkeen

(asiakasuskollisuus, -kato)

Vaikeampi mitata

Tiedetään tarkalleen vasta

jälkikäteen

43

stalkkaustiedot

Custobar (suomalainen startup)

44

On anonyymia ja ihmispohjaista

analytiikkaa

• Yleensä tiedot kerätään anonyymisesti ja esitetään

yleensä aggregaatteina (yksittäisiä käyttäjiä ei

tunnisteta). (Näin on esim. GA:ssa.)

• Poikkeuksena on ns. ihmispohjainen seuranta, jossa

nimenomaan pyritään seuraamaan yksilöitä. Tätä

sovelletaan yleensä yritysten välisessä kaupassa

(markkinoinnin automaatio).

45

Absoluuttiset ja suhteelliset mittarit

• Tarvitset molempia

• Absoluuttinen kertoo kuinka iso merkitys jollain

asialla on (kampanjan klikit, konversiot,

kustannukset), suhteellinen kuinka hyvin se toimii

(kampanjan klikkiprosentti, konversioprosentti)

46

Case 1: Negative Correlation between

Conversion Rate and Average Order Value

47

(Sharma, 2012)


Conversion Rate and Average Order Value

48

(Sharma, 2012)


Conversion Rate and Transactions

49

(Sharma, 2012)


Conversion Rate and Transactions

50

(Sharma, 2012)

Case 3: Positive Correlation between

Conversion Rate and Acquisition Cost

51

(Sharma, 2012)

Kaksi riskiä datan suhteen

a. Analyysiparalyysi (analysis paralysis)

= ei tehdä mitään, koska liikaa dataa

b. Turhamaisuusmittarit (vanity metrics)

= seurataan typeriä mittareita ja leikitään että

tehdään hyvää työtä

Ratkaisu: valitaan oikeat mittarit ja keskitytään

niihin.

52

”Mitataanko sitä mitä on helppoa mitata vai

sitä mitä on järkevää mitata?”

53

(Järvinen, 2015)

Digitaalinen analytiikka (31.3.2016)

Business

Transcript of Digitaalinen analytiikka (31.3.2016)