Kaj storiti, ko vam podatki nič ne povedo?

Objavljeno v ponedeljek, 11. december 2017 v kategoriji Spletna analitika. Članek za 4 min branja • Piše:

Črt Podlogar

Radi rečemo, da živimo v svetu, ki ga „poganjajo podatki“. Digitalni oglaševalci so polni hvale, ko gre za growth hacking,  optimizacijo konverzije, analizo podatkov, segmentacijo, strojno učenje in druge modne floskule, zato večina verjame, da se lahko naučijo tako rekoč vse, če le dovolj časa strmijo v podatke.

Danes velja prepričanje, da lahko z nekaj statistične obdelave nabora podatkov ugotovimo, kdo so naši uporabniki, kateremu tipu osebe ali skupini pripadajo, kakšne so njihove nakupovalne navade in kako jih lahko uspešno spreobrnemo.

To je morda izvedljivo – vendar samo, če je podatkov ogromno, če je vaš oddelek za podatkovno znanost izjemno sposoben in imate na voljo umetno inteligenco, zaradi katere je človeštvu odbila zadnja ura. V nasprotnem primeru boste najverjetneje deležni enake izkušnje kot jaz v zadnjih nekaj mesecih.

Verjetno nimate podatkov

Najprej moramo razjasniti, da podatki na vaši spletni strani običajno niso dovolj. Če mislite, da se ukvarjate s podatkovno znanostjo, na voljo pa vam je le čisto osnovna implementacija orodja, kot je Google Analytics, ste svetlobna leta daleč od nečesa, čemur bi lahko rekli podatkovna znanost.  

Tudi če imate bolj zapleteno orodje in zberete veliko podatkov, boste vedno znova naleteli na problem pri prepoznavanju uporabnikov prek različnih naprav, stičnih točk (spletna stran, aplikacija, oglas) ter se znašli pred dejstvom, da uporabniki pogosto počnejo več stvari naenkrat, to pa popači vaš pogled iz ptičje perspektive.

Kljub temu sem, oborožen z več kot 30 merljivimi aktivnostmi v Google Analytics, cilji, vsebino po meri in podatki iz Enhanced Ecommerce za e-trgovino, poskusil razvozlati vedenje uporabnikov.

Moj cilj: identificirati uporabnike, ki imajo namero kupiti, in jih razločevati od tistih, ki samo brskajo po spletni strani ali iščejo določene informacije. Nato sem želel izdelati oglaševalski model, s katerim bi lahko prepoznal uporabnike na podlagi njihovih ključnih vedenjskih vzorcev, in s tem modelom ustrezno prilagoditi remarketing.

Tri mesece kasneje in nič spoznanj …

Po neštetih analizah, kopici diagramov, grafov in pogostem pisanju na tablo – vse zato, da bi imel občutek, da počnem nekaj koristnega – sem končal točno tam, kjer sem projekt začel. Analiziral sem številne različne vedenjske vzorce uporabnikov, uporabnike razdelil na bralce, kupce, brskalce po kategorijah, lovce na akcije in še več. Podatek, ki me je ves čas bodel v oči: vsak uporabnik je pokazal malce vedenja iz vsakega segmenta.

Kupci, ki so pregledovali izdelke v akciji, so na koncu kupili drage izdelke, in obratno. Bralci so včasih kaj kupili, kupci pa včasih kaj prebrali. Vsi so kot nori brskali po kategorijah, tudi če so na koncu kupili nekaj povsem drugega. Razlikovali so se po spolu, starosti in kraju, prišli na stran iz različnih virov in uporabljali različne naprave ob različnih urah dneva in različnih dnevih v tednu.

Moja največja težava pa so bili tisti, ki so zapustili domačo spletno stran! Ljudje, ki so se množično pojavili na spletni strani z vseh mogočih koncev in niso storili popolnoma nič. Včasih so bili nekaj časa na strani, ogledali so si kakšno oglasno pasico in naključni seznam izdelkov, nato pa izginili tako hitro, kot so se pojavili.

Ne razumite me narobe. Imel sem veliko podatkov. Imel sem precej informacij o uporabnikih in tem, kaj delajo. Nisem pa prišel do nobene ugotovitve. Kljub obsegu in poglobljenosti moje analize je bilo vse delo na koncu zaman.

Eureka! – Kaj če bi uporabnike vprašal, kdo so?

Odločil sem se korenito spremeniti strategijo. Če uporabnikov nisem mogel razvrstiti v skupine z opazovanjem njihovega vedenja, jih bom prosil, da se opredelijo sami, in poskusil prepoznati vzorce, ki so edinstveni za posamezno skupino ter se ne prekrivajo na vsakem koraku.

Domačo stran smo izdatno spremenili in umaknili ves običajen prodajni balast, kot so pasice, najboljše ponudbe, kategorije, izpostavljene objave na blogu in podobno.

Vse to smo nadomestili s tremi velikimi gumbi in naslovom: „Zakaj ste obiskali našo spletno stran?“

Gumb A: Samo brskam

Gumb B: Iščem informacije

Gumb C: Kupiti želim nekaj določenega

Čim so uporabniki začeli izbirati te možnosti, se je začela izrisovati ločnica med tremi skupinami. Ko sem zbral dovolj podatkov, sem ugotovil, da je bilo neumno predvidevati, da se bodo uporabniki vedli tako ali drugače. Odgovor se ni skrival v tem, kar so počeli, temveč v tem, koliko česa so počeli.

Uporabniki so se sami opredelili za skupino, kar nam je omogočilo, da smo določili nabor meril, na podlagi katerih smo tudi uporabnike, ki niso uporabili gumbov, uvrstili v eno od skupin.

Uporabite podatke o uporabnikih, da spodbudite razumevanje

Precej težav smo imeli tudi z ugotavljanjem, katera kategorija izdelkov ali kateri izdelek zanima uporabnike. Čeprav smo imeli veliko podatkov o spletni prodaji, med drugim tudi prikaze posameznih kategorij izdelkov, prikaze strani z izdelkom, informacije o uporabi nakupovalne košarice po posameznih izdelkih, blagovnih znamkah in kategorijah, nismo mogli najti očitnega vzorca.

Uporabili smo isto strategijo – uporabnike smo vprašali, katera kategorija jih zanima. Njihovo izbiro smo shranili v piškotek na njihovi napravi in ob vsakem ponovnem obisku smo jih vprašali, ali jih še vedno zanima isto, ter jim dali možnost, da izberejo drugo kategorijo.

Tudi tokrat so podatki kar deževali – ugotovili smo, kakšno je vedenje uporabnikov, ko jih zanima nakup izdelka iz določene kategorije, poleg tega pa smo lahko sledili, kdaj uporabnike preneha zanimati ena kategorija in pozornost posvetijo drugi. Na ta način smo lahko sledili preobratom v vedenju. Lahko smo ugotovili, kako se uporabniki vedejo, ko jih ne zanima več neka kategorija in iščejo drugo, ter to analizirali.

To bi sicer najbrž lahko opravili tudi brez vključitve uporabnika, vendar je bilo na ta način neprimerno lažje. Pa tudi vedenjske vzorce uporabnikov smo lahko precej bolj zanesljivo predvidevali s pomočjo dejanskih uporabnikov, ki so sodili točno v tisto skupino, ki smo jo poskušali razumeti.

Moj nasvet bi bil – ne bojte se vprašati! Vprašanja in odgovori so podlaga za izmenjavo informacij in temelj razumevanja. In to se v dobi podatkov ne bo spremenilo.

Srečno!

 

Še vedno tukaj?
Vprašanje? Zapišite ga v komentar spodaj, pa ga skupaj predebatiramo.

Dodaj odgovor