Analytika, PPC, UX – to vše jsou obory úzce spjaté se SEO. Bez relevantních a čistých (nezkreslených) dat se nehnete. Proto s Digitálními Architekty přinášíme obsáhlý článek – “rozhovorový maraton”. Jak je to s tou analytikou, STDC a SEO?
Máme tady Marka Čecha, se kterým vyřešíme tyto tématické okruhy:
- Kdo jsou Digitální Architekti?
- Strategie a správné měření
- Klient ví, co chce
- Stanovení cílů, priorit a predikcí
- Business na vodě
- Definice USP
- Analýza a vyhodnocování dat
- Nejčastější chyby v analytice
- Nejlepší atribuční model
- Kam v analytice růst?
- Měření a vyhodnocení offline konverzí
- PPC kampaně požírající organickou návštěvnost
- Analytika a AMP weby
- Seskupení dat z více e-shopů
- Analytika v budoucnosti
- Kde se vzdělávat?
Ahoj kluci. Mohli byste se v krátkosti představit? Kdo jsou Digitální architekti a co v kostce děláte?
Digitální architekti jsou analytické studio, které se zabývá webovou a digitální analytikou. Sídlíme v Plzni, ale klienty máme po celé republice i v zahraničí. Existujeme více než 2 roky a náš tým má momentálně 5 lidí (01/2020).
Věnujeme se měření, analýzám a datům, protože v nich vidíme smysl pro budoucí rozvoj a to nejen marketingu. Naším současným cílem je budování smysluplného marketingu našich klientů založeného na datech.
Letos chceme vzhledem k dlouhodobé vizi hledat datové přesahy i v jiných oborech jako jsou chytrá města, logistika či nakládání s odpady. V našich projektech jsou nejvíce zastoupeny implementace digitální a webové analytiky a datová vizualizace.
Strategie a správné měření jsou základem – je to tak?
Ano je to mantra, kterou se snažíme v rámci komunity a u našich klientů prosadit. Pod strategií ale není potřeba vnímat stohy papírů; dílčích operativních, taktických a strategických cílů či tabulek s desítkami listů.
Za strategii považujeme i prosté určení směru, kam se má váš projekt ubírat. I to je lepší než nic.
Měření nemůže existovat bez strategie.
Marek Čech, Digitální Architekti
Důležité je se nenechat zlákat na scestí, kdy měříte cokoli, co je zrovna cool. Utopíte se v datech a skutečná přidaná hodnota pro rozvoj projektu nebo manažerské rozhodování se vytratí. Musíte být schopni data efektivně vyhodnocovat a rozumně s nimi pracovat.
Ne všechna data se vyplatí sbírat, když je nedokážete kvůli času, nebo nedostatku lidí, analyzovat a z toho vycházející doporučení implementovat.
Stává se vám, že přijde klient a ví, co potřebuje? A když to ví, jo doopravdy to, co potřebuje? Setkávám se totiž spíše s požadavky, které jsou ve výsledku úplně z druhého konce toho, čím by se mělo začít.
Nestává se to příliš často. Jsou to takoví UNICORNI. Na druhou stranu se s klienty, kteří ví co potřebují, velmi dobře buduje dlouhodobý vztah. Takový klient je potom mnohem více otevřený diskuzím, při kterých můžeme vytěžit na maximum potenciál naší odbornosti.
Většinou však máme zkušenost, jako ty. Tím nejčastějším problémem je, že nemá klient dostatečnou znalost dané problematiky, nemá čas řídit všechny oblasti marketingu do hloubky, nebo vyspělost jeho marketingu není na takové úrovni, aby měl prostor věnovat se oblasti webové analytiky nějak podrobněji.
V neposlední řadě narážíme opět na výše zmíněnou marketingovou strategii, která u většiny klientů úplně chybí.
V těchto případech máme jasný postup, který se snažíme ve většině případů prosadit. S klientem naplánujeme celodenní analytický workshop, v rámci kterého si ujasníme jeho možnosti, cíle a potřeby. Tento workshop je užitečný oběma stranám. Klient zjistí, jakým směrem by se měl vydat a jak mu s jeho problémy můžeme pomoci. Zároveň tím řešíme otázku, na kterou ses ptal – na začátku si klient myslí, že by se mu hodilo měřit to či ono a na konci workshopu sám dojde k tomu, zda jsou jeho požadavky a představy relevantní, nebo by se měl se zaměřit na úplně jiné problémy.
Z druhé strany i pro nás má tento workshop velmi důležitou roli. Dokážeme díky němu odhadnout:
- náročnost projektu,
- podobu našeho zapojení,
- klientovy zdroje.
Na základě výstupů jsme schopni připravit kvalitní nabídku na míru a rozhodnout, zda naše služby klientovi dávají smysl a neměl by se raději vydat jiným směrem.
Než se dostaneme k měření, dejme si kousek strategie. Jak stanovujete s klientem cíle? Řešíte priority, predikci výkonu a value (hodnotu) pro konkrétní projekt?
Máme metodiku, která je založená na rámci See Think Do Care, který jsme si zamilovali. Vystavěli jsme kolem tohoto přístupu ekosystém pracovních listů a postupů, které umožní jakékoliv společnosti tyto otázky vyřešit.
To můžeš udělat buď sám nebo s pomocí našich konzultantů. Začíná se úplnými základy – od značky a poslání společnosti, následně se přes zákaznické persony dostáváme k produktům. Pak se stanovuje obsah a marketingové kanály či měřící strategie. V rámci tohoto procesu si klient ujasňuje i obchodní a následně marketingové cíle, z nichž derivujeme metriky do měřící strategie.
Řešíme také finanční stránku věci. Jsme v tomto velmi otevření a vždy má hlavní slovo klient. Působíme zde spíše v roli kouče. Nemáme v šuplíku marketingové strategie či kampaně pro typové projekty, ale provádíme naše klienty celou cestou, na níž postupně definují svůj projekt či společnost.
Co ta hodnota cílů a jejich prioritizace?
Co se týká stanovení hodnoty cílů, tak zde opět závisí na vyspělosti klienta. Důležité je zajistit, jaký je hlavní strategický cíl firmy. Obvykle součástí potřeb klienta je:
- zvýšení zisku,
- rozvoj produktů na trhu,
- stabilita společnosti v budoucnu.
A k tomu strategickému smýšlení… Pokud chci růst o 2 %, musíš mít jiný přístup než tehdy, kdy plánuješ růst 300 %. Nepotřebujeme v měřící strategii TOP metriky a best practises. Potřebujeme to, co aktuálně zapadá do strategie a směřování společnosti.
Hodně se to prolíná s vyspělostí marketingu (které se detailně věnujeme), která by se měla zvyšovat v čase.
Pokud uvedu příklad – v počáteční fázi nemáme vůbec žádný problém, když jsou v měřící strategii méně populární metriky jako “liky na Facebooku” či počty sledujících na sociálních sítí. V takové situaci prostě nejsou data ani prostor na to dávat do měřící strategie sexy metriky jako CLV (customer lifetime value – dlouhodobá hodnota zákazníka), průměrná velikost objednávky či retence.
Priority určitě řešíme. Jsou dány jak vyspělostí marketingu, tak kapacitou klienta. Vždy dáváme z naší strany doporučení, co upřednostnit a co naopak počká.
Máš něco i k té hodnotě analytiky? Znáš to – z PPC kampaní je vidět výkon hned, SEO táhne projekt v dlouhodobějším měřítku, e-maily buď fungují nebo ne. Jak je na tom ta analytika?
Hodnota projektu a jeho návratnost je dost komplikovaná otázka. Míchá se tam dohromady hned několik částí analytiky.
Konzultační část se velice špatně vyčísluje – stejně jako služby právníka. Na začátku je to o analýzách, rozborech a nastavení toku myšlenek. Až budete potřebovat data (nebo pořádnou obhajobu), máte napůl vyhráno.
Pak část realizace.
Další částí je samotné doměření návratnosti. Něco zkrátka stojí tolik, že (především u menších projektů) to nedává smysl. Zde nám občas škodí náš způsob myšlení. Když se řekne návratnost, tak nám v hlavě probíhají otázky:
- Z čeho ji počítat? Ze všech tržeb, co vznikly po začátku spolupráce? Nebo jen z některých?
- Musí se vyřešit sezónnost, externí vlivy a vývoj klienta, který nesouvisí s projektem?
- Jiné ekonomické faktory nebo stačí, že vezmu data loni vs. data letos a vzájemně je odečtu?
Hodnotu a přínos projektu pro klienta řešíme a je dost individuální. Zajímavé od analytiků je, že hodnotu nevyčíslujeme číselně.
Když jsme u cílů, setkáváte se s tím, že je business postavený “na vodě”? Jak pomáháte nastavit ty správné cíle, strategii nebo interní firemní procesy?
Souvisí to s tím, co jsem říkal před chvílí – a to vyspělostí marketingu. Nastavili jsme si interní model pracovně nazvaný Marketing Meter, o kterém si každý může přečíst na našem blogu.
V celé problematice existuje 6 úrovní vyspělosti marketingu, které se řadí od škály “one (wo)man show aka jdu něco dělat” po level “jsem datově vyspělý leader svého oboru vše predikuji a vím o přínosu každé koruny, co dám do marketingu”.
Každou společnost/projekt si následně zařadíme (dle zhruba 30 kritérií) někam na tuto škálu a dle toho s ní komunikujeme, nabízíme jí příslušené služby a doporučujeme kroky k posunu na další úrovně. Společnosti, které ty představuješ jako “na vodě” nám většinou spadnou do úrovně 0 či 1. Zde většinou nabízíme možnost účasti v našem marketingovém akcelerátoru, pokud se jedná o startup či studentský projekt. Případně jsou tu jednorázové konzultace či školení.
Posun je zde pak plně v roli klienta, který musí získat potřebný kapitál pro další rozvoj. Nemáme však problém poradit, doporučit vhodné kolegy či zdroje z oboru či mimo něj. Do nastavování interních procesů se tedy zapojujeme pouze jako konzultanti a dle vůle klienta postupně implementujeme naši marketingovou metodiku, o které jsme mluvili před chvílí.
Pomáháte v DA s definicí USP (prodejními argumenty) nebo si na ně každý musí přijít sám?
Pomáháme. Je to nezbytná součást naší marketingové metodiky. Nikdy je ale nevymýšlíme za klienta. Jsme pouze koučem či průvodcem v procesu nalezení klientových proč, jak, co, komu a za kolik.
Jen tak se s těmi USP klient (=celá firma) může sžít. Měli jsme v tomto nemilou zkušenost, která nás hodně vyškolila. USP jsme se snažili vymýšlet za klienta. Nedokázal pak přijmout ty postupy za vlastní a dále je rozvíjet. Neustále padali fráze typu “tak co Digitální architekti vymysleli, co jste nám přinesli nového apod.”. To není spolupráce, kterou hledáme. My jsme průvodcem a vytváříme pro klienta prostředí, ve kterém si odpoví sám.
Pořád se ptáme. Ptáme se chytře a ptáme se pořád. To nastartujte přemýšlení klienta správným směrem.
Přesuňme se k vyhodnocování, což je vaše primární část zaměření. Jaké je nutné minimum s ohledem na nastavení měření? Co doporučuješ vyhodnocovat v první fázi, kdy nemám vůbec nic nebo jen nasazené základní měření Google Analytics?
Pokud budeme slovíčkařit, naším oborem je spíše měření a analýza dat. Myslím ale, že si rozumíme. 🙂 Anglicky se tato oblast označuje jako measurement a analytics.
Je potřeba někde začít. I správné vložení měřících kódů do webu může být pro některé projekty vítězství. Pokud se budeme bavit konkrétně o nástroji Google Analytics, v začátku bych se měl zaměřit na vyhodnocení jednotlivých vstupních stránek pro kampaně, které cíleně řídím + na vstupní stránky organického vyhledávání. U nich bych měl sledovat čas na stránce i míru opuštění, vždy však pro konkrétní stránku – ne pro celý web.
Na začátku tedy sleduji jak kvalitu, tak kvantitu stránek. Dalším krokem je definice jednotlivých marketingových kanálů. Zároveň doporučujeme takovým projektům se zamyslet nad počtem marketingových kanálů, které jsou schopni v dané fázi řídit.
Máš tím na mysli spousty účtů a jednoho člověka, co má na správu marketingu vyhrazené páteční odpoledne mezi druhou a třetí?
Přesně tak. Je vidět, že to znáš. 🙂 Nezřídka se nám stává, že začínající projekt má založeno 6 sociálních sítí a kampaně za 100 Kč (na den) ve 3 reklamních systémech.
To podle mě není úplně ta správná cesta, jak začít a řídit marketing smysluplně. V takové situaci doporučujeme zredukovat profily na 1-2, nastavit rozumné cíle (nákup, rezervace, vyplnění formuláře) a měření a k tomu také spustit odpovídající kampaně.
Zde plně kopírujeme poučky od Avinashe Kaushika a jeho STDC myšlenky, kdy se doporučuje začít kvalitním obsahem na něj nastavit smysluplné kampaně. Následně se přejde k měření. Opačná cesta je cesta špatná.
Nemá smysl mít sofistikovanou analytiku nebo luxusní PPC kampaně na webísek s návštěvností 100 uživatelů měsíčně, kdy jsem rád, že za půl roku vypotím jeden průměrný článek.
Mám základní měření. Na co koukat mimo míry opuštění a doby strávené na stránce?
Spousta lidí si neuvědomuje, že pokud mám 50 000 Kč náklad na zaměstnance, tak jsou to úplně stejné peníze, jako 50 tisíc do reklamy. Abych se vrátil k otázce, je to často jedna z věcí, které doporučujeme začít vyhodnocovat – veškeré kanály i s přihlédnutí na náklady na zaměstnance, agentury a další náklady, které vás na první pohled nenapadnou, ale přímo s výkonností příslušného kanálu či celého marketingu souvisí.
U měření webu doporučujeme jít od hlavního cíle zpět. U e-shopu je cíl většinou:
- nákup,
- předtím je průchod košíkem,
- předtím je přidání do košíku,
- zobrazení produktu ( závisí na vyspělosti marketingu a co s daty plánuji dělat).
Samozřejmě pokud mi na webu ze 100 návštěvníků 90 nakoupí, tak asi nebudu řešit odpadovost v košíku. Taková čísla se ale jen tak nevidí.
Pokud bych měl dát obecný návod na start analytiky, tak si vyřešte základní kvalitu dat.
- stanovení cílů a strategie růstu
- platební brány a subdomény ve zdroj/médium
- označení odkazů
- tagování PPC kampaní
- systém pro vyhodnocování kanálů
- strategie zpřesňování dat
Prozradíš čtenářům nejčastější chyby, s kterými se v analytice setkáváte?
O analytických problémech se otevřeně bavíme na nejrůznějších komunitních konferencích jako je MeasureCamp či Barcamp, proč to nezmínit i zde. Naším smyslem není donekonečna opravovat špatně nastavené základy v měření, to by měl umět každý specialista či markeťák sám. Hledáme spíše pokročilejší implementační projekty.
Vezmeme to spíše jako výčet, protože pokud bys chtěl vše rozebrat do detailu, seděli bychom tady asi týden.
- nejasná definice toho proč, jak a co nastavuji a měřím
- chybějící obchodní a marketingové cíle bez přiřazených hodnot
- chybějící dokumentace webu, měření a nastavení systémů
- chybějící či špatné nastavení e-commerce
- duplicitní transakce a obecně duplicitní měření remarketingových kódu
- špatné sumy transakcí, práce s tržbami s DPH v případě plátců
- neexistující či nejednotná strategie značení odkazů a tím pádem nefunkční seskupení kanálů
- špatně vložený kód, měření na jiných stránkách a vývojových prostředí, veřejně přístupné a zaindexované vývojové prostředí
- spam návštěvy a neexistence hostname filtru
- chybějící měření vyhledávání na webu
- špatná struktura URL a chybějící seskupení obsahu
- chybějící SSL certifikát a nevyřešené přesměrování domény s www či se zpětným lomítkem na konci
- porovnávání neporovnatelného – snahy porovnat reklamní systémy a měřící nástroje typu Google Analytics
Nejlepší atribuční model? 🙂
Ten, se kterým umím pracovat a chápu ho. Prosím každého, kdo při buzzwordu atribuční model zpozorní a propadne histerii, ať se na chvíli zastaví a zamyslí se. Není. Jeden. Správný. Model. Tečka.
Ani ten založený na vašich vlastních datech není ten správný.
Atribuční modelování je proces. Proces, kdy porovnávám jednotlivé myšlenkové přístupy a řeším, zda v určitých případech není využití některých marketingových kanálů nadbytečné, přeceňované či podceňované a nedosáhl bych stejné efektivity i bez jejich použití.
Atribuční modelování, ač si to málokdo chce přiznat, je proces na celé roky.
Není to vůbec o tom, že udělám dva kliky vypadne mi číslo a jdu rušit půlku marketingového oddělení, protože ten organic prostě tenhle kvartál nesype.
Je to o tom si uvědomit, k čemu jaké marketingové kanály a nástroje používám a ověřit si zda tomu odpovídají i obchodní/prodejní čísla.
Příklad? Častý fenomén, který se řeší je, zda remarketing na opuštěný košík či detail produktů (např. na Facebooku) má opravdu takový přínos, jak si myslím či nikoliv. Logicky by kampaně z tohoto kanálu měli v last non-direct-click atribučním modelu dosahovat vysokých hodnot konverzí. Pokud tomu ale tak není a v jiném atribučním modelu vyjdou výsledky lépe (více konverzí, lepší konverzní poměr) – např. first-click, měl bych zpozornět a něco udělat. V tomto případě například to, že:
- remarketing na konkrétní období vypnu a sleduji případné změny,
- nebo změním celý přístup a obsah kampaní.
Obdobně to může být třeba s produktovými PPC kampaněmi zaměřenými na prodej, u kterých později zjistím, že mají lepší výsledky když stojí na začátku konverzní cesty. Což je obvykle opak toho, co jsem si myslel, když jsem je tvořil.
Každý obor funguje jinak a to, že v parfémech fungují produktové PPC nejlépe jako poslední krok v cestě zákazníka, u outdoorového vybavení to může být úplně jinak.
Vše to ve finále opět souvisí s STDC a pozicí jednotlivých kampaní a kanálů v cestě zákazníka. A s tím, zda je připraven nakoupit – STDC tomu říká think a do fáze. V zahraniční literatuře jsem se nedávno setkal s označením “marketing channel temperature” nebo “PPC temperature”. Jde tedy o zahřátí uživatelů z jednotlivých kanálů na provozní teplotu.
Když už máme definované cíle, očištěná data a jasný pohled na svůj business, jak byste pokračovali? Mám tím namysli, kam se dá s analytikou růst (s ohledem na návratnost).
Současné směřování, které lze vyčíst z trhu, je automatizace a personalizace. Automatizace je tu ve dvou podobách:
- nahrazování rutinních úkolů, které dosud dělají lidé,
- výpočty jednodušších či složitějších modelů, které určují segmentaci zákazníků, tedy to na které uživatele cílit.
Některé marketingové nástroje již tyto procesy dělají za nás, někdy o tom možná ani nevíme. Čtenářům nejznámějším případem budou asi automatizace a modely založené na chytré inteligenci schované za Google Ads či Facebook Ads.
U Google Ads dnes stačí nahrát produktový feed nebo žádané vstupní stránky na webu a systém sám připraví kampaně i s cílením. U Facebooku nastavíte velmi obecné cílení kampaně a on si sám určuje, jakým lidem ji nakonec zobrazí. U sociálních sítí to jde mnohdy tak daleko, že velkým značkám píší příspěvky algoritmy založené na umělé inteligenci. Příspěvky pak často dosahují lepších výsledků, než kdyby je napsal člověk.
Velkým hybatelem je pak personalizace. Nebavím se o tom, že tě v mailu někdo osloví tvým jménem. Bavím se spíš o personalizaci nabízených produktů, možnosti výběru detailních vlastností produktů a služeb apod. V případě použití umělé inteligence v reklamním systémech fungují data a analytika jako kontrolní mechanismus, který rovná umělou inteligenci do latě. U personalizace pak umožňuje její realizaci.
Dalšími příklady mohou být automatizovaná cenotvorba, predikce, co se bude prodávat. V dnešní době je již běžné, že většina nadnárodních řetězců, ve kterých běžně nakupujeme, využívá datovou analytiku při rozhodování, kde otevře další pobočku nebo kam umístí jaké zboží.
Máte v architektech zkušenosti s měřením a vyhodnocením offline konverzí (obchod, akce, billboardy)?
Co se týče doměření, tak zatím asi velmi podobnou, jako ty. Řešíme to přes kupony, zákaznické karty, speciální domény, stránky co jinde neexistují nebo heslo, co řekneš prodejci. Ale snad se blýská na lepší časy – však to také plánujeme jako jedno z témat Marketingové Plzně pro rok 2020.
Velkou roli v této oblasti hrají dvě metody měření.
Pokud se bavíme o FMCG (rychloobrátkovém zboží) a obchodu obecně, dostává se do popředí geolokace. Každý má dnes v kapse mobil a pokud byl na adrese mé pobočky, je určitá šance, že ten člověk něco nakoupil.
Druhou možností je identifikace dle platební karty. Takové měření umocnila také možnost platby telefonem. Údajně do toho šlape MasterCard. Jaká bude budoucnost takového měření, to těžko říct. Hrajeme si zde s určitou mírou pravděpodobnosti – pokud s offline pracuješ celoročně a ne nárazově, touhle cestou bych asi nešel.
A máš nějaké tipy, jak nesypat peníze z okna a mít alespoň základní přehled o výkonu offline reklamy?
Jak jsem říkal, je tu možnost geolokace, identifikace dle karty nebo možnosti kuponů. Pokud jde o offline – billboardy nebo letáky, doporučuji sledovat Marketingovou Plzeň nebo se podívat na video na Mladém Podnikateli.
Teď trochu s PPC – dokážete vyhodnotit, kdy mi PPC kampaně odchytávají organickou návštěvnost? Kdy se mi zkrátka nevyplatí inzerovat, protože mi to přebere organic a já můžu investovat jinde?
Testovat testovat a testovat.
Pokud dobře měřím, jsem schopen tohle otestovat. Prostě vypnu PPC tam kde se myslím, že platím zbytečně. Když se tržby nezmění, tak inzerce s určitou pravděpodobností nemá cenu. Bojím se ale, že tě přeplatí konkurence a pak už se ti bude na pozice, kde jsi byl, těžko vracet.
Zatím jsme se s podobným požadavkem nesetkali a domnívám se, že vyhodnocení a poodkrytí tohoto fenoménu je tak složitá záležitost, která se vyplatí až u velkých a marketingově vyspělých projektů.
V posledních letech se řeší AMP weby – někdo by hned kód přepisoval, někdo je naopak odpůrce. Řešili jste někdy měření AMP webů – hlavně kombinace AMP a non-AMP webu (typicky AMP blog a non-AMP zbytek).
Technologii AMP známe, ale s těmito projekty zatím nemáme zkušenost, takže bych nerad fabuloval. Máme tuto technologii zařazenou jako užitečnou pro velké vydavatele obsahu a e-shopy. U nich i případové studie od Googlu dokazují, že zrychlení načítání v řádech sekund, kterého jsou AMP weby schopné dosáhnout, má prokazatelné obchodní dopady.
Aktuálně řeším SEO u několika e-shopů ve stejném segmentu (stejné produkty), v několika jazykových mutacích (celkem 14 obchodů). Jak seskupit taková data do jednoho celku, abych získal komplexní přehled o výkonu produktů a kategorií dle země?
Gratuluji k tak významnému projektu a jedním dechem dodávám – “A safra”. Tohle je trochu takový svatý grál webové analytiky. Něco podobného se snažíme teď také na jednom projektu dosáhnout. Důležité je si uvědomit a zamyslet se nad tím, k čemu mi vůbec taková data budou. Zda s nimi budu umět pracovat, kde je budu analyzovat a hlavně jakou hodnotu takové seskupení přinese.
Předpokládám 14 obchodů jednoho klienta, ne konkurence 🙂 Mohl by to schroustat nějaký vizualizační nástroj s připojením více zdrojů (14 výběrů dat GA). Jakákoli databáze si s tím poradí. Stejně tak by to mohly vyřešit silně přizpůsobené Google Analytics nebo 360ky.
A na závěr – kde vidíte analytiku v roce 2020 + v následujících, řekněme, pěti letech?
I s ohledem na predikovanou ekonomickou recesi si myslíme, že stále více webových projektů si začne uvědomovat důležitost webové analytiky a začne si ji svépomocí či pomocí kvalifikovaných partnerů implementovat. Je totiž nutné si uvědomit, že webová analytika se ve finále nesnaží o nic jiného, než zjistit co se dělo s prostředky, které jste investovali do marketingu a jestli opravdu něco přinesli.
Zlí jazykové často tvrdí, že ukazuje, jak vydělat více peněz. My se hájíme tím, že druhou stranou mince je zákazník, kterému se maximálně snažíme usnadnit nákup či splnění jiného úkolu online.
Očekáváme, že boom zažije i měření webových aplikací kde možná díky složitější implementaci je analytika ještě dost pozadu. Nemyslím teď nástroje, ale implementování v jednotlivých projektech.
Zpracování dat a analytika se stane ještě více dostupnější. Pokud vezmu v potaz, že ještě před několika lety byla webová či digitální analytika cenově dostupná pouze několika největším firmám světa, blýská se na lepší časy. Vypadá to, že podobným směrem jde obecně i práce s daty a tím i čím dál větší dostupnost technologií.
Před pěti lety by ti na výraz machine learning nebyli lidi schopni odpovědět a tvrdili by, že nic jako machine learning neexistuje. Nedávno, pokud se nepletu, Finská univerzita vydala kurz o umělé inteligenci pro veřejnost s myšlenkou vysvětlit myšlenku umělé inteligence celému národu.
Výrazný posun nastane ve vizualizaci dat a manažerských i operativních reportů. Vizualizační nástroje a platformy jsou stále dostupnější a marketingových manažeři si začínají uvědomovat jejich moc a usnadnění, které přinášejí do každodenní operativy marketingového oddělení.
Každý reklamní systém, emailingová platforma či marketingový či analytický nástroj je dnes našlapaný skvělými reporty s pořádným množstvím dat. Často ale potřebuji dvě tři metriky z každého nástroje. Několik dimenzí chci vidět spolu, ideálně co nejaktuálnější a na jedno kliknutí. Zde přichází manažerské přehledy na míru a vizualizace dat, která toto umožňuje udělat.
Analytické vzdělání se bude alespoň v náznacích rozšiřovat i do činnosti specialistů, kde by se každý měl vyznat alespoň v jednom analytickém nástroji na našem trhu. To pravděpodobně budou Google Analytics. Klíčová je zde důslednost a správná interpretace jednotlivých metrik.
Výše uvedené souvisí i s rostoucí automatizací pomocí hloupé (pravidla) či umělé intelligence, kdy komplexní systémy vyžadují daleko více odbornosti a komplexního přemýšlení v implementační fázi. Každý umělá inteligence bude totiž jen natolik chytrá, jak chytrá jsou vaše vstupní data a v jejich přípravě bude zakopán pes budoucího marketingu.
Pokud si nechám automatizovat marketing na webu, kde mám 30 konverzí za měsíc, nebude to asi ono. Když jich budu mít 1000 za den, můžu opravdu čekat, že algoritmus dosáhne lepších výsledků, než specialista.
Celý marketing se stává stále komplexnější a dávno pryč jsou doby, kdy jedna osoba obsloužila vše. Dle mého dojde i k posunu ve vzdělání, kdy vedoucí pracovníci budou muset stále více splňovat kritéria takzvané T-shape persony – mít komplexní přehled o marketingu a na jednu věc být odborník. Specialisté pak budou muset stále více prohlubovat své znalosti.
No a jak s tím vším začít a připravit se na budoucnost ještě dnes?
Pokud se vy sami chcete naučit budovat smysluplný marketing založený na datech, začněte se vzdělávat. Máme třeba vlastní analytické školení.
Na internetu je spousta zdrojů, kde si můžete informace najít – třeba kurzy od Googlu v Digitální garáži (v anglické verzi již nejsou jen marketingová školení). Pro analytické nástroje od Googlu existuje Google Analytics Academy. Zajímavou inspirací mohou být vzdělávací datová curricula představená na stránkách superdatascience.com/learning-path.
V oboru analytiky a dat jsou pak vyzdvihovány také technické znalosti – SQL, R, JavaScript či Python plus znalost nějakého vizualizačního nástroje (Google Data Studio, Power BI, Tableu či QlikView a mnohé další. Hezky o kariéře webového analytika píše i Marek Lecián.
I my se vzdělávání komunity intenzivně věnujeme. Můžete navštívit naši Večerní školu marketingu nebo zajít na Marketingovou Plzeň, kde se snažíme oslovovat přednášející, který o marketingu smýšlejí podobně.
Díky Marku za super a fakt mega-dlouhý rozhovor. Máme to na nějakých 4 100 slov, to už je pěkná dávka textu. A věřím, že si z toho každý něco vezme.
Neřešili jsme vlastně ani tak SEO, spíš obecný náhled na analytiku a strategii. Určitě se ještě potkáme v některém z dalších rozhovorů. A pokud tvoje myšlenky někoho zaujaly, tady je kontakt:
Díky všem čtenářům i tobě! #seeya