North Patrol on suunnitteluun erikoistunut konsulttitoimisto. Suunnittelemme, autamme teknologiavalinnoissa, kilpailutamme. Emme myy toteutusprojekteja, emmekä lisenssejä, olemme aidosti asiakkaan puolella.
Työkalujen valtava kirjo
Datan keräämiseen, yhdistämiseen, raportointiin ja visualisointiin liittyviä työkaluja on valtavasti, ja näitä syntyy jatkuvasti lisää. Kokonaiskuvan erilaisista ratkaisuista saa Chiefmartecin vuosittain koostamasta Marketing Technology Landscape -katsauksesta. Viimeisimmässä listauksessa (05/2017) on lueteltu 5 381 markkinointiteknologian ratkaisua. Kasvua ratkaisuiden lukumäärässä on lähes 40% edellisvuoteen verrattuna. Lista on jaettu kuuteen pääkategoriaan, joista Datan alle mahtuu yhdeksän erilaista alakategoriaa. Näihin alakategorioihin sisältyy yhteensä 816 eri ratkaisua.
Tämän kaltainen massa ei tietenkään ole järkevä lähestymistapa alkaa haarukoimaan itselleen sopivinta työkalua. Lähtökohtaisesti web-analytiikan osalta suosituin ja vakiintunut työkalu on ilmainen Google Analytics (GA), joka Lassin mielestä ”ajaa asian suurimmassa osassa tapauksista varsinkin, jos sen rinnalla käytetään Google Tag Manageria”. Ja varsinkin, mikäli GA on konfiguroitu oikein. Pelkillä oletusasetuksilla ei siis kovin pitkälle päästä.
Toinen Suomessa erittäin suosittu työkalu on ollut kotimainen Snoobi, mutta parin viime vuoden aikana se on menettänyt asemaansa ennen kaikkea GA:lle ja tulevaisuudennäkymät sen osalta näyttävät aika heikoilta.
Mielenkiintoinen haastaja Google Analyticsille on Piwik. Vaihtoehtona tämä kiinnostaa ennen kaikkea erityistä tietosuojaa vaativia tahoja (esim. julkishallinto tai terveydenhuolto), joille datan täysi omistajuus on olennaista. Piwik voidaan asentaa omalle palvelimelle, jolloin kerätystä datasta ei lähetetä mitään tietoa talon ulkopuolelle.
Toiminnallisuudet ovat kaiken kaikkiaan ehkä hieman GA:ia perässä, mutta kehitystä on viime aikoina tapahtunut merkittävästi. Rami kertoo: ”Nykyään Piwik tarjoaa lisäpalveluna esimerkiksi lämpökartat ja sessionauhoitukset, A/B-testaustyökalun, lomakeanalysointia sekä käytön auditoinnista kiinnostuneille tarkempaa aktiviteettilokia.”
Piwikillä ei toimijana luonnollisesti ole vastaavia kehitysresursseja kuin Googlella, eikä se ole läheskään niin yleisesti käytetty työkalu kuin GA. Rami huomauuttaakin, että ”Piwikin rajoituksina Googleen verrattuna tulee toki vastaan esimerkiksi kehityssykli sekä osaajien lukumäärä.” Joka tapauksessa Piwik on erittäin varteenotettava vaihtoehto datan omistajuutta vaativille organisaatioille.
Täydentämään näitä tyypillisimpiä seurantatyökaluja Lassi suosittelee toistakin ratkaisua: ”Mikäli organisaatiossa ei ole resursseja kaivamaan dataa suoraan seurantatyökalusta, ja tekemään siitä säännöllisesti selkeitä raportteja ja johtopäätöksiä suoraan oikeille henkilöille, niin suosittelen käytettävän jotain erillistyökalua raportointiin.” Tällaisia raportointi- tai ns. dashboard-työkaluja ovat mm. Tableau sekä QlikView. Nämä tosin alkavat olla luonteeltaan enemmän Business Intelligence -työkaluja (BI), joten tähän koriin voidaan lisätä esimerkkinä myös vaikkapa Microsoftin Power BI. Googlen tuotteista tähän tarpeeseen pyrkii vastaamaan Google Data Studio.
Lisäksi seurantatyökalujen rinnalla käytetään paljon erilaisia kävijäpolkujen ja konversioiden optimointia tukevia tuotteita, kuten Hotjar, Optimizely tai Google Optimize. Datan yhdistelyyn on puolestaan tarjolla mm. Zapier, Segment sekä Funnel. Verkkopalvelun saavutettavuutta ja sivuston sisällön laadun parantamista auttaa mm. Siteimprove, jossa on myös sisäänrakennettuja analytiikkaominaisuuksia.
Rami muistuttaakin, että rajanveto pelkkään web-analytiikkaan on tänä päivänä vaikeaa ja osin myös hieman rajoittavaa: ”Olemme pitkään kuulleet kuinka data pirstaloituu ympäriinsä, mutta toisaalta myös esimerkiksi perinteinen web-analytiikka on kietonut lonkeronsa kaikkeen sen ympärillä olevaan: BI:hin, konversiotestaukseen, dashboardeihin, reaaliaikaiseen analytiikkaan, prediktiiviseen analytiikkaan, markkinointiautomaatioon, some-analytiikkaan jne.”, ja jatkaa: ”Digikanavat ovat tänä päivänä yhä enemmän integroitu osaksi yritysten muita liiketoimintaprosesseja. Olisi laiskaa analysoida ainoastaan digikanavien onnistumista. Näemmekin yhä useammin erilaisia koostettuja BI-ympäristöjä, joihin digikanavien lisäksi saatetaan tuoda dataa vaikkapa toiminnanohjauksesta tai talousluvuista.”
Datan yhdistäminen eri lähteistä on teknisesti ollut mahdollista jo pitkään. Myös työkalut kehittyvät kovaa vauhtia, joten varsinainen tekeminenkin helpottuu jatkuvasti. Tämä koskee myös datan tulkintaa tukevia raportointi- ja visualisointityökaluja.
Mitä laajemmat organisaation tarpeet ovat, sitä enemmän erilaisista maksullisista työkaluista on hyötyä. ”Kun lähdetään rakentamaan edistyksellisempiä ratkaisuja ja erilaisia ennustemalleja, siirrytään selkeästi maksullisten työkalujen pariin.” kertoo Lassi. ”Tällöin päätöksenteko alkaa olla vahvasti dataan pohjautuvaa ja ’mutulle’ jää vähemmän sanansijaa. Valittu mittaristo leivotaan sisään organisaation kulttuuriin ja se mahdollistaa keskittymisen olennaiseen: toiminnan seuraamiseen, viilaamiseen, suunnanmuutoksiin ja toimenpiteiden vaikuttavuuden arviointiin.” lisää Rami.
Harvassa organisaatiossa on kuitenkaan näin syvälle meneviä analyysejä ja malleja. Eikä tarvitsekaan olla, eikä sinne asti kannata myöskään pyrkiä liian nopeasti. ”Lähtekää perusasioista, jonka jälkeen voi asteittain siirtyä monimutkaisempiin juttuihin. Liikaa oikomalla ja kiirehtimällä lopputuloksena on harmillisen usein sekava projekti, jota kukaan ei ole valmis hyödyntämään, jos se ylipäätään saadaan vietyä loppuun asti.” Lassi ohjeistaa.
Tulevaisuuden kehityssuunnat: Mitä kannattaisi huomioida tai mihin varautua?
Kun käännän keskustelun kohti tulevaisuutta, Lassi jarruttaa hieman ja muistuttaa edelleen lähtökohdista: ”Tärkeintä suurimmalle osalle organisaatioista olisi yksinkertaisesti ottaa ihan perusasiat haltuun, ja alkaa oikeasti ottamaan analytiikka osaksi perusrutiineja.”
Perusasioihin kuuluu myös se tosiasia, että perinteinen analytiikka on aina peräpeiliin katsomista: Jälkeenpäin tarkastellaan mitä on tapahtunut, yritetään löytää trendejä tai mahdollisia poikkeamia, joiden pohjalta lähdetään analysoimaan syitä ja luomaan toimenpide-ehdotuksia.
”Kovaa vauhtia perinteisen analytiikan rinnalle on kuitenkin tulossa ennustava eli prediktiivinen analytiikka ja tekoäly, jotka tulevat vaikuttamaan merkittävästi jatkossa palveluiden optimointiin ja kehitykseen.” kertoo Rami, ja jatkaa: ”Personoidut web-palvelut ja A/B-testaus ovat pitkään olleet konversio-optimoinnin peruskauraa. Kun tähän liitetään tekoäly ja koneoppiminen, pystytään näitä ennalta määriteltyjä säännöstöjä luomaan lennosta sen mukaan, miten kävijät käyttäytyvät ja miten heidän oletetaan käyttäytyvän.”
Lassi täydentää: ”Eri lähteiden yhdistely, online ja offline, sekä machine learning mahdollistavat datan analysointia sekä erilaisia ennustemalleja tasolla jota ei hirveän paljoa vielä näy hyötykäytössä.”
Tekoälyn saralla IBM Watson on ollut jo pitkään yksi edistyneimpiä ratkaisuja. Myös Microsoft on vahvasti mukana tässä kehityksessä mm. Cognitive Services -palvelunsa myötä. Nyt tekoäly-tyyppisiä ominaisuuksia ollaan kehittämässä vahvasti myös osaksi johtavia sisällönhallintajärjestelmiä (CMS), joiden tuotekehityksen pääfokus on asiakaskokemuksen hallinnassa. Näitä ovat mm. Episerver, Sitecore sekä Acquia. Analytiikkapuolella Adobe on ollut vahva jo pitkään, mutta nyt hekin ovat lähteneet mukaan tekoälykehitykseen Adobe Sensein myötä.
Tulevaisuudelta Rami odottaa web-analytiikan sulautuvan yhä kiinteämmin osaksi muuta liiketoimintadataa: ”Mitä lähemmäs digikanavista saatu data saadaan esim. toiminnanohjausta, sisäistä työtä ja taloustietoja, sitä paremmin ollaan valmiita tekemään toimenpiteitä ja tiedetään mitä oikeasti kannattaa tehdä.”
Rami jatkaa myös paljon kohua herättäneestä GDPR-uudistuksesta: ”Lähitulevaisuudessa on myös mielenkiintoista nähdä, miten EU:n tietosuojauudistus GDPR tulee vaikuttamaan analytiikkaratkaisuihin. Sen tulkinta ei kaikilta osin vieläkään ole täysin yksiselitteistä. On jopa mahdollista, että GDPR:n myötä tulisi pakolliseksi oletusarvoinen DoNotTrack-valinta kaikkiin selaimiin. Pidän lähtökohtaisesti GDPR:ää hyvänä asiana, mutta sillä voi tosiaan olla vaikutuksia, jotka tekisivät analysoinnista käytännössä aika erilaista kuin tänä päivänä.”
Lukuvinkkinä kerrottakoon, että GDPR-asiaa pohtii myös Qurun Janne Korpi artikkelissaan ”GDPR ja digitaalinen analytiikka: markkinoijan näkökulma”.
”Hyvin tekemisen resepti”
Pyysin vielä lopuksi vierailevia asiantuntijoitamme listaamaan omat vinkkinsä web-analytiikan tehokkaaseen ja ennen kaikkea järkevään hyödyntämiseen.
Lassi Tomminen:
- Määrittele kokonaisuudelle hyvät tavoitteet ennen kuin alat tekemään mitään. Enkä tarkoita pelkästään sivuston tavoitteita, vaan kaikkea datan hyödyntämiseen ja henkilöihin asti.
- Tekemiseen tulee varata tarpeeksi resursseja. Organisaation ulkopuolelta voi ostaa osaamista, mutta aikaa pitää varata myös organisaation sisältä. Ulkopuoliset konsultit eivät pysty hoitamaan lopullista datan hyödyntämistä.
- Osallista enemmän ihmisiä eri puolilta organisaatiota. Useimmiten analytiikasta hyötyviä henkilöitä ja tiimejä on ympäri organisaatiota. On vaikeaa tarjota esim. markkinoinnille olennaista dataa, jos heidän kanssaan ei ole keskusteltu tarpeista.
Rami Karhu:
- Lähde rakentamaan datan hyödyntämisen kulttuuria omassa organisaatiossasi. Anna yksi datasta kaivettu vinkki viikossa jollekin liiketoimintajohtajalle, vaikkei hän olisi sitä pyytänytkään. Nämä voivat olla todella yksinkertaisiakin, kuten: ”Hei Marja, huomasin että sinun myyntialueellasi Pirkanmaalla ovat seuraavat viisi yritystä lukeneet todella ahkerasti tuotesivujamme ja ladanneet esitteitämme.”
- Kysy aina kolme kertaa ”Miksi?”:
- K: Miksi varauksia tuli viime kuussa vähemmän kuin normaalisti?
V: Konversioprosentti laski koko sivustolla.
- K: Miksi konversioprosentti laski?
V: Suosituin AdWords-kampanja generoi hämmentävän vähän konversioita.
- K: Miksi se generoi vähän konversioita?
V: Klikkejä kyllä saatiin, mutta mainos oli ohjattu 404-sivulle, jolloin kävijät päätyivät umpikujaan.
(Ps. Tämä oli aito esimerkki elävästä elämästä, jonka analysointi pelasti yritykselle ison kasan kuumia liidejä sekä säästi yritystä haaskaamasta n. 1 000€/kk mainosrahaa.)
- On tärkeää, että organisaatiosta löytyy vähintään yksi analytiikkaan hurahtanut ihminen, mutta kannattaa hyödyntää reippaasti myös ulkopuolista apua. Toisinaan meillä kaikilla menee ”laput silmille” emmekä näe kaikkea, vaikka data näyttäisikin sen selvästi. Vaadi analytiikkakumppaniltasi toimenpiteitä, älä raportteja. Kaikki tarvitsemasi raportit saat työkaluista.
Mahdollisuuksia datan hyödyntämiselle tulee jatkuvasti lisää, mutta aika moni organisaatio tuskailee edelleen perusasioiden kanssa. Kaikkea ei kuitenkaan tarvitse tehdä kerralla valmiiksi, vaan oikeaan suuntaan voi edetä voi myös pienin askelin.
Yhden asian toteamme lopuksi kuin yhdestä suusta: ”Aloita jo tänään.”
Lue myös artikkelisarjan ensimmäinen osa:
Vierailevat asiantuntijat
Lassi Tomminen on pitkän linjan analytiikka-asiantuntija, joka työskentelee nykyään Arvo Partnersilla verkkokaupan analytiikan konsulttina. Lassi on tavoitteellistetun ja kokonaisvaltaisen datan hyödyntämisen puolestapuhuja. Hänellä on pitkä kokemus käytännön hands-on työstä mm. Snoobilla sekä NetBoosterilla.
Rami Karhu työskentelee Innofactorilla liiketoimintajohtajana vastaten digitaaliseen asiakaskokemukseen liittyvästä tarjoomasta. Aiempaa työhistoriaa analytiikan ja optimoinnin parista Ramilla on omasta yrityksestään sekä mm. Teklalta, Fennialta ja Ulkoministeriöstä. Asiakkaina hänellä on ollut hyvin erityyppisiä ja eri kokoisia organisaatioita useilta toimialoilta.
PS. Sinua voisi kiinnostaa tulossa oleva ilmainen webinaarimme:
Parhaat muotoiluratkaisut tuote- ja palvelusivuille (15.5.2024 klo 10:00).
Ilmoittaudu webinaariin
Lue palveluistamme
Pyydä tarjous
