Що таке правильна аналітика у маркетингу

Про практичний підхід до маркетингової аналітики розповідає Артем Первухін, продакшн-директор у KINETICA.

Люди не розуміють, що таке аналітика. Особливо у маркетингу. В надії збільшити цінність роботи аналітикою називають звіти та статистичні викладки, що зазвичай ігнорується замовником, а враження про «аналіз» складається з кількості сторінок документа.

Справа в тому, що даних, на підставі яких будується аналіз, завжди багато, і якісь прості угруповання часто видають за аналітику. Насправді ж, дані окремо від цілей не становлять особливої цінності.

Звіт – не аналіз

Між звітом та аналізом є принципова різниця:

Будь-який аналіз починається з формування та дослідження ключових показників та взаємозв'язків між ними. Підміна понять: налаштування цілей часто називають аналітикою, хоч це не так.

Аналіз завжди представляє собою відповіді на питання зі зрозумілими та вимірними параметрами оцінки, включаючи кроки, необхідні для отримання відповідей на ці питання. Основа аналізу - статистично значущі, актуальні та достовірні дані.

Деколи експертну думку людину намагаються видати за дані, на базі яких будуються висновки. Тут необхідно розібрати кілька моментів:

Експерт – це визнання компетенцій у професійному середовищі, і якщо у фахівця воно є, то це справді може бути основою для якихось аналітичних викладок. Але якщо ні — необхідно спиратися на статистично значущі дослідження своєї компанії чи компаній, які такі дослідження проводять, наприклад, TNS, Google, Яндекс, Facebook та інші;
Актуальність даних, особливо у маркетингу, це головне, тому що висновки на базі застарілої інформації будуть хибними.

Порядок формування аналізу

Формування KPI → Формування завдання на зміну KPI → Формування та збирання даних → Висновки на основі даних → Рекомендації, що конкретно зробити, щоб змінилося KPI → Впровадження змін → Ретроспектива.

Формування завдання на зміну KPI

Бізнес диктує плани щодо збільшення доходів, маркетинг трансформує ці завдання на плани на замовлення, заявки, трафіку і віддає їх агентству або підряднику. На цьому етапі постійно страждає коректність постановки завдань через великі амбіції та скромні ресурси. Одвічна проблема людства — отримати якнайбільше, витративши якнайменше. У цілому нині немає нічого поганого, але досвідчений аналітик під час приймання завдання завжди оцінює наскільки адекватні вимоги.

Наприклад, розберемо типове завдання: «Сформувати та обґрунтувати гіпотези для збільшення середнього чека з продажу сервісних карток для корпоративних клієнтів». У такій постановці помилка в тому, що рішення, які виробляли аналітик, не підходили для поточних клієнтів. Не сказавши, що нас цікавлять лишенові клієнти, ми отримали невідповідні гіпотези.

Формування та збір даних

Цілі в Google Analytics, коллтрекінг, звіт з операцій за період, статистика поведінки споживачів - це все інформація, збір якої має бути налаштований заздалегідь, бажано централізовано, для швидкого та зручного доступу до різних зрізів даних.

висновки та рекомендації

Маючи статистично значущі висновки, ми можемо генерувати рекомендації щодо змін. Завдання на цьому етапі вказати конкретні кроки, які можна зробити, щоб використати результати аналізу для покращення бізнесу.

Уявіть, що у вас є дві гіпотези щодо результатів аналізу:

З ймовірністю 90% дія А принесе зростання продажів на 5% на рік. Вартість застосування 10% від річного обороту.
З ймовірністю 50% дію Б принесе зростання продажів на 30% на рік. Вартість застосування 5% від річного обороту.

Яке рішення ви б обрали за інших рівних?

Ретроспектива

Аналітик відповідає головою, зарплатою перед богом за якість свого аналізу, як і будь-який професіонал. Ретроспектива має показати, які гіпотези відпрацювали, і яке відхилення від планових показників відбулося фактично. А також чому ці відхилення виникли і що робити у майбутньому.

Я свідомо використовую слово відхилення, а не падіння, оскільки вважаю, що значні відходи від плану в обидві сторони — це помилка аналізу та планування. Просто при відхиленні у бік зростання показника клієнт радіє, а в негативну — сумує, але мені завжди сумно, коли аналітик значуще відійшов від плану.

Ретроспектива — чудовий інструмент оцінки своєї кваліфікації та накопичення досвіду, коли розумієш різницю між «даними говорили про ХХХ» та «за фактом вийшло NNN».

Різні погляди на аналітику

Давайте розберемося, як бачить аналітикузамовник :

Грубо кажучи, замовникам важливі лише рекомендації та технічні завдання на зміни, саме в них вони бачать ключову складність та визначають ці етапи як основні.

Так відбувається тому, що ринок надання даних досить розвинений – це різні види баз даних, включаючи Google Analytics, CRM, хмарні дані та Big Data – все це коштує відносно невеликих грошей, а звіти можна знімати та агрегувати практично миттєво та автоматично. Але деякі хлопці намагаються монетизувати цю роботу, називаючи аналітикою збір даних.

Для аналітика ж усі етапи рівнозначні за трудовитратами і сильно залежать один від одного — видати окремо кожну ділянку за аналітику не можна. Наприклад, коли у звіті просто набір даних, той, хто його формував, перекладає роботу з висновків і рекомендацій на читача.

Для того щоб дійти рекомендацій та конкретних ТЗ на зміни чогось, потрібно відпрацювати на кожній ділянці багато часу.

Серія аналітичних звітів може стати новим стандартом та баченням бізнесу. Наприклад, якщо вам потрібно зрозуміти ключові причини відтоку покупців, аналітик бере поточні дані, аналізує причинно-наслідкові зв'язки і ви отримуєте звіт, який можна формувати системно, бачачи KPI бізнесу під новим кутом.

Боротьба з когнітивними спотвореннями

Хто читав Даніеля Канемана знає, наскільки людина перебуває в полоні своїх переконань і помилок. Аналітику потрібно регулярно роздуплювати, тому цю роботу я даю опрацьовувати у парі. Хто не читав, коротко опишу спотворення, які регулярно накривають аналітика.

Що бачиш, те й є (поспішні висновки)

Набираючи крок за кроком дані, аналітик вибудовує картину, в якій твердо переконаний у кожний момент часу, і його підмиває припинити вивчення, адже все вже ясно. Якщо ви недобрали даних і хтось, володіючи ними, поставить під сумнів ваші висновки — ви доводитимете інше просто тому, що для правильних висновків немає повної картини даних.

Вплив особистих спогадів чи асоціацій на аналіз. У разі, коли питання спочатку формулюється з оцінкою. Наприклад, у брифінгу клієнт переконаний у зростанні ринку, і завдання ставиться з урахуванням того, що це зростання триватиме саме собою. Клієнт продає цю ідею аналітику, і він, перебуваючи підвпливом, починає шукати зачіпки, чому ринок зростатиме, хоча жодної бази для цього немає.

Згадайте, як ми шукаємо інформацію, коли впевнені, що хворобу можна перемогти народними засобами: ми пишемо «куди прикласти подорожник, щоб пройшла гангрена». Тобто споконвічне переконання хибне, і з його основі будуються невірні висновки, що питання лише тому, куди прикладати.

Критерії хорошого аналізу

Додаткова мета аналітика – знайти лише потрібні дані, які значуще впливають на проблему, та відповісти наскільки необхідно змінити показник для досягнення мети. Найчастіше відповідь впирається в ресурси компанії, які вона має.

Ключова компетенція аналітика - вміти дивитися на завдання під різним кутом і забувати про свою думку. Важлива лише статистика.

Основна проблема аналітика – відсутність повного обсягу даних. У таких умовах йому необхідно мати творчий підхід і визначити, як використовувати поточні дані для вирішення задачі.

Відмінна риса хорошого аналітика - генерація кількох шляхів вирішення однієї й тієї ж задачі в умовах обмежених даних.

Актуальність

Хороший аналіз керується бізнес-потребою. Він не робиться тому що це цікаво або весело. У разі великого обсягу даних легко втягнутися в їх розбір з незрозумілою метою. Конкретне бізнес-завдання - чудовий старт для аналітика.

Далі завдання трансформується в підзавдання, наприклад, бізнес-завдання в маркетингове, а потім у комунікаційне. Немає сенсу аналізувати, наскільки різні сегменти ринку чутливі до ціни продукту, якщо його частка становить лише 2% обороту.

Статистична значимість

Аналітику потрібно бачити, коли відхилення у показниках досить значуще,щоб бити на сполох і терміново щось правити. Як визначити цю значущість? Якщо параметр дає відхилення більше, ніж 10% — я вважаю його математично значущим.

Окремо зазначу дослідження груп. Найчастіше аналітику важливо, що думає, робить і чекає більшість вибірки, а не вся аудиторія. Усім догодити неможливо і перфекціонізм лише збільшуватиме бюджет та термін аналізу. Пам'ятайте, що більший розмір вибірки, тим менша похибка і вища ймовірність того, що «правильна» відповідь дуже близька до того, яку було знайдено на основі дослідження групи.

Пояснюваність

Вас повинні розуміти люди, які не повинні знати технічних деталей. Аналітику потрібно вміти представляти та позиціонувати свої результати спонсорам проекту, далеким від технічних питань.

Звіти, які потрібно «перекладати» з мови аналітика українською, — погані звіти.

Ідеальний аналітик

Хороший фахівець у галузі аналітики швидко вважає про себе, розуміється на бізнес-моделях тієї сфери, в якій працює — це важливо для розуміння порядку витрат на впровадження гіпотез і ризик-аналізу. Ще він легко встановлює причинно-наслідкові зв'язки між наявними даними, має ділову кмітливість, вміє чітко висловлювати свої думки та презентувати результат. І немає.