Dalam analitik digital, ini semua tentang menanyakan pertanyaan yang tepat. Tentu, dalam konteks yang benar, Anda mungkin bisa mendapatkannya dengan mengumpulkan data. Selain itu, Anda akan selalu gagal membawa nilai bisnis yang sebenarnya ke perusahaan Anda, jika Anda tidak bisa membaca data.
Tanda seorang analis yang baik bukanlah pengetahuan tingkat lanjut tentang antar muka alat, meskipun itu membantu. Analis terbaik adalah analis yang dapat melangkah mundur dan berpikir kritis, mengajukan pertanyaan yang penting, dan menjawabnya dengan tingkat presisi yang cukup tinggi untuk mengambil tindakan.
Mengapa fokus pada pertanyaan bisnis? Karena masalah yang dihadapi bisnis bisa sangat unik, dan mencoba menerapkan formula atau praktik terbaik cenderung memiliki ilusi berwawasan tetapi, pada kenyataannya, hanyalah jalan keluar yang mudah.
Dengan pemikiran tersebut, ada beberapa pertanyaan yang, di tangan analis yang tepat, secara konsisten memberikan nilai pada praktik analitik.
Mereka membuat Anda mundur dan merefleksikan bagaimana organisasi Anda menggunakan data, dan bagaimana Anda dapat meningkatkan budaya data Anda. Nah sebagai analis yang baik, Anda harus selalu mempertanyakan beberapa hal berikut ini.
- Apakah data ini akurat? Bisakah kita mempercayainya?
Jika tidak ada yang mempercayai data Anda, itu tidak berguna.
Itulah mengapa melakukan audit analitik sangat penting: Ini memaksa Anda untuk mempertanyakan integritas dan kualitas data Anda, dan Anda dipaksa untuk melakukan percakapan penting tentang apa yang Anda kumpulkan di tempat pertama.
Ada banyak hal di tingkat akun dalam sistem analitik tertentu yang harus dipertanyakan.
Ini adalah pertanyaan sederhana untuk dijawab, tetapi jawabannya menentukan bagaimana Anda menangani data Anda. Mungkin itu tidak terlalu penting bagi Anda, tetapi mungkin itu penting. Mungkin data Anda penting secara terarah, dan ketepatannya tidak terlalu penting. Tapi sebaiknya Anda mengajukan pertanyaan.
Pada tingkat tertinggi, Anda harus memeriksa akun Anda laporan demi laporan dan mempertanyakan apakah data tersebut masuk akal pada tingkat yang intuitif. - Apa yang hilang? Apakah kita memiliki gambaran lengkapnya?
Anda mungkin mempercayai data Anda, tetapi itu tidak berarti data tersebut mencakup gambaran lengkapnya.
Ini dimulai dari level tertinggi dan terus berlanjut ke penyiapan Google Analytics Anda. Misalnya, ada berbagai pertanyaan untuk dijelajahi dalam pengaturan properti Anda:
• Apakah URL default sudah benar?
• Apakah pengaturan pengecualian rujukan Anda benar (misalnya, Anda menggunakan PayPal untuk memproses pembayaran)?
• Apakah pengaitan tautan yang ditingkatkan diaktifkan?
• Sudahkah Anda mengaktifkan laporan Demografi dan Minat?
• Apakah Google Search Console ditautkan dengan benar?
• Apakah sudah dikonfigurasi dengan benar?
• Apakah data PPC ditampilkan di Google Analytics?
• Apakah klik dan sesi yang dihasilkan dicatat dengan benar?
Salah satu masalah paling umum dalam pengaturan analitik digital adalah kurangnya memperbaiki pelacakan lintas-domain atau subdomain. Ini, tentu saja, pada dasarnya mematahkan pandangan Anda tentang perjalanan pelanggan. - Apakah data ini berarti?
Jika organisasi Anda ingin Anda membuat laporan — tanpa pernah mempertanyakan apa yang sebenarnya Anda coba jawab — saya tidak yakin dapat membantu Anda. Tetapi jika Anda memiliki sedikit otonomi dan sedikit keingintahuan, mundurlah dan tanyakan, “Apa artinya ini bagi bisnis?”
Seringkali, Anda sampai pada kesimpulan yang menyedihkan bahwa Anda tidak dapat bertindak berdasarkan data yang Anda ambil. Ini tidak meniadakan kekuatan analisis data eksplorasi, tetapi mempertanyakan nilai inheren dari metrik tertentu.
Ada banyak hal yang salah dengan ini, tentu saja (misalnya, waktu yang berbeda dalam sehari, data pengambilan ceri, dll.). Tapi yang melekat dalam hal ini adalah pertanyaan, “Jadi apa?” Apakah retweet metrik pilihan Anda? Mengapa? Dll. - Apa yang dapat kita ukur dan analisis untuk mendapatkan hasil yang lebih bermakna?
Bagaimana kami bisa mendapatkan lebih banyak dari data kami?
Mengajukan pertanyaan analitik digital ini perlahan menggerakkan Anda ke atas kurva kematangan analitik digital:
Anda beralih dari pertanyaan mendasar seperti, “Bisakah saya mempercayai angka-angka ini?” dan “Apakah ini berarti yang saya pikirkan?” hingga “Pelacakan apa yang harus ada untuk mendapatkan wawasan dan kemampuan ditindaklanjuti yang optimal?” dan “Apakah data ini dapat digunakan dan dapat diakses oleh tim yang dapat menindaklanjutinya?”
Beberapa pertanyaan yang mungkin Anda tanyakan pada level ini meliputi:
• Apakah Anda memetakan peristiwa yang berarti Anda ingin melacak untuk mendapatkan gambaran yang bagus tentang perilaku pelanggan?
• Apakah Anda memiliki hasil / poin konversi yang ditentukan, KPI, dasbor?
• Lakukan apa yang kamu lakukan segmentasi, merchandising, dan pengoptimalan kampanye?
• Sudahkah kamu membangun berbasis data atau persona perilaku di mana Anda dapat mengambil tindakan (dengan penargetan atau lainnya)?
• Apakah sumber data Anda digabungkan dengan cara tertentu bahwa Anda dapat melihat sebagian besar perjalanan pelanggan penuh?
• Apakah Anda menggunakan penargetan perilaku?
• Apakah Anda menggunakan analitik prediktif?
Tentu saja, ada titik pengembalian yang berkurang ketika Anda mulai “melacak semuanya”. Itu bukanlah jawaban untuk menaikkan kurva kematangan. Kecuali jika organisasi Anda disiapkan untuk itu, Anda dapat memasukkan elemen kompleksitas yang tidak dapat dikelola ke data Anda. Data berguna hanya jika Anda dapat menindaklanjutinya.
Melacak setiap hal dapat membingungkan tim yang mungkin lebih baik dilayani dengan memetakan secara konservatif dan berfokus pada beberapa peristiwa penting. Tetapi, jika Anda terlalu konservatif dengan pelacakan Anda, Anda mungkin kehilangan gambaran yang lebih besar tentang perilaku pelanggan. Ini adalah tindakan penyeimbangan, bukan resep salin / tempel. - Apakah saya sudah melakukan QA dengan benar?
QA penting untuk semua yang Anda lakukan (tidak sedikit yang merupakan pengujian A / B). Itu berarti penting untuk analitik dan pelaporan juga.
Setiap kali Anda QA laporan Anda, mulailah dengan akal sehat: Apakah angkanya terlihat aneh? Ingat, biasanya ada sesuatu yang mencurigakan tentang angka yang terlalu mengejutkan atau berbeda. Jangan pernah menganggapnya begitu saja; selalu mempertanyakan. Selain itu, sama seperti Anda harus mengoreksi posting blog, mengoreksi laporan.
Kesimpulan
Menjadi ahli dalam analitik adalah tentang mengajukan pertanyaan yang bagus. Ini bukan tentang “memuntahkan data”, atau melaporkan metrik secara membabi buta tanpa mempertanyakan keakuratan, integritas, kepentingan, atau kemampuan untuk ditindaklanjuti.
Moral dari cerita ini adalah, dengan data, meluangkan waktu ekstra untuk mempertanyakan berbagai hal dapat membawa nilai nonlinear ke program Anda. Lebih banyak data tidak selalu merupakan hal yang baik; jika kualitas datanya buruk, Anda dapat meningkatkan kepercayaan diri tentang keputusan yang buruk.
Luangkan waktu untuk mengajukan pertanyaan kritis, dan program Anda akan meningkat seiring waktu, begitu pula kejelasan dan keputusan bisnis Anda.
Semoga artikel di atas bermanfaat bagi pembaca, apabila pembaca membutuhkan informasi lebih lanjut mengenai artikel di atas dan membutuhkan pendampingan dalam riset pemasaran, menyusun tim penjualan dan meningkatkan penjualan dengan tools teknologi, atau terkait Digital marketing silahkan hubungi kami di https://wa.me/6281252982900. Kami siap mendampingi anda.
