Tarjouspyyntöjä tuli viime kuussa aiempaa vähemmän. Tekoäly voi auttaa vertaamaan palvelusivujen käyntejä ja lomakelähetyksiä sekä ehdottaa, mitä kannattaa tutkia seuraavaksi. Ennen johtopäätöksiä pitää kuitenkin tarkistaa, toimivatko lomake ja mittaus.
Aloita yhdestä liiketoimintakysymyksestä ja rajatusta aineistosta. Sovi myös, kuka tarkistaa havainnot. Näin näet, auttaako työkalu päätöksenteossa ja säästääkö se aikaa myös tarkistusten jälkeen.
Mitä tekoäly voi tehdä analytiikassa?
Tekoälytyökalu voi esimerkiksi tiivistää valmiin raportin, ryhmitellä sanallista asiakaspalautetta, ehdottaa kysymyksiä poikkeaman selvittämiseksi tai auttaa analyysin esittämisessä eri yleisöille. Joissain ympäristöissä työkalu voi lisäksi käyttää hyväksyttyjä tietolähteitä tai suorittaa laskentaa, jos sen oikeudet ja toimintatapa on määritelty.
Malli voi tulkita sarakkeen väärin, verrata eri aikajaksoja tai esittää arvauksen varmana selityksenä. Tarkista siksi keskeiset luvut ja väitteet alkuperäisestä aineistosta.
1. Aloita päätöksestä, älä käytettävissä olevasta datasta
Muotoile kysymys niin, että sen vastaus voi johtaa toimintaan. Esimerkiksi ”miksi tarjouspyyntöjä tuli vähemmän?” on hyödyllisempi aloitus kuin ”kerro kaikki verkkosivujen analytiikasta”. Tarkempi kysymys voi olla: ”Johtuuko lasku liikenteen vähenemisestä, lomakkeen toiminnasta vai yhteydenottojen laadun muutoksesta?”
Kirjaa myös, mitä tietoa päätökseen tarvitaan. Liidien laadun arviointi vaatii sovitun laadukkaan yhteydenoton määritelmän ja myynnin palautetta. Pelkkä verkkosivukäynti tai lomakeklikkaus ei osoita, että asiakas sopii palveluun.
2. Tarkista aineisto ja mittaustapa
Ennen analyysiä varmista, mitä luvut tarkoittavat ja ovatko vertailtavat jaksot samanlaisia. Tarkista esimerkiksi:
- Kirjautuuko yhteydenottotapahtuma vain onnistuneesta lähetyksestä?
- Ovatko testilähetykset ja sisäinen liikenne mukana?
- Ovatko päivämäärät, valuutat ja kanavien nimet yhdenmukaisia?
- Ovatko suostumusasetukset tai mittauksen toteutus muuttuneet?
- Puuttuuko merkittävä osa lähde- tai kampanjatiedoista?
Googlen tapahtumamittauksen ohje kuvaa tapahtumapohjaista analytiikkaa. Yrityksen pitää lisäksi määrittää, mitä sen omat tapahtumat tarkoittavat ja miten ne testataan.
Jos aineisto on puutteellinen, kerro se myös tekoälylle ja raportin lukijalle. Työkalu ei voi päätellä varmasti puuttuvien yhteydenottojen laatua tai todellista määrää ilman asianmukaista tietoa.
3. Rajaa tiedot ja tarkista työkalun käyttöehdot
Selvitä, mitä tietoja analyysiin todella tarvitaan. Yleisellä tasolla koottu kampanjakohtainen taulukko voi riittää; yksittäisten asiakkaiden nimet tai sähköpostiosoitteet eivät useinkaan ole tarpeen trendien tarkasteluun.
Ennen aineiston siirtämistä ulkoiseen työkaluun tarkista organisaation ohjeet, palvelun sopimukset, tietojen säilytys, käyttöoikeudet ja mahdollinen käyttö palvelun kehittämiseen. Pelkkä nimen poistaminen ei aina tee aineistosta tunnistamatonta. Tarvittaessa käytä testauksessa keksittyä aineistoa.
NISTin tekoälyn riskienhallintakehys tarjoaa yleisen mallin riskien, vastuiden ja seurannan suunnitteluun. Se ei korvaa organisaation omaa tietosuoja-arviota tai sopimusten tarkistamista.
4. Anna työkalulle määritelmät ja pyydä tarkistettavia havaintoja
Hyvä toimeksianto kertoo tavoitteen, aineiston ajanjakson, mittarien määritelmät ja tunnetut puutteet. Pyydä erottamaan havainnot, mahdolliset selitykset ja lisätarkistusta vaativat kysymykset.
Esimerkkikehote:
Vertaa palvelusivujen käyntejä ja onnistuneita yhteydenottoja kahdella annetulla neljän viikon jaksolla. Käytä vain taulukossa olevia tietoja. Kerro laskentatapa, tunnista suurimmat muutokset ja esitä kolme mahdollista selitystä kysymyksinä. Älä päättele syy-yhteyttä tai keksi puuttuvia lukuja.
Tarkista sen jälkeen laskut itse. Jos työkalu sanoo yhteydenottojen vähentyneen 20 prosenttia, varmista sekä lähtö- että vertailuluku. Pienissä määrissä suhteellinen muutos voi näyttää suurelta, vaikka kyse olisi vain muutamasta tapahtumasta.
Esimerkki: tarjouspyynnöt vähenivät
Kuvitellaan, että yritys huomaa viime kuussa vähemmän tarjouspyyntöjä kuin edellisellä vertailujaksolla. Tekoälylle annetaan valmiiksi tarkistettu taulukko, jossa on käynnit, palvelusivujen käynnit ja onnistuneet lomakelähetykset. Se huomaa, että palvelusivujen käynnit ovat pysyneet lähes ennallaan mutta lähetykset vähentyneet.
Tämä havainto antaa syyn tutkia lomaketta, mutta ei todista sen rikkoutuneen. Testaa lomakkeen lähetys mobiililla ja työpöydällä, tarkista sähköpostin vastaanotto ja varmista mittauksen toiminta. Kysy myynniltä, onko asiakkaiden kyselytapa muuttunut esimerkiksi puheluihin.
Jos lomake toimii, selvitä seuraavaksi, onko liikenteen koostumus, kampanja, tarjous tai palvelusivun sisältö muuttunut. Vertaa mahdollisuuksien mukaan myös aiempaan vastaavaan sesonkiin. Kirjaa samanaikaiset muutokset, jotta niitä ei tulkita automaattisesti yhden tekijän seuraukseksi.
5. Muuta havainto rajatuksi kokeiluksi
Kirjaa jokaisesta ehdotuksesta neljä asiaa: havainto, mahdollinen selitys, toimenpide ja seurattava mittari. Esimerkiksi: ”Lomakkeen virheilmoitus ei kerro korjattavaa kenttää. Muutamme ilmoituksen selkeäksi ja testaamme onnistuneen lähetyksen eri laitteilla.”
Sovi vastuuhenkilö, tarkistuspäivä ja se, milloin muutos voidaan arvioida. Jos samalla muuttuu kampanjabudjetti tai palvelun hinta, niiden vaikutus pitää huomioida tulkinnassa. Yksittäinen ennen–jälkeen-vertailu ei välttämättä osoita syy-yhteyttä.
Mitä kannattaa mitata?
Mittaa sekä työn laatua että sen vaatimaa aikaa. Esimerkiksi analyysin laadun arvioinnissa voidaan tarkistaa, kuinka moni ehdotettu väite vastaa lähdeaineistoa ja kuinka moni ehdotus johtaa perusteltuun jatkotutkimukseen. Ajansäästöstä on hyötyä vain, jos tarkistukseen ja korjauksiin kuluva aika otetaan mukaan.
Liiketoiminnan puolella seuraa sovittuja tapahtumia, kuten laadukkaita yhteydenottoja, ja niiden etenemistä myynnissä. Kaikkia asiakaspolun vaikutuksia ei voi yhdistää varmasti yhteen kanavaan; raportoi siksi tunnetut rajoitukset ja täydennä dataa asiakkaiden sekä myynnin palautteella.
Aloita yhdellä raportilla
Valitse toistuva raportti, rajaa aineisto ja tee ensimmäinen analyysi asiantuntijan tarkistamana. Vertaa tulosta nykyiseen työskentelytapaan: löytyikö hyödyllinen havainto, oliko se todennettavissa ja säästyikö aikaa myös tarkistuksen jälkeen?
Jos mittaus kaipaa ensin korjaamista, aloita siitä. Xpedition auttaa analytiikan ja seurannan suunnittelussa. Kun haluat käydä läpi nykyistä mittausta ja seuraavia askeleita, ota yhteyttä.