Warum gibt niemand dem Analysten ein High-Five? Harte, aber wahre Antworten von Steen Rasmussen

Mariia Bocheva hatte ein großartiges Interview mit Steen Rasmussen, einem der talentiertesten und einflussreichsten Webanalyse-Evangelisten, die wir kennen. Wir haben auch eine Aufzeichnung seines Vortrags erhalten, den er auf der Analyse! Konferenz, auf der er die Details behandelte, die uns helfen, ein kohärentes Bild unserer Forschung zu zeichnen.

Wir haben uns entschieden, mit unserem traditionellen Interviewstil zu brechen und dies zu einer unverzichtbaren Lektüre zu machen, die Analysten dabei helfen wird, auf neue Ideen zu kommen.

In diesem Artikel:

Zunächst ein paar Worte zu Steen Rasmussen: Er ist derzeit Web Analytics Evangelist, Direktor und Vorstandsmitglied bei IIH Nordic. Er kann auch zu Recht behaupten, einer der Gestalter der modernen Analytik zu sein. IIH Nordic ist eines dieser Unternehmen mit einem völlig einzigartigen Datenökosystem und einer experimentierfreudigen Kultur, in der alles darauf ausgerichtet ist, sinnvolles und effizientes Arbeiten zu fördern. Sie sind zum Beispiel so organisiert, dass sie nur vier Tage die Woche arbeiten, während sie das Arbeitspensum einer fünftägigen Arbeitswoche bewältigen.

Klingt wie ein Traum, oder? Lassen Sie uns herausfinden, was Steen mit uns zu teilen hat.

Wer hat Ihnen gesagt, dass Sie mit Fähigkeiten und Werkzeugen vollgestopft sein müssen, um ein guter Analyst zu sein? Oder dass Analyst ein sicherer Job ist, bei dem Sie Berichte erstellen und sich dann entspannen, bis das nächste Mal Berichte benötigt werden?

Ein klares Verständnis dafür, warum Sie eingestellt wurden und welchen Wert Sie für das Unternehmen haben, ist für Ihren Erfolg von entscheidender Bedeutung. Ein Analyst arbeitet daran, Unternehmen Erkenntnisse zu liefern, um zwei Hauptziele zu erreichen:

1. Senken Sie die Kosten und steigern Sie gleichzeitig den Gewinn
2. Gewinnen Sie neue Kunden und binden Sie Bestandskunden

Dies ist das Hauptziel der Arbeit eines Analysten, und jede durchgeführte Aufgabe und jeder erstellte Bericht sollten von den auf der Folie oben beschriebenen Zielen ausgehen.

Analysetools, Technologien und Ansätze sind nur die Instrumente. Und obwohl sie die Qualität der bereitgestellten Dienstleistungen beeinflussen, können sie kein tiefes Verständnis der Geschäftsanforderungen garantieren – das ist Sache des Analysten. Bei den Tools, die Sie auswählen, handelt es sich nicht unbedingt um den Google-Tools-Stack, sondern um eine Mischung aus Tools, die zum Geschmack Ihres Unternehmens passen

Ja, jeder Analyst arbeitet höllisch hart, um sein Unternehmen voranzubringen. Aber oft lobt sie niemand für diese harte Arbeit. Der Hauptgrund dafür ist, dass Kollegen die Ergebnisse der Arbeit eines Analysten so sehen:

Das sieht ziemlich gut aus, aber was sollen wir mit diesen Dingern machen?

Haben Sie ähnliche Fragen gehört? Dies geschieht, wenn die Leute den Wert, den der Analyst liefert, nicht wahrnehmen.

Ihre Kollegen sind nicht gemein oder immun gegen Analysen; Sie müssen nur unter dem Druck eines Marktes, der kein freundlicher Ort mehr ist, ständig die richtigen Entscheidungen treffen.

Und hier ist eine andere Seite der Medaille: Sie werden den Dunning-Kruger-Effekt oder Survivorship Bias selbst bei den am stärksten datenentwickelten Unternehmen erleben, denn das liegt in der Natur der Menschen. Sie glauben nicht, dass Analytik so schwer ist, und sie ziehen Schlussfolgerungen auf der Grundlage der Informationen, die ihnen zur Verfügung stehen.

Oder manchmal konzentriert sich ein Analyst einfach zu sehr auf Zahlen und nicht auf die Erkenntnisse oder Ratschläge, was zu tun ist. Aber die Betonung von Daten, die niemals 100 % perfekt sein werden – in Kombination mit der Unsicherheit, die Geschäftsentscheidungen innewohnt – wird nichts besser machen.

Analysten sollten ihr Bestes geben, um:

• Kommunizieren Sie, was sie wissen, in verständlicher Weise.
• Entwickeln Sie Empathie für die Menschen, die mit ihren Zahlen arbeiten werden.
• Niemals in den Datenabgrund stürzen ohne eine Hypothese, mit der man sich wieder herausziehen kann. Denken Sie immer daran, warum Sie Ihre Analysen durchführen.
• Übersetzen Sie die Ergebnisse der Analyse in Lösungen für Menschen. Machen Sie den Leuten klar, wie weit sie Daten bringen können. Informieren Sie Ihre Mitarbeiter darüber, wie sie die Datenanalyse in ihrer Arbeit anwenden können.
• Kultivieren Sie eine gesunde Selbstkritik. Bringen Sie Ihre Ideen auf den Schreibtisch und haben Sie keine Angst zu scheitern.

Dies sind einige der größten Fehler, die ein Analyst machen kann:

Die Rohkopie nicht prüfen

Ohne die Zahlen in ihren Ergebnissen doppelt zu überprüfen, können Analysten so viel Glaubwürdigkeit verlieren. Sie sollten immer mit anderen Systemen prüfen und einen einfachen Realitätscheck durchführen – können Ihre Ergebnisse in der Realität existieren? Kann es innerhalb von drei Minuten tatsächlich durchschnittlich 89 Seitenaufrufe geben? Wenn Sie an sich selbst zweifeln und streng mit sich selbst sind, sind Sie viel mehr als ein Spezialist – Sie sind ein verlässlicher Spezialist.

Vermeiden Sie es, Ratschläge zu geben oder zusätzliche Fragen zu beantworten, um das Risiko zu vermeiden, dumm auszusehen

Analysten können Angst haben, zusätzliche Zahlen zu teilen. Seien Sie mutig beim Teilen von Nummern; es ist eine großartige Fähigkeit. Selbst wenn Sie bereits einige Fehler gemacht haben, selbst wenn es erwähnt wurde, und selbst wenn Ihre Ideen in Frage gestellt wurden, vernachlässigen Sie Ihre kreativen Ideen nicht, während Sie mechanisch tun, was gefragt wurde. Bleiben Sie neugierig, kreativ und furchtlos.

Analysten erstellen Berichte auf der Grundlage der Daten, über die sie im Moment verfügen, und manchmal beschreiben diese Berichte offensichtliche Fakten mühsam. Was sollten Sie also tun? Sind Sie dafür ein schlechter Analytiker?

Denken Sie immer daran, dass ein Teil der Daten, die Sie besitzen, falsch oder beschädigt sein kann, ein viel größeres Datenvolumen nicht verfügbar ist, weil Sie es nicht gesammelt haben, und es gibt noch mehr Daten, die Sie sich noch nicht einmal vorstellen können.

Eine der Aufgaben des Analysten besteht darin, die Grenzen der verfügbaren Daten zu erweitern, um Fragen für das Management und Kollegen zu beantworten. Versuchen Sie nicht, etwas zu finden, das wie die Antwort in dem vorhanden ist, was Sie bereits haben, sondern kultivieren Sie die Daten des Unternehmens. Versuchen Sie nicht, Unterstützung für Ihre Hypothese zu finden, während Sie die Gegenbeweise ignorieren. Versuchen Sie, alles abzudecken, was Sie erreichen können, und denken Sie daran, dass auch danach noch mehr Daten zu sammeln sind.

Wie können Sie mehr Daten erreichen, als Sie bereits haben? Ein Ansatz, den Sie zur Anreicherung Ihrer Marketingdaten verwenden können, besteht darin, jede Werbekampagne nicht nur als Lead-, sondern auch als Datenquelle zu betrachten. Sie können eine ganze Kampagne starten, nur um Daten zu erhalten, genauso wie jede A/B-Testkampagne gestartet wird, um herauszufinden, was besser funktioniert.

A/B-Testing ist ein großartiges Werkzeug, und es war lange Zeit wertvoll. Aber die Zeiten haben sich geändert, und die Logik des A/B-Tests wurde etabliert, als die Fakten vor Ort andere waren.

Jedes Mal, wenn wir entscheiden, dass A besser ist als B oder B besser als A ist, schließen wir einige Besucher aus, die die andere Version bevorzugt haben … Wir schränken also jedes Mal, wenn wir das tun, unseren Geschäftsumfang ein.

Aus dieser Sicht sehen wir, dass A/B-Testing nicht mehr das beste Tool zur Datenaktivierung ist. Das Faszinierende ist, dass wir jetzt denen, denen A gefallen hat, Variante A anbieten können, und denen, die eine andere Variante gewählt haben, B anbieten können. Dies ist eine der Möglichkeiten, die die moderne Geschwindigkeit der Datenerfassung und -aktivierung bietet. Heute müssen Sie sich nicht entscheiden; Sie können einfach so viele Kunden wie möglich zufrieden stellen.

Bleiben Sie also nicht in der Entweder-Oder-Mentalität stecken; Ändern Sie Ihren Ansatz zur Anwendung von Datenerkenntnissen. Google Optimize und andere Personalisierungstools helfen Ihnen dabei.

Mal sehen, welche anderen Bedrohungen mitten am Arbeitstag auf einen Analysten lauern können.

Der beste Weg, diesen Punkt zu verstehen, besteht darin, eine Segmentpartition für einen typischen Online-Shop zu modellieren.

Auf der Folie oben befinden sich Personen, die bereits bei Ihnen gekauft haben, entlang der grünen Linie. Es gibt auch diejenigen, die niemals bei Ihnen kaufen werden – diese sind auf der roten Linie. Eine typische Verteilung des Werbebudgets schließt keines dieser Segmente aus, weil:

1. Das Marketingteam wird weiterhin versuchen, das Interesse des Red-Line-Publikums zu wecken. Diese Leute können auf die Werbung klicken und Ihr Budget verschwenden, aber sie werden trotzdem nichts kaufen.
2. Das Marketing wird versuchen, diejenigen zurückzugewinnen, die bereits bei Ihnen gekauft haben, indem es ihnen einen Rabatt anbietet und Gewinne einbüßt.

Dies geschieht, weil Marketing so funktioniert und jeder daran gewöhnt ist. Aber wenn Sie Ihr automatisiertes System modifizieren und Ihre Werbung auf die Mittelgruppe konzentrieren und alle Ressourcen investieren, die Sie haben, um diese Art von Publikum zu kultivieren, werden Sie selbst in den schwierigsten Branchen eine echte Umsatzsteigerung erzielen. Daher ist der beste Rat für Marketer und Analysten, die an Entscheidungen über die Verteilung des Werbebudgets beteiligt sind, dass Sie Ihre Daten richtig verstehen müssen.

Dieser Moment ist eine Chance, vom Waschen der Daten zum Orchestrieren überzugehen. Automatisierte Marketingmaschinen sind immer noch nur Werkzeuge, die von intelligenten Analysten verwaltet werden.

Ethik ist kein Aspekt der Arbeit eines Analytikers, der breit diskutiert wird. Aber während Sie die Interessen von Unternehmen fördern, ist es wichtig, bei Ihrer Arbeit ethisch zu bleiben. Erinnern Sie sich, was vor ein paar Jahren mit Cambridge Analytica passiert ist? Den Endkunden ist es wirklich wichtig, wohin Sie ihre Daten bringen und was Sie damit machen. Ihr Unternehmen kann einen hohen Preis zahlen, wenn Sie Daten ohne Sorgfalt sammeln und speichern, geliehene Daten ungeschützt lassen oder sie verwenden, um Personen ohne Erlaubnis zu manipulieren.

Cookies, Datenschutzrichtlinien und Kontrollkästchen sind nur der erste Schritt zur Aufrechterhaltung der Beziehung zwischen Kunden und Websites, die personenbezogene Daten verwenden. Analysten finden diese Einschränkungen möglicherweise ungerecht, da sie zu fragmentierten Daten führen. Und manchmal mögen Experimente mit personenbezogenen Daten von Kunden zwar technisch interessant, aber ethisch fragwürdig sein.

Außerdem gibt es im Internet keinen sicheren Ort für Kinder. Kinder nutzen Smartphones häufiger als Erwachsene und posten viele sehr persönliche Daten online. Dies ist eine neue ethische Herausforderung, der sich Marketer und Analysten stellen müssen. Können wir online an Kinder verkaufen, die unter der Vormundschaft ihrer Eltern stehen? Ab welchem ​​Alter dürfen wir Kindern Werbung zeigen, ohne ihre Rechte zu verletzen?

Der einzige Fall, in dem Sie keine Analysen benötigen, ist, wenn Sie sie nicht verwenden. Wenn Sie die Ergebnisse Ihrer Analysen wirklich nicht verwenden möchten, verschwenden Sie Ihr Geld nicht dafür.

Wie man Geld für Analysen ausgibt, ist eine ganz andere Geschichte, aber denken Sie daran, dass Marketinganalysen eine Investition sind und den ROI steigern müssen, um sich zu lohnen.

Vervollständigen Sie Ihre Toolbox unter Berücksichtigung des Gewinns, den jedes Tool bringen kann, nicht seiner Popularität oder wie cool es ist. Und denken Sie daran, dass jedes Tool seine Grenzen hat und entwickelt wurde, um Ihnen zu helfen, nicht um Sie zu ersetzen.

Weitere Tipps für Analysten:

1. Hören Sie auf, Ihre Conversion-Rate mit dem Durchschnitt zu vergleichen. Das ist nicht die beste Basis für Wachstum. Was Sie vergleichen sollten, ist Ihre eigene aktuelle Conversion-Rate mit Ihrer Conversion-Rate aus dem Vormonat. Setzen Sie den Maßstab an sich selbst, übertreffen Sie sich jedes Mal, und stabiles Wachstum wird kein Traum, sondern Realität.
2. Hören Sie auf, sich auf durchschnittliche Kennzahlen zu verlassen. Weil Durchschnitte wirklich wichtige Informationen verbergen … und einen Körper. Manchmal sind die Leute faul und denken linear, und wir sind wirklich froh, wenn wir Zahlen sehen, die uns zufrieden stellen. Aber wenn wir tiefer gehen, gestehen wir uns ein, dass das Conversion-Ereignis (z. B. ein Klick auf eine Google AdWords-Kampagne) möglicherweise nicht zu einem Kauf führt – oder zumindest nicht zu einem Kauf genau des Produkts, das wir beworben haben. Was ist, wenn Leute eine iPhone-Hülle anstelle eines Macbook Pro kaufen? Die Marge ist anders, nicht wahr? Selbst wenn ein Unternehmen also immer noch einen guten ROAS aufweist, überprüfen Sie diese Kennzahl von innen und finden Sie heraus, wie alles passiert ist.

Beratung für Unternehmen:

1. Hören Sie auf anzunehmen, dass Sie die gesamte Data-Science-Abteilung aufgebaut haben, wenn Sie einen Digital Analyst einstellen. Sie müssen ein Team mit einem breiten Spektrum an Fähigkeiten aufbauen: Stellen Sie einen Statistiker, einen Business-Analysten/Dolmetscher, einen technisch versierten Data Scientist ein. Diese Spezialisten sind Ihre Hauptinvestition in Analytics, nicht die Toolbox, die Sie kaufen!
2. Wenn Sie ein kleines Unternehmen sind, sammeln Sie Daten über sich selbst, kennen Sie die Funktionsweise ähnlicher Start-ups und die Markt-Benchmarks, versuchen Sie, breitere Daten zu erhalten, erstellen Sie Ihren eigenen Datensatz und definieren Sie die Welt um Sie herum.
3. Wenn Sie in einem großen Markt tätig sind, halten Sie Ausschau nach Konkurrenten und bewegen Sie sich von innen nach außen. Es gibt so viel zu tun, um die Konkurrenz zu schlagen!

Analysten lernten lange Zeit, wie man Daten sammelt, und waren davon besessen wie von Goldminen oder Ölquellen.

Der größte Wert von Daten liegt in dem Moment vor, in dem das Ereignis stattfindet. Bis die Daten für die Analyse vorbereitet sind, die Ergebnisse vorliegen und Entscheidungen getroffen und Maßnahmen ergriffen werden, kann es bereits zu spät sein. Die Welt hat sich bereits verändert und neue Ereignisse sind passiert.

Daher müssen wir uns daran erinnern, dass unsere Daten im Kontext der Welt um uns herum existieren.

Danke, Steen, für ein so tiefgründiges Interview und einen großartigen Vortrag auf der Analyse! Konferenz!

Wir hoffen, dass Ihnen diese Lektüre gefallen hat und Sie eine neue Vision von Analytik und der Rolle des Analysten im modernen Markt bekommen haben. Bei OWOX hat uns Steen dazu inspiriert, für anthropozentrische Standards in der Analytik einzustehen, bei denen Werkzeuge weniger zählen als Spezialisten. Wir glauben, dass die Analysten selbst der wichtigste Teil der Analyse sind – nicht die leistungsstarken Tools, die sie verwenden. Lassen Sie uns also voneinander lernen, um Analytics zur besten Disziplin aller Zeiten zu machen!

Abonnieren Sie unseren Blog, um die nächsten Interviews im Rahmen unserer Recherche zum Stand der Digital Analytics zu lesen und die Erfahrung von Top-Analysten an Ihr Unternehmen anzupassen.