Soluzioni di Digital Analytics progettate per i non analisti

Soluzioni di analisi "intelligenti" che creano confusione

Gli analisti digitali lavorano con potenti strumenti che offrono molte variabili e opzioni per personalizzare la loro configurazione. Ma sfruttare appieno tutte queste personalizzazioni può effettivamente essere controintuitivo e far sì che le organizzazioni ottengano poco o nessun valore da questi strumenti.

Leggera contraddizione lì?

Bene, torna allo scopo di Digital Analytics di "informare le decisioni e le azioni di un'organizzazione al fine di ottenere risultati migliori". Queste decisioni e azioni non vengono prese dagli analisti digitali, ma provengono da tutti gli altri membri dell'organizzazione. Quindi, affinché l'analisi digitale abbia la possibilità di raggiungere il suo scopo, i dati devono essere accessibili a marketer, product manager, designer, UX, sviluppatori, strateghi, team di vendita e, naturalmente, alla C-suite.

L'analisi digitale deve supportare queste persone fornendo loro l'intelligenza di cui hanno bisogno in modo che le decisioni che prendono e le azioni che intraprendono siano il più informate possibile e quindi abbiano maggiori probabilità di ottenere i migliori risultati per il business.

Una soluzione sorprendentemente "intelligente" progettata per le esigenze dell'analista digitale può effettivamente essere una barriera per il resto dell'organizzazione. Se le persone trovano che il loro lavoro è troppo difficile da fare con l'uso dei dati, semplicemente ignorano quei dati e continuano a prendere decisioni e azioni usando la propria conoscenza ed esperienza.

Questo è un male per gli affari.

Come creare una configurazione non adatta agli analisti

1. Non dividere le informazioni della pagina tra le variabili

Problema: ogni strumento di analisi digitale fornisce variabili in cui è possibile acquisire informazioni sulla pagina. Una configurazione "intelligente" registra il tipo di pagina, la categoria di pagina (e le sottocategorie), la sezione del sito, la lingua della pagina e il nome/identificatore effettivo della pagina in variabili separate. Per un analista utilizzare più variabili contemporaneamente per identificare pagine e raggruppamenti di pagine è semplice e potente. Per un non analista aprire un report e non essere in grado di mettere in relazione i nomi delle pagine con le pagine del sito Web è solo fonte di confusione.

Correzione: un'utile configurazione dello strumento include i tipi di pagina e le categorizzazioni delle pagine all'interno del nome della pagina stessa. Ciò consente al non analista di apprendere come accedere ai dati utilizzando un singolo report. All'interno di questo, i nomi delle pagine sono intuitivi (la homepage si chiama /homepage) ed è facile applicare un filtro per visualizzare un insieme di pagine desiderato.

2. Crea convenzioni di denominazione intuitive

Problema: un rifiuto comune da parte degli sviluppatori quando forniamo istruzioni di monitoraggio è la richiesta di utilizzare un'abbreviazione o un ID anziché un nome. Se lo sviluppatore può utilizzare una variabile esistente e semplicemente inviarla al livello dati, è molto meno lavoro per loro.

Come analisti, di solito possiamo conviverci. Possiamo memorizzare rapidamente tutti gli ID chiave o il significato delle abbreviazioni, quindi è veloce come lavorare con i nomi. Per tutti gli altri, trasforma i report e i dati in parole senza senso che necessitano di una tabella di traduzione (o di un traduttore analista) per essere utilizzabili.

Correzione: il semplice compromesso è che un po' di tempo investito per gli sviluppatori ora nell'utilizzo di una convenzione di denominazione di facile utilizzo farà risparmiare giorni di tempo per il resto dell'attività in futuro.

3. Crea manipolazioni e pulizia dei dati in strumenti di analisi dei dati

Problema: un punto dolente comune in qualsiasi organizzazione è quando i numeri non corrispondono. Se non ci sono due persone in grado di produrre gli stessi numeri, in genere è lo strumento che fornisce questi numeri ad essere incolpato e non attendibile. Una delle cause di ciò è la necessità di manipolazioni e pulizia dei dati per arrivare ai "numeri aziendali" ufficiali, ma la conoscenza/abilità di questi requisiti è limitata a un piccolo numero di persone.

Sebbene l'analista digitale comprenda esattamente come i dati sulle prestazioni aziendali vengono facilmente estratti dallo strumento, questo si perde nella traduzione per il resto dell'azienda. Se i numeri non corrispondono, la fiducia esce dalla finestra.

Correzione: crea una soluzione in cui i segmenti e le combinazioni di report non sono richiesti e, invece, le manipolazioni e la pulizia dei dati sono integrate nello strumento stesso. Questo lavoro extra consente a chiunque nell'azienda di trovare facilmente i numeri aziendali che corrispondono al set ufficiale, portando a un numero molto inferiore di errori di comunicazione e problemi.

4. Garantire che i dati aggregati siano facilmente disponibili e accessibili

Problema: una delle mie continue sorprese è stata parlare con persone e aziende convinte che i dati dovrebbero essere accessibili solo nel loro formato grezzo. Forse conoscono SQL loro stessi (o uno strumento alternativo) e lo usano per accedere a tutti i dati di cui hanno bisogno. Pertanto, ritengono che gli strumenti di analisi siano una perdita di tempo e una limitazione per il business.

Questo è ottimo per loro fino a quando l'organizzazione non assume qualcuno senza queste competenze che non è in grado di accedere e manipolare i dati grezzi, e quindi l'intera soluzione va in pezzi.

Correzione: dashboard semplici e dati aggregati sono fondamentali per il funzionamento di un'azienda. Molto semplicemente, una soluzione che solo l'analista o un utente tecnico può utilizzare è una cattiva soluzione. Ho scritto molto tempo fa sulla quadforcazione dell'analisi digitale con il 4° livello di analisi costituito dall'uso di dati grezzi. Credo ancora che questo livello offra il maggior potenziale di insight, ma dovrebbe essere sviluppato solo una volta che l'organizzazione ha implementato i tre livelli precedenti.

L'importanza del design

La parola chiave qui è “design”. Questo è ciò che stiamo facendo quando definiamo il tracciamento ed eseguiamo tutto il lavoro di configurazione per l'impostazione di uno strumento di analisi digitale: stiamo progettando quello strumento. Il che significa che dovremmo pensare all'usabilità.

Ho letto esattamente un libro sull'usabilità del sito web nella mia vita: Don't Make Me Think di Steven Krug. E davvero, tutto ciò che devi fare è memorizzare e applicare quel titolo a tutto ciò che fai.

Gli analisti digitali possono facilmente cadere nella trappola di progettare una soluzione di analisi digitale (impostazione degli strumenti e/o modalità di accesso ai dati) per le proprie esigenze. Lo so dai miei stessi errori in passato.

Inoltre, nessuna azienda può fare affidamento sul proprio analista per fornire tutti i report e gli approfondimenti. Questo non è pratico perché l'analista diventa un collo di bottiglia e non è in grado di fornire un valore reale.

La soluzione di Digital Analytics veramente "intelligente" è progettata per consentire al resto dell'azienda, ai decisori e ai responsabili delle azioni, di essere in grado di utilizzare i dati e le informazioni per prendere decisioni/azioni più intelligenti.

Vuoi saperne di più su come utilizzare le soluzioni di Digital Analytics in modo efficace e ottenere risultati migliori per la tua organizzazione? Dai un'occhiata ai nostri seminari di formazione gratuiti o contattaci per discutere ulteriormente le tue esigenze.