Julkaisimme 2019 keväällä Googlea käsittelevän verkkolehden, ja tämä artikkeli on yksi neljästä verkkolehden artikkelista. Lue loput artikkelit maksuttomasta verkkolehdestämme.
Annetaan nyt vuoro Simo Ahavalle, Senior Data Advocate @8-bit-sheep:
Googlen analytiikkatyökalut ovat maailman kiistatonta kärkeä, joista Google Analytics on selvästi tunnetuin. Kerron muista hyödyllisistä työkaluista hieman myöhemmin tässä artikkelissa. On kuitenkin fakta, että esimerkiksi monilaitemaailmassa Google Analytics ei ole tarpeeksi ketterä havaitsemaan eri laitteita käyttäviä selailijoita samaksi kävijäksi.
Hyvälaatuisen käyttäjädatan kerääminen ja hyödyntäminen hankaloituvat jatkuvasti. Tämä aiheuttaa markkinoijalle riskin automatisoidun datan käyttämisestä suoraan liiketoiminnan toimenpiteissä. Yritys voi tehdä datan pohjalta virheellisiä toimenpiteitä, jos kerättyä dataa vain käyttää sokeasti, eikä käytä aikaa sen tulkintaan.
Googlen analytiikan haasteisiin voi vastata datan laadulla ja teknisillä malleilla
Maailman käytetyimpien analytiikan työkaluihin liittyy tekniikan ja käyttäjäliikenteen monilaitekäytön tuomia haasteita. Googlen analytiikka perustuu selain- ja laitekohtaisiin evästeisiin, joten yksi ja sama verkkoselailija voi näkyä kahtena eri käyttäjänä, kun hän käyttää selailuun mobiililaitetta ja kannettavaa tietokonetta.
Asiaan ei ole helppoa yksiselitteistä ratkaisua, mutta joitakin ajatuksia on heitetty ilmoille. Esimerkiksi koneoppimisessa voidaan tarpeeksi suuren datamäärän turvin luoda algoritmeja ja malleja, jotka perustuvat selaimen käytön tottumuksiin. Näiden pohjalta voidaan rakentaa profiileja käyttäjälle, jonka selaintottumukset ovat yhteneväisiä esimerkiksi mobiililaitteen ja tietokoneen käytössä.
Googlen analytiikkaa vääristävät myös anonyymit selailijat ja selailun estotyökalut, jotka ovat oletuksena jo joissain selaimissa valmiiksi. Käyttäjät ovat ehkä kuulleet kauhutarinoita internetin selailun seuraamisesta tai siitä, miten dataa voidaan väärinkäyttää, ja asentavat seuraamisen estotyökaluja tai ne löytyvät jo valmiiksi selaimista.
Vaihtoehtoisesti voisi pohtia myös palvelinpohjaisia ratkaisuja, joissa seurannan estoja voisi kiertää siten, että dataa ei lähetettäisi suoraan Google Analyticsiin, vaan se kiertäisi ensin palvelimen kautta. Joka tapauksessa asiaan liittyy eettisiä näkökulmia, sillä käyttäjät eivät halua seurantaa ilman ilmoitusta ja käyttäjä voi toisaalta mukauttaa selailuaan tietäen, että on seurattavana.
Toisaalta datan määrä ei sinänsä ole itseisarvo. Pienempääkin määrää voidaan hyödyntää tehokkaasti, sillä ne käyttäjät, jotka eivät estä selailutietojen lähettämistä, jättävät jälkeensä laadukasta dataa, josta on aidosti hyötyä liiketoiminnalle. Datapohjaisen markkinoinnin ohella myöskään kokemuspohjaista markkinointia ei tule väheksyä.
Uuden EU:n tietosuojain GDPR:n myötä yritysten datan keräyksessä on otettu positiivisia askelia suunnitelmallisuuteen, ja tunnollisilla yrityksillä käyttäjistä kerätty tietovarastointi on hyvin määritelty. Lain myötä on viimeistään ymmärretty, että käyttäjätietojen varastointi ei ole staattinen kokonaisuus, vaan käyttäjätietoja tulee pyydettäessä pystyä häivyttämään ja pitää kokonaisuus analysoitavana. Käyttäjien oikeuksien muuttuminen onkin asettanut yrityksille edellytykset käsitellä dataa paremmin kuin ennen, sillä GDPR jo itsessään kannustaa suunnitelmallisuuteen.
Pirstaloitunut monilaitemaailma vaatii markkinoinnin ja tekniikan vuoropuhelua
Markkinointi on perinteisesti ulkoistettu käyttäjäkokemukselle tärkeistä teknisistä ongelmista, ja markkinoinnissa tulisi tosissaan pohtia, miten esimerkiksi sivuston latautumisnopeus, evästeet ja yksityisasetukset vaikuttavat käyttäjäkokemukseen. Jokainen verkkosivujen kehittäjä joutuu puolestaan miettimään ja testaamaan, miten vaihtelevassa selain- ja laiteympäristössä voi tarjota mahdollisimman käyttäjäystävällisen kokemuksen.
Pirstaloitunut selainkäyttö, monilaitemaailma, anonyymit käyttäjät ja seurannan estoevästeet vaikuttavat organisaatioiden markkinointiin haasteena. Suurissakin yrityksissä, joita olen kouluttanut, haasteeksi on noussut erityisesti jäykkä organisaatiomalli. Jaottelu, jossa markkinointi ja it-osaajat ovat omissa siiloissaan, on auttamatta vanhentunut ja tehoton tapa ratkaista palvelua tänä päivänä.
Kun olen kouluttanut ja konsultoinut kotimaisia yrityksiä datan ja analytiikan käsittelyssä ja käytössä, palataan aina kahteen perustason ongelmaan. Organisaatioiden keskustelukulttuuri voi olla kyräilevää ja siiloutunutta, eikä se anna periksi moniammatilliselle keskustelulle, jossa asioita käsiteltäisiin kokonaisuuksina yhteistyössä. Konsulttina näen äärimmäisen tärkeäksi, että saan organisaation ihmiset saman pöydän ääreen keskustelemaan ja ymmärtämään koko teknisen kokonaisuuden ja markkinoinnin tarpeet.
Olen myös huomannut, että analytiikan tila kertoo rehellisesti koko organisaation tilasta, ja keskusteleva ilmapiiri näkyy heti positiivisesti kerätyn datan laadussa. Tällöin dataa ei kerätä vain sen takia, että niin pitää tehdä, vaan datan keräämiselle on löydetty yhdessä selkeät syyt. Datan hyödynnettävä ja tuloksellinen kerääminen vaatikin sen, että kaikkia organisaation jäseniä kuunnellaan.
Tekoälyä voi hyödyntää analytiikan tulkinnan ja käsittelyn työkaluna
Toinen suomalainen haaste koskettaa myös koko datan ja analytiikan ympäristöä. Maailmanlaajuisesti alalla sykleittäin jokin uusi työkalu saavuttaa hype-aseman, jota halutaan käyttää itseisarvoisesti kiiltävä pinta edellä. Aiempina vuosina esimerkiksi Internet of Things -ajattelu ja Virtual Reality ovat olleet tällaisia, ja nyt tekoäly on pinnalla. Ongelmaksi nousee päättäjien into rahoittaa uusia työkaluja, vaikka samalla panostuksella datan laadun parantaminen organisaatioissa toisi paremmat valmiudet hypätä kehitykseen mukaan.
Tarkoitan siis sitä, että esimerkiksi tekoälyn hyödyntäminen on täysin mahdollista Suomen markkinoilla, mutta sen hyödyntämisetä tulee lähestyä ongelma edellä. Lähtökohtaisesti “mitä me tekisimme tekoälyllä”-ajattelu on vääristynyttä, sillä tekoäly on pohjimmiltaan työkalu muiden joukossa, jonka tehtävä on vastata liiketoiminnan haasteisiin. Esimerkiksi Google tarjoaa Cloud Machine Learning – koneoppimisalustoja, joiden pohjalta voi havaita liiketoiminnan haasteita ja mallintaa toimenpiteitä esimerkiksi verkkokaupan ja sosiaalisen median kentällä.
”Mihin me voisimme käyttää tekoälyä ajattelutapa on sama, kuin kävelisi vasara kädessä ja etsisi nauloja ja ruuveja, joita sillä voisi hakata.”
Uskon tekoälyn mahdollisuuksiin palvelun parantamisessa ja ainutlaatuisen kokemusten luomisessa. Esimerkiksi sääntöpohjainen markkinointi, audienssien rakentaminen ja sisältöjen arviointi hyötyisivät tekoälyn mahdollisuuksista. Koneoppimiseen perustuva Google Analyticsin Insights -malli on esimerkki simppelistä mutta isoon dataan pohjautuvasta mallista, joka analysoi ja jaottelee verkkosivujen liikennettä puolestasi. Tälle voi suoraan esittää kysymyksiä, ja se auttaa poimimaan datamäärästä merkitykselliset tiedot, kuten sivuston puutteet, mahdollisuudet ja poikkeavuudet analytiikassa. Malli tarjoaa myös personoituja markkinointivinkkejä ja ehdotuksia sivuston parantamiseen.
Ketterä tekemisen meininki on avain datan suunnitelmalliseen hyödyntämiseen
Positiivista suomalaisten organisaatioiden datan keräämisessä ja kehittämisessä on tietty itsepintaisuus ja tekemisen meininki. Asiat halutaan ottaa mieluummin itse haltuun ja opiskella teemoja kunnianhimoisesti ilman että tilattaisiin aina suoraan avaimet-käteen ratkaisuja. Firmojen osallistaminen tekemiseen ei ole ollut suuri haaste, sillä olemme teknisesti valveutunutta kansaa ja ymmärrämme analytiikan tärkeyden, ja onkin tärkeää saada datan käsittelyyn ja keräämiseen liittyvä työ osaksi perustekemistä.
Suomessa analytiikkaa hyödynnetään kokonaisuudessaan aivan yhtä vahvasti kuin muissakin maissa. Esimerkiksi on Ylen, Sanoman ja S-Ryhmän kaltaisia toimijoita, jotka tekevät läpinäkyvästi uraauurtavaa, sekä liiketoimintaa että kuluttajia hyödyttävää työtä tietovarastoinnilla ja datan hyödyntämisessä.
Suomalaisten verkossa toimivien yritysten kannattaa jatkossakin panostaa perusasioihin ja siihen, että datan keruu ja hallinta ovat varmasti kunnossa. Tässä palaamme myös siihen, että koko organisaation eri osien tulee toimia yhdessä sujuvasti ja osaamisrajojen yli. Olen huomannut, että haasteeksi muodostuukin usein ihmisten välinen kanssakäyminen työkalujen sijaan. On äärimmäisen tärkeää osallistaa kaikki sellaiset yritysten henkilöt datan keräämiseen, joita asia edes välillisesti koskettaa.
Organisaation toimivuuden ja datan keruun ohella perustoimintojen nostaminen on olennaista suomalaisille verkkoyrityksille. En keksi yhtään esimerkkiä organisaatiosta, jonka tulisi luottaa pelkkään Google Analyticsin johtamaan dataan, vaan ennemmin katse kannattaa suunnata suurempaan kokonaisuuteen, käytettäviin tietolähteisiin, niiden yhdistelyyn ja siihen, että käsillä olisi mahdollisimman kattava kuva koko liiketoiminnasta. Tietovarastointia voi laajentaa pienellä vaivalla esimerkiksi Googlen pilvipalveluihin kattamaan CRM:n ja Google Analyticsin yhdistelmiä. Kun perusasiat ovat kunnossa, kiiltäväpintaisia tekoälyjä voidaan käyttää paremmin, kun niiden taustalla on vankka pohjatyö ja data on kerätty oikein.
Haluatko lukea loput 3 artikkelia? Lataa siinä tapauksessa maksuton verkkolehtemme.