Tämä artikkeli luotiin Chat GPT4:n avulla videosta ja tekstityksestä, joka on tallennettu live-demon aikana MeasureCamp Varsovassa lauantaina 14. lokakuuta 2023.
Digitaalinen mainonta ja analytiikka muuttuu jatkuvasti, ja alalla toimivina ammattilaisina meidän on mukauduttava ja hyödynnettävä uusimpia teknologioita pysyäksemme edellä. Yksi tällainen mullistava teknologia on Chat GPT-4, huippuluokan tekoälymalli. Viimeisimmässä MeasureCamp Varsova -tapahtumassa esittelin sen kykyjä digitaaliseen analytiikkaan liittyen. Tässä kattava katsaus kokemuksiini.
1. Chat GPT-4 -vallankumous data-analyysissä
Chat GPT-4 tarjoaa uuden rajapinnan datan analysoinnissa edistyneiden NLP/LLM (Natural Language Processing/Large Language Model) koneoppimiskyvykkyyksien ansiosta. Yhdistämällä sen sellaisiin lisäosiin kuten Wolfram tai Advanced Analytics, voimme automatisoida monimutkaisia laskentoja, tuottaa näkemyksiä ja visualisoida dataa. Välitön datan tulkintamahdollisuus voi vähentää merkittävästi aikaa, jonka analyytikot käyttävät manuaalisiin laskentoihin ja raporttien tuottamiseen.
2. Case: Valo Hotel & Work
Havainnollistaakseni Chat GPT-4 kyvykkyyksiä, esittelin Valo Hotel & Work tapausta. Valolla on innovatiivinen kyky muuttaa huoneensa toimistoiksi päivällä ja hotellihuoneiksi yöllä. Käyttäen hotellin verkkosivuston Google Analytics -dataa, lähdin tutkimaan käyttäjien käyttäytymistä eri päätelaitteilla, liikenteen lähteiden suorituskykyä ja tulovirtoja. Oikeanlaisella käskytyksellä (prompting) Chat GPT-4 voi opastaa analysoinnin tekemisessä ja se myös laskee nopeasti oikeanlaisia avainmittareita.
3. Datan visualisointi Chat GPT-4:lla
Yksi Chat GPT-4:n parhaista ominaisuuksista on sen kyky tuottaa datan visualisointeja. Olipa kyseessä pylväsgraafi, joka vertaa tuloja kanavittain, tai yksityiskohtainen erittely laitetyypin mukaan, tekoäly voi tuottaa nämä visuaaliset apuvälineet sekunneissa. Tämä kyky voi mullistaa, miten esitämme ja tulkitsemme dataa, tehden näkemyksistä (insights) ymmärrettäviä ja nopeammin saatavilla olevia.
4. Vertaileva analyysi: Maksullinen haku vs. maksullinen some
Käyttäen Valon dataa, syvennyimme vertailevaan analyysiin kahdesta suuresta digitaalisen markkinoinnin kanavasta: maksullisesta hausta ja maksullisesta sosiaalisesta mediasta. Chat GPT-4 laski vaivattomasti mittareita, kuten liikenteen hankintakustannuksia ja mainonnan tuottoa, tarjoten selkeän kuvan kunkin kanavan suorituskyvystä. Tällaiset analyysit voivat auttaa yrityksiä tekemään dataan perustuvia päätöksiä nopeammin kuin aiemmin.
5. Haasteet
Vaikka Chat GPT-4 on kiistatta tehokas työkalu, on välttämätöntä tunnustaa sen nykyiset rajoitukset. Esittelyn aikana kohtasimme tilanteita, joissa tekoäly tuotti “harhanäkyjä” (hallucination) tai virheitä tuloksissaan. Kuten minkä tahansa työkalun kanssa, ihmisen valvonta on edelleen välttämätöntä. Analyytikoiden tulisi tarkistaa tekoälyn tuottamat näkemykset ja varmistaa niiden tarkkuus sekä merkityksellisyys. Tästäkin huolimatta, tekoäly säästää paljon työaikaa, etenkin mikäli tarkoituksena on tuottaa kirjallista analyysia ja suosituksia.
6. Digitaalisen analytiikan tulevaisuus tekoälyn avulla
Tekoälyn integroiminen analytiikkajärjestelmiin, kuten Google Analytics 4, voi tuoda aivan uutta potkua digitaaliseen analytiikkaan. Ehkäpä lähitulevaisuudessa, jossa sen sijaan, että analysoimme manuaalisesti suurta datamäärää, kysymme yksinkertaisesti tekoälytyökalulta näkemyksiä, ja se toimittaa kattavat raportit, visualisoinnit ja suositukset. Säästetty aika voidaan vastaavasti käyttää enemmän strategiseen suunnitteluun ja toteutukseen.
Johtopäätökset
Tekoälyn ja digitaalisen analytiikan yhdistäminen pitää sisällään valtavasti potentiaalia. Kuten MeasureCamp Varsovassa ja Mertanen Analytics 5-vuotisjuhlilla näimme, työkalut kuten Chat GPT-4 eivät ole vain teoriaa, vaan käytännön ratkaisuja, jotka voivat muuttaa työskentelytapojamme. Vaikka ne eivät ehkä korvaa inhimillisiä analyytikkoja, ne epäilemättä täydentävät taitoja ja resursseja, muuttaen analysointiprosessia tehokkaammaksi ja oivaltavammaksi.
Jatkaessamme tätä jännittävää digitaalista kehitystä, tällaisten teknologisten edistysaskelten omaksuminen ja integroiminen on avain pysymiseen edelläkävijänä ja tarjoamaan vertaansa vailla olevaa arvoa analyyseissamme.
Monet yritykset ja organisaatiot ovat jo ottaneet käyttöön tavalla tai toisella Google Analytics 4 version, koska Universal Analytics lopettaa datan tallentamisen 1.7.2023. Kokosimme tähän artikkeliin vinkkejä GA4:n käyttöönottoon ja hyödyntämiseen liittyen. Mitä pitää ja kannattaa huomioida sujuvaan ja käyttäjien tietosuojan huomioivaan Google Analytics 4 version hyödyntämiseen liittyen?
Mikäli et ole tehnyt Google Analytics 4 migraatiota suunnitellusti ja hallitusti, Google tekee päivityksen “automaattisesti”. Kuitenkin, Google itsekään ei suosittele tätä vaihtoehtoa. Jos et halua, että Google tekee tämän automaattisen päivityksen, voit tehdä “opt-out” toimenpiteen oikean Universal Analytics propertyn asetuksissa.
Mikäli Google on kuitenkin tehnyt automaattisen päivityksen ja luonut GA4 propertyn, voit poistaa ylimääräisen propertyn tarvittaessa. Kun olet ottanut Google Analytics 4 version käyttöön manuaalisesti, voit Ei-vaihtoehdon silloin kun Google Analyticsin pop-up -ilmoitus tulee näkyviin. Mikäli tarvitset apua, voit aina lähettää meille tukipyynnön osoitteeseen support@mertanen.info.
Kuinka Google Analytics 4 migraatio tulisi tehdä?
Ensimmäisenä on syytä tarkastella aiemmin käytössä ollutta Universal Analytics propertya. On erittäin hyvä idea tarkistaa tärkeät tapahtumat (events) sekä tietenkin käytössä olleet tavoitteet eli konversiopisteet. Samassa yhteydessä voit myös jättää pois tarpeettomat asiat, kun suunnittelet verkkopalvelun mittausta GA4:n avulla. Koska Google Analytics 4 on aivan erilainen järjestelmä kuin Universal Analytics, on migraatio samalla erittäin hyvä mahdollisuus kehittää sivuston tai vekkokaupan mittaamista.
Suosittelemme vähintään kevyen mittaussuunnitelman tekemistä ennen varsinaista GA4-implementointia. Mikäli et ole käyttänyt aiemmin Google Tag Manageria, suosittelemme vahvasti GTM:n käyttöönottoa GA4-migraation yhteydessä. Jos tarvitset apua mittaussuunnitelman tekemisessä tai GA4-mittauksen kehittämisessä, ota yhteyttä. Olemme toteuttaneet viime aikoina kymmeniä KPI-workshoppeja ja mittaussuunnitelmia.
Harkitse Universal Analytics datan säilyttämistä
Vaikka Universal Analytics lopettaa datan tallentamisen heinäkuun alussa, on data saatavilla vielä 2023 vuoden loppuun asti (ei koske Google Analytics 360 asiakkaita). Jos koet tarpeelliseksi säilyttää tai tallentaa historiallista Universal Analytics dataa, on siihen olemassa pari järkevää vaihtoehtoa.
Universal Analytics datan voi viedä (export) Google Sheet’iin tai vaihtoehtoisesti CSV- tai Excel tiedostoiksi. Tämä on kuitenkin hyvin työlästä ja todennäköisesti joudut tekemään valintoja sen suhteen mitä dataa haluat tallentaa.
Universal Analytics datan vieminen tietokantaan (tai pilvipalveluun), esimerkiksi BigQueryyn, Google Analyticsin raportointirajapinnan (API) kautta. Tällä tavalla saat kustannustehokkaasti tallennettua Universal Analytics dataa laajasti myöhempää käyttöä ja vertailua varten.
Mikäli haluat tallentaa Universal Analytics dataa BigQueryyn, on sen hinta alkaen 250 €/ näkymä. Datan tallentamisesta tulee lisäksi marginaalinen kustannus Google Cloudista isommillakin datamäärillä. Ota yhteyttä mikäli tarvitset lisätietoa tai apua Universal Analytics datan tallentamisessa.
Google Analytics 4 datan tallentaminen
Koska GA4 tallentaa tiettyä dataa vain 14 kuukauden ajalta, on erittäin hyvä harkita myös Google Analytics 4 datan tallentamista BigQueryyn. Tallentamalla dataa johonkin, yleensä pilvipohjaiseen palveluun, varmistat sen, että käytössäsi on vertailudataa useamman vuoden ajalta. Myös ilmaisissa GA4 properteissa on mahdollisuus BigQuery-linkitykseen (export).
On kuitenkin hyvä huomioida, että natiivi BigQuery-linkitys tallentaa datan hyvin raakamuodossa ja datan käyttämisen sekä hyödyntämisen kannalta kannattaa harkita myös muita vaihtoehtoja. GA4 datan tallentaminen BigQueryyn voi olla hyvä alku Marketing Data Warehouse -ratkaisun luomisessa. Jos olet tallentanut dataa jo aiemmin GA4:een, voit täydentää BigQueryyn myös historiallisen datan.
GA4 datan raportointi ja visualisointi
GA4 käyttöliittymässä dataa voi katsoa joko raportointi- tai Explore-osiossa. Universal Analyticsiin verrattuna GA4-raportointiosion toisen tason käyttöliittymä on lähes täysin räätälöitävissä. Valitettavasti raportointiosiossa on vielä jonkin verran rajoituksia, etenkin datan visuallisoinnin osalta. Explore-osio onkin analyytikkojen suosikki monipuolisten toiminnallisuuksien ansiosta. Esimerkiksi viivagraafeihin saa mukaan poikkeamien tunnistuksen, joka voi antaa erinomaisia näkemyksiä dataan.
Google Analytics 4 datan ja raportoinnin suhteen on syytä huomioida, että datan prosessoinnin viive on 24-72 h. Tästä syystä johtuen saatat joutua odottamaan jopa 3 päivää ennenkuin voit katsoa dataa ja tuloksia GA4 käyttöliittymästä. Sama koskee Googlen Looker Studio dashboardeja mikäli haet dataa Googlen normaalilla GA4-yhteydellä (connector). Tämän lisäksi Looker Studio dashboardeihin vaikuttaa GA4-rajapinnan kysely- eli quota-rajoitukset, jotka tulivat voimaan marraskuussa 2022.
Onneksi Looker Studion quota-rajoitus on helppo kiertää esimerkiksi Supermetricsin connectorien avulla. Yksittäisen connectorin (esimerkiksi Google Analytics 4) lisenssihinta on noin 50 €/kk. Connectoria voi testata ilmaiseksi 14 päivän ajan ja koodilla mm saat -20 % alennuksen Supermetricsin lisenssien hinnoista. Tällä tavalla voit varmistaa Looker Studio dashboardin huomattavasti varmemman toimivuuden.
Mikäli kuitenkin tarvitset reaaliaikaisempaa dataa käyttöösi eli haluat tarkastella esimerkiksi edellisen päivän dataa, on käytettävä BigQuerya apuna. Käytännössä GA4 data lähetetään BigQueryyn päivittäin tai se voidaan myös striimata sinne (lähes) reaaliaikaisesti. Tässä tapauksessa Google Analytics 4 data haetaan Looker Studio dashboardiin BigQuery connectorin avulla. Ota yhteyttä mikäli tarvitset apua GA4 datan raportoinnin tai visualisoinnin kanssa. Olemme toteuttaneet kymmenittäin toimivia dashboardeja.
GA4 propertyn auditointi ja datan validointi
Google Analytics 4 käyttöönoton yhteydessä on luonnollisesti huolehdittava oikeista asetuksista ja tuotelinkityksistä (Google Ads, Search Console, BigQuery). Tapahtumien (events) nimeämisissä on hyvä noudattaa Googlen suosituksia. Luonnollisesti on varmistuttava, että henkilökohtaista dataa ei tallenneta missään vaiheessa GA4:een.
Mikäli et ole varma asetuksista tai siitä onko implementaatio hyvin tehty, ja dataa on tallentunut jonkin verran, on syytä harkita GA4 propertyn auditointia. Google Analytics 4 auditoinnin hinta on alkaen 490 €, joten ota yhteyttä tai tilaa suoraan kaupasta, mikäli haluat varmistuksen näihin asioihin. Tarvittaessa voimme toteuttaa myös laajemman digitaalisen analytiikan auditoinnin.
Riippuen verkkopalvelun evästehallinnan ratkaisusta, GA4 raportointiasetuksista ja siitä onko Googlen consent mode otettu käyttöön, Google Analytics tallentaa otoksen sivuston tai verkkokaupan käytöstä. Kun GA4 dataa on tallentunut jonkin aikaa, on hyvin suositeltavaa validoida ja vertailla dataa. Tyypillisesti GA4 datan, etenkin konversiodatan tai verkkokauppamyynnin data, validoidaan back-end järjestelmässä (CRM-, CMS-, ERP- tai verkkokauppajärjestelmä) olevaa dataa vasten.
Vastaavasti voit verrata konversiodataa Universal Analytics datan kanssa rinnakkain (vielä hetken). Koska Universal Analytics ja GA4 toimivat eri tavalla, ei välttämättä muun datan vertaaminen ole kovinkaan mielekästä. Ota yhteyttä mikäli tarvitset apua datan validoinnissa tai vertailussa.
GA4 datan analysointi
Kaikkein tärkeintä loppujen lopuksi Google Analyticsin hyödyntämisessä on itse datan analysointi. Vaikka data olisi kuinka laadukasta, se ei tee itsestään yhtään mitään. Toisin sanottuna investoinnit verkkopalveluun, digitaaliseen mainontaan ja analytiikkaan saattavat jäädä tehottomiksi mikäli dataa ei jotenkin analysoida! Analysoinnin lopputuloksena pitää tulla toimenpide-ehdotuksia tai testausideoita.
Google Analytics 4 pitää sisällään koneoppimisen toiminnallisuuksia ja niiden avulla GA4 tekee ennustusta eri metriikoille historiallisen datan perusteella. Tämän ansiosta GA4 osaa ilmoittaa merkittävistä poikkeamista laajoissakin dataseteissä. Näiden automaattisten insight-ilmoitusten seuraamisen lisäksi on hyvin olennaista määritellä tietyille konversiopisteille tavoitetasoja tai poikkeamien seuranta.
Hyvin tehty (Looker Studio) dashboard auttaa esimerkiksi oikeisiin asioihin ja avainmittareihin keskittymisessä. Dashboardiin voidaan tuoda dataa mainonnan järjestelmistä ja näin voidaan laskea tärkeitä avainmittareita, kuten konversion kustannus (CPA, cost per action) tai mainonnan panos-tuotos -suhdetta (ROAS, return on ad spent).
Näiden insight-hälytysten tilaaminen sähköpostiosoitteisiin auttaa aktivoitumaan tarkempaan datan analysointiin. Ota yhteyttä mikäli tarvitset apua datan analysoinnissa, tavoitetasojen määrittelyssä / visualisoinnissa tai insight-ilmoitusten räätälöinnissä. Lisäksi tarjoamme jatkuvaa, toistaiseksi voimassaolevaa ja kokonaisvaltaista Analytics as a Service (AaaS) palvelua.
Google Analytics 4 valmennus ja sparraus
Vaikka tekoälyratkaisut kehittyvät kovaa vauhtia, niin mikään järjestelmä ei toimi vielä itsenäisesti. Vaikka GA4 sisältää paljon erittäin hyödyllisiä ominaisuuksia, tarvitaan ihmisiä käyttämään järjestelmää. Google Analytics 4 version käyttäminen säännöllisesti on varmin tapa oppia järjestelmän kiemuratja miten GA4-linkittyy esimerkiksi Google Ads mainontaan. Tarvittaessa voit osallistua GA4 koulutukseen. Olemme järjestäneet myös monia kymmeniä yrityskohtaisia Google Analytics 4 sparrauksia. Ota yhteyttä mikäli haluat järjestää henkilö- tai yrityskohtaisen GA4 valmennuksen.
16.2.2023 pidettiin IAB Finlandin webinaari “Master Your GDPR – Evästemyrsky 2.0”. Webinaarissa käsiteltiin ajankohtaisia lainsäädäntöhankkeita tietosuojan alalla, Google Analyticsin käytön turvallisuutta, TCF-standardin langettavaa päätöstä vuonna 2022 sekä evästepäätöksiä ja identiteetin hallintaa digitaalisen asiakaskokemuksen näkökulmasta. Traficomin puheenvuoro on poistettu tallenteesta heidän pyynnöstään. Webinaarin tarkoituksena oli antaa käytännön neuvoja ja oppeja säädösten noudattamiseksi nykyisen ja tulevan digiliiketoiminnan tueksi. Petri Mertasen puheenvuoro otsikolla “Google Analyticsin käyttö Privacy Shieldin varjossa” alkaa noin 46 minuutin kohdalla.
Järjestimme webinaarin 6.10.2022 teemalla kysy mitä tahansa datalla johtamisesta ja markkinoinnin analytiikasta. Saimme yhteensä lähes 40 eri kysymystä, joihin vastasimme webinaarin aikana. Katso webinaaritallenne alta.
Jos upotus ei toimi, voit katsoa videon suoraan Youtubesta
Google Analytics 4 (GA4) käsittelee dataa uudella tavalla, mikä tuo mukanaan lukuisia muutoksia. Muutokset mahdollistavat entistä kehittyneemmän analytiikan ja kypsemmän markkinoinnin. Se synnyttää myös tilanteen, jossa GA4-dataa kannattaa siirtää myös muualle tarkasteltavaksi.
Puhuimme näistä asioista Mertanen & Analytics Associatesin ja Supermetricsin yhteisessä asiakastapahtumassa Helsingissä marraskuussa 2021. Pidimme puheen paikallaoleville asiakkaille, mutta tallensimme näyttöstriimin myös muille katsottavaksi.
Me Mertasella pohdimme aika paljon analytiikan teknistä puolta, mutta asiakasyritystä tietysti kiinnostaa enemmän ne varsinaiset liiketoiminnalliset hyödyt. Tässä lyhyessä esittelyssä kerron ne perustasvanlaatuiset tekniset erot, jotka tuovat suuria liiketoiminnallisia uutuusvaikutuksia.
Liiketoiminnan menestymiset perustuvat usein odottamattomiin onnistumisiin. Ja kun se onnistuminen tapahtuu, meidän pitäisi pystyä tietämään mistä se johtuu. Vain silloin voimme tuottaa onnistumisia lisää. Lisätä niiden määrää ja vaikutusta
Google Analyticsin evoluutio Urchinista GA4:ään
Google Analyticsin evoluutio alkaa vuodesta 2005 Urchin-nimisestä tuotteesta, jota on kehitetty samana tuotteena aina Google Analyticsin “classic-versiosta” aina 2012 julkaistuun Universal Analyticsiin asti. Aina kun on tullut uusi versio, on riittänyt että vaihtaa skriptin uuteen. Tietoa on kerätty teknisesti hiukan eri tavalla, mutta koko ajan samaan instanssiin ja samaan tietokantaan.
Vuonna 2014 Google osti Firebase-nimisen tuotteen, joka oli tarkoitettu nimenomaan mobiilisovellusten analytiikkajärjestelmäksi. Ja siitä Google on muokannut tuotteen jossa samaa analytiikkajärjestelmää voidaan käyttää niin sovelluksissa kuin verkkosivustollakin. Monilla yrityksillä on mobiilisovellus ja käyttäjä liikkuu saumattomasti sovelluksen ja saitin välillä, joten on luonnollista, että myös analytiikkajärjestelmää osaa saman.
Google Analyticsin evoluutio Urchinista GA4:ään.
Google Analytics 4 on täysin uusi järjestelmä, jossa tietoa aletaan kerätä uuteen tietokantaan. Jotta tulevaisuudessa voi tehdä analyysia johonkin historiadataan perustuen, sitä kannattaa alkaa kerätä jo nyt. GA4:sta ja vanhaa Universal Analyticsia voi ja kannattaa ajaa rinnakkain, vaikka itse markkinoinnin johtaminen vielä tapahtuisikin UA:n kautta.
GA4:n perustuminen eventteihin tekee tiedosta yhteismitallista ja vertailtavaa
Universal Analyticsiin on vuosien aikana syntynyt useita eri mittaustyyppejä.
Sivulataukset (pageviews)
Tapahtumat (events)
Tavoitteet näiden perusteella (goals)
Verkkokauppatransaktiot (transactions)
Sivulataus tietää kun sivu ladataan, mutta en tiedä mitään mitä sivulla tehdään. Jos sivulla klikataan vaikka jotakin painiketta, sitä varten tarvitaan tapahtumaseuranta eli eventti. Liiketoiminnan kannalta erityisen tärkeistä sivulatauksista tai tapahtumista voidaan luoda tavoitteita, eli konversioita tai goaleja. Näiden rinnalle on myöhemmin syntynyt verkkokaupan ostotapahtuma eli transaktio.
UA:n eventtien yhteyteen on pystynyt tallentamaan tietoa hyvin jäykkään hierarkiaan. Käytettävissä on ollut neljä tietuetta
category
action
label
value
Vähänkään monimutkaisemmissa tilanteissa samaan tietueeseen on jouduttu tallentamaan useampia tietoja. Tästä johtuen tieto ei ole ollut enää yhteenlaskettavissa tai tarkasti vertailtavissa ilman sen siirtämistä ensin exceliin. Tieto on ollut lähinnä silmäiltävissä ja yksittäistapauksittain tarkasteltavissa.
Ja vaikka eventin tieto olisikin yksinkertainen numero, sitä pysty laskemaan yhteen sivulatauksien ja transaktioiden kanssa, koska ne ovat teknisesti eri tyyppisiä.
GA4:n tekniikka pohjautuu kokonaan eventteihin. Koska niin sivulataukset kuin verkkokauppaostoksetkin on eventtejä, niin määrää, kokoa ja vaikutusta pystytään yhdistämään toinen toisiinsa.
Eventtien rinnalla Google Analytics 4:ssä kulkee lähes loputon määrä täysin vapaavalintaisia parametreja. Eventin voi suoraan valita GA4:n käyttöliittymässä konversioksi tai sellaisen voi luoda juuri halutuista eventeistä riippuen parametreista.
GA4:n koneoppiminen osaa luoda oivalluksia itse
Myös Universal Analyticsin puolella voi saada ilmoituksia poikkeuksista ja oivalluksista. Mutta ne ovat kaikki enemmän tai vähemmän tilattuja ilmoituksia. Pitää siis tietää ensin se onnettomuus tai onnistuminen, josta haluaa ilmoituksen.
Mutta GA4:n koneoppiminen pystyy ennakoimaan esimerkiksi kuinka paljon konversioita pitäisi tulla jostakin tietysti segmentistä ja sitten ilmoittamaan jos toteutuma olikin merkittävästi erilainen. Tämä synnyttää niin paljon enemmän ja tarkempia ilmoituksia, että siitä on ratkaisevaa lisäarvoa yritykselle.
GA4 pystyy esimerkiksi segmentoimaan käyttäjäryhmän, joka todennäköisesti ei tule vierailemaan sivustolla seuraavan 30 päivän aikana. Tällöin tätä ryhmää voi suoraan käyttää mainonnan kohderyhmänä.
Analytiikan kypsyys kasvaa tapahtumien todentamisesta niiden syiden ymmärtämiseen ja lopulta tulosten ennakoinnin kautta tulosten luomiseen.
Tällainen kypsyystaso vaatii entistä paremmin jäsenneltyä dataa ja huomattavasti enemmän dataa.
Ilmaisen Google Analytics 4 -palvelun kohdalla tämä suuri datamäärä valitettavasti tarkoittaa sitä, että vanha tieto alkaa ensin rapautua ja sitten häviää kokonaan. Tätä varten data on hyvä siirtää ulkoiseen järjestelmään kuten esimerkiksi Googlen tarjoamaan BigQuery-pilvipalveluun. Sinne pystyy tuomaan myös muita datalähteitä, jolloin analysointimahdollisuudet entisestään lisääntyvät.
Näin markkinointi pystyy entistä paremmin kohdentamaan resurssejaan ja saamaan parempaa tuottoa investoinnilleen. Ollaan siis hyvinkin liiketoiminnan saamien hyötyjen äärellä.
GA4:ssa on valmis natiiviliitin eli connector, jolla tiedon saa siirrettyä vain muutamalla hiirenkliksautuksella BigQueryyn. Sillä on joitain rajoituksia ja Supermetricsillä onkin tähän myös tarjolla oma ratkaisunsa.
GA4 tarjoaa ilmaisen natiiviliittimen, jonka avulla dataa on helppo siirtää. Sillä saa siirrettyä kaikki Google Analytics 4:n keräämät eventit täydellisinä siitä hetkestä eteenpäin.
Eventtirakenteen joustavuus tuo dataan myös melkoisesti monimutkaisuutta. Supermetricsin Reporting API:n avulla tiedosta voi siirtää myös vain osaa. Näin datamassan määrä ei vaadi välittömästi suurta palvelinresurssia. Etuna on myös se, että Reporting API voi tuoda BigQueryyn myös GA4:n jo aiemmin keräämää historiatietoa jopa 14 kuukauden ajalta.
Dataa voi pudottaa suoraan lähes raportointivalmiisiin tietokantatauluihin, joissa sen käsittely on helppoa. Reporting APIn tietokantakysely onkin hyvin paljon yksinkertaisempi ja kevyempi, kuin natiivikonnektorin tekemä kyselylauseke.
Reporting API ei ole rajoittunut BigQueryyn, vaan sillä voi tuoda tietoa myös muihin datavarastojärjestelmiin.
Supermetrics onkin eräänlainen kone, jonka avulla dataa voi siirtää useista erilaisista datalähteistä useisiin erilaisiin datan varastointi- ja visualisointijärjestelmiin, kuten Azuren tai Amazonin pilvipalveluihin tai vaikkapa Google Sheetteihin tai Googlen Data Studioon.
Demo: GA4 -> BigQuery Reporting API:n avulla
Näytämme videolla nopeasti miten BiqQueryssa valitaan datalähteeksi GA4, annetaan hiukan lisätietoja datalähteestä sekä tiedon siirtämisen yksityiskohdista. Supermetricsin autentikoinnin jälkeen ollaan enää tiedonjärjestelymallia eli schemaa vaille valmiita.
Aikaa meni kaksi minuuttia puheen kanssa.
Datawarehousen (DWH) hyödyt
Kun useiden eri lähteiden dataa yhdistetään datavarastojärjestelmässä, saadaan aikaiseksi useita raportteja. Supermetricsin valmiin templaten avulla on helppoa luoda esimerkiksi cross channel performance -raportti.
Vielä monimutkaisempi analysointimalleja voi tehdä, kun markkinointidata yhdistetään esimerkiksi HR:n, CRM:n ja vaikkapa talousosaston datan kanssa.
Meillä oli Iiriksen kanssa ilo päästä purkamaan Kuha on dataa -kyselyn tuloksia MarkkinointiKollektiivin järjestämässä Martech & Data -päivässä. Puheenvuoron otsikkona oli Totuus datan hyödyntämisestä markkinoinnissa + 3 vinkkiä sen kehittämiseen. Tässä 15 minuutin esityksessä on paljon asiaa datasta, analytiikan järjestelmistä sekä vinkkejä kehittämiseen. Katso video klikkamalla allaolevaa play-nappia.
Tehtiin yhdessä Arttu Käyhkön kanssa podcast siitä mitä jokaisen markkinoijan pitää ymmärtää analytiikasta. Arttu vetää Rookie Communications nimistä firmaa ja meillä on yhteistä taustaa jääkiekon kautta, kuten keskustelustakin kuulee. Lätkän lisäksi meille on yhteistä Bronx eli Joensuun Rantakylä, jossa olen asunut lapsena ja nuorena ennen maailmalle lähtöä. Kuuntele Bronxcastin episodi #33 alapuolelta klikkaamalla play-nappia.
Ja sitten mukaan tietysti meidän hockey statsit, jossa Arttu vie selvän voiton.
Täräytettiin MeltwaterinSennin kanssa melko hyvä webinaari, vaikka itse sanonkin. Tai niin kyllä sanoi osallistujatkin, sillä 94 % webinaarin kuulijoista piti sen sisältöä hyvänä tai erittäin hyvänä. Webinaari rikkoi aiemman ennätyksen, sillä ilmoittautuneita oli yli 1500!
Kuinka vältät pahimmat sudenkuopat ja saat enemmän tuloksia?
Tästä webinaarista saat taatusti käytännönläheisiä vinkkejä verkkosivustolta ja digitaalisesta mainonnasta kertyvän datan hyödyntämiseen. Kuulet, mitkä ovat tyypilliset virheet etenkin Google Analyticsin käyttöönotossa ja Tag Managerin hyödyntämisessä. Lisäksi saat vinkkejä oman datan tarkistamiseen, sen visualisoimiseen ja jakamiseen organisaatiossa. Pääset katsomaan webinaaria tämän linkin kautta tai klikkamalla alla olevaa play-nappia. Videon alapuolelta löydät myös webinaarin kysymys ja vastaus eli Q&A-osion.
Webinaarin kysymykset ja vastaukset
Kysymys: Miksi evästeet kielletään?
Vastaus: Viimeaikainen ohjelmistovalmistajien (Apple, Google) selainten kehitys on mennyt siihen suuntaan, että etenkin kolmansien osapuolien evästeitä ei välttämättä tallenneta. Tämä saattaa vaikeuttaa etenkin juuri kolmansien osapuolien mainoskanaviin (kuten esimerkiksi Facebook) tehtävää uudelleenkohdistamista eli ns. re-marketing- / re-targeting -mainontaa, jota tehdään evästeiden avulla sivustolla jo vierailleille.
Lisäksi lainsäädäntö kehittyy entistä tiukempaan suuntaan mm. ePrivacy-asetuksen kautta. Periaatteessa on mahdollista, että evästeiden käyttö – mukaan lukien ensimmäisen osapuolen evästeet – kielletään. Ohjelmistovalmistajat tulevat tosin reagoimaan tähän ja kehittävät varmasti palvelimen logeihin liittyviä, ns. server side -ratkaisuja web-analytiikan toteuttamiseksi. Tällä hetkellä evästeiden käyttöä ei ole lainsäädännöllä kielletty, mutta GDPR-asetus ottaa kantaa niiden käyttämiseen ja datan keräämisen sekä käyttämisen läpinäkyvyyteen.
Kysymys: Miten on mahdollista saada pääsy yrityksen aktiiviseen Google Analytics -tiliin, kun kellään ei ole tiedossa sähköpostia millä se on luotu eikä ole mahdollista tehdä omistajuuden todennusta laittamalla koodinpätkää sivustolle (koska sinne ei ole tunnuksia ja/tai ihmistä, joka sen pystyy tekemään)?
Vastaus: Voi yrittää ottaa yhteyttä Googleen esimerkiksi Google Ads -tuen kautta. Epäilemme kuitenkin, että tämä onnistuisi. Voi olla hyvinkin todennäköistä, että historiallinen data tuolla Google Analytics -tilillä menetetään ja vaihtoehdoksi jää uuden tilin perustaminen. Tästä syystä johtuen suosittelemme aina, että Google Analytics ja muut järjestelmät ovat asiakkaan omassa hallussa (järjestelmänhallitsijan oikeudet), eikä esimerkiksi yhteistyökumppanin.
Kysymys: Mitä verkkosivujen analytiikan muuttujia kannattaa seurata? Mitä mittaussuunnitelman tulisi sisältää?
Vastaus: Seurattavat analytiikan mittarit (muuttujat) riippuvat yrityksen liiketoiminnasta. On suositeltavaa, että verkkosivuston tavoitteet määritellään ja niiden toteutumista ainakin seurataan. Mittaussuunnitelma ottaa kantaa tavoitteiden lisäksi hieman laajemmin kantaa siihen mitkä verkkosivuston elementit ja toiminnallisuudet ovat mittauksen piirissä? Mittaussuunnitelmakin on näin ollen verkkosivustokohtainen ja yksinkertaisimmillaan se voi olla bullet point -tyyppinen listaus.
Kysymys: Kaikki mittarit on luonnollisesti määrällisiä, onko kenties laadullisia?
Vastaus: Esimerkiksi sisällön laatua voidaan analysoida määrällisten eli kvantitatiivisten mittareiden kautta. Tällaisia mittareita voisi olla mm. artikkelin lukemisaste, kommentointi, arvostelu ja jakaminen. Vastaavasti kvantitatiivisen datan lisäksi voi olla laadullista eli kvalitatiivista dataa. Laadullista dataa ovat mm. kuumakartat (heatmap), käyntien videomuotoiset nauhoitukset tai avoimen kysymyksen vastaukset. Kvalitatiivisesta datastakin saadaan johdettua kvantitatiivista dataa esimerkiksi luokittelun avulla.
Kysymys: Keiden kaikkien pitäisi tehdä yhteistyötä, että seuranta tehtäisiin oikein?
Vastaus: Ensisijaisesti organisaation ylimmän johdon, markkinoinnin sekä IT-osaston. Joissakin tapauksissa osa näistä saattaa olla ulkoistettu mainos-, media- tai digitoimistolle. Joskus saattaa olla mukana myös erilaisia teknisiä kumppaneita, jotka vastaavat esimerkiksi verkkosivuston kehittämisestä ja/tai ylläpidosta. Olennaista on, että seurannan ja mittaamisen tarpeet lähtevät johdon sekä markkinoinnin tarpeista. Nämä tarpeet muodostavat mittaamissuunnitelman ja näin ollen on mahdollisuus siihen, että seurannan avulla kehitetään toimintaa liiketoiminnallisia tavoitteita kohti.
Kysymys: Miten markkinointihenkilö voisi oppia koodaamaan?
Vastaus: Koodaamalla. Verkossa on paljon kursseja, joissa voi opetella erilaista koodaamista, esimerkiksi https://www.codecademy.com/
Kysymys: Miten GDPR on vaikuttanut Google Analyticsiin ja verkkoanalyytiikkaan. Saako nuuskia vapaasti verkkokävijöitä?
Vastaus: GDPR on vaikuttanut käytännössä jonkin verran verkkosivustojen analytiikkaan. Tosin asetuksesta on hyvin monenlaisia tulkintoja. Kävijöitä saa tietyillä rajoituksilla ja oikeuksilla seurata anonyymisti. Huomioitavaa on, että myös Google Analyticsin käyttöehdoissa kielletään henkilökohtaisen tiedon – kuten nimi, sähköposti, henkilötunnus – tallentaminen. Google Analytics on periaatteessa GDPR-yhteensopiva järjestelmä. Lisätietoa löytyy täältä: https://support.google.com/analytics/answer/9019185?hl=en
Kysymys: Mistä johtuu, että Analytics data eroaa verkkokaupan tilausseurannan datasta? Tilausseurannan mukaan olisi tilattu 1 kappale tuote x, mutta Analyticsin mukaan kyseisellä tapahtumakoodilla (tilaustunnus) olisikin jostain syystä ostettu kolme x tuotetta. Lisäksi jotkin tapahtumat eivät rekisteröidy Analyticsiin. Mistä tämä voisi johtua? Vika ei ole tuotteessa/tuotesivussa, sillä joillakin käyttäjillä tuotteen ostaminen rekisteröityy normaalisti.
Vastaus: Verkkokaupan tilausseurannan data Google Analyticsissa ei koskaan pidä täysin 100 % paikkaansa verrattuna verkkokaupan (back-end) järjestelmään. Tämä johtuu osittain siitä syystä, että käyttäjien päätelaitteet eivät pysty toteuttamaan seurannan edellytyksiä (javascript ja evästeet) tai että käyttäjä on yksinkertaisesti kieltänyt eli blokannut seurannan. Luonnollisesti myös verkkokauppaseurannan implementointi vaikuttaa datan laatuun, mutta onneksi seuranta on testattavissa ja tätä kautta datan laadunvalvontaa voidaan tehdä.
Kysymys: Onko bounce rate relevantti mittari?
Vastaus: Joissakin tapauksissa on, joissakin ei. Välitön poistumisprosentti eli bounce rate riippuu myös hyvin paljon siitä kuinka verkkosivuston mittaus on toteutettu. Näin ollen ei voi yksiselitteisesti sanoa onko bounce rate data edes laadukasta ja seuraamisen arvoista. Onneksi seuranta on testattavissa ja lisäksi suosittelemme analytiikan auditointia säännöllisesti.
Kysymys: Mikä oli se Petrin kertoma linkki siihen so what testiin?
Kysymys: Mitä konversipisteitä kannattaa asettaa markkinointisivulle, jossa ei ole verkkokauppaa esim. brändisivu?
Vastaus: Jokaisen verkkosivuston kohdalla on hyvä ajatella mitä varten sivusto on olemassa? Mitä vierailijoiden pitäisi tehdä verkkosivustolla tai mitä sivuston pitäisi tuottaa organisaatiolle? Nämä ovat verkkosivuston tavoite- eli konversiopisteitä. Mikäli verkkosivusto on vain välttämätön paha ja se vain aiheuttaa kustannuksia, ei sivustolle kannata ohjata liikennettä mainonnalla ja kustannukset kannattaa yrittää minimoida.
Kysymys: Voiko orgaanisten hakujen kautta tulleiden hakusanoja saada selville?
Vastaus: Kyllä. Googlen Search Console antaa dataa siitä miten verkkosivusto esiintyy luonnollisissa hakutuloksissa. Search Console linkitetään yleensä Google Analyticsin kanssa. Muita hakukoneoptimoinnin työkaluja ovat mm. SEMrush ja Moz.
Kysymys: Kertooko Leadfeeder henkilötasolla?
Vastaus: Ei. Leadfeeder ei pysty tunnistamaan verkkosivuston vierailijoita henkilötasolla. Leadfeederin seuranta perustuu IP-osoitteisiin, joiden perusteella se pystyy antamaan vierailijoiden organisaatioihin liittyvää dataa. Leadfeederin pystyy integroimaan joko henkilökohtaiseen LinkedIn-profiiliin tai yritystasolla CRM-järjestelmään.
Kysymys: Onko Hotjar maksuton?
Vastaus: Hotjarista on olemassa rajoitettu ilmaisversio. Hotjarin hinnoittelu löytyy täältä: https://www.hotjar.com/pricing/. Kumppani- eli partner-yritykset pystyvät myöntämään alennuksia Hotjarin normaaleihin hintoihin.
Kysymys: Miten mahdollisesti näet, että nyt ja tulevaisuudessa GDPR ja cookie policyt tulee muuttamaan seurantaa tai datan analysointia ja sen todenmukaisuutta? Entä miten ihmisten keskenäiset inbox-viestit (linkit, kommentoinnit etc.) tulevat vaikuttamaan kokonaisymmärrykseen? Mihin suuntaan datan mittaaminen ja analysointi tulee muuttumaan ja mihin olisi syytä erityisesti keskittyä?
Vastaus: En jaksa uskoa, että evästeet kiellettäisiin kokonaan. Jos näin kuitenkin kävisi, ohjelmistovalmistajat kehittävät varmasti vaihtoehtoisen tavan. Ihmisten keskinäinen linkkien jakaminen (joko ilman seurantatägejä tai niiden kanssa) ym. vastaava aiheuttaa jonkin verran datan laadun heikkenemistä. Absoluuttista dataa ei ole kuitenkaan olemassa, joten olen ainakin itse hyväksynyt tilanteen.
Mittaaminen tulee todennäköisesti kehittymään entistä tarkempaan suuntaan ja datan laatuun tullaan kiinnittämään aiempaa enemmän huomiota. Analysointi tulee siirtymään heuristisesta analysoinnista enemmän matemaattisempaan suuntaan. Toisin sanoen analysoinnin lopputulokset pitää olla perusteltavissa ja tarvittaessa myös laskennallisesti toistettavissa. Yleisesti ottaen markkinoinnin mittaamisessa tullaan käyttämään enemmän koneoppimisen algoritmeja ja erilaisia mallinnuksia, kuten ekonometrinen myynninmallinnus (Marketing Mix Modelling).
Kysymys: Mikä on näppituntumasi, kuinka suuri osuus yrityksistä tekee analytiikka kuvailemallasi tavalla? Epäilen, että pieni osa.
Vastaus: Jos tehtyjen auditointien perusteella suurin osa organisaatioista jää keltaiselle tai punaiselle pelkästään sen suhteen kuinka analytiikka on teknisesti implementoitu, niin se tarkoittaa ettei ainakaan kovin moni voi hyödyntää laadukkaasti analytiikkaa liiketoiminnan parantamiseksi. Todennäköisesti kehittyneemmällä tasolla olevia organisaatioita on muutamia prosentteja, ainakin alle 5 % kaikista.
