Drie dingen die iedereen zou moeten leren over Analytics

door lid van het TrueSocialMetrics-team ~ 6 min

1. Omarm de imperfectie.

De gegevens zullen nooit perfect zijn! Zo, ik heb het gezegd. Iemand moest. Als je het moeilijk vindt om een rapport aan je baas te laten zien omdat de gegevens nog steeds onvolmaakt zijn, doe het dan snel - scheur het af als een patch :) Het is beter om vandaag onvolmaakte beslissingen te nemen, dan morgen perfecte beslissingen te nemen wanneer je bedrijf is al dood (nou ja, misschien niet dood, maar een beetje dramatisering zal je helpen mijn punt te begrijpen). Je gaat gewoon het kansvenster missen als je wacht op perfectie. Zo simpel is het.

Pisa Photo source

Ik weet uit eigen ervaring hoe moeilijk dit idee is om te accepteren. Als ik een artikel schrijf, krijg ik altijd dat jeukende gevoel dat het wiskundig, statistisch, moreel (of wat dan ook) niet 100% nauwkeurig is. Maar dan komt mijn mede-oprichter naar me toe en vraagt waar het coole artikel is dat ik hem weken geleden beloofde. En ik vertel hem dat ik het inhoudsstuk niet kan afmaken omdat het nog steeds onvolmaakt is. Dan heeft hij die enge blik op zijn gezicht alsof hij me heel hard wil slaan :) Laat het los! Nuttige gegevens zijn niet gelijk aan 100% perfect.

Ik bedoel, kijk maar eens naar Google Analytics bijvoorbeeld. Het toont u gegevens niet voor een 100% sessie, maar ergens tussen de 80% en 90%. En het overschrijft bronnen van gebruikers. Toen ik bestudeerde hoe het gegevens opslaat, viel mijn mond open. Misschien maken steekproeven en het overschrijven van bronnen de gegevens in GA op de een of andere manier onvolmaakt, maar het is nog steeds statistisch significant en geldig. Data-imperfectie staat niet altijd gelijk aan data-ongeldigheid. Zelfs Mighty Google Analytics is niet perfect. Dus de volgende keer dat u uw rechteroog voelt trillen vanwege onvolkomenheden in de gegevens, laat het dan gewoon gaan :)

Natuurlijk zijn er enkele harde limieten in analytics die je niet zomaar los moet laten, maar de meeste data-imperfecties kunnen over het hoofd worden gezien omwille van een tijdige beslissing. Streef naar de beste gegevens die u kunt krijgen, maar wacht niet uw hele leven op perfectie; werk met wat je nu hebt.

Overanalyseer het niet.

2. Denk na over de context.

Als je naar een getal kijkt, denk dan altijd aan de context. Alsof je 50 reacties hebt met 100 fans - gefeliciteerd, jij regeert, en als je 50 reacties hebt met 1.000.000 fans - man, je zit in de problemen.

Image source

Zoals die keer dat ik de Fifty Shades of Grey Facebook-pagina analyseerde, ze hadden 6 miljoen fans en 4.000 reacties op elk bericht - ziet er best geweldig uit, hè? Maar toen ik naar deze opmerkingen keek, was 99% ervan spam. Nu kun je je voorstellen hoeveel van deze fans zombies zijn en al hun statistieken minstens halveren.

Wat zegt het zien van het gewone aantal likes je? Niets. Ik heb 30 likes. Hoeveel berichten heb je? En hoeveel volgers? En hoe gaat het met Concurrenten met hetzelfde aantal posts en volgers? Er moet met zoveel factoren rekening worden gehouden, omdat ze het beeld drastisch zullen veranderen.

• Ik heb 30 Likes met 1 Post en 30 Volgers - Ik ben de Koning, en mijn concurrenten slaagden erin om slechts 5 Likes per 1 Post per 30 Volger te doen - Ik ben de Koning van de wereld.
• Ik heb 30 Likes met 1.000 Posts en 1.000 Followers - Ik ga nu een zelfmedelijdende tijd in de hoek hebben :) Maar mijn concurrenten slaagden erin om slechts 20 Likes per 1.000 Posts per 1.000 Followers te doen - oh, veel beter nu , Ik ga deze promotie en een salarisverhoging aannemen, heel erg bedankt :)

Je ziet waar ik heen ga - de context verandert het beeld.

Zie het niet over het hoofd.

3. Analytics is als een nachtvisie in een donkere kamer van onwetendheid.

Je site, social media-pagina of merk zijn als een donkere kamer: je hebt geen idee wat er binnen gebeurt, hoe klanten omgaan met je product, wat ze van je content vinden, enzovoort. Dat wil zeggen, totdat je de zaklamp van analytics aanzet. Plots zie je dat klanten een hekel hadden aan je posts over super bowl en je inspirerende spreekwoorden, maar helemaal weg waren van je dwaze video's over katten; dat ze problemen hadden met het abonneren op uw nieuwsbrief op een site en geen idee hebben hoe ze door de prijspagina moeten navigeren.

Background source

Maar dat is slechts het deel van de deal. Meld niet alleen wat er is gebeurd; melden wat te doen. Wanneer je je baas begraaft onder een lading cijfers, is het weer als deze donkere kamer voor hem, geef hem de zaklamp - vertel hem wat hij vervolgens moet doen op basis van deze gegevens. Aanbevelingen zijn het belangrijkste onderdeel van het rapport.

Zelfs als niemand ooit je urenlange spitten in ruwe gegevens zal zien, maar een eenvoudige en bruikbare aanbevelingszin zal zien: "We moeten meer investeren in gekke kattenvideo's - ze helpen ons meer donuts te verkopen, laten we een kattenvideo inhuren guru” - het is nog steeds de moeite waard. Als u geen aanbevolen acties in uw rapport weergeeft, is het alsof u ze al het werk laat doen dat u al hebt gedaan. Je bent uren bezig geweest om erachter te komen wat er is gebeurd en wat we nu moeten doen, en dan laad je een reeks cijfers op je collega's en wacht je tot ze ze opnieuw in hun hoofd analyseren om erachter te komen wat ze vervolgens moeten doen. Om dergelijke valkuilen te vermijden, raad ik u sterk aan het artikel van Avinash Kaushik over het onderwerp The Difference Between Web Reporting And Web Analysis te lezen voor geweldige voorbeelden van rapporten met aanbevelingen.

Rapporteren zonder aanbevolen acties = onvoltooide analyse.

Ga verder dan cijfers en grafieken naar acties en aanbevelingen.

Afhaalrestaurants:

• Analyseer het niet te veel.

• Zie het niet over het hoofd.

• Ga verder dan cijfers.