1. DIGITAALINEN
ANALYTIIKKA
Joni Salminen
KTT, markkinointi
joolsa@utu.fi
2015

2. ”Excel-markkinointipäälliköt” (kommentti
keskustelupalstalta)
“I agree completely that direct marketing attitudes and skills have met
online metrics, and the relationship is not a healthy one for advertising.
Measuring direct response to ads undervalues advertising by a wide
margin, because it’s ADVERTISING. It’s meant to have an indirect
influence on perceptions and preferences, not trigger a transaction.
Ultimately, the Google and Facebook metrics engines play into these
attitudes by allowing ROI and other calculations to be applied to
advertising that is presumed to be much more transactional in nature. But
there’s nothing like a beautiful print or banner ad to subtly shape
perceptions and preferences. And fill seats.”
• Nykyajan markkinointipäällikön on hallittava metriikat
• Tarkastelu tällä hetkellä välittömissä myyntituloksissa
(ROI), mutta spekulaatio suorien ja epäsuorien tulosten
välillä ei lopu ikinä.
2

3. Sisältö
• Wanamaker-dilemma & markkinoijan intuitio
• Kuinka digitaalinen markkinointi pyrkii ratkaisuun
a. Miten analytiikka toimii?
b. Mittarit (hyvät ja huonot puolet)
c. Mittareiden valinta
d. Analytiikan hyödyntäminen
a. Konversio-optimointi (skaalaedut, kertautuvat hyödyt)
b. Allokointipäätökset
e. Attribuutiomallinnus
(Esimerkkityökalu: Google Analytics)
3

4. Wanamakerin dilemma (ca. 1901)
“Half the money I spend on advertising is wasted;
the trouble is I don’t know which half.”
• Markkinoija käyttää monta kanavaa.
• Tiedetään, että mainonta lisää myyntiä.
• Ei aina tiedetä miksi, eli mikä kanava tuottaa kuinka
paljon.
• Jos markkinointitoimenpiteitä ei voi mitata, niitä ei voi
parantaa.
4

5. Markkinoijan intuitio – siunaus vai kirous?
5
Mitä enemmän markkinoijalla on
kokemusta, sitä paremmin luulee
tietävänsä miten tehdä asiat.
 Kuitenkin todellisuudessa
kokenutkin ammattilainen
voi olla väärässä.
Kokemuksen myötä nopeus
erilaisten vaihtoehtojen
arviointiin kasvaa. Samalla kyky
ajatella niiden ulkopuolella
heikkenee.
 Markkinoijan intuition
harhaa ei pidä koskaan
unohtaa…

6. Analytiikka kumoaa ”markkinoijan intuition”
“After analyzing the online buying behavior of over
600,000 consumers across numerous e-commerce sites,
I learned that surprisingly 75 percent of shopping cart
abandoners would actually return to the site they
abandoned within a 28-day period. This defies
conventional wisdom: we polled online marketers and 81
percent believed that the majority of abandoners
never return.” (SeeWhy, 2013)
6
I’m a marketer.
I’m always
right!

7. Analytiikka ratkaisee Wanamakerin
dilemman
7
Problem solved?
Kanava Myynti

8. Digitaalisen analytiikan määritelmän
(Google, 2014)
Digitaalinen analytiikka on
• nettisivuston datan määrällistä analysointia
• nettisivuston datan laadullista analysointia
• kilpailija-analyysia
• käyttökokemuksen jatkuvaa parantamista.
8

9. Sisäinen ja ulkoinen analytiikka (Salminen,
2014)
• Sisäinen analytiikka = oman verkkosivuston ja
omistusten (properties), kuten sosiaalisen median
profiilien, analysointia liiketaloudellisten tulosten
edellytysten parantamiseksi. (Esim. Google
Analytics, CRM)
• Ulkoinen analytiikka = kilpailijan tai markkinoiden
analysointia (esim. SimilarWeb, Google Trends).
9

10. Miten analytiikka toimii? (Mullins, 2011)
10
• käyttäjät
• sessiot
• vuorovaikutukset
Nettisivu
JavaScript-
koodi
Googlen palvelin
Raportoitava
data
Tietoja voidaan
kerätä myös
evästeillä.
• dimensiot
(laadullinen)
• mittarit
(määrällinen)

11. On anonyymia ja ihmispohjaista
analytiikkaa
• B2C: Tiedot kerätään anonyymisesti ja esitetään
yleensä aggregaatteina (yksittäisiä käyttäjiä ei
tunnisteta).
• B2B: Poikkeuksena on ns. ihmispohjainen seuranta,
jossa nimenomaan pyritään seuraamaan yksilöitä.
Tätä sovelletaan yleensä yritysten välisessä
kaupassa.
11

12. 12
stalkkaustiedot

13. On kahden tyyppistä liikennettä…
Orgaanisen liikenteen
analytiikka
Maksullisen liikenteen
analytiikka
Google Verkkovastaavan työkalut
(Webmaster tools)
Google AdWords
Facebook Facebook Insights Facebook Ads Manager
13
Google Analytics näyttää mitä tapahtuu
klikin jälkeen, nämä näyttävät mitä
tapahtuu sitä ennen.

14. Orgaanisen liikenteen analytiikka: Facebook
Insights (case: ElämysLahjat.fi)
14

15. Orgaanisen liikenteen analytiikka: Google
Webmaster Tools (case: ElämysLahjat.fi)
15

16. ”One dashboard to rule them all” – kuinka
integroida analytiikka
16
… n

17. Sanasto
• Dashboard = mittaristo; tarkoitus näyttää keskeiset
luvut yhdessä paikassa (nopeampi tilannekatsaus ja
päätöksenteko)
• KPI = kriittinen mittari; tarkoitus välttää analysis
paralysis -efektiä eli rajoittaa tarkasteltavien
mittareiden määrää
• API = sovellusrajapinta (application programming
interface); tarkoitus mahdollistaa tiedon vaihto
alustojen välillä.
17

18. Kaksi riskiä datan suhteen
a. Analysis paralysis = ei tehdä mitään, koska liikaa
dataa
b. Vanity metrics = seurataan typeriä mittareita ja
leikitään että tehdään hyvää työtä
• Ratkaisu: valitaan oikeat mittarit.
18

19. MITTARIT
19

20. • Alustat:
– PageRank, Quality Score (Google)
– EdgeRank (engagement), Relevance Score (FB)
• Verkkosivu (ennen klikkiä):
– CPM (cost per mille)
– CPC (cost per click)
– CTR (click-through rate)
• Verkkosivu (klikin jälkeen):
– BR (bounce rate)
– CVR (conversion rate)
– CPA (cost per action)
– CAC (customer acquisition cost)
– ROI (return on investment)
– CLV (customer lifetime value)
Digitaalisen markkinoinnin perusmittarit
20

21. CPM (cost-per-mille)
• Tuhannen näyttökerran hinta.
21
Hyvät puolet Huonot puolet
Kuvaa ”reachia” eli peittoa,
eli ”tunnettuuden” kasvua,
eli brändäyksen edellytyksiä
Bännerisokeus (Benway &
Lane, 1998)
Ei kuvaa lainkaan tuloksia,
ts. klikkaako joku ja mitä
käy klikin jälkeen

22. CPC (cost-per-clikc)
• Klikkihinta (€)
22
Hyvät puolet Huonot puolet
Ohittaa bännerisokeuden
(jotta klikkaa, pitää ensin
prosessoida)
Klikkipetos (joidenkin
arvioiden mukaan jopa 30
% klikeistä petollisia)
Maksetaan vain kävijöistä Klikki ei kerro mitään
lopullisista tuloksista
Taitava liikenteenajaja voi
ajaa epärelevanttia
liikennettä, jolloin yritys
maksaa turhasta

23. CPA (cost-per-action)
• Toiminnon (yl. myyntitapahtuman) kustannus (€)
23
Hyvät puolet Huonot puolet
Ohittaa klikkipetoksen
(näyttää vain klikin jälkeiset
tapahtumat)
Maksuperusteena
harvinainen (lähes
ainoastaan affiliatet)
Maksetaan vain myynneistä Mittarina ei kerro mitä
tapahtuu 1. oston jälkeen
(elinkaariarvo)
Ei kerro kuinka moni
konvertoitui tai kuinka hyvin
suhteellisesti
Missaa myös
ulkoisvaikutuksia, kuten
WOM:in vaikutuksen

24. CTR (click-through-rate)
• Klikkaussuhde (%)
• CTR = klikanneet / kaikki mainoksen nähneet
24
Hyvät puolet Huonot puolet
Kertoo miten hyvin mainos
on toiminut
Ei kerro miten laadukasta
liikenne on, tai miten hyvä
match kohdesivustolla ja
mainostetulla asialla on
Ei korreloi myynnin,
mainoksen muistettavuuden
(ad recall), tunnettuuden tai
ostointention kanssa
(Nielsen, 2011)
CTR:ää voi nostaa
epäaidoilla lupauksilla

25. CVR (conversion rate)
• Konversiosuhde (%)
• CVR = ostaneet / kaikki klikanneet
25
Hyvät puolet Huonot puolet
Kertoo mitä klikin jälkeen on
tapahtunut
Ei mittaa voittoa
Ei mittaa kuinka paljon
rahaa on käytetty (pieni vs.
merkittävä hakutermi)
(Geddes, 2011)

26. ROI (return on investment)
• Tuotto markkinointipanostuksille
• ROI = (P – C) / C * 100% ,
• jossa
– P = panostuksen (esim. kampanjan) tuotto
– C = kustannukset
26
Hyvät puolet Huonot puolet
Kertoo mitä klikin jälkeen on
tapahtunut
Ei ota huomioon katetta
(hyvä ROI voi silti tarkoittaa
tappiollista markkinointia);
tuotekohtaiset erot
Ottaa huomioon myynnin Ei ota huomioon
elinkaariarvoa

27. Kysymys:
What is the difference between cost per sale and cost
per customer?
27
Vastaus:
customer lifetime
value (CLV)

28. CLV (customer lifetime value)
• Asiakkuuden elinkaariarvo = kaikki tuotot (€), jotka
asiakkaalta saadaan koko asiakkuuden aikana
• Yleensä tavoitellaan, että CAC < CLV
• CAC = asiakashankinnan kustannus
28
Hyvät puolet Huonot puolet
Ottaa huomioon mitä
tapahtuu oston jälkeen
(asiakasuskollisuus, -kato)
Vaikea mitata
Tiedetään tarkalleen vasta
jälkikäteen

29. Mikään mittari ei ole täydellinen
• CPM  bännerisokeus yms.
• CTR  indikoi laatua / kohtaantoa, mutta ei
konversiota tai tuloja
• CPA  missaa ulkoisvaikutuksia (kuten wom) ja
myöhempiä tuloksia
• ROI  ei ota huomioon tuotekohtaisia eroja
kannattavuudessa
• CLV  vaikea mitata, tiedetään vasta jälkikäteen.
29

30. KPI:t (kriittiset suorituskykymittarit)
• Merkittäviä mittareita, jotka valitaan kuvastamaan
markkinoinnin onnistumista
• KPI:t vaihtelevat kanavoittain – miksi?
– Funneliajattelun takia (AIDA), eli koska ihmiset ovat eri
hetkillä ostoprosessin vaiheissa. Tämän vuoksi
markkinoijan tavoitteet luontaisesti vaihtelevat; aina
tavoitteena ei ole suora reaktio (direct response),
kuten myynti.
– Mittarit valitaan siis alustakohtaisesti JA kuvastamaan
ostoprosessin eri vaiheissa tapahtuvan markkinoinnin
onnistumista.
30

31. Alustalle optimointi voi olla ristiriidassa
bisnestuloksille optimoinnin kanssa
31
Kumpi mainos on onnistuneempi?
Mainos A Mainos B
Laatupisteet 10 3
CTR 10 % 3 %
Näyttökerrat 1000 1000
Klikit 100 30
Konversiot 15 15
Tuotto 1500 € 1500 €
Kustannukset 500 € 150 €
ROI ? ?

32. Alustalle optimointi voi olla ristiriidassa
bisnestuloksille optimoinnin kanssa
32
Alustan sisäiselle dynamiikalla optimoitu
ratkaisu ei välttämättä optimoi mainostajan
tuottoa (Libby, 2009).
Mainos A Mainos B
Laatupisteet 10 3
CTR 10 % 3 %
Näyttökerrat 1000 1000
Klikit 100 30
Konversiot 15 15
Tuotto 1500 € 1500 €
Kustannukset 500 € 150 €
ROI 200% 900%

33. ANALYTIIKAN
SOVELLUTUKSET:
OPTIMOINTI
33

34. Optimoinnin monet kasvot
• Google → hakukoneoptimointi
• Facebook → EdgeRank-optimointi
• Twitter → Twitter-algoritmille optimointi
• jne.
– Menestymiseen vaaditaan yleensä laadukas ja
mielenkiintoinen sisältö. Tärkeää on järjestelmällinen
testaus kohdeyleisön ja sisällön yhteensopivuuden
löytämiseksi.
34

35. Konversio-optimointi
• Konversio-optimointi → parannetaan
todennäköisyyttä klikin jälkeisen halutun toiminnon
syntymiselle.
• Ts. konversio-optimointi on markkinoijan kannalta
toivottaviin lopputuloksiin (=konversio) johtavien
käyttäjien toimenpiteiden edellytysten parantamista.
• Käytännössä muokataan verkkosivuja, esim.
laskeutumissivuja; testataan erilaisia arvolupauksia,
graafisia elementtejä, tuotteita, jne.
35

36. Esimerkki: Mainoskustannusten
puolittaminen (Salminen, 2012)
• Kun haluat tuplata myynnin, voit kaksinkertaistaa joko
mainosbudjetin tai konversioprosentin (Nielsen, 2008)
• Kun kävijöiden määrä ja siihen käytetty budjetti kasvaa,
konversio-optimoinnista tulee tärkeä investoinnin kohde.
36
Case A: Matala
konversio
Case B: Korkea
konversio
Mainospanostus
(spend)
100,000 50,000
Kävijät (CPC = 0.25) 400,000 200,000
Konversio 1 % 2 %
Myyntien määrä 4,000 4,000

37. Kanavat konvertoivat eri teholla: esimerkki
Bännerit Hakukone Facebook
Kävijöiden
määrä
1000 1000 1000
Kustannus (€) 1000 1000 1000
CVR (%) 2 5 2
CPA (€) 50 20 50
37
• ostetaan verkkokaupalle 3000 kävijää kolmesta eri lähteestä
• à 1000 kävijää
• CPC = 1 €
• CVR vaihtelee
• lasketaan CPA eli myynnin hinta – millä kanavalla se on
matalin?
Miksi kanavat konvertoivat eri teholla?

38. Kanavamotivaation ongelma (Marketing Experiments, 2010)
“The PPC traffic was considerably more motivated than the external
banner traffic, and though the new process significantly lowered Friction in
the process, there was not much to address the specific motivations of
incoming visitors. Though cutting the amount of steps in a process increased
the conversion rate for every channel tested, there was a significant
difference in gains made from channel to channel. As we have taught, not all
channels will convert at the same rate because they represent different
demographics at different places in the conversation.”
 sivun optimoinnin vaikutus on rajallinen, jos yhteensopiva motiivi
puuttuu kävijöiltä
 ongelma ilmenee selkeimmin, kun yrität skaalata (minä tahansa
hetkenä on vain rajattu joukko ihmisiä, jotka ovat valmiita ostamaan;
muiden kohdalla on päästävä valintajoukkoon tai luotava tarve)
38

39. Optimoinnin kertautuvat hyödyt: esimerkki
(Marketing Experiments, 2005)
• Esimerkin lähtötaso:
– kuukausimyynti = 100,000 $
– kustannukset = 85,000 $, eli kuukausittainen voitto
15,000 $
– PPC-klikkejä = 50,000, CPC = alk. 0.20 $.
• Yritys toimeenpanee yhdeksän parannusta
yhdeksässä kuukaudessa.
39

40. Optimoinnin kertautuvat hyödyt: esimerkki
(Marketing Experiments, 2005)
40
Summautuvat optimoinnin hyödyt
Parannukset (1 per kk) Parannus Voitto per kk Voiton muutos
(0. Alkuvaihe) N/A $15,000 0%
1. Parannettu PPC-mainoscopy 5% (CTR) $19,500 30%
2. CPC:n laskeminen 5% (CTR) $19,999 3%
3. Laskeutumissivujen optimointi 5% (CVR) $30,249 51%
4. Tilauslomakkeen optimointi 5% (CVR) $35,761 18%
5. Nettisivun copytekstin parantaminen 5% (CVR) $41,549 16%
6. Ylöspäin- ja ristiinmyynti 5% (Myynti) $47,627 15%
7. Hinnan muuttaminen 5% (Myynti) $49,988 5%
8. Ostoskorin parantaminen 5% (Myynti) $56,487 13%
9. Luottamusindikaattoreiden parantaminen 5% (Myynti) $63,312 12%

41. Optimoinnin kertautuvat hyödyt: esimerkki
(Marketing Experiments, 2005)
• Tulokset:
– Lisävoitto = 48,312 $
– (Summautuvat hyödyt = 163 %)
– Kertautuvat hyödyt = 322 %
• Toisin sanoen optimoinnissa on ”korkoa korolle”
-efekti.
• Mitä tämä tarkoittaa markkinoijalle?
– Tee järjestelmällisesti pieniä parannuksia
– Keskity sekä klikkiä edeltäviin että klikin jälkeisiin osa-
alueisiin.
41

42. Optimoinnin skaalautuminen: esimerkki
• Kolme yritystä:
A. 1000 kävijää päivässä
B. 10,000 kävijää päivässä
C. 100,000 kävijää päivässä
• Muut tiedot:
– Konversio ennen optimointia = 1 %
– Konversio optimoinnin jälkeen = 2 %
– Optimoinnin kiinteä kustannus per kk = 2000 €
– Avg. basket = 50 €
• Tehdään optimointia. Mikä on kunkin yrityksen
optimoinnin ROI?
42

43. Optimoinnin skaalautuminen: tulokset
43
0
20000
40000
60000
80000
100000
120000
A B C
myynnin muutos
myynti
kiinteä kust per kk
ROI:
A = -50 %
B = +400 %
C = +4900 %

44. Johtopäätökset (1/2)
• Pienellä kävijämäärällä optimoinnin kustannukset (oli
sitten in-house tai toimisto) ylittävät helposti hyödyt
• Konversio-optimointi on kannattavaa, kun
C < avB x (S1 – S0), eli
• optimoinnin kiinteä kustannus (C) on pienempi kuin
keskimääräisen ostoksen (avB) ja myyntitapahtumien
määrän muutos (S1 – S0), eli ts. kun lisämyynti kattaa
optimoinnin kustannukset.
44

45. Johtopäätökset (2/2)
a. Yleisesti ottaen konversio-optimointi antaa
suurimmat tuotot pullonkaulojen poistamisessa
(löytyvät analysoimalla käyttäjien toimia)
b. Mitä enemmän liikennettä ja myyntiä, sitä
kannattavampi investointi konversio-optimointi on
(koska hyödyt skaalautuvat)
c. Suurissa määrissä pienet jatkuvat parannukset
voivat tuottaa hyvän ROI:n (koska hyödyt
kertautuvat).
45

46. ANALYTIIKAN
SOVELLUTUKSET:
ALLOKOINTI
46

47. Budjetin allokointi analytiikan avulla: Laurin
tapaus
Avainsana Klikit Kustannus Myynnit ROI
lahja naiselle 110 75 € / pv 120 € / pv (120-75)/75=60%
lahja miehelle 40 25 € / pv 90 € / pv (90-25)/25=260%
47
• Tulos: ”miesten pukukengät” on kannattavampi
• Johtopäätös: nostetaan ko. avainsanan bidiä ja
kampanjan budjettia, tehdään päinvastoin puku-
kengät-avainsanalle
Laurilla on 100 € käytettävissä päivää
kohti – miten rahat tulisi allokoida?
Avainsana Klikit Kustannus Myynnit
pukukengät 110 75 € / pv 120 € / pv
miesten pukukengät 40 25 € / pv 90 € / pv
Mitä pitäisi varmistaa ennen
päätöksen tekoa?

48. Myynnin arvon allokointi: esimerkki
• Olet ElämysLahjojen markkinointipäällikkö
• Sinulla on yksi 1000 € myyntikonversio
• Analytiikasta näet, että siihen on johtanut neljä
klikkiä.
• Viimeinen klikki on tullut hakukoneesta hakusanalla
‘elämyslahjat’.
Miten allokoit konversion arvon?
48

49. ”Viimeisen klikin harha” (last touch bias)
• käytössä olevalla analytiikkatyökalulla pystytään
erottamaan vain viimeinen, konversion tuonut
interaktio (ollaan siis sokeita kaikille aiemmille
kosketuksille)
• tämän perusteella päätellään että tietty kampanja sai
aikaan konversion, vaikka ainakin osa konversion
arvosta pitäisi sijoittaa aikaisemmille kampanjoille
• miksi tärkeää?
– tuloksena on attribuutiovirhe, jonka seurauksena
voidaan tehdä huonoja allokointipäätöksiä (vrt.
Facebook & suora ROI).
49

50. Attribuutiomallinnuksen perusteet
• Tarvitaan attribuutioparadigma tai –malli, esim. ”viimeinen
klikki on arvokkain” vs. ”ensimmäinen klikki on arvokkain”
• attribuutio-ongelma on sitä monimutkaisempi, mitä enemmän
markkinointikanavia JA myyntikanavia
• jos on sekä online- että offline-myyntipiste ja online- ja offline-
markkinointia, kaikkia vaikutuksia ei tiedetä ja on lähes
mahdotonta diskreetisti erottaa ratkaiseva kosketus ; lisäksi
womin merkitys jää mallin ulkopuolelle
• attribuutiossa on siis kyseessä jonkinlainen todennäköisyysmalli,
jonka mukaan asiakkaat arvottavat eri kanavista tulevia viestejä
ja kohtaamisia ostopäätöksen tekemisessä
• attribuutiossa CPA kasvaa, mutta lopputulos sisältää koko
ostoprosessin, joten markkinointitieto on tarkempaa.
50

51. Attribuutiomallit (Google, 2013)
Viimeisin kosketuksen malli  100 % konversion arvosta
viimeiselle kosketukselle (kampanja, kanava)
Ensimmäisen kosketuksen malli  100 % konversion arvosta
ensimmäiselle kosketukselle
Lineaarinen attribuutiomalli  jokainen kosketus saa tasaisesti
osan konversion arvosta (esim. 3 kosketusta = 33 % kullekin)
Aikapohjainen attribuutiomalli  viimeisempänä konversiota olleet
kosketukset saavat suuremman osan konversion arvosta kuin
kaukaisemmat (aikakerroin)
Etu- ja keskipainotettu attribuutiomalli  40 % konversion arvosta
ensimmäiselle kosketukselle, 40 % viimeiselle kosketukselle, ja 20 %
jaetaan kaikkien väliin jäävien kosketusten välillä.
51

52. Attribuutiomallit: esimerkki
Ensimmäinen
kosketus
Viimeinen
kosketus
Lineaarinen
malli
1 Facebook
2 Google organic
3 Google CPC
4 blogiartikkeli
52
• yksi konversio = 1000 €
• neljä kosketusta ao. järjestyksessä
• miten konversion arvo allokoidaan?

53. Attribuutiomallit: esimerkki
Ensimmäinen
kosketus
Viimeinen
kosketus
Lineaarinen
malli
1 Facebook 1000 € 250 €
2 Google organic 250 €
3 Google CPC 250 €
4 blogiartikkeli 1000 € 250 €
53
• yksi konversio = 1000 €
• neljä kosketusta ao. järjestyksessä
• miten konversion arvo allokoidaan?

54. Attribuutiomallin riski: tarkastelun lyhyt
aikajänne (Goldberg, 2013)
“While our natural tendency is to generally use short
lookback periods (say, 7 days or a month, for example),
on an attributed basis, it’s important to lengthen this out.
The reason is simple… If customers lag a bit before
squeezing the trigger, it’s going to take time for
introducer and influencer counts and values to appear. I
like to use 60-90 days as a lookback period on
keywords/ad groups that I know have a tendency to
introduce or influence a conversion as opposed to
closing, so that I can capture as much information as
possible into my bid rule.”
54

55. Viivästynyt konversio (deferred conversion)
55
n. 60 % konversioista tulee
ensimmäisen päivän sisällä, mutta
huomattava osa yli viikon päästä
(ElämysLahjat.fi)

56. Konversiopolku (Google, 2013)
56
Ensimmäinen
kosketus
Konversio
Konversiopolun pituus?
Avustava vaikutus
Viimeinen
kosketus
Toinen
kosketus

57. ”Polun pituus” (path length) mittaa
konversioon johtaneiden vierailujen määrän
57
Alle puolet konversioista tulee
ensimmäisellä kosketuksella
(ElämysLahjat.fi); vastaava tulos (47 %)
Forrester (2012)

58. Markkinointitulosten pitkäaikainen
tarkastelu
“This is the search graph for Kodak – Successful campaigns, yet no
gained growth. You can see that regardless of their marketing efforts.
Their growth is negative.” (Åström, 2013)
58
• markkinointi ei kompensoi tuotteen
kilpailukyvyn menetystä
• disruptiivinen innovaatio disruptoi myös
markkinointiefektit

59. Haineväefekti (= shark fin effect)
“This is the search graph for ‘Mitt Romney’ and as you
can see… no one cares about Mitt Romney if he doesn’t
buy a shit load of media to get elected.” (Åström, 2013)
59
• kampanjoinnin tulokset voivat jäädä lyhytkestoisiksi
• tämän vuoksi monet digimarkkinoinnin toimenpiteet
ovat jatkuvia (prosessi, ei kampanja)
• prosessi voi vaihdella suuresti, esim.
hakukonemarkkinointi on usein sesonkisidonnaista

60. Jatkuva markkinointiprosessi
(ElämysLahjat.fi)
• Markkinoija haluaa, että kiinnostuksen kehitys on
tasaisesti kasvavaa, eikä liian tempoilevaa
• Bisneksen luonteesta riippuu sesonkivaihteluiden
merkitys
60

61. Offline-myyntien mittaaminen
“An eye doctor spends $5,000 in one year to bring 10,000 visitors to
her website. In the same year, the doctor spends $5,000 on an ad in
a local weekly newspaper. Discuss the limitations and advantages of
each type of advertising. Describe how you might track each type of
advertising.” (Google, 2007)
Taktiikoita:
– Promokoodi (ostoskori -> CMS)
• OPTICAL, niin saat -10 %
– Erillinen puhelinnumero (puhelustatistiikka)
• 0800-EYES
– Erillinen URL (Analytics)
• Eyedoctor.com/specialeyes
61

62. Universal analytics (Brown, 2013)
• ”This is going to be a major factor in driving
organisations to migrate to Universal Analytics, and a
major benefit they’ll see as a result of doing so. It’s all
thanks to the Measurement Protocol which is one of
the core components of Universal Analytics.
• It allows us to send data from pretty much any
device, and collect it in Universal Analytics. This
means we can finally link in-store transactions with
campaigns and, via a loyalty card tagged to a User
ID, with an entire history of user interactions with our
brand.”
62

63. Kävijäseuranta offline-myyntipisteellä
(Coquet, 2013)
63

64. Opi lisää
• Kirja: Lean Analytics (Alistair Kroll)
• Työkalut:
– Google Analytics
– Tableau
– R
• Kurssi: Aalto ITP (Information Technology Program)
64

65. 65
Huomiseen!