Olet katsonut analytiikkaasi. Liikenne on noussut 20 %. Konversiot ovat paikallaan. Tiedät, mitä tapahtui (kuvaileva), tiedät miksi (diagnostinen) ja osaat ennustaa ensi kuun (ennakoiva). Silti et tiedä, mitä asialle pitäisi oikeasti tehdä.
Ohjaava analytiikka vastaa tähän kysymykseen: kun tiedät kaiken datastasi, mihin konkreettiseen toimeen ryhdyt? Tässä artikkelissa kerrotaan, miten ohjaava analytiikka toimii ja milloin se auttaa tekemään parempia päätöksiä.
Ohjaava analytiikka käyttää dataasi suositellakseen konkreettisia toimia. Se menee pidemmälle kuin "mitä tapahtui", "miksi se tapahtui" ja "mitä tapahtuu". Se kertoo: "tässä on, mitä sinun pitäisi tehdä."
Kolme analytiikan tyyppiä rakentuu toistensa päälle: kuvaileva kertoo faktan, diagnostinen selittää sen, ennakoiva ennustaa tulevan. Ohjaava sanoo: "Kun tiedät kaiken tuon, optimoi tämän tuloksen mukaan. Tee näin."
Sivuston omistajalle ohjaava analytiikka on ero datan ymmärtämisen ja siihen luottavaisesti toimimisen välillä.
Miten ohjaava analytiikka eroaa muista
Kuvaileva analytiikka näyttää, että tällä viikolla tuli 500 kävijää. Diagnostinen analytiikka paljastaa, että 350 tuli julkaisemastasi blogikirjoituksesta. Ennakoiva analytiikka ennustaa 600 kävijää ensi viikolle, jos liikenne jatkaa kasvuaan.
Ohjaava analytiikka sanoo: "Blogikävijöiden konversioaste on 8 %. Suoraan tulevien kävijöiden 2 %. Tavoitteesi on 100 konversiota tässä kuussa. Panosta blogiliikenteeseen, vähennä maksettua mainontaa." Se on datasi pohjalta tehty konkreettinen suositus.
Ilman ohjaavaa ajattelua sinulla on faktoja ja ennusteita, mutta ei päätöskehystä. Sen kanssa data osoittaa, mikä on oikeasti tärkeää.
Ohjaavien suositusten logiikka
Ohjaava analytiikka toimii kysymällä: "Mitä tulosta haluan?" Sitten edetään taaksepäin.
Vaihe 1: Määritä tavoite selvästi
Minkä mukaan yrität optimoida? Lisää liikevaihtoa? Lisää liidejä? Korkeampaa konversioastetta? Matalampaa poistumisprosenttia? Tavoite pitää nimetä, ennen kuin data voi suositella, miten sinne päästään.
Moni sivuston omistaja ohittaa tämän. He katsovat analytiikkaa ilman selvää tavoitetta. Se on kuin kysyisi "mitä minun pitäisi tehdä?" sanomatta "minkä saavuttamiseksi?" Vastaus on aina erilainen sen mukaan, mitä optimoit.
Vaihe 2: Tunnista, mikä tuloksen oikeasti ohjaa
Jos tavoitteesi on 100 liidiä kuukaudessa ja saat nyt 50, mikä ohjaa liidejä? Lomakkeiden lähetykset. Missä lomakkeita lähetetään? Yhteystietosivulla ja laskeutumissivuilla. Kuka täyttää lomakkeet? Hausta tulleet kävijät (6 %:n konversio) verrattuna mainoksista tuleviin (2 %:n konversio).
Erittelemällä tämän tunnistat, mikä oikeasti on tärkeää: hakuliikenne konvertoi paremmin. Lisää liidejä saadaksesi tarvitset lisää hakuliikennettä.
Vaihe 3: Suosittele toimia, jotka liikuttavat lukuja
Nyt voit tehdä ohjaavia suosituksia: julkaise enemmän hakukoneystävällistä sisältöä (tuo hakuliikennettä), paranna yhteystietosivuasi (lisää lomakkeiden täyttöä) tai keskeytä heikosti tuottavat mainokset (lopeta budjetin hukkaaminen huonosti konvertoivaan liikenteeseen).
Jokainen suositus liittyy suoraan tavoitteeseesi datasi kautta.
Miltä ohjaavat suositukset oikeasti näyttävät
Ohjaava analytiikka ei ole taikuutta. Se on jäsenneltyä ajattelua datastasi. Tässä oikeita esimerkkejä.
Suositus: kasvata liikennettä parhaasta lähteestäsi
Datasi näyttää: hakukävijät konvertoivat 5 %:n asteella, maksetut mainokset 2 %:n ja viittausliikenne 8 %:n asteella.
Ohje: keskity viittausliikenteeseen. Se konvertoi parhaiten. Rakenna lisää kumppanuuksia, hanki mainintoja muilla sivustoilla tai tee sisältöä, jota jaetaan.
Suositus: korjaa rikkinäinen sivu
Datasi näyttää: kävijät viettävät etusivullasi 3 minuuttia, hinnoittelusivullasi 90 sekuntia ja vertailusivullasi 45 sekuntia.
Diagnoosi: ihmiset lähtevät vertailusivulta liian nopeasti. Ohje: kirjoita sivu uusiksi. Tee vertailusta selkeämpi. Menetät kiinnostuneita kävijöitä.
Suositus: lopeta rahan hukkaaminen siihen, mikä ei toimi
Datasi näyttää: kampanja A maksaa 2 dollaria per napsautus ja konvertoi 3 %:n asteella. Kampanja B maksaa 1 dollarin per napsautus ja konvertoi 0,5 %:n asteella.
Ohje: keskeytä kampanja B. Se on halvempi, mutta ei toimi. Jokainen kampanjaan B käyttämäsi dollari on dollari, jota et käytä kampanjaan A, joka oikeasti tuottaa liikevaihtoa.
Suositus: testaa ennen skaalaamista
Datasi näyttää: uutiskirjeen A kävijät napsauttavat läpi 15 %:n asteella. Uutiskirjeen B kävijät 4 %:n asteella.
Ohje: uutiskirjeeseen A kannattaa panostaa. Ennen kuin skaalaat sitä, testaa sen lähettämistä useammin tai isommalle listalle. Pieni testisi toimii, laajenna varovasti ja seuraa mittareita.
Ohjaavan analytiikan rajat
Ohjaava analytiikka on tehokasta, mutta sillä on rajansa. Ymmärrä ne, jotta et luota suosituksiin liikaa.
Data voi suositella vain sitä, mitä se voi mitata
Analytiikkasi ei voi mitata sitä, miten kilpailija lanseeraa uuden tuotteen, markkinamuutosta tai asiakkaiden mielialan muutosta. Ohjaavat suositukset toimivat hyvin sivustosi sisällä. Ne toimivat huonommin datasi ulkopuolisille ulkoisille tekijöille.
Menneet kaavat eivät takaa tulevaa menestystä
Datasi voi näyttää, että blogiliikenne konvertoi tänään erinomaisesti. Se ei tarkoita, että se niin tekee aina. Hakualgoritmit muuttuvat. Toimialasi muuttuu. Historiatietoihin perustuva suositus voi muuttua vääräksi, kun olosuhteet muuttuvat.
Testaa ohjaavat suositukset aina ennen kuin panostat kaiken niihin.
Yhden tavoitteen optimointi voi vahingoittaa toista
Data sanoo: "Konversiot ovat tavoitteesi, joten vähennä poistumisprosenttia." Teet satunnaisten kävijöiden lähtemisestä vaikeampaa (poistat poistumisvaihtoehdot, lisäät ponnahdusikkunoita). Konversiot nousevat, mutta brändisi maine kärsii käyttäjiä ärsyttävästä toiminnasta.
Ohjaava analytiikka optimoi sitä, mitä mittaat. Se ei voi huomioida sitä, mitä et mittaa.
Hyvä data vaatii hyviä kysymyksiä
Roskaa sisään, roskaa ulos. Jos tavoitteesi on epämääräinen ("paranna suorituskykyä") tai datasi on puutteellista (et seuraa jotain tärkeää), ohjaavat suositukset ovat epäluotettavia.
Näin käytät ohjaavaa ajattelua ilman monimutkaisia työkaluja
Et tarvitse hienoa ohjelmistoa ajatellaksesi ohjaavasti. Tarvitset selkeää ajattelua.
Kirjoita tavoitteesi ylös
Ei "kasvata liiketoimintaa." Vaan jotain täsmällistä: "nosta kuukausittainen liikevaihto 5 000 dollarista 7 500 dollariin" tai "laske poistumisprosentti 60 %:sta 45 %:iin."
Kysy: mikä ohjaa tätä tavoitetta?
Liikevaihdolle: mikä konvertoi? Kuka konvertoi parhaiten? Mistä he tulevat?
Poistumisprosentille: millä sivuilla poistumisprosentti on korkea? Kuka lähtee ensimmäisenä? Mikä on erilaista sivuilla, joilla poistumisprosentti on matala?
Vastaa datasi avulla
Tee yksinkertainen raportti. Jaa liikenteesi ryhmiin. Vertaa mittareita. Etsit suurinta vipua: muutosta, joka liikuttaa tavoitettasi eniten.
Suosittele toimi
Mitä sinun pitäisi tehdä löytämiesi asioiden perusteella? Lisää sitä, mikä toimii, vähemmän sitä, mikä ei, tai korjaa se, mikä on rikki.
Siinä on ohjaava analytiikka. Monimutkaisia työkaluja ei tarvita.
Milloin ohjaava analytiikka on tärkeintä
Ohjaava ajattelu on arvokkainta, kun aikaa tai budjettia on rajallisesti. Kaikkea ei voi tehdä. Data kertoo, mitä priorisoida.
Sinulla on 1 000 dollaria markkinointiin. Ohjaava analytiikka sanoo: "Datasi mukaan blogiliikenne konvertoi kaksi kertaa paremmin kuin mainokset. Käytä rahat blogin kasvattamiseen, älä mainoksiin." Se on selkeä suunta.
Sinulla on viikko aikaa parantaa konversioita. Ohjaava analytiikka sanoo: "Kassasivullasi on 40 %:n hylkäysaste. Tuotesivullasi 2 %. Korjaa kassa." Tiedät, mihin keskittyä.
Ilman ohjaavaa ajattelua arvaat. Sen kanssa datasi osoittaa, mikä on tärkeintä.
Usein kysytyt kysymykset
Eroaako ohjaava analytiikka ennakoivasta analytiikasta?
Kyllä. Ennakoiva kertoo, mitä tapahtuu (500 kävijää ensi kuussa). Ohjaava kertoo, mitä asialle kannattaa tehdä (keskity blogiliikenteeseen, koska se konvertoi paremmin). Ennakoiva ennustaa tulevaa, ohjaava suosittelee toimia. Voit ottaa tämän käyttöön suoraan omalla sivustollasi WEMASY-sivustonrakentajalla.
Tarvitsenko erityisiä työkaluja ohjaavaan analytiikkaan?
Et. Mikä tahansa analytiikkajärjestelmä, jolla voit jakaa dataa ryhmiin ja vertailla mittareita, tukee ohjaavaa ajattelua. WEMASYn analytiikassa voit eritellä kävijät lähteen mukaan, vertailla konversioasteita ja nähdä, mitkä sivut konvertoivat parhaiten. Se riittää.
Entä jos ohjaava analytiikka suosittelee jotain, mikä on vastoin vaistoani?
Testaa se. Vaistosi voi olla oikeassa, datasi voi olla puutteellista tai harhaanjohtavaa. Mutta jos suositus perustuu selkeään dataan, se kannattaa testata ennen hylkäämistä. Data paljastaa usein kaavoja, joita emme vaistomaisesti näe.
Voiko ohjaava analytiikka käskeä tekemään jotain epäeettistä?
Data voi suositella sitä, mikä maksimoi tavoitteesi, eettisyyttä huomioimatta. Sinä olet ihminen, sinä käytät harkintaa. Jos data sanoo "manipuloivat käyttöliittymäratkaisut lisäävät konversioita", sinun pitää päättää, onko se haluamaasi kasvua. Ohjaava analytiikka on työkalu, ja vastaat itse siitä, miten käytät sitä.
Kuinka usein minun pitäisi päivittää ohjaavia suosituksiani?
Vähintään kuukausittain. Datasi muuttuu jatkuvasti. Viime kuussa oikea suositus voi olla väärä tässä kuussa, jos liikennelähteesi muuttuivat tai kampanja päättyi. Tarkista ja päivitä säännöllisesti.
Entä jos minulla on useita keskenään kilpailevia tavoitteita?
Sinun pitää valita yksi, jonka mukaan optimoit, tai asettaa painotus. Et voi samanaikaisesti maksimoida liikevaihtoa ja minimoida kuluja, jos ne ovat ristiriidassa. Ohjaava analytiikka toimii parhaiten selkeällä ensisijaisella tavoitteella. Toissijaiset tavoitteet ovat kompromisseja.