digitaalinen analytiikka (ma23 digitaalinen markkinointi)

DIGITAALINEN

ANALYTIIKKA Joni Salminen

KTT, markkinointi

joolsa@utu.fi

2015

”Excel-markkinointipäälliköt” (kommentti

keskustelupalstalta)

“I agree completely that direct marketing attitudes and skills have met

online metrics, and the relationship is not a healthy one for advertising.

Measuring direct response to ads undervalues advertising by a wide

margin, because it’s ADVERTISING. It’s meant to have an indirect

influence on perceptions and preferences, not trigger a transaction.

Ultimately, the Google and Facebook metrics engines play into these

attitudes by allowing ROI and other calculations to be applied to

advertising that is presumed to be much more transactional in nature. But

there’s nothing like a beautiful print or banner ad to subtly shape

perceptions and preferences. And fill seats.”

• Nykyajan markkinointipäällikön on hallittava metriikat

• Tarkastelu tällä hetkellä välittömissä myyntituloksissa

(ROI), mutta spekulaatio suorien ja epäsuorien tulosten

välillä ei lopu ikinä.

2

Sisältö

• Wanamaker-dilemma & markkinoijan intuitio

• Kuinka digitaalinen markkinointi pyrkii ratkaisuun

a. Miten analytiikka toimii?

b. Mittarit (hyvät ja huonot puolet)

c. Mittareiden valinta

d. Analytiikan hyödyntäminen

a. Konversio-optimointi (skaalaedut, kertautuvat hyödyt)

b. Allokointipäätökset

e. Attribuutiomallinnus

(Esimerkkityökalu: Google Analytics)

3

Wanamakerin dilemma (ca. 1901)

“Half the money I spend on advertising is wasted;

the trouble is I don’t know which half.”

• Markkinoija käyttää monta kanavaa.

• Tiedetään, että mainonta lisää myyntiä.

• Ei aina tiedetä miksi, eli mikä kanava tuottaa kuinka

paljon.

• Jos markkinointitoimenpiteitä ei voi mitata, niitä ei voi

parantaa.

4

Markkinoijan intuitio – siunaus vai kirous?

5

Mitä enemmän markkinoijalla on

kokemusta, sitä paremmin luulee

tietävänsä miten tehdä asiat.

Kuitenkin todellisuudessa

kokenutkin ammattilainen

voi olla väärässä.

Kokemuksen myötä nopeus

erilaisten vaihtoehtojen

arviointiin kasvaa. Samalla kyky

ajatella niiden ulkopuolella

heikkenee.

Markkinoijan intuition

harhaa ei pidä koskaan

unohtaa…

Analytiikka kumoaa ”markkinoijan intuition”

“After analyzing the online buying behavior of over

600,000 consumers across numerous e-commerce sites,

I learned that surprisingly 75 percent of shopping cart

abandoners would actually return to the site they

abandoned within a 28-day period. This defies

conventional wisdom: we polled online marketers and 81

percent believed that the majority of abandoners

never return.” (SeeWhy, 2013)

6

I’m a marketer.

I’m always

right!

Analytiikka ratkaisee Wanamakerin

dilemman

7

Problem solved?

Kanava Myynti

Digitaalisen analytiikan määritelmän

(Google, 2014)

Digitaalinen analytiikka on

• nettisivuston datan määrällistä analysointia

• nettisivuston datan laadullista analysointia

• kilpailija-analyysia

• käyttökokemuksen jatkuvaa parantamista.

8

Sisäinen ja ulkoinen analytiikka (Salminen,

2014)

• Sisäinen analytiikka = oman verkkosivuston ja

omistusten (properties), kuten sosiaalisen median

profiilien, analysointia liiketaloudellisten tulosten

edellytysten parantamiseksi. (Esim. Google

Analytics, CRM)

• Ulkoinen analytiikka = kilpailijan tai markkinoiden

analysointia (esim. SimilarWeb, Google Trends).

9

Miten analytiikka toimii? (Mullins, 2011)

10

• käyttäjät

• sessiot

• vuorovaikutukset

Nettisivu

JavaScript-

koodi

Googlen palvelin

Raportoitava

data

Tietoja voidaan

kerätä myös

evästeillä.

• dimensiot

(laadullinen)

• mittarit

(määrällinen)

On anonyymia ja ihmispohjaista

analytiikkaa

• B2C: Tiedot kerätään anonyymisesti ja esitetään

yleensä aggregaatteina (yksittäisiä käyttäjiä ei

tunnisteta).

• B2B: Poikkeuksena on ns. ihmispohjainen seuranta,

jossa nimenomaan pyritään seuraamaan yksilöitä.

Tätä sovelletaan yleensä yritysten välisessä

kaupassa.

11

12

stalkkaustiedot

On kahden tyyppistä liikennettä…

Orgaanisen liikenteen

analytiikka

Maksullisen liikenteen

analytiikka

Google Verkkovastaavan työkalut

(Webmaster tools)

Google AdWords

Facebook Facebook Insights Facebook Ads Manager

13

Google Analytics näyttää mitä tapahtuu

klikin jälkeen, nämä näyttävät mitä

tapahtuu sitä ennen.

Orgaanisen liikenteen analytiikka: Facebook

Insights (case: ElämysLahjat.fi)

14

Orgaanisen liikenteen analytiikka: Google

Webmaster Tools (case: ElämysLahjat.fi)

15

”One dashboard to rule them all” – kuinka

integroida analytiikka

16

… n

Sanasto

• Dashboard = mittaristo; tarkoitus näyttää keskeiset

luvut yhdessä paikassa (nopeampi tilannekatsaus ja

päätöksenteko)

• KPI = kriittinen mittari; tarkoitus välttää analysis

paralysis -efektiä eli rajoittaa tarkasteltavien

mittareiden määrää

• API = sovellusrajapinta (application programming

interface); tarkoitus mahdollistaa tiedon vaihto

alustojen välillä.

17

Kaksi riskiä datan suhteen

a. Analysis paralysis = ei tehdä mitään, koska liikaa

dataa

b. Vanity metrics = seurataan typeriä mittareita ja

leikitään että tehdään hyvää työtä

• Ratkaisu: valitaan oikeat mittarit.

18

MITTARIT

19

• Alustat:

– PageRank, Quality Score (Google)

– EdgeRank (engagement), Relevance Score (FB)

• Verkkosivu (ennen klikkiä): – CPM (cost per mille)

– CPC (cost per click)

– CTR (click-through rate)

• Verkkosivu (klikin jälkeen): – BR (bounce rate)

– CVR (conversion rate)

– CPA (cost per action)

– CAC (customer acquisition cost)

– ROI (return on investment)

– CLV (customer lifetime value)

Digitaalisen markkinoinnin perusmittarit

20

CPM (cost-per-mille)

• Tuhannen näyttökerran hinta.

21

Hyvät puolet Huonot puolet

Kuvaa ”reachia” eli peittoa,

eli ”tunnettuuden” kasvua,

eli brändäyksen edellytyksiä

Bännerisokeus (Benway &

Lane, 1998)

Ei kuvaa lainkaan tuloksia,

ts. klikkaako joku ja mitä

käy klikin jälkeen

CPC (cost-per-clikc)

• Klikkihinta (€)

22

Hyvät puolet Huonot puolet

Ohittaa bännerisokeuden

(jotta klikkaa, pitää ensin

prosessoida)

Klikkipetos (joidenkin

arvioiden mukaan jopa 30

% klikeistä petollisia)

Maksetaan vain kävijöistä Klikki ei kerro mitään

lopullisista tuloksista

Taitava liikenteenajaja voi

ajaa epärelevanttia

liikennettä, jolloin yritys

maksaa turhasta

CPA (cost-per-action)

• Toiminnon (yl. myyntitapahtuman) kustannus (€)

23

Hyvät puolet Huonot puolet

Ohittaa klikkipetoksen

(näyttää vain klikin jälkeiset

tapahtumat)

Maksuperusteena

harvinainen (lähes

ainoastaan affiliatet)

Maksetaan vain myynneistä Mittarina ei kerro mitä

tapahtuu 1. oston jälkeen

(elinkaariarvo)

Ei kerro kuinka moni

konvertoitui tai kuinka hyvin

suhteellisesti

Missaa myös

ulkoisvaikutuksia, kuten

WOM:in vaikutuksen

CTR (click-through-rate)

• Klikkaussuhde (%)

• CTR = klikanneet / kaikki mainoksen nähneet

24

Hyvät puolet Huonot puolet

Kertoo miten hyvin mainos

on toiminut

Ei kerro miten laadukasta

liikenne on, tai miten hyvä

match kohdesivustolla ja

mainostetulla asialla on

Ei korreloi myynnin,

mainoksen muistettavuuden

(ad recall), tunnettuuden tai

ostointention kanssa

(Nielsen, 2011)

CTR:ää voi nostaa

epäaidoilla lupauksilla

CVR (conversion rate)

• Konversiosuhde (%)

• CVR = ostaneet / kaikki klikanneet

25

Hyvät puolet Huonot puolet

Kertoo mitä klikin jälkeen on

tapahtunut

Ei mittaa voittoa

Ei mittaa kuinka paljon

rahaa on käytetty (pieni vs.

merkittävä hakutermi)

(Geddes, 2011)

ROI (return on investment)

• Tuotto markkinointipanostuksille

• ROI = (P – C) / C * 100% ,

• jossa

– P = panostuksen (esim. kampanjan) tuotto

– C = kustannukset

26

Hyvät puolet Huonot puolet

Kertoo mitä klikin jälkeen on

tapahtunut

Ei ota huomioon katetta

(hyvä ROI voi silti tarkoittaa

tappiollista markkinointia);

tuotekohtaiset erot

Ottaa huomioon myynnin Ei ota huomioon

elinkaariarvoa

Kysymys:

What is the difference between cost per sale and cost

per customer?

27

Vastaus:

customer lifetime

value (CLV)

CLV (customer lifetime value)

• Asiakkuuden elinkaariarvo = kaikki tuotot (€), jotka

asiakkaalta saadaan koko asiakkuuden aikana

• Yleensä tavoitellaan, että CAC < CLV

• CAC = asiakashankinnan kustannus

28

Hyvät puolet Huonot puolet

Ottaa huomioon mitä

tapahtuu oston jälkeen

(asiakasuskollisuus, -kato)

Vaikea mitata

Tiedetään tarkalleen vasta

jälkikäteen

Mikään mittari ei ole täydellinen

• CPM bännerisokeus yms.

• CTR indikoi laatua / kohtaantoa, mutta ei

konversiota tai tuloja

• CPA missaa ulkoisvaikutuksia (kuten wom) ja

myöhempiä tuloksia

• ROI ei ota huomioon tuotekohtaisia eroja

kannattavuudessa

• CLV vaikea mitata, tiedetään vasta jälkikäteen.

29

KPI:t (kriittiset suorituskykymittarit)

• Merkittäviä mittareita, jotka valitaan kuvastamaan

markkinoinnin onnistumista

• KPI:t vaihtelevat kanavoittain – miksi?

– Funneliajattelun takia (AIDA), eli koska ihmiset ovat eri

hetkillä ostoprosessin vaiheissa. Tämän vuoksi

markkinoijan tavoitteet luontaisesti vaihtelevat; aina

tavoitteena ei ole suora reaktio (direct response),

kuten myynti.

– Mittarit valitaan siis alustakohtaisesti JA kuvastamaan

ostoprosessin eri vaiheissa tapahtuvan markkinoinnin

onnistumista.

30

Alustalle optimointi voi olla ristiriidassa

bisnestuloksille optimoinnin kanssa

31

Kumpi mainos on onnistuneempi?

Mainos A Mainos B

Laatupisteet 10 3

CTR 10 % 3 %

Näyttökerrat 1000 1000

Klikit 100 30

Konversiot 15 15

Tuotto 1500 € 1500 €

Kustannukset 500 € 150 €

ROI ? ?

Alustalle optimointi voi olla ristiriidassa

bisnestuloksille optimoinnin kanssa

32

Alustan sisäiselle dynamiikalla optimoitu

ratkaisu ei välttämättä optimoi mainostajan

tuottoa (Libby, 2009).

Mainos A Mainos B

Laatupisteet 10 3

CTR 10 % 3 %

Näyttökerrat 1000 1000

Klikit 100 30

Konversiot 15 15

Tuotto 1500 € 1500 €

Kustannukset 500 € 150 €

ROI 200% 900%

ANALYTIIKAN

SOVELLUTUKSET:

OPTIMOINTI

33

Optimoinnin monet kasvot

• Google → hakukoneoptimointi

• Facebook → EdgeRank-optimointi

• Twitter → Twitter-algoritmille optimointi

• jne.

– Menestymiseen vaaditaan yleensä laadukas ja

mielenkiintoinen sisältö. Tärkeää on järjestelmällinen

testaus kohdeyleisön ja sisällön yhteensopivuuden

löytämiseksi.

34

Konversio-optimointi

• Konversio-optimointi → parannetaan

todennäköisyyttä klikin jälkeisen halutun toiminnon

syntymiselle.

• Ts. konversio-optimointi on markkinoijan kannalta

toivottaviin lopputuloksiin (=konversio) johtavien

käyttäjien toimenpiteiden edellytysten parantamista.

• Käytännössä muokataan verkkosivuja, esim.

laskeutumissivuja; testataan erilaisia arvolupauksia,

graafisia elementtejä, tuotteita, jne.

35

Esimerkki: Mainoskustannusten

puolittaminen (Salminen, 2012)

• Kun haluat tuplata myynnin, voit kaksinkertaistaa joko

mainosbudjetin tai konversioprosentin (Nielsen, 2008)

• Kun kävijöiden määrä ja siihen käytetty budjetti kasvaa,

konversio-optimoinnista tulee tärkeä investoinnin kohde.

36

Case A: Matala

konversio

Case B: Korkea

konversio

Mainospanostus

(spend)

100,000 50,000

Kävijät (CPC = 0.25) 400,000 200,000

Konversio 1 % 2 %

Myyntien määrä 4,000 4,000

Kanavat konvertoivat eri teholla: esimerkki

Bännerit Hakukone Facebook

Kävijöiden

määrä

1000 1000 1000

Kustannus (€) 1000 1000 1000

CVR (%) 2 5 2

CPA (€) 50 20 50

37

• ostetaan verkkokaupalle 3000 kävijää kolmesta eri lähteestä

• à 1000 kävijää

• CPC = 1 €

• CVR vaihtelee

• lasketaan CPA eli myynnin hinta – millä kanavalla se on

matalin?

Miksi kanavat konvertoivat eri teholla?

Kanavamotivaation ongelma (Marketing Experiments, 2010)

“The PPC traffic was considerably more motivated than the external

banner traffic, and though the new process significantly lowered Friction in

the process, there was not much to address the specific motivations of

incoming visitors. Though cutting the amount of steps in a process increased

the conversion rate for every channel tested, there was a significant

difference in gains made from channel to channel. As we have taught, not all

channels will convert at the same rate because they represent different

demographics at different places in the conversation.”

sivun optimoinnin vaikutus on rajallinen, jos yhteensopiva motiivi

puuttuu kävijöiltä

ongelma ilmenee selkeimmin, kun yrität skaalata (minä tahansa

hetkenä on vain rajattu joukko ihmisiä, jotka ovat valmiita ostamaan;

muiden kohdalla on päästävä valintajoukkoon tai luotava tarve)

38

Optimoinnin kertautuvat hyödyt: esimerkki

(Marketing Experiments, 2005)

• Esimerkin lähtötaso:

– kuukausimyynti = 100,000 $

– kustannukset = 85,000 $, eli kuukausittainen voitto

15,000 $

– PPC-klikkejä = 50,000, CPC = alk. 0.20 $.

• Yritys toimeenpanee yhdeksän parannusta

yhdeksässä kuukaudessa.

39

Optimoinnin kertautuvat hyödyt: esimerkki

(Marketing Experiments, 2005)

40

Summautuvat optimoinnin hyödyt

Parannukset (1 per kk) Parannus Voitto per kk Voiton muutos

(0. Alkuvaihe) N/A $15,000 0%

1. Parannettu PPC-mainoscopy 5% (CTR) $19,500 30%

2. CPC:n laskeminen 5% (CTR) $19,999 3%

3. Laskeutumissivujen optimointi 5% (CVR) $30,249 51%

4. Tilauslomakkeen optimointi 5% (CVR) $35,761 18%

5. Nettisivun copytekstin parantaminen 5% (CVR) $41,549 16%

6. Ylöspäin- ja ristiinmyynti 5% (Myynti) $47,627 15%

7. Hinnan muuttaminen 5% (Myynti) $49,988 5%

8. Ostoskorin parantaminen 5% (Myynti) $56,487 13%

9. Luottamusindikaattoreiden parantaminen 5% (Myynti) $63,312 12%

Optimoinnin kertautuvat hyödyt: esimerkki

(Marketing Experiments, 2005)

• Tulokset:

– Lisävoitto = 48,312 $

– (Summautuvat hyödyt = 163 %)

– Kertautuvat hyödyt = 322 %

• Toisin sanoen optimoinnissa on ”korkoa korolle”

-efekti.

• Mitä tämä tarkoittaa markkinoijalle?

– Tee järjestelmällisesti pieniä parannuksia

– Keskity sekä klikkiä edeltäviin että klikin jälkeisiin osa-

alueisiin.

41

Optimoinnin skaalautuminen: esimerkki

• Kolme yritystä:

A. 1000 kävijää päivässä

B. 10,000 kävijää päivässä

C. 100,000 kävijää päivässä

• Muut tiedot:

– Konversio ennen optimointia = 1 %

– Konversio optimoinnin jälkeen = 2 %

– Optimoinnin kiinteä kustannus per kk = 2000 €

– Avg. basket = 50 €

• Tehdään optimointia. Mikä on kunkin yrityksen

optimoinnin ROI?

42

Optimoinnin skaalautuminen: tulokset

43

0

20000

40000

60000

80000

100000

120000

A B C

myynnin muutos

myynti

kiinteä kust per kk

ROI:

A = -50 %

B = +400 %

C = +4900 %

Johtopäätökset (1/2)

• Pienellä kävijämäärällä optimoinnin kustannukset (oli

sitten in-house tai toimisto) ylittävät helposti hyödyt

• Konversio-optimointi on kannattavaa, kun

C < avB x (S1 – S0), eli

• optimoinnin kiinteä kustannus (C) on pienempi kuin

keskimääräisen ostoksen (avB) ja myyntitapahtumien

määrän muutos (S1 – S0), eli ts. kun lisämyynti kattaa

optimoinnin kustannukset.

44

Johtopäätökset (2/2)

a. Yleisesti ottaen konversio-optimointi antaa

suurimmat tuotot pullonkaulojen poistamisessa

(löytyvät analysoimalla käyttäjien toimia)

b. Mitä enemmän liikennettä ja myyntiä, sitä

kannattavampi investointi konversio-optimointi on

(koska hyödyt skaalautuvat)

c. Suurissa määrissä pienet jatkuvat parannukset

voivat tuottaa hyvän ROI:n (koska hyödyt

kertautuvat).

45

ANALYTIIKAN

SOVELLUTUKSET:

ALLOKOINTI

46

Budjetin allokointi analytiikan avulla: Laurin

tapaus

Avainsana Klikit Kustannus Myynnit ROI

lahja naiselle 110 75 € / pv 120 € / pv (120-75)/75=60%

lahja miehelle 40 25 € / pv 90 € / pv (90-25)/25=260%

47

• Tulos: ”miesten pukukengät” on kannattavampi

• Johtopäätös: nostetaan ko. avainsanan bidiä ja

kampanjan budjettia, tehdään päinvastoin puku-

kengät-avainsanalle

Laurilla on 100 € käytettävissä päivää

kohti – miten rahat tulisi allokoida?

Avainsana Klikit Kustannus Myynnit

pukukengät 110 75 € / pv 120 € / pv

miesten pukukengät 40 25 € / pv 90 € / pv

Mitä pitäisi varmistaa ennen

päätöksen tekoa?

Myynnin arvon allokointi: esimerkki

• Olet ElämysLahjojen markkinointipäällikkö

• Sinulla on yksi 1000 € myyntikonversio

• Analytiikasta näet, että siihen on johtanut neljä

klikkiä.

• Viimeinen klikki on tullut hakukoneesta hakusanalla

‘elämyslahjat’.

Miten allokoit konversion arvon?

48

”Viimeisen klikin harha” (last touch bias)

• käytössä olevalla analytiikkatyökalulla pystytään

erottamaan vain viimeinen, konversion tuonut

interaktio (ollaan siis sokeita kaikille aiemmille

kosketuksille)

• tämän perusteella päätellään että tietty kampanja sai

aikaan konversion, vaikka ainakin osa konversion

arvosta pitäisi sijoittaa aikaisemmille kampanjoille

• miksi tärkeää?

– tuloksena on attribuutiovirhe, jonka seurauksena

voidaan tehdä huonoja allokointipäätöksiä (vrt.

Facebook & suora ROI).

49

Attribuutiomallinnuksen perusteet

• Tarvitaan attribuutioparadigma tai –malli, esim. ”viimeinen

klikki on arvokkain” vs. ”ensimmäinen klikki on arvokkain”

• attribuutio-ongelma on sitä monimutkaisempi, mitä enemmän

markkinointikanavia JA myyntikanavia

• jos on sekä online- että offline-myyntipiste ja online- ja offline-

markkinointia, kaikkia vaikutuksia ei tiedetä ja on lähes

mahdotonta diskreetisti erottaa ratkaiseva kosketus ; lisäksi

womin merkitys jää mallin ulkopuolelle

• attribuutiossa on siis kyseessä jonkinlainen todennäköisyysmalli,

jonka mukaan asiakkaat arvottavat eri kanavista tulevia viestejä

ja kohtaamisia ostopäätöksen tekemisessä

• attribuutiossa CPA kasvaa, mutta lopputulos sisältää koko

ostoprosessin, joten markkinointitieto on tarkempaa.

50

Attribuutiomallit (Google, 2013)

Viimeisin kosketuksen malli 100 % konversion arvosta

viimeiselle kosketukselle (kampanja, kanava)

Ensimmäisen kosketuksen malli 100 % konversion arvosta

ensimmäiselle kosketukselle

Lineaarinen attribuutiomalli jokainen kosketus saa tasaisesti

osan konversion arvosta (esim. 3 kosketusta = 33 % kullekin)

Aikapohjainen attribuutiomalli viimeisempänä konversiota olleet

kosketukset saavat suuremman osan konversion arvosta kuin

kaukaisemmat (aikakerroin)

Etu- ja keskipainotettu attribuutiomalli 40 % konversion arvosta

ensimmäiselle kosketukselle, 40 % viimeiselle kosketukselle, ja 20 %

jaetaan kaikkien väliin jäävien kosketusten välillä.

51

Attribuutiomallit: esimerkki

Ensimmäinen

kosketus

Viimeinen

kosketus

Lineaarinen

malli

1 Facebook

2 Google organic

3 Google CPC

4 blogiartikkeli

52

• yksi konversio = 1000 €

• neljä kosketusta ao. järjestyksessä

• miten konversion arvo allokoidaan?

Attribuutiomallit: esimerkki

Ensimmäinen

kosketus

Viimeinen

kosketus

Lineaarinen

malli

1 Facebook 1000 € 250 €

2 Google organic 250 €

3 Google CPC 250 €

4 blogiartikkeli 1000 € 250 €

53

• yksi konversio = 1000 €

• neljä kosketusta ao. järjestyksessä

• miten konversion arvo allokoidaan?

Attribuutiomallin riski: tarkastelun lyhyt

aikajänne (Goldberg, 2013)

“While our natural tendency is to generally use short

lookback periods (say, 7 days or a month, for example),

on an attributed basis, it’s important to lengthen this out.

The reason is simple… If customers lag a bit before

squeezing the trigger, it’s going to take time for

introducer and influencer counts and values to appear. I

like to use 60-90 days as a lookback period on

keywords/ad groups that I know have a tendency to

introduce or influence a conversion as opposed to

closing, so that I can capture as much information as

possible into my bid rule.”

54

Viivästynyt konversio (deferred conversion)

55

n. 60 % konversioista tulee

ensimmäisen päivän sisällä, mutta

huomattava osa yli viikon päästä

(ElämysLahjat.fi)

Konversiopolku (Google, 2013)

56

Ensimmäinen

kosketus Konversio

Konversiopolun pituus?

Avustava vaikutus

Viimeinen

kosketus Toinen

kosketus

”Polun pituus” (path length) mittaa

konversioon johtaneiden vierailujen määrän

57

Alle puolet konversioista tulee

ensimmäisellä kosketuksella

(ElämysLahjat.fi); vastaava tulos (47 %)

Forrester (2012)

Markkinointitulosten pitkäaikainen

tarkastelu

“This is the search graph for Kodak – Successful campaigns, yet no

gained growth. You can see that regardless of their marketing efforts.

Their growth is negative.” (Åström, 2013)

58

• markkinointi ei kompensoi tuotteen

kilpailukyvyn menetystä

• disruptiivinen innovaatio disruptoi myös

markkinointiefektit

Haineväefekti (= shark fin effect)

“This is the search graph for ‘Mitt Romney’ and as you

can see… no one cares about Mitt Romney if he doesn’t

buy a shit load of media to get elected.” (Åström, 2013)

59

• kampanjoinnin tulokset voivat jäädä lyhytkestoisiksi

• tämän vuoksi monet digimarkkinoinnin toimenpiteet

ovat jatkuvia (prosessi, ei kampanja)

• prosessi voi vaihdella suuresti, esim.

hakukonemarkkinointi on usein sesonkisidonnaista

Jatkuva markkinointiprosessi

(ElämysLahjat.fi)

• Markkinoija haluaa, että kiinnostuksen kehitys on

tasaisesti kasvavaa, eikä liian tempoilevaa

• Bisneksen luonteesta riippuu sesonkivaihteluiden

merkitys

60

Offline-myyntien mittaaminen

“An eye doctor spends $5,000 in one year to bring 10,000 visitors to

her website. In the same year, the doctor spends $5,000 on an ad in

a local weekly newspaper. Discuss the limitations and advantages of

each type of advertising. Describe how you might track each type of

advertising.” (Google, 2007)

Taktiikoita:

– Promokoodi (ostoskori -> CMS)

• OPTICAL, niin saat -10 %

– Erillinen puhelinnumero (puhelustatistiikka)

• 0800-EYES

– Erillinen URL (Analytics)

• Eyedoctor.com/specialeyes

61

Universal analytics (Brown, 2013)

• ”This is going to be a major factor in driving

organisations to migrate to Universal Analytics, and a

major benefit they’ll see as a result of doing so. It’s all

thanks to the Measurement Protocol which is one of

the core components of Universal Analytics.

• It allows us to send data from pretty much any

device, and collect it in Universal Analytics. This

means we can finally link in-store transactions with

campaigns and, via a loyalty card tagged to a User

ID, with an entire history of user interactions with our

brand.”

62

Kävijäseuranta offline-myyntipisteellä

(Coquet, 2013)

63

Opi lisää

• Kirja: Lean Analytics (Alistair Kroll)

• Työkalut:

– Google Analytics

– Tableau

– R

• Kurssi: Aalto ITP (Information Technology Program)

64

65

Huomiseen!