Na naszym blogu często piszemy o tym, jak skonfigurować poszczególne narzędzia i jak rozwiązywać problemy techniczne związane ze śledzeniem użytkowników. Można czasami odnieść wrażenie, że tematyką naszego bloga jest to, jak ustawić filtry w Google Analytics, jak przeprowadzać testy A/B czy też jak zaprojektować formularz.
To jest bardzo ważne. Ale nie najważniejsze.
Nasz blog jest o analityce internetowej. A to znacznie więcej niż ustawienie segmentu w Google Analytics.
I właśnie o tym przypomniał nam sam Jim Sterne w czasie swojej prezentacji. Jim Sterne jest prezesem Digital Analytics Association i jednym z prekursorów analityki internetowej.
Jim przedstawił nam prezentacje „From Bits and Bytes to Business Insights”. Od bitów i bajtów do biznesowych wniosków. Mówił całościowo o analityce internetowej. Nie o narzędziach ani technikach. O analityce jako wnioskach i działaniach, które przekładają się na biznes – wpływają na niego, zmieniają go i dają nowe możliwości rozwoju.
Podczas 30 minutowej prezentacji otrzymaliśmy solidną dawkę wiedzy, której nie da się upchnąć w krótkim poście na bloga.
Za zgodą Jima spróbuje przekazać Wam chociaż jej fragment. Fragment o tych, którzy tę analityką internetową tworzą. Coś dla prawdziwych Data Detectives (albo tych, którzy chcą się nimi w niedalekiej przyszłości stać).
Gdyby organizowano konkurs na najbardziej niezrozumiały dział w większości organizacji, niewątpliwie jedną z najwyższych pozycji w klasyfikacji zajmowałby Dział IT. Chyba nikomu nie trzeba tłumaczyć, że dla większości zwykłych ludzi mówią oni w całkowicie nieznanym języku, a w ogóle to mówią raczej niechętnie. Nie ma co ukrywać, komunikacja to zwykle nie jest najmocniejszy punkt Działu IT.
Ich praca to zadbanie o dostarczenie kompletnych danych i zebranie ich w odpowiedni technicznie sposób.
Na drugim biegunie znajdują się osoby, które wykorzystują dane, w formie przetworzonej na język rekomendacji i działań. Mają one przynieść efekty w postaci zwiększenia rentowności firmy. Tworzą komunikację zmian, wdrażają, planują nowe posunięcia.
I właśnie w tym świecie, gdzieś pomiędzy IT a konsumentami wniosków (insights consumer) pojawia się Detektyw Danych. Osoba, która jest na tyle techniczna, by porozumieć się z IT, i na tyle zorientowana na biznes i komunikację, by dostarczyć narzędzi do pracy Działom UX czy Marketingu.
Analityk internetowy powinien być jak detektyw. Dostaje zadanie do wykonania, stawia szereg pytań, następnie szuka na nie odpowiedzi. Do dyspozycji ma tony danych i gąszcze raportów przekazanych przez webmasterów. Webmasterzy nie szukają wniosków: oni dostarczają materiał do pracy.
Marketingowiec, który chce zwiększyć konwersję na stronie docelowej, nie pyta: jaki jest współczynnik odrzuceń w segmencie nowych użytkowników? Jaki jest wpływ poszczególnych parametrów? Jakie są wnioski z analizy kohort?
Jedyne, czego potrzebuje to jasna odpowiedź co zrobić, aby rozwiązać problem. Większość tych odpowiedzi są w danych – i zadaniem detektywa jest je odszukać.
Jak zwykle, nie ma na to sprawdzonej recepty. Jest jednak kilka wskazówek, które pozwolą na uwolnienie potencjału analityki internetowej i znalezienie w danych odpowiedzi na ważne biznesowe pytania.
Pojawianie się anomalii często od razu przypisujemy błędom, które pojawiają się w danych.
I chociaż faktycznie często zdarza się tak, że w przypadku dużych rozbieżności winne są niepoprawne dane, nie możemy pobłażliwie traktować anomalii. Jeżeli zdobędziemy pewność, że są one prawdziwe – może to prowadzić do wyjątkowo wartościowych wniosków.
O tym nikomu nie trzeba chyba przypominać. Wielokrotnie przytaczaliśmy już słynne słowa Avinasha: „Do Segmentation or Die!”.
Dlaczego segmentacja jest taka ważna?
Ponieważ analiza to kopanie w danych, drążenie w poszukiwaniu odpowiedzi. Bez segmentacji patrzymy na metryki powierzchownie i możemy przeoczyć wiele istotnych elementów.
Każdy z nas jest inny – jednak można wyodrębnić grupy użytkowników (segmenty), którzy są podobni lub w danych sytuacjach zachowują się podobnie.
Dużo ciekawych wniosków wyciągnąć można z obserwacji samego procesu zakupowego. Możemy tworzyć segmenty użytkowników, którzy dokonali zakupu w naszym sklepie tylko raz, lub takich którzy kupują w naszym sklepie regularnie.
Jeżeli na taki segment nałożymy warunek daty (co daje nam pewność, że na dana grupa użytkowników np. trafiła do naszego serwisu się w takich samych warunkach – takie same ceny, taki sam przekaz marketingowy) możemy pokusić się o analizę kohort. A to już wyższy poziom zaawansowania, który może doprowadzić nas do naprawdę wielkich wniosków.
Przykład? Załóżmy, że obserwujemy nieznaczny spadek sprzedaży. Drążąc w danych orientujemy się, że sprzedaż znacząco spada w segmencie użytkowników, którzy do tej pory regularnie robili zakupy w naszym sklepie. Gdy nakładamy warunek daty, okazuje się, że wszyscy Ci użytkownicy trafili do nas dokładnie rok temu w momencie trwania dedykowanej kampanii newsletterowej, która właśnie się skończyła, a my zmieniliśmy strategię wysyłania mailingów. Może więc należy kontynuować dotychczasowe działania w tym segmencie użytkowników aby podnieść sprzedaż?
Na drodze Data Detective stoi wiele pułapek. Nietrudno dać się zwieść: czasami szukając wniosków bardzo chcielibyśmy, żeby z danych wynikało to co sobie założyliśmy.
Niestety czasami nawet najlepsze hipotezy się nie sprawdzają.
Jak nie dać wyprowadzić się w pole?
Po pierwsze, należy pamiętać, że korelacja nie zawsze oznacza przyczynowość. Często niepotrzebnie marnujemy energię na szukanie powiązania między czynnikami, które po prostu nie istnieje.
Brzmi to banalnie i śmiesznie? W przypadku sera może tak, niemniej jednak uznawanie korelacji za przyczynowość to jeden z najczęstszych błędów popełnianych w analityce internetowej.
Kolejna pułapka to podstawowy błąd poznawczy, który wpływa na podejmowanie decyzji i postrzeganie rzeczywistości. Można mnożyć przykłady takich błędów – jak chociażby efekt obserwatora, czyli nieświadome zaburzanie wyników eksperymentu przez naukowca oczekującego jakiegoś wyniku czy efekt skupiania uwagi przejawiający się np. w ignorowaniu potrzeby zebrania miarodajnych danych przy badaniu występowania korelacji i powiązań.
Całkowicie ludzkie jest także doszukiwanie się rzeczy, które nie istnieją, a bardzo chcemy aby się nam pokazały.
W skrajnym przypadku jest to zjawisko pareidolii – dopatrywania się znanych kształtów w przypadkowych szczegółach (często nawet przy pełnej świadomości, że ich nie ma). Znacie przypadek sprzedaży grillowanej kanapki z żółtym serem, w której pewna Amerykanka ujrzała twarz Matki Boskiej, za 28 000$?
Analitycy internetowi czasami mogą zobaczyć w danych więcej niż jest w nich naprawdę i tym samym wysnuć bezpodstawne wnioski. Szczególnie niebezpieczne jest wyciąganie wniosków dotyczących zachowań wszystkich użytkowników przy zastosowaniu zbyt małej próby.
Ważne, aby prawdziwy Data Detective ufał tylko sprawdzonym faktom i poprawnym danym.
Chodzi oczywiście o politykę przetwarzania danych i politykę prywatności.
W dzisiejszych czasach prywatność i kwestia przetwarzania danych osobowych to bardzo wrażliwy temat. A będzie coraz gorzej – nowe regulacje starają się chronić obywateli przed wykorzystywaniem ich prywatnych danych.
Jak przechowywane i w jaki sposób gromadzone są dane to niezmiernie ważna kwestia, która w przeciągu najbliższych lat będzie kluczowa dla rozwoju analityki internetowej.
To nie są czcze procedury, które obejść można paskiem o wykorzystywaniu ciasteczek. Korzystanie z danych o zalogowanych użytkownikach to już stąpanie po grząskim gruncie – masz dostęp do każdego adresu e-mail i jesteś w stanie zidentyfikować każdą osobę.
Dlatego też należy bezwarunkowo trzymać się zasady zapisanej w regulaminie Google Analytics (jeżeli z tego narzędzia korzystacie) i pracować na danych zagregowanych, które pozbawiają nas możliwości identyfikacji użytkownika.
W przypadku bezpieczeństwa danych powinniśmy wziąć pod uwagę 3 kwestie:
W przypadku narzędzi płatnych, takich jak AT Internet czy SiteCatalyst podpisywany dokument SLA (Service Legal Agreement) reguluje kwestię własności danych.
W przypadku darmowych narzędzi Google – kwestia jest dyskusyjna.
W swojej prezentacji Jim kładł nacisk na kwestię moralnej odpowiedzialności za dane na każdym etapie ich przetwarzania. I nie chodzi tylko o kwestie prywatności, ale także o odpowiedzialność za podejmowane decyzję.
Już całkiem niedługo będziemy zapewne poruszać się samochodami, którymi steruje komputer. Stworzony do tego celu algorytm zapewne oparty będzie na danych. Gdy coś nie zadziała – a w tym przypadku konsekwencje mogą być poważne – kwestia odpowiedzialności za każdy etap procesu przetwarzania danych i wdrażania narzędzi będzie miała kolosalne znaczenie.
„Atrybucja ostatniego kliknięcia” czy „współczynnik odrzuceń” to pojęcia, które dla większości ludzi niewiele znaczą.
Musisz pamiętać o tym, że jeżeli ludzie Cię nie rozumieją – nie będą wspierać Twoich działań, a tym samym Twoje rekomendacje zamiast zmieniać rzeczywistość biznesową mogą trafić do kosza.
Niestety praca w organizacji to w dużej mierze pewien układ sił. Im bardziej Twoi współpracownicy (a w szczególności szefowie) rozumieją to co robisz, tym bardziej doceniają wagę i zasadność Twojej pracy.
Nie wymagaj od ludzi, aby wchodzili meandry analityki internetowej.
To jak mówisz ma także znaczenie dla Ciebie: aby uniknąć problemów w momencie, kiedy testy czy też stawiana hipoteza nie pójdzie po Twojej myśli, zapamiętaj aby ostrożnie udzielać rekomendacji:
Dane wskazują na…
Wydaje się, że lepiej będzie…
Na tej podstawie można by przypuszczać…
Gdybym miał się założyć, postawiłbym na…..
To bardzo ciekawy pomysł. Nie jestem pewna czy udałoby się zrobić coś takiego na naszym gruncie – nie ma co ukrywać, otwarte zadawanie pytań na forum to nie jest najmocniejsza strona Polaków, co widać szczególnie na salach wykładowych 🙂
Niemniej jednak pomysł zorganizowania spotkania, w czasie inne osoby z organizacji zadają analitykom pytania wydaje się być naprawdę dobry. Nieśmiałość współpracowników zawsze można obejść opcją zadawania pytań anonimowo bądź zorganizowaniem spotkania w luźnej atmosferze – w porze lunchu bądź wieczorem, przy piwie.
Jak już wspominałam – to jak jesteś traktowany i jaka jest Twoja pozycja w organizacji bardzo zależy od tego, czy Twoi współpracownicy wiedzą jak ważna jest Twoja praca, czy Twoi szefowie widzą istotność przeznaczania środków na Dział Analityki Internetowej i to czy Twoi managerowie chcą wdrażać stawiane przez Ciebie rekomendacje.
Znajdź nić porozumienia z IT, ale także z Działem Marketingu czy innymi Działami, które czerpią z Twoich wniosków.
Pamiętacie o błędzie poznawczym? Jednym z nich jest efekt aureoli. Jeżeli kogoś lubimy i dobrze się z nim dogadujemy, przekładamy to także na inne aspekty życia, chociażby jego pracę.
Powyższy artykuł inspirowany jest prezentacją Jima Sterna „„From Bits and Bytes to Business Insights”, nie jest jednak jej dokładnym odwzorowaniem.
Tagi:
Historie sukcesów
Ostatnie wpisy na blogu
