7 najčešćih grešaka u analizi marketinških podataka

Marketinški timovi danas gotovo nikada nemaju problem sa nedostatkom podataka.

Problem je što se podaci nalaze na deset različitih mesta.

Google Ads prikazuje jednu verziju rezultata. Meta Ads drugu. Google Analytics treću. CRM zna šta se dogodilo sa leadom, dok prodajni sistem jedini zna da li je posao zaista zaključen.

Kada se ti podaci posmatraju odvojeno, lako je doneti odluku koja deluje logično, ali vodi u pogrešnom smeru.

Možete povećati budžet kampanji koja donosi mnogo konverzija, ali malo profita. Možete ugasiti kanal koji ne zatvara poslednji klik, iako je prvi pokrenuo odluku. Možete slaviti rast broja leadova dok prodajni tim ne dobija nijedan kvalitetan upit.

Zato kvalitetna marketinška analitika ne počinje pitanjem:

Koje brojeve imamo?

Počinje pitanjem:

Koju odluku treba da donesemo?

U nastavku analiziramo sedam grešaka koje najčešće pretvaraju marketinške podatke u više buke, umesto u jasniji pravac.

1. Posmatranje samo jedne platforme

Jedna od najčešćih grešaka jeste tretiranje pojedinačne platforme kao jedinog izvora istine.

Meta Ads može prikazati da je kupovina nastala nakon kontakta sa oglasom. Google Ads može istoj kupovini pripisati Search kampanju. Google Analytics može zabeležiti organsku pretragu kao poslednji izvor posete.

To ne znači nužno da neka platforma prikazuje potpuno pogrešan rezultat.

Svaki sistem posmatra korisnički put iz svog ugla, prema sopstvenom modelu atribucije, periodu pripisivanja i dostupnim signalima.

Put korisnika često izgleda ovako:

1. Vidi video oglas na Instagramu
2. Nekoliko dana kasnije pretraži brend na Google-u
3. Poseti sajt
4. Vrati se preko remarketing oglasa
5. Kupovinu završi direktnom posetom

Koji kanal je zaslužan za prodaju?

Odgovor nije uvek samo jedan.

Zato je potrebno povezati podatke iz:

• oglasnih platformi
• Google Analytics-a
• internet prodavnice
• CRM sistema
• prodajnih statusa
• poslovnih i finansijskih podataka

Kroz merenje rezultata i atribuciju cilj nije da pronađemo jednu savršenu brojku. Cilj je da dobijemo dovoljno pouzdanu sliku za bolju raspodelu budžeta.

Kako izbeći ovu grešku

• Uporedite platformske rezultate sa stvarnim prihodima
• Pratite prvi i poslednji kontakt korisnika
• Povežite CRM sa izvorima leadova
• Analizirajte asistirane konverzije
• Jasno dokumentujte šta svaka platforma meri

Jedna platforma može dati važan deo odgovora. Retko može dati celu sliku.

2. Praćenje previše metrika

Više metrika ne znači automatski i kvalitetniju analizu.

Dashboard može sadržati:

• prikaze
• domet
• učestalost
• klikove
• CTR
• CPC
• CPM
• angažovanje
• preglede videa
• stopu konverzije
• cenu akvizicije
• prihod
• ROAS

Sve te metrike mogu biti korisne.

Problem nastaje kada se prikazuju bez jasne hijerarhije i veze sa poslovnim ciljem.

Ako je cilj kampanje prodaja, broj lajkova ne treba da ima istu težinu kao prihod ili profit. Ako je cilj generisanje kvalitetnih poslovnih upita, cena popunjene forme nije dovoljna bez podataka o kvalifikaciji i zaključenim poslovima.

Svaka metrika treba da odgovori na određeno pitanje.

Na primer:

• CTR pokazuje da li oglas privlači klik
• CPC pokazuje cenu saobraćaja
• stopa konverzije pokazuje koliko posetilaca reaguje
• cena akvizicije pokazuje koliko plaćamo rezultat
• ROAS pokazuje odnos prihoda i budžeta
• ROI pokazuje širu profitabilnost

Greška nastaje kada pomoćna metrika postane glavni kriterijum uspeha.

Kako izbeći ovu grešku

Za svaki cilj odredite:

• jednu glavnu poslovnu metriku
• nekoliko vodećih pokazatelja
• kontrolne metrike koje pomažu dijagnostici

Dashboard ne treba da pokaže sve što sistem može da izmeri.

Treba da pokaže ono prema čemu možete da donesete odluku.

3. Optimizovanje prema površnom signalu

Klik nije kupovina.

Pregled videa nije prihod.

Poslata forma nije automatski kvalitetan lead.

Ipak, kampanje se često optimizuju upravo prema ovim površnim signalima jer su najlakši za prikupljanje.

To može dovesti do situacije u kojoj oglasna platforma veoma uspešno pronalazi ljude koji popunjavaju formu, ali nemaju budžet, potrebu ili nameru da postanu klijenti.

Kod e-commerce kampanja površni signal može biti dodavanje u korpu, dok se stvarni problem nalazi u checkout-u, dostavi, ceni ili velikom broju otkazanih porudžbina.

Kod uslužnih kompanija potrebno je pratiti ceo proces:

• poslata forma
• kvalifikovan lead
• zakazan razgovor
• poslata ponuda
• zaključen posao
• ostvaren prihod

Kada je marketing povezan sa prodajom kroz CRM i automatizaciju, kampanje možemo procenjivati prema kvalitetu leadova, a ne samo njihovom broju.

Kako izbeći ovu grešku

• Definišite šta je prava konverzija
• Merite vrednost, ne samo količinu
• Vraćajte prodajne statuse u marketinški sistem
• Razdvojite leadove prema kvalitetu
• Pratite prihod i profit po izvoru

Algoritam radi prema signalu koji dobije.

Ako mu pošaljete pogrešan signal, optimizovaće pogrešan rezultat.

4. Zanemarivanje kvaliteta podataka

Najopasniji problem često nije pogrešno tumačenje podataka.

To su pogrešni podaci.

Duplirane kupovine mogu nerealno povećati prihod. Neispravan Meta Pixel može računati isti događaj više puta. Google Analytics može propustiti deo konverzija. CRM može izgubiti izvor leada. Test porudžbine mogu završiti u pravom izveštaju.

Tada analiza izgleda precizno, ali je njen temelj pogrešan.

Najčešći problemi uključuju:

• duplirane konverzije
• pogrešne vrednosti prihoda
• neispravno postavljene događaje
• različite definicije iste konverzije
• nedosledne UTM oznake
• nepotpune CRM podatke
• izostavljene povraćaje
• otkazane porudžbine koje se i dalje računaju kao prihod
• promene sajta koje prekidaju praćenje

Zato postavljanje analitike nije jednokratan zadatak.

Sistem mora redovno da se proverava, posebno nakon promena na sajtu, checkout-u, CRM-u ili oglasnim platformama.

Kako izbeći ovu grešku

• Testirajte svaki važan događaj
• Proverite deduplikaciju konverzija
• Uporedite prihod iz analitike sa poslovnim sistemom
• Dokumentujte nazive i definicije događaja
• Kontrolišite podatke nakon tehničkih promena
• Isključite testne transakcije iz izveštavanja

Pogrešan podatak može proizvesti veoma ubedljiv, ali potpuno pogrešan zaključak.

5. Izjednačavanje korelacije i uzroka

Dve promene koje se dogode u isto vreme nisu nužno uzročno povezane.

Na primer, prodaja može porasti nakon pokretanja nove kampanje. To ne znači automatski da je kampanja jedini razlog.

U istom periodu možda su se dogodili:

• sezonski rast potražnje
• promena cene
• lansiranje novog proizvoda
• promocija kod distributera
• veća organska vidljivost
• objava influensera
• bolja dostupnost proizvoda
• promena na web sajtu

Isto važi i za pad rezultata.

Ako je stopa konverzije pala nakon promene oglasa, uzrok možda nije kreativa. Problem može biti sporiji sajt, promena checkout-a, manjak zaliha ili drugačija struktura saobraćaja.

Zato analitika treba da formira hipotezu, a ne da automatski proglašava uzrok.

Kako izbeći ovu grešku

Umesto zaključka:

Nova reklama je povećala prodaju.

Bolje je reći:

Prodaja je porasla nakon lansiranja nove reklame, ali je potrebno proveriti uticaj sezonalnosti, ponude i drugih kanala.

Zatim rezultat proverite kroz:

• A/B test
• poređenje segmenata
• istorijske podatke
• kontrolni period
• promenu samo jednog važnog elementa

Dobar analitičar ne pokušava da zvuči potpuno sigurno tamo gde podaci ne daju dovoljan dokaz.

6. Prebrzo donošenje odluka

Kampanja sa malim brojem podataka može izgledati izuzetno dobro ili loše samo zbog slučajnosti.

Jedna kupovina može potpuno promeniti ROAS kampanje sa malim budžetom. Nekoliko skupih klikova može privremeno podići cenu akvizicije. Kratak period može biti pod uticajem dana u nedelji, praznika ili sezonalnosti.

Česta reakcija je:

• prerano ugasiti kampanju
• odmah promeniti bid strategiju
• zameniti kreativu
• promeniti publiku
• smanjiti budžet
• proglasiti test pobedničkim

Kada se previše elemenata menja pre nego što postoji dovoljno podataka, kampanja nikada ne dobija priliku da pokaže stabilan obrazac.

To ne znači da treba ignorisati očigledan problem i čekati beskonačno.

Potrebno je unapred definisati:

• koliko dugo test traje
• koliko podataka je potrebno
• koja metrika odlučuje
• koji rezultat opravdava nastavak
• kada je potrebno zaustaviti test

Kroz sistem testiranja oglasa i kreativa svaka promena počinje jasnom hipotezom i kriterijumom odluke.

Kako izbeći ovu grešku

• Ne donosite odluku na osnovu jednog dana
• Posmatrajte rezultat u kontekstu budžeta i obima
• Uporedite rezultat sa prethodnim periodima
• Uzmite u obzir sezonalnost
• Ne menjajte više elemenata istovremeno
• Unapred odredite kriterijum uspeha

Brzina jeste prednost.

Brzina bez dovoljno dokaza postaje nasumičnost.

7. Izveštavanje bez preporuke

Izveštaj koji samo prikazuje brojke ostavlja najvažniji posao osobi koja ga čita.

Nije dovoljno napisati:

• CPC je porastao
• broj konverzija je pao
• ROAS je niži
• mobilna stopa konverzije je slabija

Dobar izveštaj mora da objasni:

• šta se promenilo
• gde se promenilo
• šta je verovatan razlog
• koliko je promena važna
• šta treba uraditi
• kako ćemo proveriti rezultat

Na primer:

Podatak: Mobilna stopa konverzije pala je za 20%.

Uvid: Najveći pad nastaje nakon otvaranja kontakt forme.

Hipoteza: Forma ima previše polja i otežava prijavu na mobilnom uređaju.

Preporuka: Testirati kraću formu sa tri obavezna polja.

Kriterijum uspeha: Povećanje broja završenih prijava bez pada kvaliteta leadova.

To je razlika između izveštavanja i analitike.

Kroz infrastrukturu za konverzije, podatak o ponašanju korisnika pretvaramo u konkretno unapređenje sajta, landing stranice ili checkout-a.

Kako izbeći ovu grešku

Svaki važan nalaz treba da sadrži:

1. Šta se dogodilo
2. Zašto je važno
3. Šta je mogući uzrok
4. Šta preporučujemo
5. Kako ćemo izmeriti rezultat
6. Ko je odgovoran za sledeći korak

Izveštaj nije završen kada su brojevi uneseni.

Završen je kada je jasno šta dalje.

Kako izgleda analiza koja zaista podržava odluke?

Kvalitetan sistem marketinške analitike povezuje:

• oglasne platforme
• ponašanje korisnika
• web sajt ili internet prodavnicu
• CRM
• prodajne rezultate
• prihod
• profitabilnost

Proces može da izgleda ovako:

1. Definišite poslovno pitanje

Šta želimo da razumemo ili promenimo?

2. Proverite podatke

Da li su događaji, vrednosti i izvori pravilno postavljeni?

3. Povežite sisteme

Da li vidimo šta se događa od prvog klika do prodaje?

4. Segmentirajte rezultat

Koji kanal, uređaj, proizvod ili publika pravi razliku?

5. Formirajte hipotezu

Šta verujemo da utiče na rezultat?

6. Predložite potez

Šta konkretno menjamo?

7. Odredite kriterijum uspeha

Kako ćemo znati da je promena uspela?

Takav pristup pretvara podatke iz statičnog izveštaja u operativni sistem učenja.

Kontrolna lista pre donošenja marketinške odluke

Pre nego što povećate budžet, ugasite kampanju ili promenite strategiju, proverite:

• Da li posmatrate više relevantnih izvora?
• Da li je poslovni cilj jasno definisan?
• Da li je glavna metrika povezana sa prihodom?
• Da li su podaci tehnički ispravni?
• Da li se konverzije dupliraju?
• Da li razlikujete lead od kvalifikovanog leada?
• Da li uzimate u obzir maržu i profit?
• Da li postoji dovoljno podataka?
• Da li ste proverili druge moguće uzroke?
• Da li zaključak ima jasnu preporuku?
• Da li je sledeći test unapred definisan?
• Da li znate ko treba da sprovede promenu?

Zaključak

Najveća greška u analizi marketinških podataka nije pogrešno izračunata metrika.

Najveća greška je odluka doneta bez dovoljno konteksta.

Podaci imaju vrednost tek kada povežu:

• marketinško ulaganje
• ponašanje korisnika
• kvalitet konverzija
• prodajni rezultat
• profitabilnost
• sledeći potez

Zato analitika ne treba da proizvodi još izveštaja.

Treba da smanji prostor za nagađanje.

U agenciji Marketeer povezujemo kampanje, web, CRM, prodaju i poslovne podatke kroz Marketing-led Growth i automatizaciju, kako bismo otkrili ne samo šta se dogodilo, već i šta treba uraditi sledeće.

Podatak nije prednost dok ne promeni odluku.

Česta pitanja

Koja je najčešća greška u analizi marketinških podataka?

Najčešća greška je posmatranje rezultata samo kroz jednu platformu. Kupac često dolazi u kontakt sa više kanala, pa je potrebno povezati oglase, web analitiku, CRM i stvarne prodajne rezultate.

Zašto se podaci iz Google Analytics-a i oglasnih platformi razlikuju?

Sistemi koriste različite modele atribucije, periode pripisivanja, kolačiće i izvore podataka. Razlika ne znači automatski da je jedan sistem potpuno pogrešan.

Koliko podataka je potrebno pre donošenja odluke?

Ne postoji univerzalan broj. Potrebna količina zavisi od budžeta, broja konverzija, vrednosti rezultata, prodajnog ciklusa i veličine promene koju testirate.

Koje metrike treba pratiti?

Pratite metrike povezane sa poslovnim ciljem. Za e-commerce su važni prihod, profit, cena akvizicije i prosečna vrednost porudžbine. Kod uslužnih kompanija važni su kvalitet leadova, stopa zaključenja i prihod po izvoru.

Da li dashboard može da zameni analizu?

Ne. Dashboard prikazuje podatke, dok analiza objašnjava njihov kontekst, moguće uzroke i preporučeni sledeći korak.

‍