Analytiikan lopputulos ei ole raportti. Se on päätös, joka tehdään datan perusteella. Tämä oli koko luennon ydin, kun vierailin 16.11.2026 Haaga-Helian markkinoinnin opiskelijoiden luona puhumassa analytiikasta.
Otsikkona oli verkkoanalytiikka, mutta käsittelin aihetta laajemmin: miten markkinointia mitataan ja miten tekoäly on muuttanut analyytikon työtä viimeisen vuoden aikana. Kokosin tähän luennon kuusi pääpointtia, oikean asiakaskeissin ja vastauksen kysymykseen AI-näkyvyydestä. Ne sopivat yhtä hyvin markkinointipäällikölle kuin opiskelijalle.
Katso koko luento videolta. 👇
Taustaksi: olen tradenomi (markkinointi), suorittanut johtamisen (JET) ja tekoälypohjaisen tuotekehityksen erikoisammattitutkinnot ja tehnyt web-analytiikkaa vuodesta 2005. Ennen Mertanen Analyticsin perustamista vuonna 2018 työskentelin muun muassa Sanomalla (Nelonen Media) ja Omnicom Media Groupissa. Olen IAB Finlandin datatyöryhmän jäsen ja kirjoitan LinkedInissä Datanistin paljastukset -uutiskirjettä.
1. Markkinointi ei ole sama asia kuin mainonta
Minua häiritsee, kun puhekielessä markkinointi ja mainonta menevät sekaisin. ”Somemarkkinoinnilla” tarkoitetaan usein pelkkää mainontaa, vaikka markkinoinnissa on promootion lisäksi muutkin P:t. Kun markkinointia mitataan kunnolla, voidaan mitata myös mm. hinnoittelun / alennusten ja tapahtumien vaikutusta myyntiin.
Menetelmä riippuu aikavälistä:
- Lyhyt aikaväli: digitaalinen analytiikka, kuten Google Analytics, näyttää vaikutukset melko helposti, etenkin kun kauppa tapahtuu verkossa.
- Keskipitkä ja pitkä aikaväli: ekonometrinen myynnin mallinnus eli marketing mix modeling (MMM). Sillä erotetaan pohjamyynti (base sales) ja mainonnan tuoma inkrementaalinen myynti.
Pohjamyynti on sitä, mikä tulee ilman mainontaa, kun ovet ovat auki ja verkkokauppa toimii. Mitä vanhempi brändi, sitä suurempi pohjamyynti. Google Analytics ei valitettavasti osaa kertoa, kuinka suuri osa myynnistä on pohjamyyntiä.
Markkinointi on nykyään luovuuden ja tieteen yhdistelmä: analytiikkaa, psykologiaa, taloustiedettä, matematiikkaa ja nyt myös tekoälyä. Se ei ole joko–tai vaan sekä–että.
2. Sivusto on investointi, ja sen pitää tuottaa
Verkkosivustoon tai verkkokauppaan on käytetty aikaa ja rahaa, ja sen ylläpito maksaa jatkuvasti. Siksi mittaamisella pitää pystyä osoittamaan, että resurssi tuottaa. Verkkokaupassa tuotto on ostoja. B2B-yrityksessä se on yhteydenottoja eli liidejä, joista osa muuttuu myöhemmin kaupoiksi CRM:ssä.
3. Panos sisään, tuotos ulos
Markkinoinnin mittaamisen perusmalli on yksinkertainen. Laitamme rahaa ja aikaa kanaviin, kuten Google Adsiin, Metaan, LinkedIniin ja TikTokiin, ja odotamme saavamme takaisin myyntiä tai liidejä. Keskeinen mittari on ROAS eli return on ad spend. Tai vieläkin parempi: POAS eli profit on ad spend.
Näin ketju toimii:
- Tägitä mainokset. UTM-parametrit linkin perässä ovat markkinoijan ensimmäinen tehtävä ja laadukkaan datan perusta. Esimerkiksi uutiskirjeessä utm_source=newsletter ja utm_medium=email.
- Kysy suostumus. Seuranta käynnistyy vasta, kun kävijä hyväksyy evästeet.
- Mittaa avaintapahtumat. Ostot, yhteydenotot ja ajanvaraukset ovat tärkeimmät. Offline-konversioiden osalta mukaan tarvitaan esimerkiksi CRM-dataa.
- Palauta konversiot mainosjärjestelmiin. Kun Google Ads ja Meta tietävät, että ostos tuli uudelta asiakkaalta, niiden algoritmit voivat optimoida uusasiakashankintaan. Vanhat asiakkaat tavoitetaan halvemmalla uutiskirjeellä ja somessa.
4. Arvo syntyy vasta analysoinnissa
Dashboardit ja raportit ovat vain osa matkaa. Lisäarvoa syntyy vasta, kun joku analysoi datan ja ehdottaa toimenpiteitä: esimerkiksi siirretään osa Meta-budjetista Google Adsiin tai kokeillaan Microsoftin Bing-mainontaa.
Analyysin rakenne on aina sama: havainto, mahdollinen syy, toimenpide ja mittaus. Esimerkiksi maksettu haku tuo paljon käyntejä, mutta konversioaste on matalampi kuin orgaanisessa haussa. Syy voi olla väärä laskeutumissivu tai liian laajat hakusanat. Tarkistetaan ne ja seurataan konversioastetta neljä viikkoa. Data kertoo, mitä tapahtui, mutta syy on aina hypoteesi, joka testataan.
Suurissa organisaatioissa hajautettu päätöksenteko tarkoittaa joskus, ettei kukaan päätä mitään. Pienissä yrityksissä markkinointijohtaja, toimitusjohtaja tai omistaja päättää heti. Jatkuvalla testaamisella löytyvät oikeat budjetit, kanavat ja viestit.
5. Tietosuoja: data on aina otos
Tietosuojavaltuutettu ja Traficom valvovat Suomessa lainsäädäntöä, ja Google asettaa omat vaatimuksensa. Googlen käyttöehtojen mukaan Google Analyticsiin ei saa lähettää henkilötietoja. Jos tietosuojavaltuutettu tai Traficom ottaa yhteyttä, yleensä valituksen perusteella, puutteet kannattaa korjata nopeasti.
Traficomin ohjeistuksen mukaan analytiikkaevästeisiin tarvitaan käyttäjän suostumus. Consent Moden avulla Googlen tagit mukautuvat käyttäjän valintaan: ilman suostumusta GA4 ei tallenna evästeitä, ja osa datasta mallinnetaan. Google Analytics ei siis näe kaikkia kävijöitä, vaan data on aina otos. Seuraa trendiä ja osuuksia, älä tuijota yksittäisiä lukuja.
Case: Luxsite ja analytiikka-agentti
Luxsite on suomalainen käytetyn luksusmuodin verkkokauppa. Heidän datansa on viidessä paikassa: verkkokauppa-alustassa, GA4:ssä, Google Adsissa, Metassa ja omistajan Excelissä, jossa ovat katteet. Tavoitteena on saada datasta konkreettisia suosituksia: mihin seuraava euro kannattaa laittaa ja mitä seuraavaksi pitäisi tehdä?
Aiemmin dashboard on näyttänyt lukuja, mutta tulkinta on jäänyt asiakkaille, eikä päätöksiä syntynyt. Nyt työtä tekee analytiikka-agentti ihmisen ohjauksessa (human in the loop):
- Agentti hakee datan eri lähteistä ja yhdistää sen joka aamu.
- Se tarkistaa, onko mittauksessa teknisiä muutoksia.
- Se selvittää, mikä muuttui ja miksi?
- Se luonnostelee suositukset ja antaa jokaiselle varmuustason.
- Ihminen asettaa säännöt sekä liiketoiminta- ja datakontekstin, arvioi jokaisen suosituksen ja päättää asiakkaan kanssa.
Sama malli on viikoittain käytössä useilla asiakkailla: niin verkkokaupassa kuin myös B2B-liidien hankinnassa.
Mitä opittiin
- Tarkista data ennen kuin luotat siihen. 29.10.–1.11. tuli noin 11 000 istuntoa ilman yhtään ostoa: lyhyitä suoria istuntoja tietokoneilta ulkomailta. Viikon konversioasteet merkittiin harhaanjohtaviksi, myyntiluvut pysyivät oikeina. Lisäksi MobilePay ja Shop Pay saivat kunnian noin 5 %:sta myyntiä, joka kuului muille kanaville. Ne suljettiin liikenteen lähteistä pois 2.11. Kiinteät tarkistukset löytävät ongelman, tekoäly tutkii ja selittää sen.
- Yhdistä mainosdata yrityksen omiin lukuihin. Omistajan myynti-Excelistä näkyi, että bruttokate vaihtelee brändeittäin. Yli 55 % verkkomyynnistä tulee yhdestä brändistä, ja sen uusia listauksia oli kolme viikkoa ennen Black Fridayta 57 % tavallista vähemmän. Viikon tärkein suositus koski siis varastoa eikä mainontaa. Tätä ei näe Google Adsista eikä Metasta.
- Suositus on testattava hypoteesi. Google Shoppingiin käytetyt 66 euroa toivat viikossa 2 tilausta, ja klikki maksoi noin 0,07 euroa. Suositus oli nostaa budjetti noin 20 euroon päivässä. Asiakas teki päätöksen ja toteutti muutoksen välittömästi.Tulosta verrataan GA4:n Paid Shopping -myyntiin ja koko kaupan myyntiin viikoilla 45–48 vuoteen 2025 verrattuna.
Mitä asiakas saa
Google Analyticsin raakadata striimataan BigQueryyn, joten emme katso aggregoitua dataa käyttöliittymästä vaan räätälöityjä raportteja. Asiakas saa viikkoraportin sähköpostiin: ensin mitä pitää tehdä, sitten perustelut. Lisäksi Clauden päälle rakennettu AI-dashboard näyttää samat asiat, Metan ja Googlen ROAS:n sekä historiadataan perustuvan myyntiennusteen. Dashboardilta voi myös kysyä suoraan vastauksia tekoälyltä.
Marian kysymys: zero-click ja AI-näkyvyys
AI-näkyvyyden mittaaminen on vielä hankalaa. Google Search Consoleen on tullut AI-osio, josta näkee näkyvyyden, mutta Google ei kerro klikkejä. ChatGPT:stä ja Geministä tuleva liikenne näkyy kuitenkin Google Analyticsin liikenteen lähteissä.
Search Consolea tarkempaan seurantaan on omat työkalunsa. Esimerkiksi Superlines seuraa, miten brändi näkyy ChatGPT:n, Geminin, Perplexityn, Clauden sekä Googlen AI Overviewsin ja AI Moden vastauksissa. Se näyttää maininnat, sijainnin vastauksessa, share of voicen ja lähdeviittaukset suhteessa kilpailijoihin. Kokeilujakso on 7 päivää.
Pidemmällä aikavälillä Googlen orgaaninen liikenne voi näyttää lievää laskua, mutta dramaattista pudotusta en yleensä näe. Kun dataa on, AI-näkyvyyden voi ottaa yhdeksi muuttujaksi marketing mix -mallinnukseen, jolloin se ei jää mustaksi aukoksi. MMM vaatii kuitenkin useita kanavia ja isoja panostuksia, joten se ei sovi pienimmille yrityksille.
Hyvä uutinen: SEO auttaa myös AI-näkyvyyteen. Rakenteellinen sisältö ja toimivat tekniset ratkaisut tukevat molempia.
6. Tekoäly: mihin kannattaa kiinnittää huomiota nyt
Tekoäly nopeuttaa analyysia, kun data on kunnossa. Käytämme sitä lähes joka tehtävässä: suunnittelussa, mainonnan optimoinnissa, automaatioissa ja analytiikassa. Juuri nyt kannattaa seurata neljää asiaa:
- Google Tag Manager uudistui. GTM toimii nyt myös Google-tagina, joten sivu nopeutuu ja Googlen tagien asetukset ovat yhdessä paikassa.
- Raakadata talteen BigQueryyn. GA4:n BigQuery-vienti tallentaa jokaisen tapahtuman, mutta historia kertyy vasta käyttöönotosta alkaen. Kytke se päälle nyt.
- Attribuutio ilman mustaa laatikkoa. Raakadatan ja tekoälyn avulla esimerkiksi Markovin ketjumalli näyttää kanavien roolin asiakaspoluilla.
- Tekoäly optimoi mainontaa. Se seuraa kampanjoita jatkuvasti ja ehdottaa budjettisiirtoja. Ihminen tekee päätökset, ainakin toistaiseksi.
Kanavat pelaavat joukkuepeliä kuin jääkiekossa. Pakki avaa, joku syöttää ja maalintekijä viimeistelee. Jos katsot vain maalintekijää eli viimeistä klikkausta ja karsit pelinrakentajat yläfunnelista, maaleja tulee kokonaisuutena vähemmän.
Lopuksi
Työkalut muuttuvat, mutta perusasia ei: data on arvokasta vasta, kun sen perusteella tehdään päätös. Tekoäly ei poista ihmistä prosessista. Se poistaa rutiinin ja jättää ihmiselle säännöt, kontekstin ja päätökset.
Kiitos Maria Vickholmille kutsusta ja hyvästä kysymyksestä sekä Haaga-Helian opiskelijoille palautteesta. Jos haluat keskustella, miten analytiikka-agentti toimisi teidän datallanne, ota yhteyttä tai LinkedInissä.

