Digital Analytics-Lösungen für Nicht-Analysten

„Clevere“ Analytics-Lösungen, die Verwirrung stiften

Digital Analysts arbeiten mit leistungsstarken Tools, die viele Variablen und Optionen zur Anpassung ihres Setups bieten. Aber all diese Anpassungen voll auszuschöpfen, kann tatsächlich kontraintuitiv sein und dazu führen, dass Unternehmen wenig bis gar keinen Nutzen aus diesen Tools ziehen.

Kleiner Widerspruch da?

Nun, es kommt auf den Zweck von Digital Analytics zurück, „die Entscheidungen und Handlungen einer Organisation zu informieren, um bessere Ergebnisse zu erzielen“. Diese Entscheidungen und Maßnahmen werden nicht von Digital Analysts getroffen, sondern von allen anderen im Unternehmen. Damit Digital Analytics also seinen Zweck erfüllen kann, müssen die Daten für Marketingfachleute, Produktmanager, Designer, UX, Entwickler, Strategen, Vertriebsteam und natürlich die C-Suite zugänglich sein.

Digital Analytics muss diese Personen unterstützen, indem es ihnen die Informationen liefert, die sie benötigen, damit die von ihnen getroffenen Entscheidungen und Maßnahmen so fundiert wie möglich sind und daher mit größerer Wahrscheinlichkeit die besten Ergebnisse für das Unternehmen erzielen.

Eine erstaunlich „clevere“ Lösung, die auf die Bedürfnisse des Digital Analyst zugeschnitten ist, kann tatsächlich ein Hindernis für den Rest der Organisation darstellen. Wenn Menschen finden, dass ihre Arbeit mit der Verwendung von Daten zu schwierig ist, ignorieren sie diese Daten einfach und machen weiter, indem sie Entscheidungen und Handlungen auf der Grundlage ihres eigenen Wissens und ihrer eigenen Erfahrung treffen.

Das ist schlecht fürs Geschäft.

So erstellen Sie ein nicht analystenfreundliches Setup

1. Seiteninformationen nicht auf Variablen aufteilen

Problem: Jedes Digital Analytics-Tool bietet Variablen, mit denen Sie Seiteninformationen erfassen können. Eine „clevere“ Einrichtung zeichnet den Seitentyp, die Seitenkategorie (und Unterkategorien), den Seitenabschnitt, die Seitensprache und den eigentlichen Seitennamen/Bezeichner in separaten Variablen auf. Für einen Analysten ist es einfach und leistungsstark, mehrere Variablen gleichzeitig zu verwenden, um Seiten und Seitengruppierungen zu identifizieren. Für einen Nicht-Analysten ist es einfach verwirrend, einen Bericht zu öffnen und Seitennamen nicht mit Seiten auf der Website in Verbindung bringen zu können.

Behebung: Ein nützliches Tool-Setup enthält die Seitentypen und Seitenkategorisierungen im Seitennamen selbst. Dadurch kann der Nicht-Analyst lernen, wie er mit einem einzigen Bericht auf Daten zugreifen kann. Innerhalb dieser sind die Seitennamen intuitiv (die Homepage wird als /homepage bezeichnet) und es ist einfach, einen Filter anzuwenden, um eine gewünschte Gruppe von Seiten anzuzeigen.

2. Erstellen Sie benutzerfreundliche Namenskonventionen

Problem: Eine häufige Zurückweisung von Entwicklern, wenn wir Tracking-Anweisungen bereitstellen, ist die Aufforderung, eine Abkürzung oder ID anstelle eines Namens zu verwenden. Wenn der Entwickler eine vorhandene Variable verwenden und sie einfach auf die Datenschicht übertragen kann, ist die Arbeit für ihn viel geringer.

Damit können wir als Analysten in der Regel leben. Wir können uns schnell alle Schlüssel-IDs merken oder was Abkürzungen bedeuten, so dass es genauso schnell geht wie das Arbeiten mit Namen. Für alle anderen verwandelt es die Berichte und Daten in bedeutungslosen Kauderwelsch, der eine Übersetzungstabelle (oder einen Analystenübersetzer) benötigt, um verwendbar zu sein.

Behebung: Der einfache Kompromiss besteht darin, dass ein wenig Zeitaufwand für Entwickler, jetzt eine benutzerfreundliche Namenskonvention zu verwenden, in Zukunft Tage an Zeit für den Rest des Unternehmens sparen wird.

3. Integrieren Sie Datenmanipulationen und Datenbereinigung in Datenanalysetools

Problem: Ein häufiger Schmerzpunkt in jeder Organisation sind nicht übereinstimmende Zahlen. Wenn keine zwei Personen die gleichen Zahlen produzieren können, wird normalerweise das Tool beschuldigt, das diese Zahlen liefert, und dem nicht vertraut wird. Eine Ursache dafür ist die Notwendigkeit von Datenmanipulationen und -bereinigungen, um an die offiziellen „Geschäftszahlen“ zu gelangen, aber das Wissen/die Fähigkeiten dieser Anforderungen ist auf eine kleine Anzahl von Personen beschränkt.

Während der Digital Analyst genau versteht, wie die Geschäftsleistungsdaten einfach aus dem Tool extrahiert werden, geht dies bei der Übersetzung für den Rest des Unternehmens verloren. Wenn die Zahlen nicht übereinstimmen, geht das Vertrauen verloren.

Behebung: Erstellen Sie eine Lösung, bei der Segmente und Berichtskombinationen nicht erforderlich sind und stattdessen Manipulationen und Datenbereinigung in das Tool selbst integriert sind. Diese zusätzliche Arbeit ermöglicht es jedem im Unternehmen, die Geschäftsnummern zu finden, die mit den offiziellen Nummern übereinstimmen, was zu weitaus weniger Missverständnissen und Problemen führt.

4. Stellen Sie sicher, dass aggregierte Daten leicht verfügbar und zugänglich sind

Problem: Eine meiner ständigen Überraschungen war es, mit Menschen und Unternehmen zu sprechen, die davon überzeugt sind, dass auf Daten nur im Rohformat zugegriffen werden sollte. Vielleicht kennen sie selbst SQL (oder ein alternatives Tool) und verwenden es, um auf alle benötigten Daten zuzugreifen. Daher glauben sie, dass Analysetools Zeitverschwendung und eine Einschränkung des Geschäfts sind.

Das ist großartig für sie, bis die Organisation jemanden ohne diese Fähigkeiten einstellt, der nicht in der Lage ist, auf Rohdaten zuzugreifen und diese zu manipulieren, und dann fällt die gesamte Lösung auseinander.

Behebung: Einfache Dashboards und aggregierte Daten sind entscheidend für das Funktionieren eines Unternehmens. Ganz einfach, eine Lösung, die nur der Analyst oder ein technischer Benutzer verwenden kann, ist eine schlechte Lösung. Ich habe vor langer Zeit über die Quadfurkation von Digital Analytics geschrieben, wobei die 4. Ebene der Analyse die Verwendung von Rohdaten ist. Ich glaube immer noch, dass diese Ebene das größte Potenzial für Erkenntnisse bietet, aber sie sollte erst entwickelt werden, wenn die Organisation die drei vorherigen Ebenen eingerichtet hat.

Die Bedeutung des Designs

Das Schlüsselwort hier ist „Design“. Das tun wir, wenn wir das Tracking definieren und die gesamte Konfigurationsarbeit für die Einrichtung eines Digital Analytics-Tools erledigen – wir entwerfen dieses Tool. Das bedeutet, dass wir über die Benutzerfreundlichkeit nachdenken sollten.

Ich habe in meinem Leben genau ein Buch über Usability von Websites gelesen – Don't Make Me Think von Steven Krug. Und wirklich, alles, was Sie tun müssen, ist, sich diesen Titel zu merken und auf alles anzuwenden, was Sie tun.

Digital Analysten können leicht in die Falle tappen, eine Digital Analytics-Lösung (Tool-Setup und/oder wie auf Daten zugegriffen wird) für ihre eigenen Bedürfnisse zu entwerfen. Ich weiß das von meinen eigenen Fehlern in der Vergangenheit.

Außerdem kann sich kein Unternehmen darauf verlassen, dass sein Analyst alle Berichte und Erkenntnisse liefert. Dies ist nicht praktikabel, da der Analyst zum Engpass wird und keinen echten Mehrwert liefern kann.

Die wirklich „clevere“ Digital-Analytics-Lösung ist eine Lösung, die darauf ausgelegt ist, den Rest des Unternehmens, die Entscheidungsträger und die Handelnden, in die Lage zu versetzen, die Daten und Erkenntnisse zu nutzen, um klügere Entscheidungen/Aktionen zu treffen.

Möchten Sie mehr darüber erfahren, wie Sie Digital Analytics-Lösungen effektiv einsetzen und bessere Ergebnisse für Ihr Unternehmen erzielen können? Schauen Sie sich unsere kostenlosen Schulungsworkshops an oder kontaktieren Sie uns, um Ihre Anforderungen weiter zu besprechen.