Andy Crestodina (az Orbit Media CMO-ja és társalapítója) 9 Tips for Setup, Analysis and Team Collaboration címmel tartott előadást arról, hogyan használd hatékonyabban az analitikát.

Az előadás tanulságaiból kiemeltem a legfontosabb állításokat, amely az alapszintű analitikusból haladót formál, majd ezeket néhány olyan tudományos tézissel egészítettem ki, amelyek az elkövetkezendőkben rengeteget segíthetnek neked abban, hogy pontosabb és használhatóbb mérési eredményeket nyerj ki az analitikádból, mint eddig (akkor is, ha korábban nem is foglalkoztál ilyesmivel).

Az első blokkban elmélkedünk egy kicsit, majd ha ezzel lefektettük az alapot, megnézzük, mik azok az alapvető mérési hibák, amelyeket a legtöbben éppen azért nem tartottak eddig hibának, mert nem voltak tisztában azzal, hogyan csapják be őket a mért eredmények.

Miért fogadjuk el tényként a téves információkat?

„Csak abban a statisztikában hiszek, amit én magam hamisítok.”

Ezzel a Churchillnek tulajdonított idézettel bizonyára találkoztál már korábban. A szállóigével kapcsolatban pusztán annyi a probléma, hogy nagy valószínűséggel nem Churchilltől származik.

És ez éppen ennyire igaz a következő, Einsteinnek tulajdonított mondatra is: „Az őrültség nem más, mint ugyanazt tenni újra és újra és várni, hogy az eredmény más legyen.”

És hogy ebből milyen következtetésre juthatunk?

Semmiképpen sem arra, hogy ezek a mondatok haszontalanok vagy igazságtartalmukat tekintve hamisak lennének. Mindössze arról van szó, hogy nagy gondolkodók, híres emberek mondatait szívesebben véljük igaznak, az agyunk pedig könnyen párosítja az idézetet akár azon személyek nevével is, akik száját az adott mondat feltehetőleg sosem hagyta el.

És hasonló a helyzet a sokásággal is. Azokat a következetéseket is szívesebben ítéljük meg igaznak, amelyeket nagyobb számú eredmény vagy statisztikus igazol – vagy épp azokat, amelyek a mi eredményeinket vagy feltételezéseinket támasztják alá, de ez más témakör.

Pedig az igazság (hiába áll éppen szemben a többség véleményével) köszöni szépen, jól van és nem veszítette el igaz mivoltát csak azért, mert a számok és az ebből levont következtetések nagyobb arányban mutatnak a vele ellenkező irányba. (Röviden: attól, mert valamit igaznak tart a többség, attól még lehet hamis és fordítva.)

Bár az tény, hogy ha egy jelenséget végtelen számú mintavétel során vizsgálhatnánk, a mintavételi nagyság miatt valóban megtudhatnánk, mi a pontos igazság. Mivel azonban a marketingben (és a valóságban) erre vajmi kevés esélyünk van, más módszerekhez és eszközökhöz kell folyamodnunk.

Hogyan dolgozik a számokkal az emberi agy?

Amit elsőként le kell szögeznünk, az emberi agy nem egy egyszerű számítógép – bár napjainkban divatos ezzel a hasonlattal élni. Ez az analógia csak felületes vizsgálati szempontból működik. Az emberi agyat (és testet) mindig éppen ahhoz a technikai vívmányhoz hasonlítják, amely a korszellem fókuszában áll.

Azonban kijelenthető, hogy a számok jelentős szerepet töltöttek – és töltenek – be az emberi túlélésben és fejlődésben. De nem csak az ember számol: a legtöbb állat 4-ig egész jól boldogul a számokkal, afölött azonban elfogy a tudomány, hiszen a túlélés tekintetében mindegy, hogy 5 vagy 10 ragadozó leselkedik az áldozatra, a döntés mindenképpen a futás lesz. Ha pedig a két mennyiség között számottevő különbség van, intuitív alapon a legtöbb élőlény meg tudja mondani, melyik a több – ez a táplálékszerzés szempontjából szintén kulcskérdés.

Az ember ennél jóval többre képes. A tudomány jelen állása szerint (Stanislas Dehaene, az INSERM neurológusa és Elizabeth Spelke, az MIT pszichológusa által tett felfedezés nyomán) az emberi agy két számokkal kapcsolatos gondolkodási mechanizmussal dolgozik: verbálissal és vizuálissal.

A verbális módszer során az agy a nyelv szimbólumaival társítja az egyes mennyiségeket, míg a vizuális módszer során a különböző képek, alakzatok és formák kerülnek előtérbe. Amikor egzakt számításokat végzünk, verbális asszociációkkal dolgozunk, amikor azonban matematikai ítéleteket hozunk, a vizuális megjelenítés kerül előtérbe.

És most joggal kérdezhetnéd: ez mégis hogyan érinti az analitikádat?

Amikor az agy egy adott feladatról egy másikra vált, hirtelen megnövekszik az energiafogyasztása. Amikor tehát a lehívott statisztika összegzését követően következtetéseket szeretnénk azokból levonni, könnyen előfodulhat, hogy megelégszünk az elsőre igaznak vélt – általában a véleményünkkel egyező vagy a többség által elfogadott – premisszák elfogadásával.

A mérések során tehát nem elég számokat kinyernünk az analitikai szoftverünkből, ezeket értelmeznünk is kell, majd felülbírálnunk. Sőt, mielőtt még számokkal kezdenénk dolgozni, fel kell tennünk a kérdést, amire szeretnénk, ha a számok válaszolnának.

Néhány tanács, mielőtt mérni kezdenél

Sokféleképpen támaszthatjuk alá vagy cáfolhatjuk meg egy-egy feltételezésünket, mi azonban most egy adott területre, az empirikus (azaz tapasztalati) módszerre összpontosítunk.

És itt újra meg kell állnom egy pillanatra.

A tudományos módszertanok megkülönböztetik az empirikus és a szisztematikus empirikus vizsgálatokat. Lévén még a legrosszabb következtetések is születhetnek tapasztalatok alapján – tehát lehetnek empirikusak -, ezért kiemelten fontos, hogy a begyűjtött adatokat, tapasztalatokat valamilyen előzetes terv, egy előre felállított rendszer alapján értékeljük ki.

Vegyünk egy példát. Amikor belekukkantasz az analitikádba, elsődlegesen nem azt vizsgálod, hogy az adott kampány milyen eredménnyel adott el, hanem azt, hogy mi alapján határozod meg a kampány egyes eredményeit – így többek között például az eladások számát. Ahhoz ugyanis, hogy ezekre a kérdéseidre pontos választ kapj, sok-sok csapdával és zsákutcával telített útvonal vezet.

Ismerkedjünk meg a véletlen ingadozás fogalmával

Ha egy szabályos érmét feldobok, annak a matematikai esélye, hogy fejet dobtam: 50% – és ugyanígy 50% esélyem van írást dobni. Ebből adódóan gondolhatnánk azt, hogy 100 dobásból 50 fej lesz és 50 írás, de ez tévedés.

Hiába osztottuk ugyanis el a kedvező esetek számát (1) az összes eset számával (2) és kaptuk meg, hogy 50% esélyünk van fejet vagy írást dobni, a valóság szűrőjén nem mindig a statisztikailag tökéletes eredmény szüremlik át. Az esetek többségében ugyanis azt tapasztaljuk, hogy a mérések során kapott eredmény a valódi érték körül ingadozik.

Lefordítva a marketing nyelvére: attól függetlenül, hogy az elmúlt 4 Black Friday-kampányod 20 000 megcélzott követőből ~200 vásárlót hozott, még nem jelenti azt, hogy statisztikailag igazoltad, hogy 1%-os konverziós aránnyal számolhatsz.

Milyen eszközzel mérjem az online marketingem eredményeit?

Andy Crestodina az Orbit Media egy saját kutatási eredményét hozta, mely szerint a top marketingesek 94,6%-a Google Analyticsszel méri az oldallal kapcsolatos marketingtevékenységek eredményeit.

Éppen ezért azt gondolom, mi is megállapodhatunk abban, hogy mérés tekintetében a Google Analytics jó szolgálatot tesz.

Andy azonban hozott még két érdekes statisztikát: az Orbit ügyfeleinek csupán 25%-a mondhatja el magáról, hogy megfelelően beállított analitikával dolgozik, a Business-Higher Education Forum adatai alapján pedig kijelenthető, hogy a mukáltatók 95%-a szerint kimondottan nehéz jó analitikusokat találni a cégekhez.

A Google Analytics ABC-je, azaz milyen eredményekre figyelj?

Andy szerint három mutató van, amikre különös figyelmet kell fordítanod:

• Acquisition (Ügyfélszerzés),
• Behavior (Viselkedés),
• Conversions (Konverziók).

Ha ezt memorizáltad, van még egy hármas, amit szem előtt kell tartanod: kérdések ? válaszok ? tettek.

Pusztán ezeket betartva máris haladó szintre léptél kezdőről. Az Analytics ugyanis hasztalan, ha a kérdésed alapján kiszűrt eredményekből nem vonsz le következtetéseket, amelyeket felhasználva kijelölöd az útvonalat a továbbhaladásra.

Vannak területek, ahova még a Google szeme sem lát el

A weboldaladon történő aktivitásokat igen jól érzékeli a Google. Ami azonban ezen kívül történik, homályos a keresőóriás számára. Vegyük alapul a két legnagyobb forgalmi forrást (a keresőmotorokat leszámítva): e-mail és közösségi média.

Hol van az a pont, ahol az innen érkező forgalom és a weboldalad analitikája találkoznak? A közösségi média esetében a CTR és a közösségi médiából érkező látogatók metszetén, az e-mailek esetén pedig a CTR és az e-mailből érkező látogatók határán.

Ezeket a mérési pontokat azonban megelőzik a megosztások, like-ok és kommentek, illetve a kézbesítési és a megnyitási arány, amelyeket sajnos az Analytics nem képes mérni. (Itt az adott platform méréseire kell hagyatkoznod.)

És hogy honnan tudja az Analytics, hogy honnan érkezett a látogató? Természetesen URL-paraméterek segítségével. Ezzel kapcsolatban most nem kezdek további fejtegetésekbe, hiszen Balázs korábban már összegyűjtötte a legfontosabbakat, amiket az URL-paraméterezésről tudnod kell.

Ugyanez a metódus a közösségi médiában is működik, de mi van akkor, ha videóról szeretnéd elérni az átkattintást?

A válasz viszonylag egyszerű. Andy szerint egy 1 perces promóciós Facebook-videónak a következőképpen kell felépülnie:

• 0:00 Mosolyogj!
• 0:02 Mutatkozz be
• 0:05 Mondd el, mit csinálsz itt
• 0:45 Foglald össze a cikked (vagy épp azt a tartalmat, terméket amely aloldalára irányítani szeretnéd a látogatót)
• 0:55 CTA (ajánld fel, hogy kattintson)
• 1:00 Köszönd meg, hogy megnézte a videót.

Jól gondolod, a CTA lényegében a paraméterezett linked. (A legtöbb videókészítő szoftver képes captionöket beilleszteni a videóba: használd linkeléshez.)

A 16 kattintás, amelyre a Google tekintete nem érzékeny

Amikor a Google Analyticset használod, figyelembe kell venned, hogy van néhány terület, amelyekre alapból nem figyel a Google:

1. Carousel, slideshow
2. Horgony (oldalon belüli linkek, tehát a hajtás feletti részről a törzsszövegre linkelő gomb)
3. Legördülő tartalom
4. Lenyitható boxok
5. Offsite linkek és közösségimédia-ikonok
6. Megosztási gombok (minden, ami közösségi médiára oszt)
7. Videólejátszások
8. Livechat interakciók
9. Interakciók a beágyazott térképen
10. Lapfülkattintások
11. Filterek (nem újratöltődő kereső)
12. Görgetés
13. Komment, vélemény
14. mailto linkek
15. PDF, PPT, Word dokumentumok letöltése
16. Lightbox interakciók

Összefoglalva tehát, az Analytics nem méri a tevékenységet, amennyiben az URL nem változik.

Minden rendben van a weboldalad navigációjával?

Erre a legtöbb a basic user nem tud számokkal alátámasztott választ adni – ha pedig tud, eddig jó eséllyel rossz mérésekre hagyatkozott. A legtöbben ugyanis ilyenkor az Audience (Közönség) > Users Flow (Felhasználói munkafolyamat) menüben nézelődnek, pedig ez tartalmazza a kevésbé értékes adatokat. Ez a mérés ugyanis csak a legjobban teljesítő oldalakra koncentrál.

Hogy mi a teendő?

Találd meg a rejtett kincset. Menj a Behavior (Viselkedés) ? Site Content (Webhelytartalom) ? All Pages (Minden oldal) menübe, majd a felső lapfület állítsd át Explorerről (Intéző) Navigation Summaryre (Navigáció összefoglalása).

Most gyakorlatilag ugyanazt a riportot kaptad, viszont egyetlen sorban találod az általad kiválasztott oldalakat. Most már pontosan látod, hogy a látogatók hány százaléka távozott erről az oldalról, illetve hány százalékuk navigált más aloldalakra. Ha a weboldalad navigációja vagy a felhasználói élmény érdekel, ez a mérési pont kulcsfontosságú számodra.

Andy Crestodina – és a tudomány – nézőpontja szerint ezeket kell figyelembe venned, ha jobban akarod mérni a weboldalad teljesítményét, mint a legtöbb konkurensed. Ha azonban a profik szintjére akarsz emelkedni és anyanyelvi szinten beszélnéd az analitika nyelvét, olvasd el a cikk hamarosan megjelenő folytatását is.