Data ja analytiikka

Tiedolla johtamisen tärkeys on helppo ymmärtää, mutta sen konkreettisuus ja sovittaminen omaa liiketoimintaa palvelevaksi malliksi saattaa helposti jäädä puolitiehen, tai pahimmillaan vain ajatuksen tasolle.

Vuonna 2021 tehdyn CMO-tutkimuksen mukaan vain 49 % yrityksistä pystyi perustelemaan markkinoinnin pitkän aikavälin vaikutukset kvantitatiivisiin mittareihin tukeutuen. Tämän lisäksi 39 % yrityksistä käytti kvalitatiivisia keinoja vaikutusten perusteluun, kun taas 13 % yrityksistä ei kyennyt osoittamaan markkinoinnin vaikutuksia minkäänlaisilla mittareilla.

Tiedolla johtaminen ja dataohjattu markkinointi ovat puhuttaneet viime aikoina, mutta kuten CMO-tutkimuksesta selviää, puolet yrityksistä ei kykene perustelemaan markkinoinnin pitkäaikaista vaikutusta datalla. Mistä tämä johtuu, ja miten raakadatasta jalostetaan arvokkaita oivalluksia markkinoinnin päätöksenteon tueksi?

Data-johdettu markkinointi lähtee tavoitteiden asettamisesta. Lähdetään liikkeelle liiketoiminnan tavoitteista, joista johdetaan markkinoinnin ja viestinnän tavoitteet. Tämän jälkeen määritellään kaikkien toimenpiteiden tavoitteet ja mittarit, jotta tuloksia voidaan todentaa ja seurata. Meillä Valveella on tärkeää, että tavoitteet on määritetty ja dokumentoitu heti yhteistyösuhteen alussa. Tästä on hyötyä niin meille kun asiakkaallekin.

Vaikuttavuus tarkoittaa sitä, että halutussa kohderyhmässä saadaan aikaan tavoiteltu vaikutus. Ei siis riitä, että kohderyhmä tavoitetaan, vaan on saatava aikaan myös toivottu muutos käyttäytymisessä. Vaikuttavuuden todentamiseksi on määriteltävä mittarit datalähteineen sekä tavoitettavuudelle että vaikuttavuudelle. Ja jotta saavutetusta vaikuttavuudesta saadaan kattava kokonaiskuva, on tärkeää yhdistää markkinoinnin ja myynnin mittarit.

Analytiikassa mittareita ja tavoitteita seurataan toimenpiteiden kautta. Niistä vedetään myös johtopäätökset siihen, miten onnistuneita tai tavoitteiden mukaisia tehdyt toimenpiteet ovat olleet. On tärkeää ymmärtää, että kuka tahansa pystyy seuraamaan dashboardeja ja muita analytiikan työkaluja, mutta vain ammattilaiset kykenevät tulkitsemaan niistä johdettuja havaintoja, jotka tukevat yrityksen toimenpiteitä. Seuraavat esimerkkitilanteet havainnollistavat eroa tuloksien seuraamisen ja tulkitsemisen välillä:

Skenaario 1: Katsotaan dashboardia ja todetaan, että mainonnasta on tullut tuhansia klikkejä halvalla hinnalla. Ollaan tyytyväisiä, koska saatiin klikkejä.

Skenaario 2: Tulkitaan tuhannet klikit muidenkin analytiikkatyökalujen kautta. Huomataan, että klikit koostuvat pääosin käyttäjistä, joiden poistumisprosentti (exit rate) on korkea, ja jota sivuston lämpökarttamittaus (heatmapping tool) myös tukee. Todetaan, että suurin osa näistä klikeistä on huonoja, ja uudelleenarvioidaan kanavan soveltuvuus kyseiseen kampanjaan.