Jopa puolet klikkimittauksista digitaalisen mainonnan tehokkuudesta ohjaa ansion myynnistä harhaanjohtavasti. Tämä ilmenee Media Contactsin tuoreimmasta Insights-raportista, joka on kokonaisuutena ladattavissa mediacontacts.com -saitilta. Media Contactsin uusi analyysimalli haastaa aiemmat konversio-laskentamallit, ja kyseenalaistaa vanhan tavan laskea verkkoliiketoiminnan konversiota.
Perinteinen Web-analytiikka ja konversiolaskenta tarkoittaa sitä, että analysoidaan, miten asiakkaan sivustolle saapuva liikenne "konvertoituu" kaupaksi tai liideiksi (yhteydenottopyyntö, koeajopyyntö jne.), ja mistä lähteistä liikenne saapuu. Tällöin katsotaan mittausdatan ns. referrer- eli viitetiedoista, mikä on ollut edeltävä sivu, ennen kuin saavuttiin tutkittavalle sivustolle: oliko kyseessä suora pyyntö, hakukone, toisella sivustolla ollut linkki tms. Lopputuloksena on taulukko, jossa lasketaan, kuinka suuri osa liikenteestä ja myynnistä saapui esim. luonnollisen ja maksetun haun kautta, kuinka suuri osa suoraan, kuinka suuri osa partnerisivuilta jne. Vastaavasti voidaan analysoida keskikaupan suuruutta (Average Order Value, AOV) euroina ja konversioprosenttia eri lähteistä.
Ongelmana tässä klassisessa Web-analytiikassa on se, että se huomioi markkinointipanostuksista käytännössä ainoastaan maksetun haun, ja siitäkin vain viimeksi suoritetun haun ja siinä käytetyn avainsanan. Kuitenkin kaikki digitaalisen markkinoinnin parissa työskentelevät tietävät, että kuluttajan ostoprosessi on huomattavan paljon pidempi kuin mitä pelkästään viimeinen klikki osoittaa. Esimerkiksi matkojen ostoprosessia edeltävät usein lukemattomat klikit, mainosnäytöt ja hakutapahtumat, jotka kenties alkavat geneerisistä hauista, ja tarkentuvat hiljalleen yhä tarkemmiksi matkakohteiksi. Pelkän viimeisen klikin huomiointi ja laskenta ROI-laskelmiin johtaa helposti virhepäätelmiin myös hakusanamainonnassa.
Perinteinen konversiolaskenta laskee siis 100 % myynnistä viimeisen klikin hyväksi, vaikka todellisuudessa käyttäjä olisi klikannut useita bannereita, sekä tehnyt useita hakutapahtumia ja vieraillut useaan otteeseen joko kampanjasivulla tai asiakkaan muilla sivuilla. Klassinen Web-analytiikka ei siis mitenkään riitä markkinointitoimenpiteiden kustannustehokkuuden mittariksi.
Toinen klassisen Web-analytiikan keskeinen heikkous on luonnollisesti se, että se ei mittaa lainkaan banner-näyttöjä, vaan korkeintaan klikkauksia bannereista asiakkaan sivustolle, jos niitäkään oikein (koska liikenne kulkee mainos-serverin kautta eikä suoraan verkkomediasta, jossa banneria klikataan). Silloin tietenkin Web-analytiikka ei koskaan pysty mittaamaan bannerien välillistä vaikutusta myyntiin, eli siltä osin mitä banner on ohjannut asiakkaan sivustolle liikennettä, ilman että banneria on klikattu. Kuitenkin mainonnanhallintajärjestelmien avulla voidaan helposti analysoida, miten banner-kampanjat generoivat asiakkaan sivustolle liikennettä sekä suoraan (käyttäjä kirjoittaa mainostajan sivuston osoitteen suoraan selaimeen, klikkaamatta mainosta) että hakukoneiden kautta.
Alla on esimerkki tästä Media Contactsin Artemis-raportointijärjestelmästä, joka analysoi, miten ne käyttäjät, joille on esitetty sekä haku- että banner-mainontaa ("exposed to graphical: YES"), ovat konvertoineet kauppaa 83 % enemmän kuin ne käyttäjät, joille banneria ei ole esitetty. Samalla hakuaktiviteetteja on ollut 6,280 kpl niiden osalta, jotka ovat olleet banner-kampanjan kohteena, verrattuna niihin, joita bannerit eivät ole tavoittaneet, jotka ovat tehneet 4,277 kpl hakuaktiviteetteja - siis banner-kampanja aktivoi 46,8 % enemmän hakuaktiivisuutta mainostajaa kohtaan!
Media Contactsin käyttämä Artemis-järjestelmä pystyy siten yhdistämään mainonnanhallintajärjestelmän, saittimittauksen ja hakukonemainonnan dataa, sekä laskemaan ristiinvaikutuksia banner-mainonnan ja hakumainonnan välillä. Banner-kampanjoista olennaista on, ettei lasketa ainostaan klikkiprosentteja ja mainosklikkauksien jälkeen syntyneitä kauppoja, vaan myös se, mikä ero oli konversiossa niiden välillä jotka altistuivat banner-kampanjalle ja eivät altistuneet sille.
Sillä on todella harhaanjohtava päätelmä, että banner-kampanja ei voisi vaikuttaa kuten mikä tahansa mainonta, ja ohjata asiakkaita ostoksille verkkoon (ja sen ulkopuolelle kivijalkakauppoihin), ilman että sitä klikataan. Artemis-järjestelmän avulla on helppo osoittaa, miten kauppaa syntyy usein jopa moninkertainen määrä niiden osalta, jotka eivät klikanneet mainosta, mutta joille banner esitettiin, verrattuna niihin, jotka klikkasivat mainosta - puhumattakaan niistä, joille ei esitetty lainkaan mainosta.
Artemis-raportointi analysoi jopa kymmenen edellistä klikkiä tai mainosnäyttöä, joille käyttäjä on altistunut tai klikannut ennen konversiota. Silloin voidaan kreditoida jokaista edellistä klikkausta tai mainosesitystä, eikä lasketa 100 % myynnistä suoraan viimeisen klikin hyväksi, kuten perinteisessä konversiolaskennassa. Tämä on varmasti myös verkkomedioiden mieleen, koska myös display-mainonnalle jaetaan ansiota siitä, että se on antanut virikkeitä kuluttajalle siirtyä joko suoraan mainostajan sivustolle tai hakukoneelle etsimään lisätietoja. Ja näinhän se on, että hakukoneista harvoin saadaan virikkeitä ostoille, vaan sinne siirrytään pikemminkin jo siinä vaiheessa, kun etsitään ostopaikkaa, kun ostovirike on jo saatu.
Alla esimerkki eri kampanjoiden osalta siitä, miten viimeisen klikin ansioksi menee enää 42-58 % myynnistä, kun perinteinen konversiolaskenta olisi kreditoinut viimeistä klikkiä 100 %!
- Ismo Tenkanen
Ismo on aivan oikein asian ytimessä. Monikanavaisuus on selkeä haaste mittaamisessa. En kuitenkaan yleistäisi, että kaikki web-analytiikan järjestelmät antavat konversiosta kunnian viimeiselle klikkaukselle.
Tosi asia tällä hetkellä lienee, että yhden (web-analytiikka) järjestelmän perusteella ei kokonaiskuvaa asiakaskäyttäytymisestä pysty kunnolla saamaan, vaan dataa pitää kerätä ja ennenkaikkea analysoida monista eri lähteistä.
Kirjoittanut: Petri Mertanen | 05/13/2009 klo 04:17 ip.