Kender du dine data – eller kender du dit værktøj

Skrevet af Esben Rasmussen i Google Analytics      Ingen kommentarer      

sep
30

Du er måske den teknisk dygtigste til Google Analytics eller andre dataværktøjer i din virksomhed, men hvis du ikke kender din virksomheds data i værktøjet, er du lige så produktiv, som en nyansat.

Lad mig illustrere med en anekdote fra min sommerferie hvorfor jeg mener, at du ikke er effektiv, hvis du ikke kender dine data:

Min hustru og jeg var på sommerferie, hvor vi sad og snakkede og nød en drink under aftenhimlen. Det blev stjerneklart og vi kunne se en meget lysende stjerne. Vi brugte smartphone app’en Google Sky Map for at undersøge, hvad det var. Når min kone holdt telefonen matchede det med Pluto og når jeg holdt den, matchede det med Saturn.

Screenshot fra app’en Google Sky Map.

Jeg dobbelttjekkede lige den åbenlyse fejlkilde – min kone  😉 – men måtte jo indrømme, at hun havde ret. App’en viste noget andet, når hun holdt den op. Vi prøvede hver især at kalibrere telefonens sensorer ved at bevæge telefonen i 8-taller. Det hjalp begrænset. Vi blev enige om, at sandheden i hvertfald var én af de to planeter…

Diskuterer du dine data og ikke værktøjet?

Det var først, da vi havde lagt “problemet” bag os, at analytikeren i mig dukkede op og tænkte på hvilke “data”, det egentligt var, vi diskuterede. Pluto, som er solsystemets mindste (dværg)planet, der også er det yderste legeme i solsystemet, befinder sig (gennemsnitligt) 5 gange så langt fra jorden som solsystemets næststørste planet, Saturn, der er 49 gange større end Pluto.

Lad mig visualisere dataene:

Jeg har snydt en smule med afstandene. Proportionerne mellem planeterne passer og proportionerne i afstandene passer – men proportionerne mellem planeternes størrelse og afstandene passer ikke.

Sandsynligheden for (med det blotte øje) at kunne se solsystemets mindste planet der er 5x så langt væk og 49x mindre end solsystemets næststørste planet, er pænt sagt ret lille.

Men det vi brugte størstedelen af tiden på, var at undersøge og debattere “værktøjet” – fordi vi havde glemt, hvad dataene egentligt repræsenterer. Vi endte endda med at konkludere, at begge svar var potentielt lige gode – en klar fejl!

Test dig selv – er du expert eller rookie?

At spilde tiden med at vurdere værktøjets fremstilling af data frem for at diskutere og vurdere selve dataene er en ”rookie mistake” som nyansatte laver.

Min påstand er nu, at du er ramt af det samme, hvis du, som de fleste andre, skal være en smule blæksprutte i din dagligdag. Som blæksprutte er du højst sandsynligt nok nærmere på niveau 1 (rookie) pga. tidspres.

Som blæksprutte i en travl hverdag vil det være svært at prioritere tid til sine data. Hvis du ikke jævnligt ser på dine data, kan du ikke genkende mønstre og sammenhænge og mangler dermed den dybere forståelse af dine data – og så er du med stor sandsynlighed på rookie-niveau.

For at lave en effektiv analyse, skal du vide, hvad dine data repræsenterer: Teknisk opsætning og brugerintention – som igen består af tilbudssæson, vejret, konkurrenter(s påvirkning på markedet), aktuelle nyheder, din markedsføring osv. Lær hvordan dine data ser ud under forskellige påvirkninger og hvad de repræsenterer.

Ved du hvad der påvirker din bounce rate?

Har du for eksempel forholdt dig til din bounce rate eller kører du med Google Analytics’ standard definition “out of the box”? Hvis du ikke har forholdt dig til bounce rate’en, så diskuterer du Google Analytics’s repræsentation af data frem for hvad dataene egentligt dækker over.

Lad mig give et eksempel:
Er du inden for ecommerce men driver en blog, vil jeg vove den påstand, at din bounce rate er markant forskellig fra shop-delen til blog-delen – og at det også er OK, fordi det repræsenterer to vidt forskellige dele af kunderejsen.

Men husker du at skelne, når du rapporterer videre?

Quick fix til at hæve dit niveau

Kan du ikke sætte tid af til at arbejde med dine nøgletal ugentligt, så du lærer dine tal at kende, så prioritér i stedet at få lavet et dashboard, der kører på en skærm, du altid kan se. Jeg garanterer, at du vil komme til at kigge på dine data – også selvom det bare er flygtigt. Alene et flygtigt blik – gentaget flere gange om dagen – gør at du får en fornemmelse af hvilke mønstre dine data har, når det er weekend, hverdag, ferie, helligdag, solskin, regnvejr, mediestorm, når konkurrenter kører tilbud, når du har udsendt nyhedsbrevet osv. Dette vil løfte dit niveau på to ud af de fire forskellige områder (om datamønstre) i Venn-diagrammet.

Jeg kan varmt anbefale, at du bruger Google Data Studio, da det er gratis og derfor omkostningsfrit for dig at teste min påstand.

Du slipper dog ikke for at hælde nogle timer i værktøjet, da du selvfølgelig skal gøre dig nogle tanker om, hvad dine primære nøgletal er (som du ønsker at få en bedre forståelse af) og derefter forbinde dine datakilder (heldigvis ret intuitivt) til dit dashboard.

Det gode ved Google Data Studio er, at fordi det er gratis, er der allerede mange brugere, hvilket igen gør, at hvis du har et spørgsmål, så er der med stor sandsynlighed allerede nogen, som har stillet det og derfor kan du finde rigtig god hjælp blot ved at søge på Google.

Lidt inspiration

Jeg har bl.a. bygget et dashboard til min arbejdsplads (Kamstrup), hvor vi i næsten realtid via et diagram overvåger trafikken til vores forskellige sprogversioner af hjemmesiden. Samtidigt har jeg også lavet en oversigt, baseret på det seneste år, til at sammenholde med. Det giver både en god rygmarvsforståelse af hvilke tidspunkter på døgnet, der giver mest trafik fra hvilke lande og mulighed for at tjekke, at graferne ser nogenlunde ens ud.

Screenshot fra Kamstrup dashboard.

Derudover overvåger vi også besøg på fejlsider (404) i realtid, så vi hurtigt kan agere, hvis der sker en markant stigning – og så overvåger vi det også en måned tilbage, så vi har en fornemmelse af, hvordan normalitet ser ud.

Screenshot fra Kamstrup dashboard.

Derudover kan du finde mange gode eksempler på Google, men herunder er mine absolut favoritter:

1. Byg et eminent dashboard der fanger din chef – dashboard UX
2. SEO-dashboard baseret på Google Search Console
3. Ecommerce-dashboard baseret på Google Analytics

Et dashboard er eminent til at omdanne tal til grafer – og dermed gøre det lettere at spotte udsving og afvigelser. Så jeg vil klart anbefale dig, at du får lavet dit eget dashboard, som du placerer, så du får kastet et blik på det dagligt og rykker dig fra data-rookie til data-specialist.