Jak przekonać zespół kreatywny i marketingowy do danych?
Podejście do danych w małych i dużych markach
Mentalne bariery w codziennej pracy z danymi
Jakie nawyki wdrożyć, aby decyzje oparte na danych stały się standardem?
Idealna struktura zespołu analitycznego w marce fashion
Jak skutecznie łączyć dane jakościowe z ilościowymi?
Jakie metryki są przydatne dla zespołów kreatywnych?
Podsumowanie
W artykule opisuję, jak przekonać zespoły kreatywne do pracy z danymi, jak łączyć analitykę z intuicją oraz jakie nawyki wprowadzać, aby decyzje oparte na danych stały się codziennością w organizacji. Tekst powstał w ramach partnerstwa z Niebieskim Lisem, podczas konferencji Fashion.pl, w której Conversion brało udział. Podczas konferencji Fashion.pl zorganizowaliśmy wystąpienie poświęcone automatyzacji marketingu, a szczególnie automatyzacji feedów produktowych z wykorzystaniem danych w branży Fashion. W ramach partnerstwa przeprowadziliśmy również wywiad na temat wykorzystania danych online w tej branży.
Pierwszym krokiem w budowaniu kultury organizacyjnej opartej na danych jest otwartość na naukę na błędach. Organizacje często unikają popełniania błędów, a pracownicy nie czują się komfortowo w sytuacjach, gdy do nich dochodzi, zwłaszcza jeśli organizacja nie akceptuje procesu uczenia się na własnych doświadczeniach. Intuicja w biznesie często opiera się na utartych schematach – robimy to, co sprawdziło się do tej pory lub powielamy rozwiązania, o których słyszeliśmy na branżowych konferencjach. Takie podejście pozwala poczuć się bezpiecznie, szczególnie gdy wyniki nie przynoszą oczekiwanych rezultatów. Łatwo wtedy usprawiedliwić się, że działaliśmy jak zawsze lub podążaliśmy za sprawdzonymi przykładami innych firm.
Otwartość organizacji na kwestionowanie status quo tworzy przestrzeń dla danych i eksperymentów, które zawsze powinny opierać się na rzetelnej analizie. Zespół marketingu, mając wsparcie w danych, może wprowadzać innowacje i testować nowe rozwiązania. Brak eksperymentowania prowadzi do stagnacji – powielanie tych samych działań, co konkurencja lub własne dotychczasowe praktyki, pozwala co najwyżej rosnąć razem z rynkiem. W dłuższej perspektywie trudno w ten sposób wyprzedzić konkurencję.
Moda to branża, która opiera się na emocjach. Ważne staje się połączenie wyczucia trendów i budowania określonego wizerunku marki z analityką internetową. Odpowiednie wykorzystanie danych pozwala lepiej zrozumieć potrzeby klientów i skuteczniej reagować na zmieniające się trendy, jednocześnie dbając o spójność komunikacji marki. Dzięki temu możliwe jest zarówno budowanie silnych emocji wokół produktu, jak i podejmowanie świadomych, opartych na danych decyzji marketingowych. Z perspektywy strategii biznesowej marketing pełni rolę przekaźnika emocji, a analityka wspiera efektywne dostarczanie tych emocji do odbiorców. Można to porównać do motoryzacji – auto umożliwia przemieszczanie się z punktu A do punktu B, podobnie jak marketing pozwala dotrzeć do klientów. Analityka pełni funkcję nawigacji i znaków drogowych, które pomagają podejmować właściwe decyzje oraz optymalizować trasę.
Sprawność w analizowaniu danych i wykorzystywaniu wskazówek analitycznych przekłada się na szybkość i skuteczność osiągania celów marketingowych. Dane to paliwo, które napędza działania marketingowe. Oczywiście można działać na oślep lub wzorować się na innych, jednak świadome korzystanie z danych i analityki pozwala skuteczniej budować przewagę konkurencyjną.
Conversion współpracowało z wieloma różnorodnymi markami, dostarczając rozwiązania analityczne wspierające realizację ich celów biznesowych. Duże i małe marki znacząco różnią się w podejściu do danych. W mniejszych organizacjach dane, jeśli w ogóle są zbierane, najczęściej służą do raportowania przeszłych kampanii. Analiza ogranicza się zwykle do podsumowania działań marketingowych, bez wyciągania wniosków, które mogłyby realnie wpłynąć na rozwój firmy lub poprawę realizacji KPI. Brakuje zasobów i kompetencji analitycznych, przez co raporty marketingowe pozostają jedynie zestawieniem liczb, bez przełożenia na konkretne decyzje biznesowe.
W takich przypadkach analiza danych nie prowadzi do żadnych zmian, a firma nie ma szans na poprawę wyników, jeśli stale powtarza te same działania. Warto pamiętać, że raportowanie powinno przynosić konkretne wnioski i rekomendacje, które pomogą osiągać cele biznesowe.
Częstym wyzwaniem w małych organizacjach jest również nadmiar danych. Wiele narzędzi generuje ogromne ilości informacji, co może prowadzić do zagubienia i braku jasności, na które wskaźniki faktycznie warto zwrócić uwagę. Zamiast skupiać się na konkretnych KPI, organizacje często próbują analizować wszystko naraz, co utrudnia wyciąganie praktycznych wniosków i skuteczne działanie. W pracy z danymi warto sięgnąć po sprawdzone metodyki wspierające analizę, takie jak KPI tree, którą wykorzystujemy u naszych klientów.
Jednym z najczęstszych wyzwań związanych z codzienną pracą na danych są mentalne bariery. W społeczeństwie często panuje przekonanie, że matematyka jest trudna. Wielu ludzi deklaruje się jako humaniści, mając negatywne doświadczenia z nauką matematyki w czasach szkolnych. To przekłada się na niechęć do pracy z liczbami i danymi także w środowisku biznesowym. Pokonanie tych barier wymaga zmiany sposobu myślenia i oswojenia się z analityką – zarówno poprzez edukację, jak i stopniowe wdrażanie narzędzi analitycznych do codziennej pracy. W biznesie często unika się liczb i raportów, traktując je głównie jako narzędzie do podsumowania przeszłych wydarzeń. Tymczasem każdy z nas na co dzień zachowuje się jak analityk – porównując ceny produktów w sklepie czy analizując umowę kredytową przed podpisaniem. W firmach to liderzy powinni przełamywać schemat unikania danych i dawać przykład otwartości na eksperymentowanie oraz wyciąganie wniosków z błędów. Osoby zarządzające powinny regularnie odwoływać się do danych i zadawać pytanie: „Co wynika z danych w tej sprawie?”
Kluczowym krokiem jest systematyczne pytanie o to, co mówią dane na temat planowanych działań. Zespoły kreatywne często kierują się aktualnymi trendami lub inspiracjami płynącymi z działań konkurencji czy prezentacji na konferencjach. Warto jednak pamiętać, że nie zawsze „brzydki” oznacza „nieefektywny”, a „niemodny” nie równa się „nieskuteczny”. Decyzje powinny być podejmowane na podstawie konkretnej analizy, a nie wyłącznie pod wpływem trendów. Wizerunek i design odgrywają istotną rolę w budowaniu marki, jednak nie przekładają się bezpośrednio na wyniki finansowe. Kluczowym nawykiem podczas wprowadzania zmian w marketingu, technologii czy produktach cyfrowych jest zadawanie pytania: co mówią dane? Przed wdrożeniem nowego pomysłu warto sprawdzić, czy dane rzeczywiście wskazują na potrzebę zmiany. Analiza danych pozwala sprawdzić, czy dany element faktycznie nie działa. Czasem analiza potwierdzi słuszność decyzji, ale często pozwala uniknąć błędu polegającego na wymianie działającego rozwiązania na słabsze.
W kontekście designu łatwo wpaść w pułapkę ciągłych zmian, licząc na poprawę efektów. Jednak z perspektywy efektywności, nowa wersja może okazać się mniej skuteczna niż poprzednia.
Kluczowe jest wyodrębnienie kompetencji analitycznych. W zespole powinien znaleźć się analityk odpowiedzialny za zapewnienie wysokiej jakości danych i stałe dbanie o ich aktualność oraz przydatność w codziennej pracy. Dbałość o dostępność danych dla wszystkich zainteresowanych w firmie pozwala szybko odpowiadać na konkretne pytania biznesowe. W praktyce trudno połączyć wszystkie niezbędne kompetencje – technologiczne, analityczne i biznesowe – w jednej osobie. W dużych organizacjach zwykle odpowiada za to kilka osób. Są to specjaliści odpowiedzialni za zapewnienie, utrzymanie i aktywację danych, a także budowanie świadomości oraz know-how w organizacji.
W przypadku mniejszych firm kluczowym krokiem jest zapewnienie wysokiej jakości danych. Na tym etapie nie warto oszczędzać, ponieważ dane pełnią rolę swoistego ubezpieczenia. Nawet jeśli nie są wykorzystywane na bieżąco, w sytuacji kryzysowej lub nagłej potrzeby lepiej dysponować solidnymi, dobrze zebranymi informacjami. Współpraca z zewnętrznym partnerem technologicznym, który posiada kompetencje w zakresie technologii i znajomość odpowiednich narzędzi, to dobre rozwiązanie. Zostawienie tematu wyłącznie działowi IT często nie przynosi oczekiwanych rezultatów, ponieważ zazwyczaj brakuje tam specjalistycznej wiedzy w zakresie analityki internetowej. W efekcie, po pewnym czasie okazuje się, że jakość danych wymaga znacznej poprawy, a naprawa błędów bywa już trudna lub kosztowna.
Kolejnym ważnym elementem jest przełamywanie barier mentalnych w korzystaniu z danych. Kluczowe staje się zadawanie pytań, co mówią dane na temat konkretnego zagadnienia. Każdy z nas, podejmując decyzje, wykorzystuje dane – wystarczy zacząć świadomie analizować dostępne informacje, szczególnie gdy chcemy rozwiązać problem lub wprowadzić zmiany.
Połączenie wysokiej jakości danych z otwartością organizacji na liczby i analitykę stanowi solidny fundament do rozwoju. Trzeci krok to zatrudnienie osoby odpowiedzialnej za analizę danych, nawet w niepełnym wymiarze etatu. Dzięki temu, gdy pojawi się potrzeba przeprowadzenia szczegółowych analiz, w firmie będzie osoba, do której można się zwrócić. Pozwala to na wykorzystanie potencjału danych w codziennym funkcjonowaniu organizacji. Aby w pełni wykorzystać potencjał analityki internetowej w firmie, kluczowe są trzy elementy: wysokiej jakości dane, świadomość danych w organizacji oraz osoba z odpowiednimi kompetencjami, która potrafi przełożyć te dane na konkretne odpowiedzi biznesowe. Współpraca z partnerem technologicznym, który dba o jakość danych i wspiera ich rozwój, pozwala uzyskać najlepszy stosunek wartości danych do ponoszonych kosztów. W praktyce oznacza to zaangażowanie przynajmniej jednej osoby, nawet na część etatu, odpowiedzialnej za analizę oraz utrzymanie współpracy z partnerem technologicznym, który nie tylko wprowadza nowe dane, ale także zapewnia ich wysoką jakość.
Dane ilościowe zwykle stanowią punkt wyjścia w analizie i warto je wykorzystywać w pierwszej kolejności. Przemawia za tym kilka powodów. Po pierwsze, pozwalają zidentyfikować obszary wymagające głębszego zrozumienia lub interwencji. Po drugie, stanowią solidną podstawę do dalszych analiz jakościowych, które dostarczają kontekstu i pomagają lepiej zrozumieć zachowania użytkowników. Integracja obu typów danych umożliwia podejmowanie trafniejszych decyzji biznesowych i skuteczniejsze zarządzanie doświadczeniem klientów. Dane ilościowe są tańsze zarówno na etapie zbierania, dzięki bezpłatnym narzędziom takim jak Google Analytics 4, jak i podczas późniejszej analizy. Łatwiej jest zinterpretować wyniki przedstawione w tabelach niż analizować dziesiątki badań użyteczności i wyciągać z nich wnioski. To pierwszy powód, dla którego warto korzystać z danych ilościowych.
Kolejną zaletą jest to, że dane ilościowe pełnią funkcję zwiadu – wskazują, który element w firmie, organizacji, marketingu lub e-commerce nie działa prawidłowo. Gdy wiadomo, gdzie pojawia się problem, można skierować działania jakościowe w konkretne miejsce, co daje podwójną korzyść.
Przykładem mogą być badania ankietowe przeprowadzone wśród klientów. Dane ilościowe pozwalają zidentyfikować wąskie gardła w biznesie, produkcie czy e-commerce. Przykładem może być niski procent przejść z karty produktu do koszyka lub niski odsetek dokonanych transakcji. Analizując dane ilościowe, można szybko zauważyć, gdzie pojawia się problem. Następnie warto zapytać klientów, co według nich nie działa na danym etapie, na przykład na karcie produktu. Odpowiedzi klientów dostarczają informacji jakościowych, które wyjaśniają, dlaczego występują określone trudności.
Dane ilościowe wskazują, co nie działa, natomiast dane jakościowe wyjaśniają, dlaczego pojawiają się konkretne problemy. Auroria, firma prowadzona przez Oliwię Simińską, w dużym stopniu opiera się na analizie danych jakościowych, uzupełniając je danymi ilościowymi. Dzięki takiemu podejściu firma w 2025 roku planuje ponad dwukrotny wzrost.
Przykładem sytuacji, w której intuicja kreatywna została zweryfikowana danymi, może być przypadek, gdy zespół kreatywny postanowił zmienić układ strony głównej sklepu internetowego, opierając się na swoim doświadczeniu i wyczuciu. Po wprowadzeniu zmian przeprowadzono testy A/B, które wykazały, że nowa wersja strony generuje wyższy współczynnik konwersji. Analiza danych potwierdziła słuszność decyzji, a zmiany okazały się korzystne.
Należy zaznaczyć, że dane ilościowe pokazują, czy coś działa lub nie, ale nie wskazują, jak dokładnie należy to poprawić. Dane jakościowe mogą wyjaśnić, dlaczego dany element nie funkcjonuje prawidłowo. Jednak to do zespołu zarządzającego należy decyzja, w jaki sposób wdrożyć zmiany. Rekomendacje zawsze pochodzą od ludzi – mogą wynikać z intuicji, doświadczenia lub znajomości trendów i heurystyk dostępnych na rynku. Dane i intuicja nie wykluczają się, lecz wzajemnie uzupełniają w procesie podejmowania decyzji. Problem z poleganiem na intuicji pojawia się wtedy, gdy staje się ona impulsem do wprowadzenia zmian. Często zdarza się, że ktoś uczestniczy w konferencji, słyszy o nowym trendzie w designie i decyduje się na redesign e-commerce, czyli całkowite przeprojektowanie i wdrożenie nowego frontendu serwisu. W takiej sytuacji to właśnie intuicja jest głównym motywatorem decyzji.
Z mojego doświadczenia wynika, że widziałem zaledwie dwa przypadki redesignu, które nie pogorszyły współczynnika konwersji lub efektywności serwisu w porównaniu do wersji sprzed zmian. Najwięksi gracze, tacy jak Amazon, unikają dużych redesignów. Zamiast tego wprowadzają zmiany metodą małych kroków. Analizują dane, identyfikują wąskie gardła i stopniowo je usprawniają. Amazon rozwijał swój serwis przez lata, konsekwentnie stosując ewolucyjne podejście opierające się na drobnych, przemyślanych modyfikacjach, a nie na rewolucyjnych zmianach. Skalowanie kultury podejmowania decyzji opartych na danych w organizacji wymaga zaangażowania najwyższego szczebla, zarówno struktur zarządczych, menedżerskich, jak i C-level. Kultura data-driven musi być wspierana przez liderów, którzy swoim przykładem promują korzystanie z danych w codziennych działaniach. Przykład bazowania decyzji na danych powinien wychodzić z góry i przenikać całą organizację.
Kluczowe znaczenie ma otwartość na eksperymentowanie oraz akceptacja popełniania błędów. W całej organizacji warto rozwijać ciekawość i zachęcać do zadawania pytań, takich jak: „co dane mówią na ten temat?”. Budowanie takiej kultury to proces długofalowy, który zajmuje miesiące, a często nawet lata. Wdrożenie podejścia data-driven to decyzja strategiczna, której efekty pojawiają się stopniowo.
W e-commerce fashion najbardziej przydatne dla kreatywnych zespołów są metryki powiązane bezpośrednio z celami finansowymi firmy. Monitorowanie wskaźników, które mają realny wpływ na wyniki finansowe, pozwala podejmować trafniejsze decyzje oraz efektywnie zarządzać rozwojem marki. Metryki, które analizuje zespół kreatywny, powinny odnosić się do obszarów, na które rzeczywiście ma wpływ. Przykładem może być kampania Display, czyli banery wyświetlane na różnych platformach w internecie. W przypadku takiej kampanii ścieżka użytkownika obejmuje kolejne kroki: załadowanie baneru, zobaczenie reklamy, kliknięcie w baner, załadowanie strony docelowej, zaangażowanie na stronie, przejście na kartę produktu, dodanie produktu do koszyka, wejście do checkoutu i finalizację transakcji.
Każdy zespół marketingowy powinien określić, do którego etapu ścieżki użytkownika odpowiada za działania i wyniki. W przypadku zespołu kreatywnego odpowiedzialność najczęściej kończy się na stronie docelowej. Oznacza to, że zespół ten analizuje nie tylko metryki mediowe, takie jak CTR danej kreacji, ale również poziom zaangażowania użytkownika na stronie docelowej po kliknięciu w reklamę.
Warto pamiętać, że skuteczność działań zależy nie tylko od dopasowania reklamy do strony usługowej, ale także od samego produktu i wielu innych czynników. Odpowiedzialność zespołu kreatywnego kończy się zazwyczaj na etapie wejścia użytkownika na stronę docelową i jego pierwszych interakcji. Kolejne kroki, takie jak dodanie produktu do koszyka czy przejście przez checkout, znajdują się już w gestii innych zespołów w organizacji.
Przy rozpoczynaniu pracy z danymi w branży fashion, a także w każdym innym e-commerce, kluczowe znaczenie ma jakość danych. Zasada GIGO (Garbage In, Garbage Out) przypomina, że tylko dobrze zebrane i uporządkowane dane pozwolą uzyskać wartościowe wnioski i rekomendacje. Pierwszym krokiem powinno być więc zapewnienie wysokiej jakości danych.
Warto zadbać o poprawną konfigurację narzędzi do zbierania danych, zwłaszcza Google Analytics 4. W kontekście działań marketingowych niezbędne jest również systematyczne i przemyślane tagowanie wszystkich kampanii marketingowych za pomocą parametrów UTM. Dzięki temu analiza skuteczności działań reklamowych będzie bardziej precyzyjna.
Podsumowując, te wskazówki są uniwersalne i dotyczą każdego e-commerce oraz biznesu działającego online. Dbanie o jakość danych i odpowiednią konfigurację narzędzi analitycznych pozwala skutecznie rozwijać firmę w oparciu o wiarygodne informacje. Pomożemy lepiej zrozumieć i właściwie wykorzystać dane online.
Tagi:
Historie sukcesów
Ostatnie wpisy na blogu
