Tre saker som alla borde lära sig om Analytics

av medlem av TrueSocialMetrics-teamet ~ 6 min

1. Omfamna ofullkomligheten.

Data kommer aldrig någonsin att vara perfekt! Där har jag sagt det. Någon var tvungen. Om du har svårt att visa en rapport för din chef eftersom data fortfarande är ofullkomlig, gör det bara snabbt - slit av det som en lapp :) Det är bättre att fatta ofullkomliga beslut idag, än att fatta perfekta beslut i morgon när ditt företag är redan död (nåja, kanske inte död, men lite dramatisering hjälper dig att förstå min poäng). Du kommer bara att missa möjlighetsfönstret om du väntar på perfektion. Så enkelt är det.

Pisa Photo source

Jag vet av egen erfarenhet hur denna uppfattning är svår att acceptera. När jag skriver en artikel får jag alltid den där kliande känslan av att den inte är matematiskt, statistiskt, moraliskt (eller vad som helst) 100% korrekt. Men så kommer min medgrundare till mig och frågar var är den coola artikeln jag lovade honom för några veckor sedan. Och jag säger till honom att jag inte kan avsluta innehållet eftersom det fortfarande är ofullkomligt. Sedan har han den där läskiga blicken i ansiktet som att han vill slå mig riktigt hårt :) Släpp det bara! Användbar data är inte lika med 100 % perfekt.

Jag menar, titta bara på Google Analytics, till exempel. Den visar data inte för en 100 % session utan någonstans mellan 80 % och 90 %. Och det åsidosätter källor till användare. Att studera hur den lagrar data inuti fick bara min käke att släppa. Kanske gör sampling och källöverstyrning data i GA på något sätt ofullkomlig, men den är fortfarande statistiskt signifikant och giltig. Data ofullkomlighet är inte alltid lika med data ogiltighet. Även Mighty Google Analytics är inte perfekt. Så nästa gång du känner att ditt högra öga rycker på grund av ofullkomlighet i data - bara släpp det :)

Naturligtvis finns det några hårda gränser i analys som du inte bara bör släppa taget, men de flesta datafel kan förbises för att fatta beslut i rätt tid. Sträva efter den bästa data du kan få, men ägna inte hela ditt liv åt att vänta på perfektion; jobba med det du har nu.

Överanalysera det inte.

2. Fundera över sammanhanget.

När du tittar på någon siffra, tänk alltid på sammanhanget. Gilla om du har 50 kommentarer med 100 fans - grattis du härskar, och om du har 50 kommentarer med 1 000 000 fans - man, du är i trubbel.

Image source

Som den gången när jag analyserade Facebooksidan Fifty Shades of Grey, de hade haft 6 miljoner fans och 4 000 kommentarer till varje inlägg - det ser ganska fantastiskt ut, va? Men när jag tittade på dessa kommentarer var 99% av dem spam. Nu kan du föreställa dig hur många av dessa fans som är zombies och halverar all deras statistik åtminstone.

Vad säger du om det vanliga antalet likes? Ingenting. Jag har 30 likes. Hur många inlägg har du? Och hur många följare? Och hur går det för konkurrenter med samma antal inlägg och följare? Så många faktorer bör beaktas, eftersom de kommer att förändra bilden drastiskt.

– Jag har 30 likes med 1 inlägg och 30 följare – I’m the King, och mina konkurrenter lyckades bara göra 5 likes per 1 post per 30 followers – I’m the King of the world.

Jag har 30 likes med 1 000 inlägg och 1 000 följare - jag ska ha en självömkande stund i hörnet nu :) Men mina konkurrenter lyckades bara göra 20 likes per 1 000 inlägg per 1 000 följare - åh, mycket bättre nu , jag ska ta den här befordran och en lönehöjning, tack så mycket :)

Du ser vart jag är på väg - sammanhanget förändrar bilden.

Förbise det inte.

3. Analys är som ett mörkerseende i ett mörkt rum av okunnighet.

Din webbplats, sida på sociala medier eller ditt varumärke är som ett mörkt rum - du har ingen aning om vad som händer inuti, hur kunder interagerar med din produkt, vad de tycker om ditt innehåll och så vidare. Det vill säga tills du slår på ficklampan för analys. Plötsligt kan du se att kunderna hatade dina inlägg om superbowl och dina inspirerande ordspråk men helt älskade dina fåniga videor om katter; att de hade problem med att prenumerera på ditt nyhetsbrev på en webbplats och inte har någon aning om hur man navigerar på prissidan.

Background source

Men det är bara delen av affären. Rapportera inte bara vad som hände; rapportera vad du ska göra härnäst. När du begraver din chef under en mängd figurer, är det som det här mörka rummet för honom igen, ge honom ficklampan - berätta för honom vad han ska göra härnäst baserat på denna data. Rekommendationer är den viktigaste delen av rapporten.

Även om ingen någonsin kommer att se dina timmar av att gräva i grov data utan kommer att se en enkel och användbar rekommendationssats: "Vi måste investera mer i en dum katt-videor - de hjälper oss att sälja fler munkar, låt oss hyra en kattvideo guru” - det är fortfarande värt det. Om du inte visar rekommenderade åtgärder i din rapport är det som att få dem att göra allt arbete du har gjort igen. Du har ägnat timmar åt att försöka ta reda på vad som hände och vad vi ska göra härnäst, och sedan laddar du ett spår av figurer på dina kollegor och väntar tills de analyserar dem igen i sina huvuden för att komma på vad de ska göra härnäst. För att undvika sådana fallgropar rekommenderar vi starkt att du läser Avinash Kaushiks artikel om ämnet The Difference Between Web Reporting And Web Analysis för fantastiska exempel på rapporter med rekommendationer.

Rapportera utan rekommenderade åtgärder = Oavslutad analys.

Gå bortom siffror och diagram till åtgärder och rekommendationer.