Web-analytiikan lyhyt historia: Osa 3: eCommerce-mittaukset ja konversiolaskenta alkaa
Kävijämäärämittauksissa konversiolaskentaa ei todella tarvittu, koska verkkomedialle jokainen kävijä oli mainosmyynnin eli saitin ansaintalogiikan kannalta arvokas. Oli vain laskettava eri kävijöitä, näiden vierailutiheyksiä, vierailun kestoa, ladattuja sivuja per vierailu yms. Jo australialaiseen selainpohjaisen mittauksen pioneeriin RedSheriffiin suunniteltiin kuitenkin jo 2000-luvun alussa ns. eCommerce-moduulia, ja amerikkalaisiin järjestelmiin kuten WebSideStoryn HitBox ja WebTrends kehitettiin vastaavat lisähintaiset moduulit, joiden avulla voitiin laskea ei pelkästään kävijäliikennettä, vaan euroja tai taaloja, joita syntyi kävijöiden Web-ostoksista. Oli selvä, että verkkokaupat, matkailusaitit ja muut jotka pystyivät myymään tuotteitaan tai palveluitaan online, tarvitsivat bisneksensä kehittämiseksi ja optimoimiseksi työkaluja, joilla pystyi laskemaan suoraan rahasummia ja suhdelukuja, jotka kertoivat verkkoliiketoiminnan tehokkuudesta, ja jotka antoivat välineet liiketoiminnan edelleen tehostamiseen.
Näiden eCommerce-moduulien myötä oltiinkin jo konversio-laskennan arkipäivässä, sillä Web-analytiikan avulla voitiin esittää esim. seuraavanlaisia tunnuslukuja verkkokaupalle:
- keskioston arvo (Average Order Value)
- konversioprosentti eri tavoitevaiheisiin (tuotehaku, ostoskori, maksutavat, ostotapahtuma)
- eri lähteiden kautta saapuneiden konversio- ja tuottolaskelmat sekä vierailun keskimääräinen arvo sivustolle
- ostotapahtumien, ostettujen tuotteiden määrien, rahasummien trendikehitykset
- ostokoritapahtumat; koriin lisätyt ja poistetut tuotteet
Siinä missä mediamittauksessa segmentoitiin sivuston sisältöä ryhmittelemällä eri sivuja erilaisiin sisältöryhmiin ja laskettiin esimerkiksi nuoriso- tai naiskohderyhmäsivujen tavoittamia kontaktimääriä, eCommerce-mittauksissa pyritään pikemminkin segmentoimaan asiakasryhmiä. Edistyneemmissä mittausjärjestelmissä analysti voi itse määritellä lähes minkä tahansa mitattavan kriteerin segmentointiperusteeksi, ja sen jälkeen analysoida, miten vaikkapa tietyn kampanjasivun, hakusanakampanjan tai hakusanan kautta tulleet kävijät käyttäytyvät sivustossa.
Google Analytics ja hakumainonnan analyysi
Google osti keväällä 2005 Urchin Tracker-nimisen web-analytiikkaohjelmiston, ja alkoi kehittää sitä omaksi ilmaiseksi palvelukseen tukeakseen lähinnä AdWords-hakusanamainontaa. Palvelu nimettiin Google Analytics´iksi ja vaikka sen data on vuorokauden reaaliaikaa jäljessä, järjestelmä on jo niin monipuolinen ja kehittynyt, että monet isotkin verkkokaupat pitävät sitä ainoana mittausohjelmistonaan. Google Analyticsin vahvuudet ovat nimenomaan hakusanamarkkinoinnin raportoinnissa, sillä sen avulla voidaan analysoida hakumainonnan tehokkuutta niin kampanjoittain, hakukoneittain, kuin avainsanoittain aina konversio- ja ROI-kustannustehokkuuslaskelmiin asti.
Web-analytiikka tänään: eri lähteiden hyödyntäminen ja fuusiot
Web-analytiikka tänään on usein monen eri datalähteen hyödyntämistä ja ristiinajoa. Media Contacts ottaa usein analyysiin mukaan sekä kampanjadatoja mainonnanhallintajärjestelmistä, hakukonedatoja Google Analyticsista tai vastaavista, sekä sivustomittausdatoja asiakkaan selainpohjaisista mittauksista. Nämä kaikki on mahdollista yhdistää ja fuusioida Media Contactsin Artemis-järjestelmään, jolloin voidaan analysoida esim. kuinka moni niistä, joille on esitetty tietty markkinointikampanja, on vieraillut hakukoneessa ja tullut hakutuloksen kautta sivustolle, ja kuinka moni niistä, joille mainoskampanja esitettiin mutta eivät koskaan klikanneet banneria, päätyi kuitenkin ostotapahtumaan asiakkaan verkkokaupassa. Onhan mainonnan tehon aliarvioimista, jos ajatellaan, että mainos ei voisi vaikuttaa kenenkään ilman että sitä klikataan.
Analyysiin voidaan ottaa mukaan myös offline-medioita, joissa olleiden kampanjoiden tehokkuuksia voidaan usein laskea aivan samalla tavoin kuin digitaalisen markkinoinnin kampanjoita, esimerkiksi houkuttelemalla suoramainoskirjeen, printtimainonnan, mobiilimainonnan tms. välityksellä potentiaalisia asiakkaita tietyille kampanjasivuille ja sen jälkeen analysoimalla, kuinka moni näistä päätyy ostotapahtumaan.
Sivuston oman Web-mittauksen pohjalta voidaan analysoida esim. seuraavanlaisia asioita:
- klassinen suppiloanalyysi siitä, miten kävijöitä putoaa pois verkkokaupan ostoprosessin eri vaiheissa
- liikenteen lähteiden analyysi
- hakukoneanalyysi: luonnollisten hakutulosten ja maksettujen hakumainosten tehokkuus
- liikenteen avainparametrit ja suhdeluvut sekä trendikehitys
- uusien ja paluukävijöiden vertailu
Lisäksi ovat mahdolliset erilaiset vertailuanalyysit ja tutkimustietoihin perustuvat analyysit sivuston käytettävyydestä, vahvuuksista ja heikkouksista jne. toimenpidesuosituksineen. Laadimme aina asiakasräätälöidyn, asiakkaan omiin tavoitteisiin ja tarpeisiin perustuvan tarjouksen, jossa voimme myös tarvittaessa myös suositella sopivat mittaustyökalut ja niiden asennukset ja käyttöönottokoulutuksen asiakkaalle. Mistään järjestelmästähän ei ole hyötyä, oli kuinka kallis tahansa, jos sen tuloksia ei seurata ja tehdä niistä mitään toimenpidesuosituksia.
Vastaavasti oikein toteutettuna Web-analytiikka toimii paitsi sivustojen jatkuvan kehittämisen, myös markkinoinnin ja myynnin apuvälineenä. Kun klassisten sivuston sisäisten mittausten kylkeen otetaan mainonnanhallinnan raportit ja seurataan hakumainonnan tehokkuutta, Web-analytiikka on keino sekä tehdä merkittäviä säästöjä, että ennen muuta tehostaa markkinointia optimoimalla jatkuvasti eri markkinointitoimenpiteitä. Kannattamattomia toimenpiteitä karsimalla ja kannattaviin lisää satsaamalla Web-analytiikka tarjoaa keinot nostaa yrityksen markkinoinnin kustannustehokkuus eli ROI (Return On Investment) aivan uudelle tasolle.
- Ismo Tenkanen
Kommentit