Du bruger 50.000 dollars om året på analyseværktøjer, folk og infrastruktur. Er det pengene værd? Førte de analyser til beslutninger, der sparede eller tjente penge? Afkast af analytics svarer på det. Det måler, om din investering i analytics faktisk skaber forretningsværdi. De fleste virksomheder følger det ikke. Det bør du.
Afkast af analytics måler afkastet af din investering i analytics: værktøjer, folk, processer og datainfrastruktur. Her gennemgår vi, hvordan du måler det, hvad der tæller som værdi, og hvordan du forbedrer dit afkast.
Afkast af analytics er den forretningsværdi, dit analysearbejde skaber, divideret med omkostningerne ved det arbejde.
Afkast = (forretningsværdi fra analytics / omkostninger til analytics) gange 100
Eksempel: Din investering i analytics koster 100.000 dollars om året (værktøjer, medarbejdere, infrastruktur). Beslutninger baseret på analytics sparede din virksomhed 500.000 dollars (lavere pris pr. ny kunde, bedre fastholdelse, hurtigere opdagelse af problemer). Dit afkast er 500 procent.
Afkast af analytics betyder noget, fordi det retfærdiggør din investering. Bruger du penge på analytics, men kender ikke afkastet, er dit analyseprogram i fare for at få skåret budgettet.
Hvad afkast af analytics er, og hvorfor det betyder noget
De fleste virksomheder investerer i analytics uden at måle afkastet. De bruger penge på værktøjer og folk, men spørger aldrig: skabte det værdi? Afkast af analytics tvinger dig til at svare på det spørgsmål.
Hvad der tæller som værdi af analytics
Besparelser: automatisering, der mindsker manuelt arbejde, optimering, der mindsker spild, forebyggelse, der mindsker supportomkostninger.
Bedre omsætning: bedre målretning, der øger konverteringen, fastholdelsesprogrammer, der mindsker frafald, prisoptimering, der øger aftalestørrelsen.
Hastighed: hurtigere opdagelse af problemer, der mindsker nedetid, hurtigere beslutninger, der får dig først på markedet, hurtigere indsigter, der forhindrer fejltrin.
Mindre risiko: prognoser, der forudser problemer, før de opstår, overvågning, der opdager afvigelser tidligt, afsløring af svindel, der forhindrer tab.
Sådan måler du afkast af analytics
Trin et: Definér din investering i analytics. Omkostninger til værktøjer (GA, analyseplatform, værktøj til oversigter). Omkostninger til medarbejdere (dataanalytikere, dataingeniører, analyseteam). Omkostninger til infrastruktur (datalager, ETL-værktøjer). Omkostninger til tid (tid, folk bruger på at bygge oversigter og køre rapporter).
Trin to: Find en beslutning, der byggede på analytics. Vi optimerede vores betalingsforløb ud fra tragtanalyse. Vi mindskede frafald ved at indføre et fastholdelsesprogram ud fra kohorteanalyse. Vi flyttede annoncebudget ud fra tilskrivningsmodeller.
Trin tre: Mål effekten på forretningen. Hvor meget øgede optimeringen af betalingen konverteringen? Hvor meget mindskede fastholdelsesprogrammet frafaldet? Hvor meget mere omsætning kom der fra et bedre tilskrevet annoncebudget?
Trin fire: Beregn afkastet. (Forretningsværdi / samlet investering i analytics) gange 100.
Værdi, der er nem at måle, og værdi, der er svær at måle
Nem at måle: besparelser (vi automatiserede rapporter og sparede 10 timer om ugen gange 50 dollars i timen). Direkte effekt på omsætningen (vi optimerede landingssiden, konverteringen steg fra 2 procent til 2,5 procent og gav 50.000 dollars mere i omsætning).
Svær at måle: beslutningshastighed (hurtigere indsigter kan forhindre fejltrin, men du kan ikke måle det, der ikke skete). Mindre risiko (afsløring af svindel forhindrede tab, men du ved ikke, hvad der ville være sket uden den). Moral (bedre oversigter gør teams gladere, men glæde er svær at måle i penge).
Mål den nemme værdi først. Den retfærdiggør din investering. Den svære værdi er en bonus.
Almindelige fejl, når man måler afkast af analytics
At tælle al forretningsværdi som værdi af analytics: omsætningen steg 20 procent. Men det skyldtes delvist en produktlancering, en ny marketingkampagne og bedre markedsforhold. Analytics bidrog måske med 5 procent af stigningen. Isolér bidraget fra analytics.
At undlade at tælle omkostninger til analytics: du tæller prisen på værktøjet, men glemmer medarbejderne og infrastrukturen. De sande omkostninger til analytics er værktøj plus folk plus infrastruktur.
At vente for længe med at måle: vent ikke på et magisk årligt afkast. Mål hvert kvartal. Skabte dette kvartals analyseprojekter værdi? Mål hvert projekt. Gav denne optimering afkast?
At ignorere tilskrivning: marketingværktøjet siger, at det skabte 1 million dollars i omsætning. Men gjorde det? Eller målte det bare, hvad der alligevel var sket? Vær skeptisk over for afkast af analytics. Virkeligheden er mere indviklet.
Sådan forbedrer du afkastet af analytics
Fokusér på analyseprojekter med stor effekt: byg ikke oversigter til alt. Byg oversigter, der svarer på vigtige forretningsspørgsmål. Mål ikke alle tal. Mål de tal, der driver beslutninger.
Prioritér forretningsproblemer: analytics er ikke et teknologiproblem, det er et forretningsproblem. Start med: "Vi mister kunder for hurtigt" eller "Vores annoncer konverterer ikke godt". Start ikke med "Vi har brug for et datalager". Forretningsproblemet kommer først.
Gør indsigter til handling: en indsigt er kun værdifuld, hvis nogen handler på den. En smuk oversigt, som ingen kigger på, er spild. Gør indsigter tydelige. Lad dem styre handling.
Mål løbende: mål ikke afkast af analytics kun én gang om året. Mål efter hvert projekt. Ændrede denne kohorteanalyse en beslutning? Sparede den penge? Byg en kultur, hvor man måler.
Byg en feedbackløkke: hvert analyseprojekt bør have en hypotese, et resultat og en målt effekt. Brug den feedback til at forbedre det næste projekt.
Ofte stillede spørgsmål
Hvordan måler jeg afkastet af et analyseværktøj, jeg lige har taget i brug?
Vent 90 dage, så folk kan bruge det, og effekten kan vise sig. Find så én beslutning, der blev truffet på grund af værktøjet. Mål effekten på forretningen. Det er dit første datapunkt for afkast. Byg videre derfra. Med WEMASY's hjemmesidebygger kan du sætte det op direkte på din hjemmeside.
Hvad hvis analytics gør en beslutning mulig, men beslutningen var forkert?
Det er stadig værdifulde data. Analytics viste dig et mønster, du handlede på det, og det virkede ikke. Du lærte noget. Mål prisen for fejlen. Næste gang stiller du måske bedre spørgsmål eller tjekker mere, før du handler.
Hvordan beviser jeg, at analytics forhindrede et problem?
Det kan du egentlig ikke. En kunde, der blev, faldt ikke fra, så du mistede ikke penge. Men du ved ikke, om de ville være faldet fra uden dit fastholdelsesprogram. Brug en test: fastholdelsesprogram på segment A, intet program på segment B, og mål forskellen i frafald.
Skal jeg regne lønomkostninger til analytics med i beregningen af afkast?
Ja. Har du to analytikere til 100.000 dollars om året hver, er det 200.000 dollars om året i omkostninger til analyse. Dit samlede afkast skal tage højde for det. Ellers ignorerer du din største omkostning.
Hvad er et godt afkast af analytics?
Typisk afkast er 300 til 1.000 procent. Gode virksomheder overstiger 1.000 procent. Exceptionelle virksomheder overstiger 1.500 procent. Det betyder, at hver dollar brugt på analytics giver tre til femten dollars i værdi. Sammenlign med andre forretningsinvesteringer: en dollar i marketing giver måske én dollar tilbage (nulløsning). En dollar i analytics giver måske fem. Analytics er en investering med højt afkast.
Hvordan overbeviser jeg ledelsen om at investere mere i analytics, hvis jeg endnu ikke har målt afkastet?
Start med et pilotprojekt. Vælg én beslutning med stor effekt. Brug analytics til at støtte den. Mål resultatet. Vis afkastet. Brug det som bevis. Skalér så op. Bed ikke om en stor investering uden bevis. Bevis kommer først.