Почему никто не дает пять аналитику? Жесткие, но верные ответы от Стина Расмуссена

У Марии Бочевой было отличное интервью со Стином Расмуссеном, одним из самых талантливых и влиятельных проповедников веб-аналитики, которых мы знаем. Мы также получили запись его выступления на Analyse! конференции, на которой он рассказал о деталях, которые помогают нам составить целостную картину нашего исследования.

Мы решили отойти от нашего традиционного стиля интервью и превратить это в необходимое чтение, которое поможет аналитикам придумать новые идеи.

В этой статье:

Во-первых, несколько слов о Стине Расмуссене: в настоящее время он является евангелистом веб-аналитики, директором и членом правления IIH Nordic. Он также может по праву претендовать на звание одного из создателей современной аналитики. IIH Nordic — одна из тех компаний с совершенно уникальной экосистемой данных и культурой, ориентированной на эксперименты, где все предназначено для обеспечения значимой и эффективной работы. Например, у них такой уровень организации, что они работают только четыре дня в неделю, справляясь с нагрузкой пятидневной рабочей недели.

Звучит как сон, верно? Давайте узнаем, чем Стин может поделиться с нами.

Кто сказал вам, что для того, чтобы быть хорошим аналитиком, нужно обладать навыками и инструментами? Или что быть аналитиком — это безопасная работа, когда вы делаете отчеты, а затем отдыхаете до тех пор, пока отчеты не потребуются в следующий раз?

Четкое понимание того, почему вас наняли и какую ценность вы приносите компании, имеет важное значение для вашего успеха. Аналитик работает, чтобы предоставить информацию для бизнеса для достижения двух основных целей:

1. Снижаем затраты при увеличении прибыли
2. Привлекайте новых клиентов и сохраняйте существующих клиентов

Это основная цель работы аналитика, и каждая выполненная задача и построенный отчет должны начинаться с целей, описанных на слайде выше.

Инструменты анализа, технологии и подходы — это только инструменты. И хотя они влияют на качество предоставляемых услуг, они не могут гарантировать глубокого понимания потребностей бизнеса — это дело аналитика. Инструменты, которые вы выберете, не обязательно будут набором инструментов Google, а будут набором инструментов, которые соответствуют вкусу вашей организации.​

Да, каждый аналитик усердно работает, чтобы продвигать свою компанию вперед. Но часто никто не хвалит их за этот тяжелый труд. Основная причина, по которой это происходит, заключается в том, что коллеги видят результаты работы аналитика примерно так:

Выглядит довольно здорово, но что нам делать с этими вещами?

Вы слышали подобные вопросы? Это происходит, когда люди не воспринимают ценность, которую дает аналитик.

Ваши коллеги не злы и не застрахованы от аналитики; им просто постоянно нужно принимать правильные решения под давлением рынка, который больше не является дружественным местом.

А вот и другая сторона медали: вы столкнетесь с эффектом Даннинга-Крюгера или предвзятостью выживания даже в самых развитых компаниях, потому что такова природа людей. Они не верят, что аналитика — это так сложно, и делают выводы на основе имеющейся у них информации.

Или иногда аналитик слишком много внимания уделяет цифрам, а не инсайтам или советам, что делать. Но упор на данные, которые никогда не будут на 100 % идеальными, в сочетании с неопределенностью, присущей бизнес-решениям, ничего не улучшит.

Аналитики должны сделать все возможное, чтобы:

• Сообщайте то, что они знают, в понятных терминах.
• Развивайте сочувствие к людям, которые будут работать со своими числами.
• Никогда не падайте в бездну данных без гипотезы, с помощью которой можно вырваться обратно. Всегда помните, зачем вы проводите анализ.
• Превратите результаты анализа в решения для людей. Дайте людям понять, как далеко их могут завести данные. Обучите своих коллег тому, как применять анализ данных в своей работе.
• Развивайте здоровую самокритику. Принесите свои идеи на стол и не бойтесь потерпеть неудачу.

Вот некоторые из самых больших ошибок, которые может сделать аналитик:

Не проверяя черновик

Без перепроверки цифр в своих результатах аналитики могут потерять доверие. Вы всегда должны сверяться с другими системами и проводить простую проверку реальности — могут ли ваши результаты существовать в реальности? Может ли быть в среднем 89 просмотров страниц за три минуты? Когда ты сомневаешься в себе и строг к себе, ты гораздо больше, чем специалист – ты надежный специалист.

Не давать советов и не отвечать на дополнительные вопросы, чтобы не выглядеть глупо.

Аналитики могут бояться делиться какими-либо дополнительными цифрами. Смело делитесь номерами; это отличное умение. Даже если вы уже допустили какие-то ошибки, даже если об этом упоминалось, и даже если ваши идеи подвергались сомнению, не пренебрегайте своими творческими идеями, механически выполняя то, о чем вас просили. Оставайтесь любопытными, творческими и бесстрашными.

Аналитики строят отчеты на основе данных, которыми они располагают на данный момент, и иногда эти отчеты нудно описывают очевидные факты. Итак, что нужно сделать? Вы плохой аналитик для этого?

Всегда помните, что часть данных, которыми вы владеете, может быть ошибочной или поврежденной, гораздо больший объем данных недоступен, потому что вы его не собирали, и есть еще больше данных, которые вы даже не можете себе представить.

Одна из задач аналитика — расширить границы доступных данных, чтобы ответить на вопросы руководства и коллег. Не пытаться найти что-то похожее на ответ в том, что у вас уже есть, а культивировать данные компании. Не пытаться найти поддержку своей гипотезы, игнорируя контраргументы. Постарайтесь охватить все, до чего сможете дотянуться, и помните, что даже после этого нужно будет собрать больше данных.

Как вы можете получить больше данных, чем у вас уже есть? Один из подходов, который вы можете использовать для обогащения своих маркетинговых данных, заключается в том, чтобы рассматривать каждую рекламную кампанию не только как источник лидов, но и как источник данных. Вы можете запустить целую кампанию только для того, чтобы получить данные, точно так же, как каждая кампания A/B-тестирования запускается, чтобы выяснить, что работает лучше.

A/B-тестирование — отличный инструмент, и он был ценен в течение долгого времени. Но времена изменились, и логика A/B-тестирования была установлена ​​тогда, когда факты на местах были другими.

Каждый раз, когда мы решаем, что A лучше, чем B, или B лучше, чем A, мы исключаем некоторых посетителей, которые предпочли другую версию… Таким образом, мы фактически ограничиваем сферу нашего бизнеса каждый раз, когда делаем это.

С этой точки зрения мы видим, что A/B-тестирование больше не является лучшим инструментом для активации данных. Интересно, что теперь мы можем предложить вариант А тем, кому понравился вариант А, и предложить вариант Б тем, кто выбрал другой вариант. Это одна из возможностей, предоставляемых современной скоростью сбора и активации данных. Сегодня вам не нужно выбирать; вы можете просто удовлетворить как можно больше клиентов.

Так что не зацикливайтесь на менталитете или/или; измените свой подход к применению аналитических данных. Google Optimize и другие инструменты персонализации помогут вам в этом.

Посмотрим, какие еще угрозы могут подстерегать аналитика в середине рабочего дня.

Лучший способ понять этот момент — смоделировать сегментный раздел для типичного интернет-магазина.

На слайде выше люди, которые уже купили у вас, расположены вдоль зеленой линии. Есть и те, кто никогда не купит у вас — они на красной линии. Типичное распределение рекламного бюджета не исключает ни один из этих сегментов, потому что:

1. Маркетинговая команда будет продолжать пытаться заинтересовать аудиторию красной линии. Эти люди могут нажать на рекламу и потратить ваш бюджет впустую, но они все равно ничего не купят.
2. Маркетинг попытается вернуть тех, кто уже купил у вас, предложив им скидку и упустив прибыль.

Это происходит потому, что так работает маркетинг, и все к этому привыкли. Но если вы модифицируете свою автоматизированную систему и сосредоточите свою рекламу на средней группе, вкладывая все ресурсы, которые у вас есть, в выращивание такой аудитории, вы получите реальный прирост доходов даже в самых сложных отраслях. Таким образом, лучший совет маркетологам и аналитикам, участвующим в принятии решений о распределении рекламного бюджета, заключается в том, что вы должны правильно понимать свои данные.

Этот момент — шанс перейти от очистки данных к их оркестровке. Автоматизированные маркетинговые машины по-прежнему остаются всего лишь инструментами, управляемыми умными аналитиками.

Этика не является широко обсуждаемым аспектом работы аналитика. Но, продвигая интересы бизнеса, важно оставаться этичными в своей работе. Помните, что произошло с Cambridge Analytica несколько лет назад? Конечным клиентам действительно не все равно, где вы берете свои данные и что с ними делаете. Ваша компания может заплатить огромную цену, если вы собираете и храните данные небрежно, оставляете заимствованные данные незащищенными или используете их для манипулирования людьми без разрешения.

Файлы cookie, политики конфиденциальности и флажки — это только первый шаг в поддержании отношений между клиентами и веб-сайтами, использующими личные данные. Аналитики могут счесть эти ограничения несправедливыми, поскольку они приводят к фрагментации данных. А иногда эксперименты с личными данными клиентов могут быть технически интересными, но сомнительными с этической точки зрения.

Кроме того, в Интернете нет безопасного места для детей. Дети используют смартфоны чаще, чем взрослые, и размещают в сети много глубоко личных данных. Это новая этическая проблема, которую должны решить маркетологи и аналитики. Можем ли мы продавать онлайн детям, которые находятся под опекой своих родителей? С какого возраста можно показывать рекламу детям, не нарушая их прав?

Единственный случай, когда вам не нужна аналитика, это когда вы ее не будете использовать. Если вы действительно не хотите использовать результаты своей аналитики, не тратьте на это деньги.

Как потратить деньги на аналитику — это совсем другая история, но помните, что маркетинговая аналитика — это инвестиция, и она должна повышать рентабельность инвестиций, чтобы быть стоящей.

Заполните свой набор инструментов, учитывая прибыль, которую может принести каждый инструмент, а не его популярность или насколько он крут. И помните, что каждый инструмент имеет свои пределы и был создан, чтобы помочь вам, а не заменить вас.

Дополнительные советы для аналитиков:

1. Перестаньте сравнивать коэффициент конверсии со средним. Это не лучшая основа для роста. Вам следует сравнить свой текущий коэффициент конверсии с коэффициентом конверсии за предыдущий месяц. Ставьте перед собой ориентир, каждый раз превосходите себя, и стабильный рост станет не мечтой, а реальностью.
2. Перестаньте полагаться на средние показатели. Потому что средние значения скрывают действительно важную информацию… и тело. Иногда люди ленивы и думают линейно, и мы очень радуемся, когда видим числа, которые нас удовлетворяют. Но когда мы углубляемся, мы признаемся себе, что конверсионное событие (например, клик по кампании Google AdWords) может не привести к покупке — или, по крайней мере, не к покупке именно того продукта, который мы рекламировали. Что, если люди купят чехол для iPhone вместо Macbook Pro? Маржа другая, не так ли? Так что даже если компания по-прежнему показывает хороший ROAS, проверьте эту метрику изнутри и узнайте, как все произошло.

Совет для бизнеса:

1. Перестаньте предполагать, что, наняв одного цифрового аналитика, вы создали целый отдел обработки данных. Вам необходимо создать команду с широким спектром навыков: нанять специалиста по статистике, бизнес-аналитика/переводчика, специалиста по обработке и анализу данных. Эти специалисты — ваша основная инвестиция в аналитику, а не набор инструментов, который вы покупаете!
2. Если у вас небольшой бизнес, соберите данные о себе, узнайте, как работают похожие стартапы и рыночные ориентиры, попытайтесь получить более широкие данные, создайте свой собственный набор данных и определите мир вокруг вас.
3. Если вы работаете на большом рынке, обратите внимание на конкурентов и двигайтесь изнутри во внешний мир. Столько всего нужно сделать, чтобы победить в конкурентной борьбе!

Долгое время аналитики учились собирать данные и были одержимы ими, как золотыми приисками или нефтяными скважинами.

Самая большая ценность данных — это момент, когда происходит событие. К тому времени, когда данные будут подготовлены для анализа, получены результаты, приняты решения и предприняты действия, может быть уже слишком поздно. Мир уже изменился, и произошли новые события.

Таким образом, мы должны помнить, что наши данные существуют в контексте окружающего нас мира.

Спасибо, Стин, за такое глубокое интервью и отличный доклад на Analyse! конференция!

Надеемся, вам понравилось это чтение, и вы получили новое видение аналитики и роли аналитика на современном рынке. В OWOX Стин вдохновил нас отстаивать антропоцентрические стандарты в аналитике, где инструменты значат меньше, чем специалисты. Мы считаем, что самой важной частью аналитики являются сами аналитики, а не мощные инструменты, которые они используют. Так что давайте учиться друг у друга, чтобы сделать аналитику лучшей дисциплиной!

Подпишитесь на наш блог, чтобы читать следующие интервью в рамках нашего исследования состояния цифровой аналитики и адаптировать опыт ведущих аналитиков к своему бизнесу.