Markkinointijohto voi parantaa digitaalisen analytiikan vaikuttavuutta, kun keskustelu siirretään tasolta “mitä mittaamme?” tasolle “miten analytiikka ohjaa toimintaa ja päätöksiä?”
CARE-malli tarjoaa tähän selkeän ja käytännöllisen kehyksen.
Malli toimii prosessina, joka ohjaa datan keräämistä, analyysien tekemistä, suositusten muodostamista ja kokeilujen toteuttamista. Malli ei rakenna funnelia eikä määrittele mittaristoa, vaan keskittyy analytiikan ohjaamiseen johtamisen näkökulmasta.
Lähtökohta on siis toinen kuin pelkästään markkinoinnin tarpeista lähtevässä analytiikassa. Markkinoinnin lisäksi on huomio kiinnittyy esimerkiksi käyttäjäkokemukseen, liiketoiminnan kasvuun ja palvelukehitykseen.
Miksi johtaminen tarvitsee CARE-mallia?
CARE ratkaisee organisaatioiden tyypillisiä ongelmia
Organisaatiot eivät saa analytiikasta liiketoiminnallista hyötyä, kun aika kuluu datan keräämiseen, tulipalojen sammuttamiseen ja dashboard-projekteihin.
Analysointi jää silloin ohueksi, suosituksia ei synny ja kokeilukulttuuri ei pääse käynnistymään.
CARE-malli ohjaa huomion oikeisiin asioihin:
- Collect (C): Organisaatio voi säästää aikaa ja vähentää tulipaloja, kun se kerää vain dataa, jolla on liiketoiminnallinen merkitys ja/tai joka auttaa parantamaan verkkopalvelun asiakaskokemusta.
- Analyse (A): Tiimi voi tuottaa parempia oivalluksia, kun se käyttää aikansa syy–seuraus-suhteiden ymmärtämiseen eikä uusien mittauspisteiden toteuttamiseen, dashboardien rakentamiseen ja virheiden korjaamiseen.
- Recommend (R): Liiketoiminta etenee nopeammin, kun se saa selkeitä ja toteuttamiskelpoisia suosituksia päätöksenteon tueksi.
- Experiment & execute (E): Organisaatio voi rakentaa kokeilukulttuuria, kun se vie suositukset käytäntöön ja mittaa niiden vaikutuksen. Näin markkinointi, viestintä ja analytiikka saavat selville, millä muutoksilla on aito vaikutus.
Näin CARE ohjaa analytiikan painopisteen raporteista oivalluksiin ja oivalluksista toteutukseen.
Analyyttinen kyvykkyys muodostuu neljästä vaiheesta
Tiimi voi ymmärtää analytiikan vahvuudet ja heikkoudet, kun se tarkastelee prosessia neljän vaiheen kautta.
Päätöksenteko selkeytyy, kun keskustelu keskittyy kysymykseen:
“Missä vaiheessa prosessi jumiutui: keräämisessä, analyysissa, suosituksissa vai toteutuksessa?”
Priorisointi helpottuu, kun resurssit ohjataan oikeisiin vaiheisiin
Tämä auttaa ohjaamaan analytiikan resursseja oikealla tavalla. Tiimi voi arvioida, onko järkevää kerätä enemmän dataa vai edetä suoraan suosituksista (R) kokeiluihin (E).
Usein tehokkain etenemistapa on R→E, koska se tuottaa näkyvimpiä tuloksia lyhyellä aikavälillä. Tämä toki edellyttää, että kerätty data on riittävän luotettavaa.
Raportointi muuttuu päätöksenteon tueksi
Menneisyyden raportoinnin sijaan painopisteen pitäisi kohdistua tulevaisuuteen.
CARE auttaa esittämään jokaisen analyysin yhteydessä kysymyksen:
“Mitä meidän pitäisi tämän perusteella tehdä ja milloin toteutamme sen?”
Raportin perusteella tämä ei onnistu: tarvitaan analyysiä.
Ketterä kokeilukulttuuri juurtuu helpommin
Organisaatio tuo oppimisen osaksi arkea, kun suositukset johtavat toistuviin kokeiluihin.
Kokeilut eivät jää irrallisiksi toimenpiteiksi, vaan muodostuvat osaksi markkinoinnin ja verkkopalvelun kehitystyön johtamissykliä.
Esimerkkitilanne: B2B-palveluyritys
B2B-yritys voi hyödyntää CARE-mallia näin:
- Collect: Yritys kerää dataa kriittisestä kohdasta, kuten verkkosivuston tuottamista liideistä, kanavista ja sisällöstä jotka vaikuttivat liidin syntyyn.
- Analyse: Tiimi tunnistaa kanavat ja sisällöt, jotka tuottavat laadukkaita kontakteja ja näkee, missä asiakaspolku jumittuu.
- Recommend: Analytiikkatiimi ehdottaa selkeitä toimenpiteitä, kuten hyvin toimivien laskeutumissivujen ja kampanjoiden mallin toistamista.
- Experimen & execute: Johto hyväksyy kokeilun, jonka jälkeen vaikutukset mitataan ja päätökset tehdään datan pohjalta.
Johtoryhmä voi arvioida kvartaalitasolla, kuinka monta suositusta tehtiin, kuinka moni niistä toteutettiin ja mitä oppeja saatiin. Tämä muodostaa analytiikan johtamisen syklin.
Useimmissa organisaatiossa kukaan ei vastaa tästä ketjusta. Analytiikkatiimi vastaa datan keruusta, analyysit putoavat markkinoinnin ja analytiikan väliin. Suositukset perustuvat johonkin muuhun kuin analyysiin. Kokeilut jäävät satunnaisiksi eivätkä pohjaudu dataan.
Mitä muuttuu, kun organisaatio ottaa CARE-mallin käyttöön?
Analytiikan ja datan vaikuttavuus paranee, kun organisaatio
- siirtää raportoinnin passiivisesta tilannekuvasta aktiivisiksi toimintasuosituksiksi
- ymmärtää, että datan käyttötarkoitus on lähtökohta datan keräämiselle
- analytiikkaa arvioidaan analyysien ja suositusten perusteella
- rakentaa kokeilukulttuurin, joka tukee oppimista ja kasvua.
CARE tekee analytiikasta johtamisen työkalun, koska se keskittyy oivalluksiin ja niiden toteuttamiseen, ei raporttien määrään.
Usein kysytyt kysymykset CARE-mallista
Kiinnostuitko?
Kiinnostaako kokeilukulttuuri ja johtaminen CARE-mallilla? Laita meille viestiä niin jutellaan lisää!
Artikkelit samasta aiheesta
Dynaamiset puhelinnumerot digimarkkinoinnissa
Verkkosivuston dynaamisilla puhelinnumeroilla voit seurata, miten digimarkkinoinnilla saadaan aikaan puhelinsoittoja.
4 kertaa enemmän dataa anonyymillä, evästeettömällä analytiikalla
Hopkinsin toteuttama anonyymi ja evästeetön analytiikka nelinkertaisti asiakkaan kampanjaliikenteen. Piwik PRO:n ja Matomo Analyticsin avulla yritykset voivat mitata tuloksiaan GDPR-yhteensopivasti ja saada luotettavaa dataa päätöksenteon tueksi ilman henkilötietoja ja evästeitä.
Erityiset henkilötietoryhmät digimarkkinoinnissa
Arkaluonteista tietoa ei saa lähettää analytiikka-alustoille eikä mainosjärjestelmille, vaikka siihen saisi käyttäjän luvan.
Kiinnostuitko tästä aiheesta?
Soita meille 020 788 8120 tai täytä alla oleva lomake niin jatketaan juttua!