Mitä on analytiikka?

Määritelmiä sinänsä on niin monta kuin ihmisiäkin, mutta olen itse havannoinut sen näin:

Pilkotaanpa tämä osiin:

Mitä on data-analytiikka:

Analytiikka ja data-analytiikka eivät ole eri asioita, vaan tässäkin asiaa voi hahmottaa ajatellen analytiikan eri kerroksia.

Analytiikan neljä eri ulottuvuutta

Ennakoiva analytiikka

Datan hyödyntäminen

Huom. Data-analytiikka ja data-analyysi on eri asioita! Tämä on varmasti helpompaa pitää mielessä suomeksi, koska englanniksi nämä sanat on melko lähellä toisiaan (data analytics vs. data analysis). 

Data-analytiikka:

Data-analyysi: 

Kun puhutaan analytiikasta yleisesti, niin se voi periaatteessa viitata myös sellaiseen tutkimukseen, tulkintaan ja kommunikointiin joka ei perustu numeerisiin arvoihin. Eli vaikkapas avointen työntekijäpalautteiden lukeminen ja johtopäätösten sekä toimenpiteiden tekeminen sen pohjalta voi olla osa “HR-analytiikkaa”. Kyse ei ole data-analytiikasta, jos palautteita ei käsitellä systemaattisesti tietoaineistona ja kategorisoida vaikkapas positiivisiin ja negatiivisiin, vaan aineistosta havannoidaan laadullisesti (ja subjektiivisesti) löydöksiä. Jos homman haluaisi tehdä data-analytiikan keinoin, voitaisiin avoimet palautteet vaikka turauttaa NLP (Natural Language Processing) -mallin läpi, ja näin järjestää teemojen tai sävyjen mukaan. Tai saman voisi tehdä toki omin kätösinkin, eli arvioida itse, mikä minkäkin palautteen teema on, ja onko sävy positiivinen vai ei. 

“Pelkän analytiikan” loppupäätelmänä voisi siis olla, että HR-vastaava luki palautteet läpi ja niissä toistui työntekijöiden valitus siitä, että toimistolla on liian kylmä ja liian kuuma, ja vesi maistuu pahalta. Data-analytiikan loppupäätelmä voisi olla, että 70% palautteista keskittyi toimiston olo-suhteisiin ja 80 % koki, että toimistolla on liian kylmä. Se, onko kummallakaan näistä mitään väliä riippuu sitten taas yrityksestä ja siitä, mitä toimenpiteitä he ylipäätään haluavat tehdä. Siksi palaamme jälleen loppuun, eli analyysin tyyli, tutkimuskysymykset ja oikeastaan kaikki muukin riippuu siitä, millaisia toimenpiteitä haluamme ja olemme valmiita tekemään päätösten perusteella. 

Mutta summa summarum, käytännössä analytiikka kuitenkin sisältää usein dataa, ja siksi data-analytiikka ja analytiikka on usein sama asia. Ja siis itse kun puhun analytiikasta niin tarkoitan lähes poikkeuksetta data-analytiikkaa, koska jos se ei ole dataa, niin mitä järkeä. 

1. ANALYTIIKAN ERI ALALAJIT

Sitten, mennään vähän tarkemmin analytiikan eri lajeihin. Koska olen hyvä piirtämään (hiljaa siellä), halusin havannollistaa eroja muutamalla omin kätösin piipertämälläni käppyrällä. Käytän tässä termiä liiketoiminta-analytiikka, koska pyrin käyttämään suomea, mutta se on kyllä aika sanahirviö, ja käytännössä business analytics on kivempi termi. Toisaalta inhoan sanaa “business” ja sitten on riski, että se kääntyy suomeksi muotoon “bisnes-analytiikka”, ja olisi kamalaa jos minulla olisi ollut edes pieni vastuu asiassa. Eli liiketoiminta-analytiikka it is!

Tästä kuvasta uupuu nyt nurturointi- ja liidianalytiikka, ja vaikka tämä sisältää usein CRM- tai sähköpostityökalujen dataa, on se kuitenkin lähempänä markkinointiautomaatiota kun puhdasta digitaalista analytiikkaa. Tästä kenties myöhemmin lisää mutta tässä on nyt tarpeeksi asiaa muutenkin.

2. Uusasiakashankinta-analytiikka:

Katsotaan tätä tarkemmin: Dataa aiheesta: brändin digitaalinen ensikohtaaminen, Kohtaamiset brändin ja tuotteiden kanssa, Päätyminen verkkosivuille, Vuorovaikutus sivuston kanssa, Konversiot eteenpäin…

Digitaalinen tuoteanalytiikka: Digitaalisen tuotteen käyttö, tuotteiden ominaisuuksien käyttö; asiakasarvon maksimointi, tuotteen kehitys

​​Eli tällä havannointitavalla voidaan ajatella, että konversioanalytiikka on osa sisältöanalytiikkaa. Tämä taas on osa verkkosivun analytiikkaa, joka on osa uusasiakashallinnnan analytiikkaa. Uusasiakashankinnan analytiikka taas on osa digitaalista markkinoitianalytiikkaa (tai kaupallista analytiikkaa), joka taas on osa liiketoiminta-analytiikkaa, joka taas on yksi osa data-analytiikkaa. Helppoa kuin heinän teko!

Koska meikämandoliinin fokuksessa on uusasiakashankinnan analytiika ja tuoteanalytiikka, niin ajattelin että on reilua että kerron, mitä nämä oikein tarkoittavat. 

(Aina välillä olen muistanut laittaa väliin, että “digitaalinen”, mutta niissä kohdin joissa olen unohtanut, niin tarkoitan siis aina kaikkea digitaalisesti, ellen jostain syystä tarkoita jotain käsinkosketeltavaa. Siitä mainitsen sitten kyllä erikseen. 

1. Data-analytiikka

Data-analytiikan alle menee siis käytännössä kaikki analytiikka. Kaikki, mitä maailmassa keksit. Esimerkiksi terveysanalytiikka voi tutkia ihmisten terveyttä mikro- ja makrotasolla, löytää potentiaalisia pandemiapisteitä ja ennakoida ilmastokatastrofin vaikutusta ihmisten eliniän odotteeseen (spoil, vaikutus on negatiivinen). Asuntosioitus-analytiikkaa taas voidaan hyödyntää vaikka kaavoituksessa, asuntojen hinnoittelussa tai asuntokeräilijän omaksi iloksi. 

Mutta tänään me lähdemme liikkeelle liiketoiminta-analytiikasta. Tässä yhteydessä liiketoiminta-analytiikka kattaa kaikki liiketoiminnalle olennaiset, noh, analytiikat. 

2. KAUPALLINEN ANALYTIIKKA

Olen tässä ottanut erityiseen tarkasteluun kaupallisen analytiikan liiketoiminta-analytiikan alta. Usein liiketoiminta-analytiikkaa ajatellaan synonyyminä kaupalliselle analytiikalle (ja molemmat on usein englanniksi vain “business analytics”, mutta minusta on tärkeää olla täsmällinen ja huomauttaa, että kaupallinen analytiikka on siis vain yksi osa-alue liiketoiminta-analytiikasta, vaikkakin varmasti eniten huomiota saava. 

Muita esimerkkejä liiketoiminta-analytiikasta voisi olla esimerkiksi lämpötilaa ja kosteutta mittaavien anturien analytiikka tai työntekijöiden NPS-analytiikka. Toki jos mennään ihan yksityiskohtiin, niin kyllähän kaiken tarkoitus on lopulta tuoda rahaa kassaan ja sitä kautta vaurastuttaa osakkeenomistajia, mutta jonkinlainen viiva tähän on pakko vetää.

Kaupallinen analytiikka pitää siis sisällään erityisesti myynnin ja markkinoinnin lohkot, mutta määrittelytavasta riippuen myös osioita asiakaspalvelusta, tuotekehityksestä ja operatiivisesta ja strategisesta toiminnasta. Voit taas ihailla kuvaa:

Koska tämä on minun artikkelini ja minä päätän, niin olen rajannut (digitaalisen) kaupallisen analytiikan kolmeen eri tasoon, josta tulee taas eri tasoja kuin Hydran päästä konsanaan. Nämä tasot ovat:

1. Digitaalinen uusasiakashankinta-analytiikka (workshoppaan vielä nimeä. Ujon uuden kaverin analytiikka?)
2. (Digitaalisen) myyntikanavan analytiikka
3. (Digitaalinen) tuoteanalytiikka

Tutkaillaan siis näitä kolmea tarkemmin yksi kerrallaan. Matkaan!

1. Uusasiakashankinta-analytiikka

Tässä on kaksi tasoa, ja workshoppailen vielä erityisesti ensimmäisen nimeä. Mutta katsotaan ensin kuvaa. 

Hieno kuva

Eli nämä pitää sisällään hetket, kun potentiaalinen asiakas kohtaa brändin tai tuotteen verkossa, joko meidän omilla verkkosivuilla, jonkun muun verkkosivuilla tai sosiaalisessa mediassa. Nimesin sen nyt nohevasti First Touchpoint -analytiikaksi siksi, että verkkosivusto edustaa ylensä sitä seuraavan vaiheen kuhertelua, jolloin asiakkasta yritetään liehitellä eteenpäin eri keinoin, mutta verkkosivua edeltävät toimenpiteet vastaa tavallaan sitä kun Muumipeikko antoi Niiskuneidolle nilkkarenkaan Muumipeikko ja pyrstötähti -elokuvan alussa, eli se tulee tavallaan aika yllättäen ja vastaanottajalla on isompi kontrolli ympäristöstään ja reaktiostaan. 

Puhutaan siis hetki molemmista taktiikoista ja fokuksista, aloittaen first touchpoint -analytiikasta (Niiskuneidon nilkkarengas). Katsotaan taas kuvaa: 

Eli tätä first touchpoint -analytiikkaa voi jäsennellä esimerkiksi per kanava tai per kampanja. Ja toki voi katsoa myös isosta kuvasta. Esimerkkejä kanavakohtaisisesta analytiikasta on vaikkapa TikTok-analytiikka, bannerianalytiikka ja Facebook-analytiikka. Toki voi mennä myös syvemmälle: Facebook-analytiikan sisällä voi erotella esimerkiksi orgaanisen ja maksetun Facebook-analytiikan, tai tutkailla kysesitä kanavaa vaikkapa per maa tai kieli (ja pahoittelut että käytän termiä Facebook enkä Meta, mutta olen keski-ikäinen ja maailma muuttuu niin nopeasti). 

Hyvä keino tutkia first touchpoint -analytiikkaa on myös kampanjakohtaisesti. Voidaan verrata vaikkapa eri vuosien syyskampanjoita keskenään, tai vuoden aikana tapahtuneiden kampanjoiden tehokkuutta. Myös esimerkiksi kaikesta maksetusta mainonnasta voi tehdä ROI-raportteja, ja seurata näin mitkä kampanjat ja kanavat tuovat parhaan katteen. 

Mainonnan tarkoitus on usein, joskaan ei aina, tuoda kävijä verkkosivuille. Erityisesti kun kyse on digitaalisista tuotteista ja palveluista (joihin siis itse keskityn), niin verkkosivut ovat varsin tärkeässä roolissa uusasiakashankinnassa. Siksi keskitymme paljon web-analytiikkaan eli verkkosivuanalytiikkaan.

Tässäkin on alla paljon erilaisia tyylejä, tapoja ja fokuksia. Usein eri tiimin jäsenet keskittyvät eri osuuksiin, mutta toisinaan yksi ihminen on vastuussa kaikista verkkosivun osa-alueista. 

Sivuston tekninen analytiikka auttaa pitämään sivun kunnossa, jotta sinne päätyminen ei harmita potentiaalisia asiakkaita tai ohjaa heitä kokonaan pois. Tähän kuuluu esimerkiksi rikkoutuneiden linkkien seuranta, virheilmoitusten tutkimus ja ratkaisu, ja tekninen SEO, eli sen mahdollistaminen että kävijät pääsevät sivustolle hakukoneiden kautta.

Sisältöanalytiikka on kenties klassisin web-analytiikan alalaji, ja täten klassisin markkinointianalytiikan ala-ala -laji. Itsekin olen sieltä ponnistanut. Yleensä kun asiakas sanoo tarvitsevansa “perus-analytiikkaa”, hän itseasiassa tarkoittaa web-analytiikan alle kuuluvaa sisältöanalytiikkaa, erityisesti sisällön laadun analytiikkaa ja konversioanalytiikkaa. 

Sisällön laadun analytiikka tarkoittaa siis sitä, että selvitetään mitkä sivut ovat suosituimpia, paljonko niillä vietetään aikaa, miten niille päädytään ja mihin jatketaan. Konversioanalytiikka puolestaan seuraa sivujen sijaan erityisesti sisältöelementtejä (eli siis paikkoja jossa voi painaa nappia) ja seuraa, missä ja milloin kävijät painoivat tärkeitä nappeja (esim. Lataa nyt -nappia, Osta tästä -nappia tau ostoskorinappia). Konversioanalytiikka on äärimmäisen tärkeää siksi, että me ei saada näistä kävijöistä maksullisia asiakkaita, ellei me saada heitä muunnettua (konvertoitua, get it), heidän verkkosivumatkan varrella.