Lákavě zní myšlenka, že spustíme kampaň a počítač vyhodnotí, zda funguje dostatečně dobře. Pokud ne, stačí kampaň vypnout a pověstná vyplýtvaná polovina marketingového rozpočtu zůstane doma.

O měřitelnosti inzerce na internetu bylo již napsáno mnoho. Měření interakcí na internetu je opravdu přesnější, než měření zásahu (GRP[1]) v offline prostředí. Ve chvíli změření máme výrazně vyšší jistotu, že k interakci opravdu došlo a lze jí přičítat vliv na budoucí chování oslovené osoby. Jednoduché je však sbírat data o více či méně izolovaných interakcích člověka s počítačem připojeným k internetu. Co už tak jednoduché není, je těmto datům porozumět a vyvodit z nich použitelné důsledky.

Naměřené hodnoty se totiž dají interpretovat tendenčně až účelově. Pro agenturu zajišťující prokliky ve vyhledávání, je úspěšná kampaň přinášející přímé konverze. Mediální agentura, která se soustředí raději na bannery zase tvrdí, že konverze nejsou důležité, protože posilujeme brand. Sociálně-mediální agentura hlásá, že úspěch poznáte podle počtu zmínek na Facebooku či Twitteru.

Prvním předpokladem použitelné digitální analytiky je převzetí zodpovědnosti. Sami musíme formulovat požadované efekty kampaně a jejich očekávané dopady na měřená čísla.

Počty objednávek nejsou jedinou měřitelnou metrikou

Hledáme vazbu mezi investicí do inzerce a výsledným efektem. A to i v případě, že tím efektem nemá být přímý online nákup. A právě zde prozatím digitální marketéři nevyužívají postupy, které již prověřili tradiční „analogoví“ kolegové. Na internetu lze snáz a hlavně levněji vyhodnocovat také (spontánní) znalost značky nebo zpětnou vazbu zákazníků (NPS[2]). K tomu poslouží například výzkum přirozeného vyhledávání výrazů spojených se značkou na vyhledávacích službách společností Seznam, Google nebo Microsoft. Další opomíjenou metodou je systematická práce s online dotazníky. Víme-li přesně, co potřebujeme změřit, způsob už najdeme snadno.

dotaznik

Obrázek 1:  Ukázka online dotazníku spokojenosti

Druhým krokem je tedy volba vhodné metodiky měření poplatné definovaným cílům.

Měření pro měření

Obvyklým problémem je záměna prostředku a cíle. Často daleko více řešíme, co všechno lze technicky změřit, ale méně již uvažujeme o tom, proč bychom to měřit měli. Nejsnazší pomůcka při rozhodování je snaha stanovit odhadované hodnoty měřené metriky a připravit scénáře pro momenty, kdy dosáhne významných mezních hodnot (vysokých i nízkých). Nejsme-li schopní takový plán definovat, zřejmě nemá smysl danou metriku brát v potaz.

To ale nesmí zůstat vytesáno do kamene. Novým metrikám musíme dát čas, abychom je pochopili a zhodnotili, zda do našeho záměru zapadají. Staré metriky zase musíme podrobovat neustálému zpochybňování, zda jsou nám stále užitečné.

V kroku číslo tři tedy musíme mít jasné scénáře pro všechny eventuality, které se mohou v naměřených číslech objevit.

Které metriky patří do základní výbavy digitálního marketéra

Data k nám začnou promlouvat až v momentě, když zcela chápeme rozhodovací proces našeho potenciálního zákazníka. Musíme vědět, zda je náš produkt nakupován impulzivně nebo zda je k rozhodnutí o nákupu potřebný důkladný výzkum. Existuje-li mnoho substitučního zboží a na trhu vládne silný konkurenční boj, pravděpodobně bude rozhodování obtížnější a vyžaduje proto i více interakcí, z nichž každá si klade různé cíle.

Tak, jak si zákazník vyhodnocuje své malé výběrové řízení, tak si v různých fázích pokládá odlišné otázky. Opravdu tento typ zboží potřebuji? Mohu si ho v této chvíli dovolit? Nemohu nákup ještě odložit? Opravdu je pro mě tento produkt ten pravý? Čím lépe dokážeme tento proces pochopit, tím spíše porozumíme výkonu různých kampaní a jejich vzájemné součinnosti při přetváření návštěvníka v zákazníka.

Tento postup je následně možné navázat na akce, které návštěvník na webu provádí. V každém kroku tak můžeme posuzovat dílčí úspěšnost konkrétní marketingové akce ve schopnosti návštěvníka v procesu posouvat kupředu.

Čtvrtý krok nám umožní formovat hypotézy o chování návštěvníků, které chceme kampaní ovlivnit.

Orientace v nekonečně složitém prostředí

Jak prohlubujeme poznání o zástupcích naší cílové skupiny, přicházejí nové a nové hypotézy, jak lépe uspokojit jejich očekávání v různých fázích rozhodovacího procesu. V tuto chvíli je nutné uvědomit si komplikovanost podmínek, ve kterých se naše aktivity odehrávají. Mění se mnoho věcí současně. Naše snahy ovlivňuje ekonomický a sociální stav společnosti, sezónní vlivy (svátky, prázdniny, roční období), konkurenční boj i aktuální počasí. Na úrovni jednotlivce má vliv jeho aktuální nálada ovlivněná bezprostředními zážitky z jeho osobního života.

Abychom v takovém prostředí dokázali spolehlivě porovnat efektivitu našich aktivit, musíme se uchýlit ke statistice. Je tu totiž veliké riziko, že označíme za vítěze zdánlivě fungující kampaň a později zjistíme, že šlo o souhru náhod. Jednou prověřené metody mohou v odlišných souvislostech přestat fungovat. Proto je nutné neustále ověřovat jejich platnost.

buttons_test

Obrázek 2: Které tlačítko přivede více zákazníků?

Jedinou prověřenou cestou ke spolehlivým závěrům je řízený experiment.

Dělba zásluh za realizované cíle

I po zvládnutí předešlých kroků vězte, že lze zajít ještě dále. Známe nákupní chování naší cílové skupiny. Naše poznatky dokážeme přetavit v hypotézy a prověřit je statistickými metodami. Rozumíme ale opravdu do detailu technickým souvislostem měření na internetu?

Jak jsme již probrali dříve, během nákupního rozhodování může v našem případě nastat řada interakcí. Ve výsledku máme tedy jeden realizovaný prodej, ale několik různých aktivit, které si za něj nárokují zásluhu. Byla důležitější první interakce, protože seznámila návštěvníka s naší značkou? Nebo úspěch zajistila ta poslední, protože nerozhodnutého návštěvníka přesvědčila k akci? Realita je bohužel taková, že jednou může platit první varianta a jindy ta druhá. To nás vrací zpět k řízeným experimentům a statistice.

Velmi často se ale stává, že se do „atribučního modelování“[3] pouštíme i v případě, že většina naší návštěvnosti konvertuje během první návštěvy. V takovém případě je přínos hlubokého porozumění nákupního cyklu nákladným špásem s nízkou návratností. Analyzujme proto nejprve, jaký podíl delších cest u realizovaných prodejů máme právě na sledovaném webu.

Počet interakcí Konverze Podíl
1

109

 23,39%

2

58

12,45%

3

32

6,87%

4

22

4,72%

5

10

2,15%

6 a více

235

50,43%

visit_number

 

 Obrázek 3: Podíl konverzí dle počtu interakcí

Dle inzerovaného produktu a formy sdělení se liší také doba, po kterou mají oslovení lidé reklamu v paměti. Můžeme připsat zásluhu i kampani, která přivedla dnešního zákazníka na náš web před půl rokem? U některých druhů zboží zcela jistě ano. Proto bychom neměli rozhodnutí o délce vlivu kampaně ponechat na výrobci měřicího nástroje.

Atribuční model, který nejlépe popisuje fungování kampaní pro určitý segment trhu, je nutné vyladit jeho parametrickými úpravami podle získaných zkušeností.

Online Vs. Offline

Pokud vaše firma nesídlí pouze ve virtuálním světě, dříve nebo později začnete řešit také fenomén Online-to-store konverzí[4]. Návštěvník se se značkou obeznámí online, provede veškerá srovnání a vyhodnocení a nakonec se vydá pro vysněný výrobek do kamenné prodejny. Aby to nebylo tak černobílé, určitě je vhodné zmínit i opačnou variantu. Ta nastává u výrobků, které si chceme vyzkoušet nebo je vnímat jinými smysly než zrakem, ale zároveň jsou na internetu k sehnání levněji (oblečení, parfémy, atd.). I s těmito efekty je třeba počítat a dají se do vyhodnocení naší kampaně zahrnout.

ROPO

Obrázek 4: Efekt online kampaně v prodejnách

Kde je tedy háček

Jistě ale chápete, že technický aparát, který je k tomu třeba, se tabulce v Excelu už příliš nepodobá. Paradoxně ale nejsou technologie tou hlavní překážkou k cestě za rozhodování řízeným daty. Tou je především nepřipravenost na nutné změny ve vnímání marketingu a odlišný způsob řízení, který nám brání v dostatečně rychlé aplikaci poznatků z dat do praxe.

Investice do nástrojů a získání kompetencí k jejich plnému využití má tu výhodu, že její návratnost prokážou poměrně rychle právě získané poznatky.

Napsat komentář

Vaše emailová adresa nebude zveřejněna. Vyžadované informace jsou označeny *