WhatsApp Business API tuottaa enemmän dataa kuin WhatsApp Business -sovellus, mutta vähemmän kuin useimmat brändit olettavat. Toimitus-, luku- ja vastausprosentit ovat saatavilla. Myynnin kohdistaminen, asiakkaan elinkaariarvo WhatsApp-toiminnan perusteella ja kanavien väliset vertailut vaativat lisätyötä, jota API ei tee valmiiksi. Kun ymmärrät rajan sen välillä, mitä API raportoi itse ja mitä sen päälle pitää rakentaa, et petyt odottaessasi enemmän kuin alusta antaa. Et myöskään jätä käyttämättä sitä, mitä se oikeasti tarjoaa.
Mitä WhatsApp Business API raportoi valmiina
API antaa tietyn joukon tietoja viesti- ja keskustelutasolla. Kun tiedät tarkasti, mitä on saatavilla, voit rakentaa realistisen raportoinnin etkä luota ominaisuuksiin, joita alustalla ei ole.
Viestikohtaiset tilatiedot
Jokaisesta API:n kautta lähetetystä viestistä WhatsApp palauttaa tilapäivityksen toimituksen jokaisessa vaiheessa. Tilat ovat:
- Lähetetty: viesti on lähtenyt API:sta ja on WhatsAppin toimitusjärjestelmässä
- Toimitettu: viesti on saapunut vastaanottajan laitteelle
- Luettu: vastaanottaja on avannut viestin (saatavilla vain, jos vastaanottajalla on lukukuittaukset käytössä)
- Epäonnistunut: viestiä ei voitu toimittaa, ja virhekoodi kertoo syyn
Nämä tilat palautetaan webhookeina. Se tarkoittaa, että API lähettää tilapäivityksen yrityksen järjestelmään heti, eikä sinun tarvitse kysellä sitä erikseen. Webhook-tapahtumien tallentaminen on viestitason analytiikan perusta. Jos sinulla ei ole järjestelmää, joka vastaanottaa ja kirjaa nämä webhookit, data menetetään.
Keskustelutason mittarit
Yksittäisten viestien tilojen lisäksi API antaa keskustelutason dataa analytiikkarajapintojensa kautta. Saatavilla on keskustelujen määrät luokittain (markkinointi, hyötyviestit, tunnistautuminen, palvelu), aikajaksoittain ja maittain. Tämä data auttaa kustannusten hallinnassa (kuinka monta laskutettavaa keskustelua kussakin luokassa syntyi) ja määrien trendien seurannassa. Se ei kerro yksittäisistä keskusteluista: API:ssa ei ole rajapintaa, joka palauttaisi menneiden keskustelujen koko tekstin tai tietyn keskustelun lopputuloksen. Keskustelun sisältö on saatavilla reaaliajassa webhookien kautta, mutta sitä ei tallenneta eikä sitä voi hakea API:n kautta jälkikäteen, ellei yrityksen oma järjestelmä tallenna sitä.
Viestipohjien suorituskykymittarit
Lähtevissä kampanjoissa käytetyistä viestipohjista API antaa kokonaisuuden suorituskykydatan: kuinka monta kertaa kukin viestipohja lähetettiin, toimitettiin, luettiin ja kuinka monta kertaa siihen vastattiin. Data on saatavilla viestipohjatasolla, ei yksittäisen vastaanottajan tasolla. Se kertoo, miten viestipohja toimi kokonaisuutena, mutta ei sitä, mitkä yhteystiedot lukivat tai vastasivat siihen. Viestipohjien suorituskykydata on olennaista, kun selvität, mitkä viestimuodot ja sisältötavat toimivat yleisölle. Se antaa perustan päätöksille siitä, mitkä viestipohjat pidetään, mitkä optimoidaan ja mistä luovutaan.
Puhelinnumeron laatuluokitus
API näyttää yrityksen puhelinnumeron laatuluokituksen. WhatsApp päivittää sitä asiakkaiden toiminnan perusteella: estot, ilmoitukset ja kieltäytymiset vaikuttavat luokitukseen. Luokituksella on kolme tasoa (korkea, keskitaso, matala), ja se vaikuttaa suoraan tilille asetettuihin viestirajoihin. Kun seuraat laatuluokitusta API:n tai Business Managerin hallintapaneelin kautta, huomaat laadun heikkenemisen ajoissa ja voit selvittää syyn ennen kuin viestikapasiteetti pienenee. Pudotus korkeasta keskitasolle on varoitus. Pudotus matalaan vaatii välittömiä toimia, jotta perimmäinen syy löytyy ja korjataan.
Mitä API ei raportoi
API:n omassa raportoinnissa on merkittäviä aukkoja:
- Keskustelujen sisältö: menneiden viestien tekstiä ei voi hakea API:n kautta keskusteluikkunan sulkeuduttua, ellei sitä ole tallennettu erikseen
- Myynnin kohdistaminen: WhatsApp-keskustelun ja myöhemmän oston välillä ei ole valmista yhteyttä
- Asiakaspalvelijoiden suorituskyky: API ei itse seuraa yksittäisten asiakaspalvelijoiden vastausaikoja, ratkaisuprosentteja eikä laatupisteitä
- Yleisön demografia: WhatsApp ei anna yhteystietojen ikää, sukupuolta tai sijaintia
- Vertailuluvut: API ei kerro, miten suorituskyky vertautuu toimialan keskiarvoihin
Keskusteluanalytiikka: virtojen toiminnan ymmärtäminen
Jos käytät automaattisia keskusteluvirtoja (chatbotit, tervetulosarjat, kvalifiointivirrat), sinun on tärkeää ymmärtää, miten yhteystiedot etenevät niissä. Silloin näet, missä virrat toimivat ja missä ne epäonnistuvat.
Virran läpivientiprosentti
Läpivientiprosentti kertoo, kuinka suuri osa keskusteluvirran aloittaneista yhteystiedoista pääsi määriteltyyn päätepisteeseen eikä keskeyttänyt matkalla. Korkea prosentti kertoo, että virta on selkeä, osuva ja helppo seurata. Matala prosentti tarkoittaa, että yhteystiedot lähtevät pois ennen ratkaisua. Kun seuraat läpivientiprosenttia virroittain ja ajan yli, näet, paransivatko vai heikensivätkö virtaan tehdyt muutokset tulosta. Päätepiste pitää määritellä ennen kuin virta rakennetaan: asiakaspalveluvirrassa se voi olla ”ongelma ratkaistu” ja kvalifiointivirrassa ”yhteystieto siirretty myyntitiimille”.
Poistumisanalyysi: missä yhteystiedot keskeyttävät
Poistumisanalyysi näyttää tarkasti, missä keskusteluvirran vaiheessa yhteystiedot keskeyttävät useimmin. Suuri poistuma tietyssä vaiheessa kertoo luotettavasti, että jokin on siinä kohdassa pielessä: viesti on sekava, tarjotut vaihtoehdot eivät vastaa yhteystiedon tarvetta, vaadittu vastaus on liian vaivalloinen tai vastausta joutuu odottamaan liian kauan (hybridivirroissa). Korjaus riippuu diagnoosista. Sekava viesti pitää kirjoittaa uudelleen. Valikko, jossa on vääriä vaihtoehtoja, pitää rakentaa uudelleen. Liian monimutkainen toimintovaatimus pitää yksinkertaistaa. Kun ajat poistumisanalyysin jokaiselle virralle kahden ensimmäisen käyttöviikon jälkeen ja sen jälkeen kuukausittain, virrat paranevat eivätkä huonone ajan myötä.
Eskalointiprosentti ja eskalointisyyt
Eskalointiprosentti kertoo, kuinka suuri osa automaattisista keskusteluista vaati ihmisen ottavan homman hoitaakseen. Matala eskalointiprosentti ei ole automaattisesti hyvä asia: jos chatbot käsittelee kysymyksiä, jotka sen pitäisi siirtää ihmiselle (monimutkaiset valitukset, arvokkaat myyntikeskustelut, arkaluonteiset tiliasiat), matala prosentti tarkoittaa, että automaatio yltää liian pitkälle. Korkea prosentti tarkoittaa, että automaatio ei suoriudu tilanteista, joita varten se on rakennettu. Hyödyllisin tieto ei ole itse prosentti vaan eskalointien syyt. Kun luokittelet syyt viikoittain, näet, missä tilanteissa chatbotin pitää parantaa ja mitkä pitää jättää pysyvästi ihmisille.
Vastausaikojen jakauma keskustelun aikana
Hybridivirroissa automaattiset vaiheet vaihtelevat ihmisen vastausten kanssa. Kun mittaat vastausajan jokaisessa vaiheessa, näet, missä viiveet syntyvät. Jos yhden virran sisällä automaattinen vaihe kestää kolme sekuntia ja ihmisen vaihe 45 minuuttia, kokemus on epätasainen. Vastausaikojen jakauma vaiheittain näyttää, mitkä vaiheet ovat hitaita. Voit sitten kohdentaa parannukset henkilöstöön, reititykseen tai automaation kattavuuteen. Tavoite ei ole sama vastausaika jokaisessa vaiheessa, koska automaatio on suunnitellusti ihmistä nopeampi. Tavoite on varmistaa, etteivät ihmisen vaiheet tuo viiveitä, jotka pilaavat automaattisissa vaiheissa koetun nopeuden.
Virtojen suorituskyvyn vertailu
Brändeillä on yleensä käytössä useita keskusteluvirtoja yhtä aikaa: tervetulovirta uusille yhteystiedoille, asiakaspalvelun ohjausvirta saapuville kysymyksille, kvalifiointivirta myyntikyselyille ja uudelleenaktivointivirta passiivisille yhteystiedoille. Kun vertaat läpivienti- ja poistumisprosentteja sekä eskalointiprosentteja virtojen välillä, näet, mitkä virrat tarvitsevat eniten huomiota ja mitkä toimivat niin hyvin, että ne kannattaa kopioida. Jos asiakaspalvelun ohjausvirran läpivientiprosentti on 85 ja myynnin kvalifiointivirran 40, tiedät, mihin parannustyö kannattaa kohdistaa ennen kuin kumpaakaan virtaa laajennetaan.
Täydellisen WhatsApp-analytiikkakokonaisuuden rakentaminen
API:n oma raportointi yhdistettynä keskustelualustan, CRM:n sekä verkkokaupan tai tilausten hallinnan dataan antaa täydellisen kuvan WhatsApp-toiminnan tuloksista. Kokonaisuuden rakentaminen vaatii päätökset datan keräämisestä, tallennuksesta ja yhdistämisestä.
Webhook-tapahtumien tallennus
API toimittaa viestien tilapäivitykset webhookeina reaaliajassa. Jos tapahtumia ei kerätä ja tallenneta, data menetetään. Webhook-vastaanotin, joka kirjaa jokaisen tilatapahtuman tietokantaan, on analytiikkakokonaisuuden perusta. Lokiin pitää kirjata vähintään viestin tunniste, vastaanottajan puhelinnumero, aikaleima, tila ja epäonnistuneiden viestien virhekoodi. Tämä raakaloki on totuuden lähde, josta kaikki viestitason mittarit lasketaan. Ilman sitä toimitus- ja lukuprosentit ovat saatavilla vain API:n valmiiksi koottujen analytiikkarajapintojen kautta. Ne antavat yhteenvetoja mutta eivät yksityiskohtaista analyysiä varten tarvittavaa tarkkaa dataa.
WhatsApp-datan yhdistäminen CRM:ään
Kun WhatsApp-keskustelujen data yhdistetään CRM:n yhteystietotietueisiin, saat pohjan yhteystietotason analytiikalle: kuinka monta keskustelua tietyllä yhteystiedolla on ollut, mikä kunkin lopputulos oli ja millainen hänen ostohistoriansa on suhteessa WhatsApp-aktiivisuuteen. Yhdistäminen vaatii yhtenäisen tunnisteen, yleensä puhelinnumeron, joka löytyy molemmista järjestelmistä ja jonka avulla tietueet voi yhdistää. Kun tietueet on yhdistetty, järjestelmien välisiä hakuja voi tehdä: ketkä WhatsApp-listan yhteystiedoista ovat myös ostaneet viimeisen 90 päivän aikana, ketkä ovat käyneet WhatsApp-keskustelun mutta eivät ole vielä ostaneet ja ketkä reagoivat lähetyksiin kaikkein aktiivisimmin.
Myynnin kohdistaminen datakokonaisuuden kautta
Jotta myynnin voi kohdistaa WhatsApp-keskusteluihin, keskustelutapahtuman ja ostotapahtuman välillä pitää olla yhteys. Siistein toteutus käyttää keskustelutunnistetta, joka välitetään kassalle, kun myynti alkaa WhatsApp-keskustelusta. Silloin osto voidaan merkitä tilausten hallinnassa WhatsApp-lähteeksi. Jos tämä ei ole teknisesti mahdollista, apukeinot antavat likiarvon: yksilölliset alennuskoodit lähetystä kohden, UTM-merkityt maksulinkit ja CRM:ään asiakaspalvelijoiden kirjaamat myyntilähteet. Kun vertaat WhatsAppiin kohdistettua myyntiä kuukausittain kanavan ylläpidon kustannuksiin (API-maksut, tiimin aika, alustakulut), saat ROI-laskelman, joka perustelee investoinnin jatkamisen.
Analytiikka-alustat ja hallintapaneelit
Tietokantoihin tallennettu raakadata ei ole markkinoinnin tai asiakaskokemuksen tiimin käytettävissä ilman raportointikerrosta sen päällä. Raportointikerroksen voi rakentaa esimerkiksi näin:
- WhatsApp Business -palveluntarjoajan alustan oma analytiikan hallintapaneeli, joka kattaa palveluntarjoajan seuraamat mittarit
- Business intelligence -työkalu, joka on yhdistetty datavarastoon, johon webhook-tapahtumat ja CRM-data tallennetaan. Sillä voi tehdä räätälöityjä raportteja ja järjestelmien välisiä hakuja
- Taulukkolaskentaan perustuva raportointi pienemmille toiminnoille, jossa data viedään API:n analytiikkarajapinnoista ja yhdistetään käsin
Oikea valinta riippuu datan määrästä, käytettävissä olevista teknisistä resursseista ja siitä, kuinka usein data pitää päivittää. Laajamittainen API-toiminta, jossa käydään tuhansia keskusteluja päivässä, tarvitsee kunnon BI-työkalun. Pienempi toiminta pärjää ajastetuilla vienneillä ja hyvin rakennetulla taulukolla.
Tietojen säilytys ja tietosuojavelvoitteet
Brändin omaan analytiikkakokonaisuuteen tallennettu WhatsApp-keskusteludata kuuluu samojen tietosuojavelvoitteiden piiriin kuin muukin asiakasdata. Keskustelulokien, yhteystietotietueiden ja suorituskykydatan säilytysajat pitää määritellä kunkin toimintamaan voimassa olevan tietosuojasääntelyn mukaan. Tarpeettomaksi käynyt data pitää poistaa määritellyn aikataulun mukaan eikä säilyttää loputtomiin. Kun yhteystieto pyytää tietojensa poistoa, poiston pitää kattaa analytiikkakokonaisuus sekä CRM ja kaikki muut yhdistetyt järjestelmät. Tietojen poisto on paljon helpompi ylläpitää, kun se rakennetaan analytiikkajärjestelmään alusta asti eikä jälkikäteen.
Datasta päätöksiin
Analytiikkakokonaisuus, joka tuottaa dataa mutta ei muuta päätöksiä, on kallista infrastruktuuria ilman tuottoa. Kun WhatsApp-analytiikan data muutetaan toiminnallisiksi ja strategisiksi päätöksiksi, tarvitaan määritelty katselmointirytmi ja selkeä yhteys datasignaalien ja toimien välillä.
Viikoittainen datakatselmointi: toiminnalliset päätökset
Viikoittaisessa katselmoinnissa käydään läpi mittarit, jotka voivat muuttua nopeasti ja vaativat nopeaa huomiota. Viikoittain tarkistetaan: viikon kampanjoiden toimitus- ja lukuprosentit, uusien viestipohjien suorituskyky, laatuluokituksen tila ja kehitys, automaattisten virtojen eskalointiprosentti sekä ensimmäisen vastauksen keskimääräinen aika. Jokaiselle mittarille pitää asettaa raja-arvo: raja-arvon yläpuolella ei tarvita toimia, alapuolella käynnistetään määritelty selvitys ja vastatoimet. Viikoittaisen katselmoinnin pitäisi viedä enintään 30 minuuttia, kun raportointi on kunnossa ja raja-arvot on määritelty etukäteen.
Kuukausittainen strategiakatselmointi: kanavapäätökset
Kuukausikatselmoinnissa käydään läpi trendit, kohdistus ja resurssien jako. Tärkeimmät kuukausittaiset kysymykset: kasvaako suostumuksen antanut yleisö tavoitellulla vauhdilla, pysyykö WhatsAppiin kohdistettu myynti tavoitteessa, mitkä automaattiset virrat jäävät jälkeen ja miten ne parannetaan, mitkä yleisösegmentit tuottavat korkeimmat vastausprosentit ja mitä se tarkoittaa kohdentamiselle, ja miten WhatsAppin hankintakustannus asiakasta kohden vertautuu muihin kanaviin tässä kuussa? Kuukausikatselmoinnin tuloksena pitää syntyä kolmesta viiteen konkreettista päätöstä tai toimenpidettä seuraavalle kuukaudelle. Jokaiselle nimetään vastuuhenkilö ja valmistumispäivä.
A/B-testidatan käyttö viestipohjien ja virtojen parantamiseen
API:n viestipohjadata on raaka-ainetta järjestelmälliselle A/B-testaukselle. Kun testaat viestipohjan eri versioita, vaikkapa avauslausetta, toimintakehotusta, lähetysaikaa tai mediatyyppiä, ja vertaat suorituskykydataa ennen muutosta ja sen jälkeen, saat näyttöä siitä, kumpi versio on parempi. Keskusteluvirroissa voit testata uudistettua vaihetta alkuperäistä vasten ja vertailla poistumisprosentteja juuri siinä vaiheessa. Silloin parannus on mitattavissa. Jokainen testitulos, voittipa uusi versio tai pärjäsikö alkuperäinen, kasvattaa tietämystä siitä, mikä toimii juuri sinun yleisöllesi. Testiloki, johon kirjataan jokainen koe ja sen tulos, estää testaamasta uudelleen asioita, jotka on jo kokeiltu.
Analytiikan yhdistäminen sisällön ja kampanjoiden suunnitteluun
WhatsApp-analytiikan datan pitäisi ohjata suoraan sisällön ja kampanjoiden suunnittelua. Viestipohjat, jotka saivat aiemmissa kampanjoissa paljon vastauksia, kannattaa ottaa pohjaksi. Aiheet, jotka tuottivat eniten saapuvia keskusteluja, kertovat, mistä yleisö on kiinnostunut. Kampanja-ajat, joilla lukuprosentit olivat parhaat, kertovat, milloin tulevat kampanjat kannattaa ajastaa. Asiakaskysymykset, jotka toistuivat asiakaspalvelukeskusteluissa, paljastavat sisältöaukkoja, joita voi paikata ennakoivasti lähetyksillä tai virroilla. Analytiikkadata on arvokkainta, kun sitä ei käytetä erillään vaan jatkuvana palautekiertona, joka tekee jokaisesta uudesta kampanjasta edellistä osuvamman ja paremmin ajoitetun.
API-analytiikan raportointi johdolle
Johdolle suunnatussa WhatsApp API -analytiikan raportoinnissa tekniset mittarit pitää kääntää liiketoiminnan kielelle. Toimitusprosentit ja webhookien viive eivät kiinnosta ylintä päätöksentekijää. Häntä kiinnostavat WhatsAppiin kohdistettu myynti, hankintakustannus verrattuna muihin kanaviin ja keskustelun jälkeisten kyselyjen asiakastyytyväisyyspisteet. Yhden sivun kuukausiyhteenveto, jossa on kolmesta viiteen liiketoimintatason mittaria ja trendinuolet, jotka näyttävät, parani vai heikkeni kukin mittari edellisestä kuukaudesta, antaa johdolle tiedot, joilla se voi arvioida kanavan tuloksia ilman API:n toiminnan asiantuntemusta. Raportin tavoite on tehdä selväksi, tuottaako WhatsApp-investointi tulosta ja mitä tehdään, jotta tulos paranisi siellä, missä se ei vielä ole hyvä.
Käytämme WhatsApp Business -palveluntarjoajaa. Hoitaako se analytiikan puolestamme, vai pitääkö meidän rakentaa oma?
Useimpien palveluntarjoajien alustoissa on sisäänrakennettu analytiikan hallintapaneeli, joka kattaa niiden seuraamat mittarit: viestien toimitus- ja lukuprosentit, keskustelujen määrät luokittain, viestipohjien suorituskyky ja joskus virtojen läpivientiprosentit. Se riittää toiminnalliseen seurantaan. Palveluntarjoajan analytiikka jää vajaaksi järjestelmien välisessä raportoinnissa: WhatsApp-datan yhdistämisessä CRM-tietueisiin, myynnin kohdistamisessa tiettyihin keskusteluihin tai WhatsAppin tulosten vertaamisessa muihin kanaviin. Näissä tapauksissa palveluntarjoajan data pitää viedä ulos ja yhdistää muiden järjestelmien dataan joko käsin tai BI-työkalulla. Tarkista, mitä palveluntarjoajasi hallintapaneeli kattaa, ennen kuin päätät rakentaa lisäraportointia.
Lukuprosenttimme on laskenut tasaisesti kolmen kuukauden ajan. Mitä pitäisi selvittää?
Laskevalla lukuprosentilla on yleensä yksi kolmesta syystä. Ensinnäkin yleisö on aiempaa vähemmän sitoutunut: yhteystiedot, jotka antoivat suostumuksensa jo kauan sitten eivätkä enää käytä WhatsAppia aktiivisesti, tai joilla on brändin numero mutta jotka eivät enää ole kiinnostuneita. Toiseksi yhteystiedot saavat viestit mutta eivät tallenna numeroa, jolloin viesti tuntuu vähemmän henkilökohtaiselta ja sen avaamisen motivaatio laskee. Kolmanneksi viestien tiheys on noussut niin korkeaksi, että yhteystiedot asettavat brändin viestit vähemmän tärkeiksi. Käy läpi lista ja etsi yhteystiedot, jotka eivät ole lukeneet viestiä 60 päivään, tarkista viimeisimpien suostumusten antajien numeron tallennustila ja selvitä, onko viestien tiheys muuttunut laskun aikana.
Miten seuraamme, mitkä yhteystiedot vastasivat lähetykseen, ilman että käymme jokaisen keskustelun läpi käsin?
API:n webhook-järjestelmän kautta. Kun yhteystieto vastaa viestiin, joka oli osa lähetystä, saapuvan viestin webhook sisältää alkuperäisen lähetysviestin tunnisteen. Jos järjestelmäsi tallentaa lähetykset viestitunnisteineen ja kirjaa saapuvat viestit sen viestin tunnisteen kanssa, johon ne vastaavat, voit hakea datasta tarkasti, mitkä yhteystiedot vastasivat tiettyyn lähetykseen. Tämä vaatii webhook-vastaanottimen ja tietokannan tapahtumien tallentamiseen. Ilman tätä infrastruktuuria vastausten seuranta pitää tehdä käsin keskustelualustalla, mikä ei ole käytännöllistä suuressa mittakaavassa.
Haluamme tietää, missä keskusteluvirrassamme on suurin poistuma. Miten sen saa selville ilman kehittäjän apua?
Useimmat WhatsApp-chatbotalustat tarjoavat hallintapaneelissaan virta-analytiikan, joka näyttää, kuinka moni yhteystieto saapui kuhunkin virran vaiheeseen ja kuinka moni eteni seuraavaan. Tällainen vaihekohtainen suppilonäkymä tekee poistuman näkyväksi ilman omaa analyysiä. Jos alusta ei tarjoa sitä valmiina, tarkista, voiko keskustelut viedä ulos. Keskustelujen ja niiden lopputulosten taulukosta voi analysoida, mikä oli viimeinen vaihe ennen keskeytystä. Jos kumpikaan ei ole käytettävissä, nopein tapa selvittää, mitä on mahdollista ilman lisäkehitystä, on kysyä palveluntarjoajalta, mitä virta-analytiikkaa alustalla on.
WhatsApp-analytiikkamme on hajallaan kolmella alustalla: palveluntarjoajan hallintapaneelissa, CRM:ssä ja verkkokauppajärjestelmässä. Miten ne yhdistetään?
Yhdistämistapoja on yksinkertaisista monimutkaisiin, riippuen teknisistä resursseista. Yksinkertaisin tapa on kuukausittainen käsin tehtävä vienti jokaisesta järjestelmästä yhteiseen taulukkoon, jota yksi henkilö ylläpitää ja jota käydään läpi yhdessä. Vakaampi tapa käyttää tietojen yhdistämisen työkalua, joka hakee datan jokaisen järjestelmän rajapinnasta aikataulun mukaan ja lataa sen keskitettyyn tietokantaan, josta rakennetaan yksi hallintapaneeli. Käsin tehtävä tapa toimii pienessä mittakaavassa. Automaattinen tapa on tarpeen, kun datan määrä tai katselmointien tiheys tekee käsin yhdistämisestä epäkäytännöllistä. Aloita yksinkertaisesti ja siirry automaatioon, kun käsin tekeminen alkaa hidastaa työtä.
Miten lasketaan WhatsApp-toimintamme ROI, jotta jatkuva investointi voidaan perustella?
ROI:n laskemiseen tarvitaan kaksi lukua: mitä WhatsApp maksoi ja mitä se tuotti. Kustannuspuolella ovat API-maksut, palveluntarjoajan alustamaksut, WhatsAppiin käytetty henkilöstön aika (arvioituna tunteina kerrottuna tuntihinnalla) sekä mahdolliset työkalu- ja kehityskustannukset. Tuottopuolella ovat WhatsApp-keskusteluihin suoraan kohdistettu myynti, WhatsAppin kautta uudelleen aktivoitujen asiakkaiden tuottama asiakkuuden jatkumisen tuotto sekä asiakaspalvelun kustannussäästöt, kun kysymykset ratkaistiin WhatsAppissa eikä kalliimmassa kanavassa (puhelin, kasvokkain). Kohdistuksen tarkka laskeminen on vaikeampaa, mutta jo varovainen arvio kohdistetusta myynnistä verrattuna kokonaiskustannuksiin antaa riittävän kuvan, jotta voit perustella investoinnin.