Data on markkinoijan paras tuki. Mutta mitä tapahtuu, jos se on huonoa?
Tietojenkäsittelyssä jo 1950-luvulla käytössä ollut sanonta ”Garbage in, garbage out” pätee loistavasti myös moderniin digimarkkinointiin ja analytiikkaan.
Roskadata johtaa vääriin johtopäätöksiin, tehottomaan budjetin käyttöön ja virheellisiin päätöksiin.
Markkinoinnin roskadata on esimerkiksi analytiikkaan moninkertaisesti kirjautuvia myyntejä, puuttuvia myyntejä, palautettuja ostoksia ja virheellisiä tuotekategorioita.
Roska siis muuttuu roskaksi myös digimarkkinoinnissa.
Tähän on monta syytä.
1. Luottamus analytiikkaan ja dataan menetetään
Jos markkinoinnin analytiikkadata on epäluotettavaa, ihmiset lakkaavat uskomasta siihen. Markkinoijat eivät pidä dataa arvokkaana ja hyödyllisenä, ja yrityksen johto hylkää sen kokonaan epäluotettavana.
Mitä tästä sitten seuraa?
- Päätökset perustuvat näppituntumaan ja oletuksiin datan sijaan.
- Data tietoisesti ohitetaan, koska siihen ei luoteta (silloinkaan, kun se sattuisi olemaan luotettavaa).
- Analytiikkatiimi menettää uskottavuutensa organisaatiossa.
- Johto ei halua investoida analytiikkaan tai sen kehittämiseen.
Kun analytiikkaa ei enää koeta hyödylliseksi, se jää taka-alalle – ja samalla menetetään mahdollisuus optimoida markkinointia datan avulla.
Kun luottamus on kerran menetetty, sitä on vaikea voittaa takaisin.
2. Tekoäly ohjaa mainontaa väärin
Monet mainosjärjestelmät, kuten Google Ads ja Meta Ads, perustavat päätöksensä datan pohjalta toimivaan automaatioon ja tekoälyyn.
Niiden syötteenä toimii tieto verkkosivuston käyttäjien katselemista sivuista, ostoskoriin lisäämisen kaltaisista tapahtumista ja ostoksista.
Vaikkapa myyntitapahtumiin liittyy usein euromääräisiä arvoja: mainosjärjestelmään lähetetään tieto ostoskorin arvosta ja kenties myydyistä tuotteista.
Jos data on virheellistä:
- Mainonta kohdistuu väärille yleisöille.
- Algoritmit optimoivat kampanjoita väärien signaalien perusteella.
- Markkinointibudjetti tuhlaantuu eikä tavoiteta oikeita asiakkaita.
Jos konversioseuranta ei toimi oikein, tekoäly voi optimoida mainontaa kokonaan väärille yleisöille.
Ja tämä on todellinen riski.
Olen esimerkiksi nähnyt verkkokaupan analytiikan, jossa sama ostotapahtuma kirjautui satoja kertoja analytiikkaan (ja mainosjärjestelmiin).
Eräänkin verkkokaupan analytiikka kertoi tuotetta myydyn 30 kertaa enemmän kuin sitä oli koskaan ollut verkkokaupan varastossa.
Verkkokaupan palautukset muodostavat samanlaisen ongelman. Jos vaikkapa 30 % tilatuista vaatteista palautuu verkkokauppaan, jäävät ne tavallisesti “kummittelemaan” analytiikkaan ja mainosjärjestelmien dataan.
Silloin mainosjärjestelmä kuvittelee kampanjan tuoton olevan huikeasti todellista parempi, ja alkaa syytää rahaa tappiota tuottavaan kampanjaan.
3. Ihmiset tekevät vääriä ratkaisuja
Onneksi nykyään myös ihmiset osallistuvat päätöksentekoon ja tekevät ratkaisuja.
(Tietysti moni toivoo tekoälyn korvaavan meidät tässäkin, itsenäistä ajattelua vaativassa ja siten rasittavassa asiassa.)
Huonon datan pohjalta tehdyt päätökset voivat johtaa suoraan liiketoiminnallisiin tappioihin.
Esimerkiksi markkinointikanavien panostukset jakautuvat tehottomasti, jos niitä ohjataan huonon konversiodatan perusteella.
Kun päätöksenteko perustuu väärään tietoon, kilpailuedun sijaan syntyy kustannuksia ja menetettyjä mahdollisuuksia.
Mitä on tehtävä?
Roska tuottaa siis roskaa. Jotain on tehtävä, mutta mitä?
Markkinoinnin datan laatua on loppujen lopuksi yksinkertaista parantaa. On varsin helppoa selvittää, onko data luotettavaa vai roskaa.
Tämä jää kuitenkin usein tutkimatta.
Jotta markkinointidata pysyy hyödyllisenä ja luotettavana, yritysten tulisi panostaa seuraavaan kolmeen asiaan:
- Suunnitelmallisuus: Perustuuko datan keruu suunnitelmaan? Onko dokumentointi ajan tasalla?
- Laadunvarmistus: Kerätäänkö dataa suunnitelman mukaisesti? Toimiiko konversioseuranta oikein? Kuinka suuri osa käyttäjistä ei anna suostumusta datan keruulle? Poistetaanko palautetut myynnit analytiikasta vai ei?
- Osaaminen: Tunteeko markkinointitiimi analytiikkadataan liittyvät haasteet ja käyttömahdollisuudet?
Laadukas data on digitaalisen markkinoinnin kulmakivi. Kun data on kunnossa, päätökset perustuvat faktoihin – ja markkinointi tuottaa oikeasti tuloksia.
Kiinnostuitko?
Haluatko keskustella artikkelin aiheista? Laita meille viestiä niin jutellaan lisää!
Artikkelit samasta aiheesta
Digitaalisen analytiikan CARE-malli on johtamisen työkalu
Markkinointijohto voi parantaa digitaalisen analytiikan vaikuttavuutta, kun keskustelu siirretään tasolta “mitä mittaamme?” tasolle “miten analytiikka ohjaa toimintaa ja päätöksiä?”
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.
Kiinnostuitko tästä aiheesta?
Soita meille 020 788 8120 tai täytä alla oleva lomake niin jatketaan juttua!