Sivustollasi käy noin 400 kävijää kuukaudessa. Aiot palkata asiakastukihenkilön kolmen kuukauden päästä ja haluat tietää, onko sinulla silloin tarpeeksi asiakkaita. Ennakoiva analytiikka vastaa siihen: miltä sivustosi näyttää kolmen kuukauden päästä, jos asiat jatkuvat nykyiseen tapaan?
Ennakoiva analytiikka ennustaa tulevaa menneisyytesi perusteella. Tässä artikkelissa kerrotaan, miten se toimii, mitä sivustostasi voi oikeasti ennustaa ja milloin ennusteilla on merkitystä.
Ennakoiva analytiikka käyttää historiatietoja arvioidakseen, mitä tapahtuu seuraavaksi. Sinulla on tallenne liikenteestäsi viimeisen kuuden kuukauden ajalta. Datan kaavojen perusteella ennustat, mitä liikenteesi on ensi kuussa, ensi neljänneksellä tai ensi vuonna.
Tärkein rajoitus: ennakoiva analytiikka toimii parhaiten, kun tulevaisuus muistuttaa menneisyyttä. Jos sivustosi liikenne on kasvanut tasaisesti, voit ennustaa kasvun jatkuvan. Jos käynnistät uuden markkinointikampanjan, joka muuttaa kaiken, ennusteesi menee pieleen, koska tulevaisuus ei muistuta menneisyyttä.
Mitä sivustostasi voi ennustaa
Kaikki mittarit eivät ole ennustettavissa. Sivuston omistaja voi kuitenkin realistisesti ennustaa nämä.
Liikenteen määrä (kuinka monta kävijää ensi kuussa)
Jos liikenteesi on ollut 400-500 kävijää kuukaudessa viimeisen kuuden kuukauden ajan ja pysyy tasaisena, voit ennustaa ensi kuun olevan samanlainen. Jos liikenne on kasvanut (300 → 350 → 400 → 450), voit ennustaa trendin jatkuvan (500 ensi kuussa).
Tarkkuus riippuu vakaudesta. Tasaista liikennettä on helpompi ennustaa. Rajusti heilahtelevaa on vaikeampi. Kausitekijöiden vaikuttama liikenne (verkkokaupan piikit joulukuussa) vaatii kauden huomioimista.
Konversioennusteet (kuinka monta liidiä tai myyntiä)
Jos 5 % kävijöistäsi tavallisesti konvertoi ja ennustat ensi kuulle 500 kävijää, voit ennustaa 25 konversiota. Se on suoraviivaista, jos konversioasteesi on vakaa. Se on epäluotettavampaa, jos konversioaste vaihtelee.
Kävijöiden käyttäytyminen (kuinka kauan he viipyvät, poistuvatko he heti)
Jos sivustosi keskimääräinen poistumisprosentti on 45 %, voit ennustaa sen olevan noin 45 % ensi kuussa. Jos keskimääräinen aika sivulla on 2 minuuttia, se on ennusteesi ensi kuulle. Näistä ennusteista on hyötyä sisältömuutosten suunnittelussa ja sen selvittämisessä, onko jokin mennyt pieleen (jos poistumisprosentti nousee äkkiä 65 %:iin, jokin on muuttunut).
Ruuhka-ajat (milloin liikenteesi yleensä piikittyy)
Jos saat enemmän liikennettä sunnuntaisin kuin maanantaisin, kaava todennäköisesti jatkuu. Jos saat piikkejä juhlapyhien tai kausitapahtumien aikaan, voit ennustaa niiden toistuvan. Se auttaa suunnittelemaan: jos tiedät saavasi kaksinkertaisen liikenteen Black Fridayn aikaan, voit valmistaa sivustosi kuormaan.
Miten ennakoiva analytiikka toimii
Prosessi on yksinkertaisempi kuin miltä kuulostaa.
Vaihe 1: Kerää historiatiedot
Mitä enemmän dataa sinulla on, sitä parempi ennuste. Kuusi kuukautta dataa on vähimmäismäärä. Vuosi on parempi (se kattaa kausikaavat). Useampi vuosi on paras.
WEMASYn analytiikka säilyttää historiatietosi, joten voit katsoa taaksepäin liikennettä, konversioita, poistumisprosentteja ja kävijöiden käyttäytymistä niin kauas kuin dataa on.
Vaihe 2: Tunnista kaavat
Katso liikennettäsi ajan yli. Kasvaako, laskeeko vai pysyykö se vakaana? Onko se joka viikko sama vai vaihteleeko se? Piikittyykö se tiettyinä päivinä tai aikoina? Onko kausikaavoja?
Näihin kaavoihin ennakoivat mallit perustuvat. Jos datasi on johdonmukaista (liikenne pysyy joka kuukausi välillä 400-500), ennuste on varma. Jos datasi on epäsäännöllistä, ennuste on epäluotettavampi.
Vaihe 3: Jatka kaavaa eteenpäin
Tunnistamasi kaavan perusteella jatka sitä tulevaisuuteen. Jos liikenne on kasvanut 10 % kuukaudesta toiseen kolmen kuukauden ajan, malli ennustaa kasvun jatkuvan noin 10 %:n vauhdilla ensi kuussa.
Tässä rajoitus tulee selväksi: malli olettaa, että tulevaisuus muistuttaa menneisyyttä. Jos käynnistät ensi kuussa ison markkinointikampanjan, ennuste menee pieleen. Jos Google muuttaa hakutuloksia, ennuste hajoaa. Ennuste on hyvä vain niin kauan kuin taustaolosuhteet pysyvät samoina.
Vaihe 4: Aseta luottamusväli
Ennusteet eivät ole takuita. Hyvään ennusteeseen kuuluu vaihteluväli: "Ennustamme ensi kuulle 500 kävijää, ja 95 %:n varmuudella luku on 450 ja 550 välillä."
Väli kertoo, kuinka paljon vaihtelua kannattaa odottaa. Kapea väli (450-550) tarkoittaa, että datasi on hyvin johdonmukaista ja ennuste luotettava. Leveä väli (350-650) tarkoittaa, että datasi vaihtelee paljon ja ennuste on epävarmempi.
Milloin ennakoivasta analytiikasta on oikeasti hyötyä
Ennakoiva analytiikka sopii suunnitteluun, ei yksittäisten kävijöiden toimien ennustamiseen. Et voi ennustaa, että tietty ihminen käy sivustollasi huomenna. Voit ennustaa kokonaisliikenteesi määrän.
Liikevaihdon tai liidien ennustaminen
Jos tiedät konversioasteesi ja keskimääräisen tilausarvon, voit ennustaa liikevaihdon. "Saamme 500 kävijää, 5 % konvertoi, keskimääräinen tilaus on 200 dollaria. Ensi kuussa teemme todennäköisesti 5 000 dollaria." Se auttaa budjetoinnissa ja tavoitteiden asettamisessa.
Rekrytointien ja tiimin kapasiteetin suunnittelu
Tähän sopii johdannon esimerkki. Jos ennustat 500 konversiota ensi kuulle ja tiimisi pystyy käsittelemään 400, tiedät tarvitsevasi lisää kapasiteettia. Ennusteet kertovat, voitko miehittää tehtävät sen mukaisesti.
Rikkoutumisen huomaaminen
Ennustat aiemman datan perusteella 500 kävijää. Saat oikeasti 200. Jokin muuttui (sijoitusten lasku, liikennelähde katkesi, sivuston ongelma). Ero ennusteen ja todellisuuden välillä kertoo, että kannattaa tutkia. Tästä on hyötyä ongelmien varhaiseen havaitsemiseen.
Kausiluonteisten mahdollisuuksien tunnistaminen
Jos myyt kausituotteita ja datassasi näkyy piikkejä tiettyinä kuukausina, ennakoiva analytiikka kertoo, milloin piikkejä odottaa, jotta voit suunnitella varastoa, sisältöä tai markkinointia.
Ennustamisen rajat
Ennakoiva analytiikka on hyödyllistä, mutta ei taikuutta. Ymmärrä, missä se pettää.
Tulevaisuus ei ole menneisyys
Ennusteesi olettaa, että historiatietosi synnyttäneet olosuhteet pysyvät samoina. Jos ne eivät pysy, ennuste on väärä.
Et voi ennustaa ison markkinointikampanjan, tuotelanseerauksen tai viraalin hetken vaikutusta. Et voi ennustaa, miten Googlen algoritmimuutokset vaikuttavat sijoituksiisi. Et voi ennustaa, miten kilpailijoiden toimet vaikuttavat liikenteeseesi.
Mitä vakaammat olosuhteesi ovat, sitä paremmin ennusteesi toimivat. Uusia sivustoja ja epävakailla markkinoilla toimivia sivustoja on vaikeampi ennustaa kuin vakiintuneita sivustoja vakailla markkinoilla.
Lyhyen aikavälin ennusteet ovat epäluotettavampia kuin pitkän aikavälin trendit
Ensi kuun liikenteen ennustaminen on vaikeampaa kuin ensi vuoden keskimääräisen liikenteen ennustaminen. Lyhyen aikavälin data on kohinaista (saat 500 yhtenä viikkona ja 300 seuraavana). Pitkän aikavälin trendit tasoittavat kohinaa. Siksi ennusteet toimivat paremmin kysymykseen "keskiarvo tällä neljänneksellä" kuin kysymykseen "tasan 15. elokuuta".
Yksittäisiä poikkeuksia ei voi ennustaa
Voit ennustaa keskivertokävijän käyttäytymisen. Et voi ennustaa, että tietty kävijä poistuu tai konvertoi. Analytiikka ennustaa kokonaisuuksia, ei yksilöitä.
Näin käytät ennusteita tulematta huijatuksi
Ennakoiva analytiikka on työkalu, ei kristallipallo. Käytä sitä viisaasti.
Käytä ennusteita suunnitteluun, älä varmuuden lähteenä
Kun ennustat 500 kävijää, se ei ole takuu. Se on paras arviosi historiatietojen perusteella. Suunnittele sen mukaan, mutta pysy joustavana.
Päivitä ennusteesi olosuhteiden muuttuessa
Kun olet käynnistänyt kampanjan tai tehnyt ison muutoksen, historiatietosi menettävät merkitystään. Kerää uutta dataa (kaksi viikkoa, kuukausi) ja laske ennuste uudelleen uudet olosuhteet huomioiden.
Yhdistä ennusteet todellisuuden tarkistukseen
Ennusteesi mukaan liikenne kasvaa 10 % ensi kuussa. Tarkista se kahden viikon päästä. Jos olet oikealla tiellä (nousua toistaiseksi 5 %), ennuste on hyvä. Jos et ole (laskua 5 %), jokin muuttui. Selvitä, mikä, ja säädä ennustettasi.
Pidä vaihteluväli mielessä
Jos ennusteesi on "500 kävijää, 95 %:n varmuudella 450 ja 550 välillä", suunnittele alapään mukaan. Älä sido resursseja olettaen, että saavutat 550, jos väli ulottuu 450:een.
Usein kysytyt kysymykset
Kuinka pitkälle tulevaisuuteen voin ennustaa?
Mitä kauemmas ennustat, sitä epätarkempi ennuste on. Ensi kuun ennustaminen: melko luotettavaa, jos olosuhteet ovat vakaat. Ensi neljänneksen ennustaminen: edelleen kohtuullista, mutta leveämmillä vaihteluväleillä. Ensi vuoden ennustaminen: luotettavaa vain, jos datasi on hyvin johdonmukaista ja pitkän aikavälin trendit selkeitä. Vuotta pidemmälle ennustaminen on yleensä liian epävarmaa hyödyllisyyden kannalta. Voit ottaa tämän käyttöön suoraan omalla sivustollasi WEMASY-sivustonrakentajalla.
Voinko ennustaa ennakoivalla analytiikalla yksittäisen käyttäjän käyttäytymistä?
Et luotettavasti. Ennakoiva analytiikka toimii kokonaisuuksilla (keskimääräinen poistumisprosentti, konversiot yhteensä). Voit ennustaa kävijäryhmien käyttäytymistä, mutta et tiettyjä yksilöitä. Voit sanoa "Googlesta tulevien kävijöiden konversioaste on 6 %", mutta et "tämä tietty kävijä konvertoi."
Entä jos minulla on dataa vain kahdelta kuukaudelta?
Ennusteet kahden kuukauden datalla ovat epäluotettavia. Kaksi kuukautta ei riitä tasoittamaan viikoittaista vaihtelua tai kattamaan kausikaavoja. Odota, kunnes sinulla on vähintään kuusi kuukautta, ennen kuin luotat ennusteisiin. Siihen asti seuraa dataasi yrittämättä ennustaa.
Voiko tekoäly parantaa ennakoivaa analytiikkaani?
Kyllä. Kehittyneet koneoppimismallit löytävät datasta kaavoja, jotka yksinkertainen trendianalyysi ohittaa. Useimmille sivuston omistajille yksinkertainen ennustaminen (trendin katsominen, keskimääräisen kasvuvauhdin laskeminen ja jatkaminen eteenpäin) kuitenkin riittää. Hienostunut tekoäly auttaa, kun dataa on paljon ja kaavat ovat monimutkaisia.
Pitäisikö minun tehdä isoja liiketoimintapäätöksiä ennusteiden perusteella?
Ei. Käytä ennusteita yhtenä päätöksesi lähtötietona, älä ainoana. Jos ennuste sanoo liikenteen kasvavan, se on hyvä tausta rekrytointipäätöksille. Ota kuitenkin huomioon myös kapasiteettisi, tavoitteesi ja muut liiketoiminnan tekijät. Ennusteet ovat ohjenuoria, eivät käskyjä.
Mitä eroa on sanoilla forecasting ja predicting?
Analytiikassa nämä termit tarkoittavat käytännössä samaa. Molemmilla tarkoitetaan historiatietojen käyttöä tulevien arvojen arviointiin. Forecasting viittaa joskus pidempään aikajänteeseen tai muodolliseen prosessiin, mutta käsite on sama.