Почему никто не хочет дать «пять» аналитику? Ответы Стина Расмуссена

160
4447
Материалы для скачивания
978.32 Kb

Мария Бочева провела интервью со Стином Расмуссеном (Steen Rasmussen), одним из самых популярных и влиятельных евангелистов веб-аналитики современности. Также, мы имеем видеозапись выступления Стина с конференции Analyze!, где он еще больше расширил темы, затронутые в нашем интервью.

Чтобы не отягощать вас длинными текстами, мы решили немного отойти от нашего традиционного формата и превратить эту статью в собрание мыслей-эссенций и с нашего интервью, и с выступления Стина.

Полный вперед! Сегодня вы узнаете:

Для начала — несколько слов о самом Стине Расмуссене. Сейчас он занимает пост директора и члена правления в компании IIH Nordic. Он также по праву считается одним из «отцов-основателей» современной веб-аналитики. IIH Nordic — компания с уникальной экосистемой данных и культурой, основанной на ценности экспериментов (англ. — experimentation-driven culture), в которой все создано для эффективной работы. Доказательством того, что все работает не только в красивых формулировках, можно считать четырехдневную рабочую неделю, во время которой компания справляется с обычной пятидневной нагрузкой по выполнению задач.

Хрустальная мечта, не так ли? Давайте узнаем, чем поделился с нами Стин, как менеджер такой необычной компании и топовый специалист в сфере веб-аналитики.

Источники неприятностей для аналитиков

Погоня за навыками и инструментами, а не понимание того, зачем, собственно, вас наняли

Кто вам сказал, что быть хорошим аналитиком означает набиться под завязку навыками и инструментами? Или может, вы считаете, что быть аналитиком — это непыльная работенка, где вы выдаете запрашиваемый отчет, а далее опять идете пить свой полуденный кофе с булочками

Понимание, зачем и почему вас наняли, и какую ценность вы предоставляете компании, — это ваш ключ к успеху. Аналитик обеспечивает компанию инсайтами, как достичь двух основных целей бизнеса:

  • Сэкономить на расходах и повысить прибыль
  • Привлечь новых покупателей и удержать существующих клиентов.
Главные задачи аналитика от Стина Расмуссена
Тут и далее: cлайды с презентации Стина Расмуссена на Analyze! конференции

Это первичные цели работы аналитика, и каждая задача или запрашиваемый отчет должен начинаться с одного из блоков, описанных на скриншоте выше.

‘‘

Что может сказать аналитик со своей точки зрения, например: «Мы можем снизить стоимость привлечения новых клиентов, мы можем ускорить время привлечения, можем увеличить прибыль с отдельных покупателей».

И это далеко не те обороты речи, которые используют в своем общении аналитики. Мы обычно говорим о показателях отказов, просмотрах, сессиях. Но в конце концов, будет важно только то, повлияли ли мы на общую картину бизнеса или нет. 

Измените свои формулировки на «Мы увеличили среднюю прибыль с клиента на 25%» и каждый в компании даст вам «пять».

Steen Rasmussen,
IIH Nordic

Аналитические программы, технологии и подходы — это всего лишь рабочие инструменты. И даже если они влияют на качество предоставленных услуг, они не гарантируют понимания боли у бизнеса — это требуется от аналитика. Инструменты, которые вы для себя выбираете, не обязательно должны быть самыми крутыми, но обязательно должны отвечать стилю и нуждам вашей компании.

Трудности перевода с аналитического на язык ценностей

Да, каждый аналитик проделывает море работы, чтобы продвигать компанию вперед. Но часто никто не признает заслуг аналитика за такой тяжелый труд. И главная причина этого в том, что результаты работы типичного аналитика для его коллег выглядит как: 

бессмысленные кубики от Стина Расмуссена

Глаз просто не оторвать, супер, но что нам с этим всем делать? Видели ли вы такой немой вопрос в глазах ваших коллег? Это происходит тогда, когда вы не донесли ценность выполненной работы. 

‘‘

Я начал заниматься аналитикой в далеких 2000 — да, я настолько стар… и сейчас многое поменялось уже потому, что данные усложнились. И один из вызовов, с которым мы сталкиваемся каждый день, состоит в том, что усложненность данных растет каждый раз, когда мы занимаемся их анализом. И одна из причин, почему аналитики не сильны в общении, — в неуверенности в данных, которые мы представляем.

Steen Rasmussen,
IIH Nordic

Ваши сотрудники не заносчивые, равнодушные мямли со стойким иммунитетом к аналитике; они просто постоянно должны принимать решения под давлением рынка, который уже давно перестал быть дружественной песочницей в парке. 

И вот другая сторона медали: вы будете сталкиваться с эффектом Даннинга-Крюгера или систематической ошибкой выжившего даже в компаниях с высокой культурой данных, потому что такова человеческая природа. Ваши сотрудники просто не верят в аналитику так, как вы, поэтому делают предположения и выводы основываясь на всей информации, интуиции и убеждениях, которые у них есть.

Или бывает, что аналитик слишком сосредотачивается на цифрах, а не инсайтах или советах, что же делать дальше. Но и упор на том, что данные никогда не будут 100% точными, — вместе с наследственной неопределенностью принятия бизнес-решений — никому не сделают лучше.

Каждому аналитику стоит стараться:

  • Делиться знаниями на языке, понятному всем.
  • Развивать эмпатию к людям, которые будут сталкиваться с результатами вашей работы.
  • Никогда не нырять с головой в океан данных без гипотезы, которую там хотите проверить. Всегда помните, зачем вы запустили анализ.
  • Переводить результаты анализа в решения для сотрудников.
  • Объяснять коллегам, как далеко их могут унести данные. Рассказывайте о применении анализа данных в работе каждого из них.
  • Культивировать здоровую самокритику. Приносите свои идеи без страха ошибиться или провалиться с гипотезой.

Вот несколько самых больших ошибок, которые могут совершить аналитики:

Не проверять сырой вариант отчета/результатов анализа

Без постоянной двойной проверки результатов, аналитик может потерять кредит доверия. Используйте как технические и программные средства для проверки, так и здравый смысл — могут ли такие результаты существовать в реальности? Может ли быть 89 просмотров страниц в среднем за три минуты на вашем сайте? Когда вы всегда строги со своими результатами, вы больше чем просто специалист — вы надежный специалист.

Избегать давать советы или отвечать на дополнительные вопросы, боясь выглядеть глупым

Аналитики всегда боятся делиться дополнительными данными. Быть уверенным при представлении данных — это крутой навык. Даже если вы наделали какие-либо ошибки, как описано выше, даже если ваши результаты были поставлены под вопрос, никогда не отвергайте собственные идеи, которые возникают в ответ на поставленные вопросы. Оставайтесь любопытными, креативными и бесстрашными.

Видимые и невидимые данные

Аналитики строят отчеты, основываясь на доступных на момент анализа данных. И бывает, что эти отчеты описывают довольно очевидные вещи, не так ли? Так что же делать — считать себя плохим аналитиком после этого?

Помните всегда, что часть данных может быть неправдивой или поврежденной, и существует намного больший объем данных, который бы пригодился в анализе, но вы его просто не собрали, а также существует тот объем данных, который вы и представить себе не можете.

Одна из задач аналитика — расширять границы доступных данных, чтобы отвечать на вопросы менеджмента и коллег. Не стараться накопать что-то, что звучит как ожидаемый ответ, в том, что уже у вас есть, но обогащать данные компании. Не стараться подобрать подтверждения своей гипотезе, игнорируя очевидные аргументы «против». Стараться покрыть все, к чему можно дотянуться, и помнить даже после этого, что еще остались данные, которые можно собрать.

Как собирать еще больше данных? Вот вам приемчик. Используйте рекламные кампании не только как источник лидов, но и как источник данных. Вы можете запускать целые кампании просто чтобы получить данные, как например, вы запускаете А/B тесты, чтобы узнать, какой вариант работает лучше.

Кстати, о птичках: A/B тестирование

A/B тесты — действительно крутой инструмент, и он очень ценится маркетологами уже длительное время. Но пришла пора взглянуть на этот инструмент с точки новых требований и возможностей, которых не было, когда А/В тесты только появились. 

Каждый раз когда тест говорит вам, что А лучше B или наоборот, вы исключаете тех, кто выбрал вариант, отличный от мнения большинства. Поэтому с каждым А/B тестом мы фактически урезаем свой охват и прибыль.

С этой точки зрения, мы видим, что A/B тестирование уже не самый современный и эффективный инструмент для активации данных. Что действительно круто, что теперь мы можем, благодаря техническим и программным возможностям, предлагать вариант А тем, кому он понравился, а B-вариант тем, кто предпочел В. Эта возможность — только пример того, как меняются инструменты, следуя логике развития маркетинга и аналитики. Теперь возможно охватить всех, не исключая никого. 

Не застревайте в установке «либо-либо», меняйте свой подход в применении инсайтов данных. Google Optimize и другие инструменты персонализации вам в помощь. 

Давайте посмотрим, с чем еще приходится иметь дело современному аналитику, и как с этим справиться.

Когнитивные, этические и другие невидимые вызовы в работе аналитиков

Управление автоматизированными маркетинговыми процессами

Лучший способ понять этот пункт — это смоделировать сегментацию типичного онлайн-магазина. 

конверсионная сегментация на примере онлайн-магазина от Стина Расмуссена
Слайды с презентации Стина Расмуссена на конференции Analyze!

На слайде выше, совершившие покупку клиенты обозначены зеленым цветом. Те, кто никогда не купит у вас, — находятся за красной линией. И обычно рекламный бюджет распределяется по всем этим сегментам, следуя такой логике:

    • Маркетинговая команда будет стараться заинтересовать аудиторию за красной чертой. Эти люди будут клацать на вашу рекламу и сливать бюджет, но покупки так и не совершат.
    • Также маркетинг будет стараться вернуть тех, кто уже купил, предлагая им скидки и таким образом — терять прибыль.

    Это происходит, потому что так работает маркетинг, и все к этому привыкли. Но если вы сможете изменить свою автоматизированный маркетинговый процесс, чтобы сосредоточиться на средней группе, вкладывая бюджет в культивирование такого типа аудитории, вы получите рост прибыли даже в самых медлительных сферах бизнеса. Таким образом, аналитики и маркетологи, занимающиеся распределением рекламного бюджета, должны правильно понимать свои данные.

    Это момент, когда у вас есть шанс перейти от добывания данных, как на золотых приисках, до оркестрации данных, где каждый канал приносит пользу и созвучен с другими источниками. А все потому, что автоматизированные маркетинговые процессы — это все еще просто инструменты в талантливых руках аналитиков.

    Этика маркетинга и аналитики

    Этика — это не самый популярный аспект работы аналитика. Но пока вы занимаетесь защитой интересов бизнеса, важно оставаться этичным в своей работе. Помните, что случилось с Cambridge Analytica несколько лет назад? Конечных покупателей действительно волнует, что происходит с их персональными данными, и насколько безопасно они хранятся. Ваша компания может заплатить кругленькую сумму, если вы собираете и храните данные небрежно, оставляете данные незащищенными или используете их без согласования.

    Политики использования файлов cookies, политики конфиденциальности и чекбоксы «да, я прочитал все эти скучные правила…» — это только первые шаги к регулированию отношений между пользователями и сайтами, использующими их персональные данные. Аналитики могут воспринимать эти ограничения несправедливыми, так как они ведут к сбору неполных данных. И бывает, что эксперименты с персональными данными пользователей могут быть технически интересными, но очень сомнительными с точки зрения этики.

    Также в Интернете нет безопасного места для детей. Они пользуются смартфонами больше, чем взрослые, и размещают много очень личной информации в сети. Это тот этический вызов, на который нужно ответить каждому маркетологу и аналитику. Можем ли мы продавать детям, если за них всегда ответственны родители? Начиная с какого возраста мы можем рассчитывать на показ рекламы детям, не игнорируя их права?

    Где лучше всего «спрятать труп» в аналитике?

    Единственный случай, когда вам не нужна аналитика, это когда вы не собираетесь применять результаты анализа. Не тратьте на данные деньги, если результаты их применения вам абсолютно не нужны. 

    Как правильно тратить деньги на аналитику — это совсем другая история, но помните, что маркетинговая аналитика и ее инструменты — это всегда инвестиция, которая должна иметь высокий ROI, чтобы быть оправданной.

    ‘‘

    Что касается меня, я ленив и использую самый простой набор инструментов в мире (описанный на картинке ниже), потому что я работал с продуктами Google все последние годы. И интересно наблюдать, как разрастается облачное семейство продуктов. Для общего развития, сейчас достаточно понимать, что есть инструменты для сбора данных, объединения данных и активации данных. И именно последняя категория — самая перспективная с точки зрения применения всех наших навыков в будущем.

    Steen Rasmussen,
    IIH Nordic
    Топ-инструменты Стина Расмуссена
    Слайды с презентации Стина Расмуссена на Analyze! конференции

    Собирайте свой «ящик» с инструментами с расчетом пользы и прибыли, которую может принести тот или иной инструмент, а не популярности или красивого описания. Помните, что каждый инструмент имеет свои ограничения и был создан, чтобы помочь вам, а не заменить вас.

    Еще несколько советов для аналитиков:

    • Хватит сравнивать показатель конверсии со средним на рынке 

    Это не лучшая основа для роста. С чем вам действительно стоит сравнивать свой показатель конверсии — так это со своим собственным, но за предыдущий период. Устанавливайте себе высокую планку в соответствии со своими успехами, регулярно превозмогайте свои же достижения, и стабильный рост будет для вас реальностью.

    • Не обращайте внимания на любые усредненные показатели

    Потому что усредненные показатели в статистике прячут в себе самые интересные инсайты и настоящие «трупы»! Временами, так просто полениться и мыслить линейно, когда цифры, что мы видим, не вызывают у нас тревоги и в общем нас удовлетворяют. Но когда мы идем глубже в анализе данных, не позволяя средним показателям нас обмануть, мы учитываем, что, например, клик на рекламе Google AdWords не обязательно ведет к покупке именно рекламируемого товара. И вся красивая пирамидка рушится от единого толчка. Начинать анализ приходится с самого начала. 

    Что если пользователь купил чехол для iPhone вместо Macbook Pro, по рекламе которого перешел на сайт? Ведь маржа у этих товаров гранично разная. И если компания по усредненным показателям все еще имеет достаточно неплохой ROAS, глубокая проверка этой метрики изнутри может рассказать более интересную историю, чем поверхностные суждения о «средней температуре по палате». 

    Советы для бизнеса:

    • Не рассчитывайте на то, что если вы наняли одного аналитика, вы уже имеете готовый отдел анализа и обработки данных. Вам необходимо строить команду с самым разным набором навыков: статистик, бизнес-аналитик, программист. Вот эти люди — это ваша главная инвестиция, а не инструменты, что вы покупаете!
    • Если ваш бизнес небольшой, научитесь собирать данные о себе, о похожих бизнесах, чтобы понимать как работают другие на рынке, кто какие ставит себе цели. Постарайтесь расширять горизонт доступной информации, стройте свои аккуратные наборы данных и изучайте мир вокруг вас.
    • Если же вы на большом рынке — соревнуйтесь со своими конкурентами и выходите каждый раз на новый уровень качества своих продуктов и услуг. Здоровая конкуренция — это всегда залог успешного развития большого бизнеса.

    Домашняя работа: почему данные — не современная нефть?

    Длительное время аналитики изучали подходы и способы добывания данных и были слишком сосредоточены на этом, как на нефтяных вышках или золотых приисках.

    Сбор данных был навязчивой идеей аналитиков, будто бы тот, кто соберет больше всего данных на момент собственной смерти, тот победит. Но проблема в том, что данные быстро теряют актуальность. Данные не могут быть нефтью современного бизнеса, скорее, они портятся как все обычные продукты со сроком годности. Данные — это скорее мясо, ведь мы можем немного хранить его, но если не использовать его, когда оно уже сварено… словом, данные становятся все бесполезнее с течением времени.

    Скорость истощения пользы данных от Стина Расмуссена
    Слайды с презентации Стина Расмуссена на Analyze! конференции

    Высшее качество данных наблюдается, когда событие только-только произошло. До момента, пока данные соберут и подготовят к анализу, синтезируют результаты анализа, примут решение на основании этих результатов, может быть уже… поздно. Мир уже изменился и новые события произошли. 

    Поэтому мы должны понимать, что наши данные существуют исключительно в контексте быстро меняющегося мира вокруг нас.

    Итоги

    Спасибо, Стин, за проникновенное интервью и выступление на конференции Analyze! с тысячей полезных инсайтов! 

    Мы надеемся вам понравился новый формат и вы получили новые знания о роли аналитика и будущем аналитики в целом. Что касается OWOX, Стин вдохновил нас и дальше защищать антропоцентрические стандарты в аналитике, отстаивая важность специалистов, а не инструментов. Мы верим, что без человеческой креативности и любознательности, любой инструмент не принесет должных результатов. Поэтому давайте учиться у друг друга, улучшая всю индустрию аналитики в общем!

    Подписывайтесь на наш блог, чтобы получать отобранные статьи и применять самые полезные инсайты современной цифровой аналитики от лидеров индустрии.

    Подписаться на рассылку

    Вас также могут заинтересовать