Três coisas que todos deveriam aprender sobre Analytics

por Membro da equipe TrueSocialMetrics ~ 6 min

1. Aceite a imperfeição.

Os dados nunca serão perfeitos! Aí eu falei. Alguém tinha que fazer isso. Se você está tendo dificuldades para mostrar um relatório ao seu chefe porque os dados ainda são imperfeitos, faça-o rapidamente - rasgue-o como um remendo :) É melhor tomar decisões imperfeitas hoje do que tomar decisões perfeitas amanhã, quando sua empresa já está morto (bem, talvez não morto, mas um pouco de dramatização ajudará você a entender). Você só vai perder a janela de oportunidade se estiver esperando pela perfeição. É simples assim.

Pisa Photo source

Sei por experiência própria como essa noção é difícil de aceitar. Quando escrevo um artigo, sempre sinto aquela coceira de que não é matematicamente, estatisticamente, moralmente (ou qualquer outra coisa) 100% preciso. Mas então meu cofundador vem até mim e pergunta onde está o artigo legal que prometi a ele semanas atrás. E digo a ele que não posso terminar o conteúdo porque ainda está imperfeito. Então ele tem aquele olhar assustador em seu rosto como se ele quisesse me socar muito forte :) Apenas deixe pra lá! Dados úteis não são 100% perfeitos.

Quero dizer, basta olhar para o Google Analytics, por exemplo. Ele mostra dados não para uma sessão de 100%, mas algo entre 80% e 90%. E substitui fontes de usuários. Estudar como ele armazena dados dentro dele me deixou de queixo caído. Talvez a amostragem e a substituição da fonte tornem os dados no GA de alguma forma imperfeitos, mas ainda são estatisticamente significativos e válidos. A imperfeição dos dados nem sempre é igual à invalidade dos dados. Mesmo o poderoso Google Analytics não é perfeito. Então, da próxima vez que você sentir seu olho direito estremecer devido à imperfeição dos dados - apenas deixe para lá :)

Claro, existem alguns limites rígidos na análise que você não deve simplesmente deixar de lado, mas a maioria das imperfeições dos dados pode ser ignorada em prol da decisão oportuna. Esforce-se para obter os melhores dados que puder obter, mas não passe a vida inteira esperando pela perfeição; trabalhe com o que você tem agora.

Não analise demais.

2. Pense no contexto.

Quando você olhar para algum número, sempre pense no contexto. Como se você tiver 50 comentários com 100 fãs - parabéns, você governa, e se você tiver 50 comentários com 1.000.000 fãs - cara, você está em apuros.

Image source

Como na época em que analisei a página do Facebook de Cinquenta Tons de Cinza, eles tinham 6 milhões de fãs e 4.000 comentários em cada postagem - parece incrível, não? Mas quando olhei para esses comentários, 99% deles eram spam. Agora você pode imaginar quantos desses fãs são zumbis e cortaram todas as suas estatísticas pelo menos pela metade.

O que ver o número simples de curtidas diz a você? Nada. Eu tenho 30 curtidas. Quantos posts você tem? E quantos Seguidores? E como estão os Concorrentes com o mesmo número de postagens e seguidores? Muitos fatores devem ser levados em consideração, porque eles mudarão drasticamente o quadro.

Tenho 30 curtidas com 1 postagem e 30 seguidores - sou o rei, e meus concorrentes conseguiram fazer apenas 5 curtidas por 1 postagem por 30 seguidores - sou o rei do mundo.
Tenho 30 curtidas com 1.000 postagens e 1.000 seguidores - vou ter um momento de autopiedade no canto agora :) Mas meus concorrentes conseguiram fazer apenas 20 curtidas por 1.000 postagens por 1.000 seguidores - ah, muito melhor agora , vou aceitar essa promoção e um aumento de salário, muito obrigado :)

Você vê para onde estou indo - o contexto muda a imagem.

Não negligencie.

3. Analytics é como uma visão noturna em um quarto escuro de ignorância.

Seu site, página de mídia social ou marca são como um quarto escuro - você não tem ideia do que está acontecendo lá dentro, como os clientes interagem com seu produto, o que pensam sobre seu conteúdo e assim por diante. Isto é, até você ligar a lanterna do analytics. De repente, você pode ver que os clientes odiaram suas postagens sobre o super bowl e seus provérbios inspiradores, mas adoraram seus vídeos bobos sobre gatos; que eles tiveram problemas para assinar seu boletim informativo em um site e não têm ideia de como navegar na página de preços.

Background source

Mas essa é apenas a parte do acordo. Não apenas relate o que aconteceu; relatar o que fazer a seguir. Quando você está enterrando seu chefe sob um monte de números, é como este quarto escuro para ele novamente, dê a ele a lanterna - diga a ele o que fazer a seguir com base nesses dados. As recomendações são a parte mais importante do relatório.

Mesmo que ninguém nunca veja suas horas de pesquisa de dados brutos, mas verá uma frase de recomendação simples e acionável: “Precisamos investir mais em vídeos bobos de gatos - eles nos ajudam a vender mais rosquinhas, vamos contratar um vídeo de gatos guru” - ainda vale a pena. Se você não mostrar ações recomendadas em seu relatório, é como fazê-los fazer todo o trabalho que você fez novamente. Você passou horas tentando descobrir o que aconteceu e o que devemos fazer a seguir, e então carrega uma trilha de números para seus colegas e espera até que eles os analisem novamente em suas cabeças para descobrir o que fazer a seguir. Para evitar tais armadilhas, recomendo fortemente que você leia o artigo de Avinash Kaushik sobre o tópico The Difference Between Web Reporting And Web Analysis para exemplos impressionantes de relatórios com recomendações.

Relatório sem ações recomendadas = análise inacabada.

Vá além de números e gráficos para ações e recomendações.