Hva betyr det å være datadrevet?

I en tid hvor vi har tilgang på enorme mengder data og innsikt om digitalt publikum, sliter mange fortsatt med å måle riktig. Tidligere denne uken leste jeg en artikkel (krever premium abonement) hvor snittlesetid ble trukket fram som en av de bedre måtene å objektivt måle oppfattet kvalitet av innhold. Dette er jeg uenig i.

Gjennomsnitt lyver

Er det en ting jeg har lært gjennom min relativt korte karriere innen digital markedsføring så er det at gjennomsnitt lyver. Det kan gi indikatorer, men for å virkelig være datadrevet kreves det en mer analytisk tilnærming enn å kun sjekke gjennomsnittlige parametre. For å sette det på spissen så vil jeg gjerne ta fram et av de bedre eksemplene jeg har lest fra Peep Laja, grunnlegger av ConversionXL.

Hvis kunde #1 er en 12 år gammel jente fra Finland, og kunde #2 er en 77 år gammel mann fra Spania, og du velger å se på din gjennomsnittlige forbruker så vil du målrette markedsføringen din mot en seksuelt forvirret 30-ett-eller-annet person i Østerrike. Skivebom.

Dette var selvfølgelig satt på spissen og et gjennomsnitt blir mer nøyaktig med mer volum, så misforstå meg rett. Essensen i dette er at for å virkelig være datadrevet så er det en nødvendighet å alltid segmentere og alltid se på distribusjonen av data. Snittlesetid er altså en uegnet måleenhet for kvaliteten av innhold og leserens engasjement. På mange måter er det en overføring av den utdaterte måten å måle TV-seere på, for så lenge man måler gjennomsnittlig tid brukt på innhold, så vil man fortsatt ikke fange opp de som gjøre noe helt annet samtidig.
 

mobil statistikk

(Kilde: http://cnb.cx/2nvWzFt)

 

I følge statistikken ovenfor (fra USA) øker mobilbruk i reklamepauser betydelig uten at dette påvirker seertall og det er nettopp dette som er problemet med snittseertid og snittlesetid. Jo flere skjermer som finnes i et hjem jo større blir sjansen for at oppmerksomheten rettes andre steder, noe som kan vanne ut parametre som gjennomsnittlig tidsbruk og gjøre det uegnet til å vurdere kvaliteten av innhold.

Derimot finnes det løsninger som egner seg bedre for å måle oppfattet kvalitet og engasjement når det kommer til innhold. Plugins og andre analyseverktøy gjør det enkelt å se scroll-rate på nettsider. På den måten vil du raskt finne ut hvor mange som faktisk blar seg nedover på siden, noe som er en mye bedre indikator på oppfattet kvalitet av innholdet enn snittlesetid alene. Det er selvfølgelig visse svakheter ved dette da mange på mobil eksempelvis kan scrolle kjapt til bunnen og opp igjen for å anslå lengden av en artikkel, men kombinasjonen med snittlesetid og scroll-rate vil gi brukbar innsikt. Hvis man i tillegg ser på distribusjonen mellom enheter vil man også raskt se om innholdets format er tilpasset enheten det blir konsumert på.

Svak datakvalitet forplanter seg

I artikkelen nevnt innledningsvis trekkes altså snittlesetid fram som et av flere parametre som egner seg om man leter etter en måleenhet som “kan passe inn i et regneark”. Men er det enkel rapportering som er målet? Rapporteringen av data burde aldri forenkles til den grad at det går på bekostning av dataens anvendelighet. Men all data som fokuseres på burde kunne føre til en eller annen form for handling for å nå overordnede mål i følge Avinasj Kaushik.

Et problem kan være at de som forvalter ressurser (ref ledelse) ikke har nok kunnskap om digital analyse, og at rapporter må tilpasses deretter. Her mener jeg at man aldri burde forenkle sine metoder og analytiske fremstillinger kun fordi andre kanskje ikke har kompetanse til å forstå det, men heller prøve å alltid søke innsikt som kan føre til handling. Ikke alle kan forstå web-analyse, men alle kan forstå handling. Hva slags handling får man ut av å se på gjennomsnittlig tidsforbruk og direkte trafikk? Meget lite.

Ser man derimot på scroll-rate vil du raskt se hvor folk falt av, knytte dette opp til hvilken enhet de var på, kombinert med hvor mye tid de brukte. Det er begrenset med hypoteser man kan få ut av at gjennomsnittlig lesetid har økt fra januar til februar, men med scroll-rate vil du raskt kunne forme gyldige hypoteser som: “Vi burde fokusere på å engasjere leseren tidligere eller utforme kortere tekster da 70% av mobilbrukere ikke får med seg halvparten av innholdet før de dropper ut”.

Om man  kun hadde brukt gjennomsnittlige parametre i dette tilfellet ville man mest sannsynlig ikke kunnet komme fram til en så spesifikk hypotese. Dette understreker viktigheten av å ha et godt datagrunnlag, som igjen fører til gode hypoteser, som igjen kan føre til handling som med større sannsynlighet vil gi gode resultater. På samme måte som svak datakvalitet forplanter seg, vil et godt datagrunnlag gi bedre resultater.

Så hva betyr det å være datadrevet?

Det finnes mange gode definisjoner på det å være datadrevet, men det er viktigere at man er det framfor å kunne definere det. Det jeg legger i å være datadrevet er å innse det faktum at meningene mine ikke betyr noe når jeg ser på data. I den grad det er mulig burde man prøve å legge egne meninger til side, og heller alltid strebe etter å finne den beste måten å tilegne seg best mulig data om presis det man ønsker å måle, samt alltid måle noe som kan føre til handling.

Leave a Reply

Your email address will not be published. Required fields are marked *