Missä piilevät datan hyödyntämisen sudenkuopat?
Kiinnostus dataa ja sen hyödyntämistä kohtaan ei näytä laantumisen merkkejä. Datan määrästä puhumisen sijaan mietitään enemmän, mihin kaikkeen dataa voitaisiin hyödyntää. Markkinoinnin näkökulmasta itsestään selvät lähestymiskulmat ovat kohdentamisen lisäksi asiakasymmärryksen rakentaminen, joka tuntuu koko ajan tärkeämmältä. Tässä piilee kuitenkin vaaran paikka.
Usein asiakasymmärrystä rakennetaan suoraan verkosta kerätystä datasta. On esimerkiksi oman sivuston selausdataa ja erilaista kampanjadataa. Näistä saatuja tietoja verrataan eri tavoilla esimerkiksi Googlen tai medioiden omasta datastaan luomiin kohderyhmiin. Google on esimerkiksi profiloinut kävijän mieheksi, ja Sanoma jääkiekosta kiinnostuneeksi. Helppoa, missä siis muka piilee sudenkuoppia?
- Voiko datan laatuun luottaa?
Laatuun voi tarttua kahdesta eri näkökulmasta. Omalta sivustolta kerätyn aineiston osalta kannattaa ottaa huomioon, mitä varten datan lähteenä toimiva sivusto tai osio on olemassa. Edustavatko sivuston kävijät nykyisiä asiakkaita, jotka tulevat suoraan ostamaan tuotetta vai kenties potentiaalisia asiakkaita, jotka tulevat etsimään lisätietoja? Onkin hyvä miettiä, kannattaako tarkasteluun ottaa kaikki kävijät vai vain tietty osa.
Vertailtavaa dataa tarkastellessa on hyvä huomioida, onko se luotu profilointia varten. Data sinänsä ei varmaankaan ole väärin. Omasta datastaan kohderyhmiä luovat tahot osaavat varmasti profiloida verkkokäyttäjiään riittävän hyvällä tasolla, mutta kannattaa selvittää suoraan datan lähteestä, miten ja millä säännöillä kohderyhmät on alun perin luotu. Osa kohderyhmistä luodaan löyhemmin perustein, jotta saataisiin niiden koko riittävän suureksi kampanjoiden kohdentamista varten.
- Onko dataa riittävästi?
Määrä ja sen merkitys saattaa hämärtyä, jos analyysia tekevä taho ei ole tilastojen ja tutkimusten syväosaaja. Google Analyticsin tunnukset eivät ole pätevyyden tae. Jotta dataa osataan analysoida oikein, kannattaa hyödyntää tutkimuksia ja tilastomatematiikkaa ymmärtäviä henkilöitä. Ammattilainen osaa esimerkiksi arvioida, onko dataa riittävästi, jotta sen perusteella uskaltaa tehdä johtopäätöksiä ja muuttaa omaa toimintaansa. Jos omalla sivustolla on käynyt 10 000 ihmistä ja verkkokaupan kiitossivulla 30, voidaanko näitä ryhmiä vertailemalla tehdä johtopäätöksiä konversion parantamista varten?
- Onko data riittävän laaja-alaista?
Kannattaa myös pohtia käytettävissä olevan datan laaja-alaisuutta. Voidaanko verkkokävijädatan perusteella edes tehdä liiketoimintaa ohjaavia päätöksiä? Kampanjoiden kohdentamiseen ja konversion optimointiin ohjaaviin päätöksiin verkkokävijädata varmasti riittää. Mutta ovatko laajemmat strategisen tason päätökset riittävän vakaalla pohjalla, jos niitä tehdään pelkän verkkokäyttäytymisen perusteella?
Käyttäytymiseen liittyvän ymmärryksen linkittäminen verkkokävijöihin voi olla haastavaa, ja sen voi ratkaista monella tavalla. Yksi vaihtoehto on käyttää linkitykseen olemassa olevaa, online- ja offline-datan avulla rakennettua segmentointia, joka on kiinnitetty verkkoselausdataan. Tällaiseen segmentoinnin kiinnittämisprojektiin voi käydä tutustumassa täällä.
Mikäli edellä mainitun segmentoinnin kohderyhmät edustavat verkkosivukävijöitä riittävän suurelta osin, voidaan tietoja verrata toisiinsa ja katsoa, mihin segmentteihin verkkosivukävijät kuuluvat riittävän korostuneesti. Näin päästään rakentamaan laaja-alaisempaa ymmärrystä kohderyhmästä.
Annan tästä konkreettisen esimerkin: Sanomalla on oma median käytön motiiveihin perustuva segmentointi. Tiedämme esimerkiksi mitä aikakausilehtiä kuhunkin segmenttiin kuuluvat lukevat tai mitä radiokanavia he kuuntelevat. Segmentit on myös sidottu suureen määrään erilaisia tutkimuksia. Tutkimuksista voidaan kaivaa tietoa esimerkiksi siitä, mitä automerkkejä eri segmentteihin kuuluvat ostavat, mitä he haluaisivat ostaa, ostavatko he vaatteensa mieluummin Stockmannilta vai Tokmannilta, mitä he ajattelevat ympäristöstä tai maahanmuutosta, ja niin edelleen.
Näin saadaan laajempi ymmärrys siitä, millaisia ihmisiä selainten takana on: miksi he ovat juuri sinun sivustollasi. Mitä heille kannattaisi kertoa ja mitä ei.
Verkkoanalytiikasta saatavaa dataa voi siis huoletta hyödyntää monilla eri tavoin. Pitämällä huolta datan laadusta, määrästä ja laaja-alaisuudesta datalla voi tehdä turvallisemmin mielin omaa toimintaa ohjaavia päätöksiä. Ja ehkä myös löytää datalle uusia hyödyntämisen kohteita.
Veli-Matti Nurmela vastaa mainostaja-asiakkaiden kanssa tehtävästä datayhteistyöstä.
Katso myös:
Tehoa kampanjoihin datakumppanuudella
Lue lisää:
