Mengapa tidak ada yang melakukan tos dengan analis? Jawaban keras tapi benar dari Steen Rasmussen

Mariia Bocheva melakukan wawancara hebat dengan Steen Rasmussen, salah satu penginjil analisis web paling berbakat dan berpengaruh yang kami kenal. Kami juga mendapat rekaman ceramah yang dia berikan di acara Analisis! konferensi di mana dia membahas detail yang membantu kami membentuk gambaran yang koheren tentang penelitian kami.

Kami telah memutuskan untuk keluar dari gaya wawancara tradisional kami dan mengubahnya menjadi bacaan penting yang akan membantu para analis menemukan ide-ide baru.

Dalam artikel ini:

Pertama, beberapa patah kata tentang Steen Rasmussen: Saat ini dia adalah Penginjil Analisis Web, Direktur, dan Anggota Dewan di IIH Nordic. Dia juga berhak mengklaim sebagai salah satu perumus analitik modern. IIH Nordic adalah salah satu perusahaan dengan ekosistem data yang benar-benar unik dan budaya yang didorong oleh eksperimen, di mana semuanya dirancang untuk mempromosikan pekerjaan yang bermakna dan efisien. Misalnya, mereka memiliki tingkat organisasi yang sedemikian rupa sehingga mereka bekerja hanya empat hari seminggu sambil menangani beban kerja lima hari kerja seminggu.

Kedengarannya seperti mimpi, bukan? Mari cari tahu apa yang ingin dibagikan Steen kepada kita.

Siapa yang memberi tahu Anda bahwa untuk menjadi analis yang baik, Anda harus memiliki keterampilan dan alat? Atau bahwa menjadi seorang analis adalah pekerjaan yang aman di mana Anda membuat laporan dan kemudian bersantai sampai laporan berikutnya diperlukan?

Memiliki pemahaman yang jelas tentang mengapa Anda dipekerjakan dan nilai apa yang Anda bawa ke perusahaan sangat penting untuk kesuksesan Anda. Seorang analis bekerja untuk memberikan wawasan bagi bisnis untuk mencapai dua tujuan utama:

1. Mengurangi biaya sambil meningkatkan keuntungan
2. Dapatkan pelanggan baru dan pertahankan pelanggan yang sudah ada

Ini adalah tujuan utama dari pekerjaan seorang analis, dan setiap tugas yang dilakukan dan laporan yang dibuat harus dimulai dari tujuan yang dijelaskan dalam slide di atas.

Alat analisis, teknologi, dan pendekatan hanyalah instrumennya. Dan meskipun mereka memengaruhi kualitas layanan yang diberikan, mereka tidak dapat menjamin pemahaman yang mendalam tentang kebutuhan bisnis – itu terserah analis. Alat yang Anda pilih tidak harus berupa kumpulan alat Google, tetapi campuran alat yang sesuai dengan selera organisasi Anda.​

Ya, setiap analis bekerja keras untuk memajukan perusahaan mereka. Namun seringkali, tidak ada yang memuji mereka atas kerja keras ini. Alasan utama mengapa hal itu terjadi adalah rekan kerja melihat hasil kerja seorang analis seperti ini:

Itu terlihat sangat bagus, tapi apa yang harus kita lakukan dengan hal-hal ini?

Pernahkah Anda mendengar pertanyaan serupa? Ini terjadi ketika orang tidak memahami nilai yang diberikan oleh analis.

Rekan kerja Anda tidak jahat atau kebal terhadap analitik; mereka hanya terus-menerus perlu membuat keputusan yang tepat di bawah tekanan pasar yang tidak lagi ramah.

Dan inilah sisi lain dari koin: Anda akan mengalami efek Dunning-Kruger atau bias Bertahan bahkan di sebagian besar perusahaan yang mengembangkan data, karena itulah sifat manusia. Mereka tidak percaya bahwa analitik begitu sulit, dan mereka membuat kesimpulan berdasarkan informasi yang mereka miliki.

Atau terkadang seorang analis terlalu fokus pada angka, bukan pada wawasan atau saran apa yang harus dilakukan. Tetapi menekankan data yang tidak akan pernah 100% sempurna – dikombinasikan dengan ketidakpastian yang melekat dalam keputusan bisnis – tidak akan membuat segalanya menjadi lebih baik.

Analis harus mencoba yang terbaik untuk:

• Komunikasikan apa yang mereka ketahui dalam istilah yang dapat dimengerti.
• Kembangkan empati untuk orang-orang yang akan bekerja dengan jumlah mereka.
• Jangan pernah jatuh ke dalam jurang data tanpa hipotesis yang dapat digunakan untuk menarik diri mereka keluar. Selalu ingat mengapa Anda melakukan analisis Anda.
• Terjemahkan hasil analisis menjadi solusi bagi masyarakat. Buat orang memahami seberapa jauh data dapat membawa mereka. Didik rekan kerja Anda tentang cara menerapkan analisis data dalam pekerjaan mereka.
• Kembangkan kritik diri yang sehat. Dapatkan ide-ide Anda ke meja dan jangan takut untuk gagal.

Ini adalah beberapa kesalahan terbesar yang dapat dilakukan seorang analis:

Tidak memeriksa salinan kasar

Tanpa memeriksa ulang angka-angka dalam hasil mereka, analis dapat kehilangan begitu banyak kredibilitas. Anda harus selalu memeriksa dengan sistem lain dan melakukan pemeriksaan realitas sederhana – dapatkah hasil Anda ada dalam kenyataan? Bisakah rata-rata ada 89 tampilan halaman dalam tiga menit? Ketika Anda meragukan diri sendiri dan ketat pada diri sendiri, Anda lebih dari seorang spesialis – Anda seorang spesialis yang dapat diandalkan.

Menghindari memberikan saran atau menjawab pertanyaan tambahan untuk menghindari risiko terlihat bodoh

​Analis mungkin takut untuk membagikan nomor tambahan apa pun. Berani berbagi nomor; itu adalah keterampilan yang hebat. Bahkan jika Anda telah membuat beberapa kesalahan, bahkan jika itu disebutkan, dan bahkan jika ide Anda dipertanyakan, jangan abaikan ide kreatif Anda sambil secara mekanis melakukan apa yang diminta. Tetap ingin tahu, kreatif, dan tak kenal takut.

Analis membuat laporan berdasarkan data yang mereka miliki saat ini, dan terkadang laporan ini menggambarkan fakta yang jelas dengan membosankan. Jadi apa yang harus Anda lakukan? Apakah Anda seorang analis yang buruk untuk melakukan itu?

Ingatlah selalu bahwa bagian dari data yang Anda miliki mungkin salah atau rusak, volume data yang jauh lebih besar tidak tersedia karena Anda tidak mengumpulkannya, dan masih banyak lagi data yang bahkan belum dapat Anda bayangkan.

Salah satu tugas analis adalah mendorong batas data yang tersedia untuk menjawab pertanyaan bagi manajemen dan kolega. Tidak mencoba menemukan sesuatu yang terdengar seperti jawaban dalam apa yang sudah Anda miliki, tetapi mengolah data perusahaan. Tidak berusaha mencari dukungan untuk hipotesis Anda sambil mengabaikan bukti yang berlawanan. Cobalah untuk mencakup semua yang dapat Anda jangkau, dan ingat bahwa bahkan setelah itu, akan ada lebih banyak data untuk dikumpulkan.

Bagaimana Anda bisa menjangkau lebih banyak data daripada yang sudah Anda miliki? Salah satu pendekatan yang dapat Anda gunakan untuk memperkaya data pemasaran Anda adalah dengan mempertimbangkan setiap kampanye iklan tidak hanya sebagai sumber prospek tetapi juga sebagai sumber data. Anda dapat meluncurkan seluruh kampanye hanya untuk mendapatkan data, seperti halnya setiap kampanye pengujian A/B diluncurkan untuk mencari tahu apa yang bekerja lebih baik.

Pengujian A/B adalah alat yang hebat, dan itu berharga untuk waktu yang lama. Tetapi waktu telah berubah, dan logika pengujian A/B dibuat ketika fakta di lapangan berbeda.

Setiap kali kami memutuskan bahwa A lebih baik dari B atau B lebih baik dari A, kami mengecualikan beberapa pengunjung yang lebih menyukai versi lain… Jadi, kami sebenarnya membatasi ruang lingkup bisnis kami setiap kali kami melakukannya.

Dari sudut pandang ini, kami melihat bahwa pengujian A/B bukan lagi alat terbaik untuk aktivasi data. Yang menarik, kini kami bisa menawarkan varian A untuk yang menyukai A, dan menawarkan B untuk yang memilih varian lain. Ini adalah salah satu kemungkinan yang dihadirkan oleh kecepatan modern pengumpulan dan aktivasi data. Hari ini, Anda tidak perlu memilih; Anda bisa memuaskan klien sebanyak mungkin.

Jadi jangan terjebak dalam mentalitas ini/atau; mengubah pendekatan Anda untuk menerapkan wawasan data. Google Optimize dan alat personalisasi lainnya akan membantu Anda dalam hal itu.

Mari kita lihat ancaman apa lagi yang bisa menunggu seorang analis di tengah hari kerja.

Cara terbaik untuk memahami poin ini adalah dengan memodelkan partisi segmen untuk toko online biasa.

Pada slide di atas, orang-orang yang telah membeli dari Anda berada di sepanjang garis hijau. Ada juga yang tidak akan pernah membeli dari Anda — mereka berada di garis merah. Distribusi anggaran iklan biasa tidak akan mengecualikan salah satu segmen ini karena:

1. Tim pemasaran akan terus berusaha untuk membuat audiens garis merah tertarik. Orang-orang ini mungkin mengklik iklan dan menghabiskan anggaran Anda, tetapi mereka tetap tidak akan membeli apa pun.
2. Pemasaran akan mencoba untuk mendapatkan kembali mereka yang telah membeli dari Anda dengan menawarkan diskon dan kehilangan keuntungan.

Ini terjadi karena begitulah cara kerja pemasaran, dan semua orang sudah terbiasa. Tetapi jika Anda memodifikasi sistem otomatis Anda dan memfokuskan iklan Anda pada kelompok menengah, menginvestasikan semua sumber daya yang Anda miliki untuk mengembangkan audiens semacam ini, Anda akan mendapatkan peningkatan pendapatan yang sebenarnya bahkan di industri yang paling sulit sekalipun. Jadi, saran terbaik untuk pemasar dan analis yang terlibat dalam keputusan tentang pendistribusian anggaran iklan adalah Anda harus memahami data Anda dengan benar.

Momen ini adalah kesempatan untuk beralih dari mencuci data menjadi mengaturnya. Mesin pemasaran otomatis masih hanya alat yang dikelola oleh analis yang cerdas.

Etika bukanlah aspek pekerjaan seorang analis yang dibahas secara luas. Tetapi sambil mempromosikan kepentingan bisnis, penting untuk tetap etis dalam pekerjaan Anda. Ingat apa yang terjadi dengan Cambridge Analytica beberapa tahun yang lalu? Klien akhir benar-benar peduli di mana Anda mengambil data mereka dan apa yang Anda lakukan dengannya. Perusahaan Anda mungkin membayar mahal jika Anda mengumpulkan dan menyimpan data tanpa perawatan, membiarkan data pinjaman tidak terlindungi, atau menggunakannya untuk memanipulasi orang tanpa izin.

Cookie, kebijakan privasi, dan kotak centang hanyalah langkah pertama dalam menjaga hubungan antara pelanggan dan situs web yang menggunakan data pribadi. Analis mungkin menganggap batasan ini tidak adil karena mengarah pada data yang terfragmentasi. Dan terkadang, eksperimen dengan data pribadi pelanggan mungkin secara teknis menarik tetapi dipertanyakan dari sudut pandang etika.

Juga, tidak ada tempat yang aman untuk anak-anak di web. Anak-anak lebih sering menggunakan ponsel cerdas daripada orang dewasa dan memposting banyak data pribadi secara online. Ini adalah tantangan etika baru yang harus dihadapi pemasar dan analis. Bisakah kami menjual secara online kepada anak-anak yang berada di bawah perwalian orang tua mereka? Mulai usia berapa kita bisa menayangkan iklan kepada anak-anak tanpa merugikan hak mereka?

Kasus tunggal ketika Anda tidak membutuhkan analitik adalah ketika Anda tidak akan menggunakannya. Jika Anda benar-benar tidak ingin menggunakan hasil analitik Anda, jangan buang uang Anda untuk itu.

Cara membelanjakan uang untuk analitik adalah cerita yang sangat berbeda, tetapi ingat bahwa analitik pemasaran adalah investasi, dan itu harus meningkatkan ROI agar bermanfaat.

Lengkapi kotak peralatan Anda dengan mempertimbangkan keuntungan yang dapat diperoleh setiap alat, bukan popularitasnya atau seberapa kerennya alat itu. Dan ingatlah bahwa setiap alat memiliki batasannya dan diciptakan untuk membantu Anda, bukan untuk menggantikan Anda.

Lebih banyak saran untuk analis:

1. Berhenti membandingkan rasio konversi Anda dengan rata-rata. Ini bukan dasar terbaik untuk pertumbuhan. Yang harus Anda bandingkan adalah tingkat konversi Anda saat ini dengan tingkat konversi Anda dari bulan sebelumnya. Tetapkan tolok ukur terhadap diri Anda sendiri, lampaui diri Anda setiap saat, dan pertumbuhan yang stabil tidak akan menjadi mimpi tetapi kenyataan.
2. Berhenti bersandar pada metrik rata-rata. Karena rata-rata menyembunyikan informasi yang sangat penting… dan tubuh. Terkadang, orang malas dan berpikir linier, dan kami sangat senang ketika kami melihat angka yang memuaskan kami. Namun ketika kita mempelajari lebih dalam, kita mengakui kepada diri kita sendiri bahwa peristiwa konversi (misalnya, klik kampanye Google AdWords) mungkin tidak mengarah pada pembelian – atau setidaknya tidak pada pembelian produk yang sama persis dengan yang kita iklankan. Bagaimana jika orang membeli casing iPhone alih-alih Macbook Pro? Marginnya beda ya? Jadi, meskipun perusahaan masih menunjukkan ROAS yang baik, periksa metrik ini dari dalam dan cari tahu bagaimana semuanya terjadi.

Saran untuk bisnis:

1. Berhentilah berasumsi bahwa jika Anda mempekerjakan satu analis digital, Anda telah membangun seluruh departemen ilmu data. Anda perlu membangun tim dengan berbagai keterampilan: mempekerjakan ahli statistik, analis/penerjemah bisnis, ilmuwan data ahli teknologi. Spesialis ini adalah investasi utama Anda dalam analitik, bukan kotak peralatan yang Anda beli!
2. Jika Anda adalah bisnis kecil, kumpulkan data tentang diri Anda, ketahui cara kerja startup serupa dan tolok ukur pasar, cobalah untuk mendapatkan data yang lebih luas, buat kumpulan data Anda sendiri, dan definisikan dunia di sekitar Anda.
3. Jika Anda berada di pasar yang besar, perhatikan pesaing dan pindah dari dalam ke dunia luar. Ada begitu banyak yang harus dilakukan untuk mengatasi persaingan!

Untuk waktu yang lama, para analis belajar bagaimana mengumpulkan data dan terobsesi dengannya seperti tambang emas atau sumur minyak.

Nilai terbesar dari data adalah pada saat peristiwa itu terjadi. Pada saat data disiapkan untuk analisis, hasilnya disampaikan, dan keputusan dibuat dan tindakan diambil, mungkin sudah terlambat. Dunia telah berubah, dan peristiwa baru telah terjadi.

Jadi, kita harus ingat bahwa data kita ada dalam konteks dunia di sekitar kita.

Terima kasih, Steen, untuk wawancara yang mendalam dan pembicaraan yang luar biasa di Analisis! pertemuan!

Kami harap Anda menikmati bacaan ini dan mendapatkan visi baru tentang analitik dan peran analis di pasar modern. Di OWOX, Steen mengilhami kami untuk mendukung standar antroposentris dalam analitik di mana alat lebih penting daripada spesialis. Kami percaya bahwa analis itu sendiri adalah bagian terpenting dari analitik — bukan alat canggih yang mereka gunakan. Jadi, mari belajar satu sama lain untuk menjadikan analitik sebagai disiplin terbaik yang pernah ada!

Berlangganan ke blog kami untuk membaca wawancara berikutnya sebagai bagian dari penelitian kami tentang keadaan analitik digital dan menyesuaikan pengalaman analis top dengan bisnis Anda.