Det fantastiske der
altid har fascineret mig ved ”world wide web” er den massive mængde af data som
vi hver dag efterlader os. Vi kan ikke besøge en hjemmeside eller læse en nyhed
på nettet, uden at efterlade et tykt spor. Gratis analyser, statistikker og
måleværktøjer er kun et klik væk, men vogt dig – det handler ikke om at måle,
men om at definere.
Som en marketing mand, uddannet inden for direkt marketing
ved jeg hvor meget guld der kan ligge i data. Jeg har mange gange måtte løbe
hovedet mod en mur, når jeg bare ikke kunne finde en forklaring på hvorfor
noget ikke virkede som det ellers skulle. Der var bare ikke mulighed for at få
data nok. Var postbuddet forsinket? Blev brevet leveret sammen med et bedre
tilbud fra en konkurrent? Var det blevet spist af hunden?
”You can’t manage what you can’t measure”
Man kan ikke styre noget som man ikke kan måle. Det var mantra’en
som vi arbejdede under. Noget måtte vi simpelthen opgive fordi der ikke var
mulighed for at måle på det.
Det problem har vi reelt set ikke online. Der er stadig en
del ting man ikke kan måle, men man kan måle adfærd meget mere præcist på
nettet, hvilket som sagt betyder vi har et kæmpe sæt data til rådighed. På
trods af min glæde over nu at arbejde med data i overflod, har et nyt paradoks
vist sig. Med så meget data til rådighed, hvad skal vi bruge, og hvad betyder det
ene i forhold til det andet?
”You can’t measure what you can’t define”
Man kan ikke måle, hvad man ikke kan definere. Det er her at
guldet gemmer sig. En forkert definition og en forkert matrix har jeg
gentagende gange måtte sande var roden til alt ondt i et helt data setup. Definitionerne
var simpelthen sat op, så det så ud som om forretningen performede fint, men
sandheden var nærmere at der blev brugt dobbelt så meget som det var nødvendig
for at opretholde den samme konvertering.
Jeg ved godt de fleste e-handelsmænd først er ved at få
øjnene op for måleredskaber som google analytics, e-handelssporing og
måltragte, men jeg vil alligevel råbe vagt i geværet over at man ikke
nødvendigvis skal stole blindt på de data som værktøjerne viser. De er ikke
nødvendigvis en god opstilling for din virksomhed.
Et eksempel kan være det der kaldes ”afvisningsprocent” på
en hjemmeside. Det defineres som en person der har ankommet til din side, og
som ikke har klikket videre på dit site. Den kan nemt komme til at virke som en
indikator på en side der performer dårligt. Det er ikke nødvendigvis sandt.
Et andet eksempel, er måden som konverteringsprocenten
udregnes. Den udregnes ud fra alle besøg som dit site har modtaget, kontra den
del der foretog et køb, eller udfyldte en formular. Her vil jeg slå et slag for
at man definere konverteringsprocenten som den andel af engagerede besøgende
overfor den andel der gennemførte et mål. Det er reelt set den del der er
interessant, fordi det er den del hvor man kan forbedre sig. At fokusere for
meget på dem, der alligevel ingen interesse har i ens site, er en tabt sag.
Når det så er sagt, er jeg fortaler for at man bruger noget
tid på at sætte sig ind i sine brugeres adfærd, men problemet er bare at man
nemt kan blive ledt ned af en forkert vej hvis man ikke har et godt overblik.
Jeg personligt, venter mig rigtigt meget af Analyticsbogen
som Jacob Kildebogaard og Morten
Vadskær er sammen om at skrive. Jeg glæder mig meget til at læse den, og
forventer at den vil belyse dette emne, men lad os nu se.
Bedømmelse: