Du har kigget på din analytics. Trafikken er steget 20 %. Konverteringerne er flade. Du ved, hvad der skete (deskriptiv), du ved hvorfor (diagnostisk), og du kan forudsige næste måned (prædiktiv). Men du ved stadig ikke, hvad du faktisk skal gøre ved det.
Præskriptiv analytics svarer på det spørgsmål: hvilken konkret handling skal du tage ud fra alt, hvad du ved om dine data? Her gennemgår vi, hvordan præskriptiv analytics virker, og hvornår den hjælper dig med at tage bedre beslutninger.
Præskriptiv analytics bruger dine data til at anbefale konkrete handlinger. Den går videre end "hvad skete der", "hvorfor skete det" og "hvad sker der". Den fortæller dig: "Det her bør du gøre."
De tre typer analytics bygger på hinanden: deskriptiv fortæller dig faktum, diagnostisk forklarer det, prædiktiv forudsiger fremtiden. Præskriptiv siger: "Med alt det i hånden, så optimér mod dette mål. Gør sådan her."
For en hjemmesideejer er præskriptiv analytics forskellen på at forstå sine data og at handle sikkert på dem.
Sådan adskiller præskriptiv analytics sig fra de andre
Deskriptiv analytics viser, at der kom 500 besøgende i denne uge. Diagnostisk analytics viser, at 350 kom fra et blogindlæg, du udgav. Prædiktiv analytics forudsiger 600 besøgende i næste uge, hvis trafikken fortsat vokser.
Præskriptiv analytics siger: "Din konverteringsrate for blogbesøgende er 8 %. For direkte besøgende er den 2 %. Dit mål er 100 konverteringer denne måned. Sats mere på blogtrafik, og skær ned på betalte annoncer." Det er en konkret anbefaling ud fra dine data.
Uden præskriptiv tænkning har du fakta og prognoser, men ingen ramme for beslutninger. Med den peger dine data på det, der faktisk tæller.
Logikken bag præskriptive anbefalinger
Præskriptiv analytics starter med spørgsmålet: "Hvilket resultat vil jeg have?" Og så arbejder den baglæns.
Trin 1: Definér målet tydeligt
Hvad vil du optimere? Mere omsætning? Flere leads? Højere konverteringsrate? Lavere afvisningsprocent? Du skal navngive målet, før data kan anbefale, hvordan du når det.
Mange hjemmesideejere springer det over. De ser på analytics uden et klart mål. Det er som at spørge "hvad skal jeg gøre?" uden at sige "for at nå hvad?" Svaret er altid forskelligt alt efter, hvad du optimerer mod.
Trin 2: Find ud af, hvad der faktisk driver resultatet
Er dit mål 100 leads om måneden, og får du nu 50, hvad driver så leads? Formularer, der bliver sendt. Hvor sker det? På din kontaktside og på landingssider. Hvem udfylder formularerne? Besøgende fra søgning (6 % konvertering) mod besøgende fra annoncer (2 % konvertering).
Når du bryder det ned, ser du, hvad der tæller: søgetrafik konverterer bedre. For at få flere leads har du brug for mere søgetrafik.
Trin 3: Anbefal handlinger, der flytter noget
Nu kan du lave præskriptive anbefalinger: udgiv mere SEO-venligt indhold (giver søgetrafik), forbedr din kontaktside (flere udfyldte formularer) eller sæt dårligt præsterende annoncer på pause (stop med at spilde budget på trafik, der konverterer dårligt).
Hver anbefaling hænger direkte sammen med dit mål gennem dine data.
Sådan ser præskriptive anbefalinger faktisk ud
Præskriptiv analytics er ikke magi. Det er struktureret tænkning om dine data. Her er virkelige eksempler.
Anbefaling: Få mere trafik fra din bedste kilde
Dine data viser: besøgende fra organisk søgning konverterer med 5 %, betalte annoncer med 2 %, og henvisningstrafik med 8 %.
Anbefaling: Fokusér på henvisningstrafik. Den konverterer bedst. Byg flere partnerskaber, bliv nævnt på andre hjemmesider, eller lav indhold, der bliver delt.
Anbefaling: Ret den side, der ikke virker
Dine data viser: besøgende bruger 3 minutter på din forside, 90 sekunder på din prisside og 45 sekunder på din sammenligningsside.
Diagnose: folk forlader sammenligningssiden for hurtigt. Anbefaling: skriv siden om. Gør sammenligningen tydeligere. Du mister interesserede besøgende.
Anbefaling: Stop med at spilde penge på det, der ikke virker
Dine data viser: Kampagne A koster 2 dollars pr. klik og konverterer med 3 %. Kampagne B koster 1 dollar pr. klik og konverterer med 0,5 %.
Anbefaling: sæt kampagne B på pause. Den er billigere, men virker ikke. Hver dollar, du bruger på kampagne B, er en dollar, du ikke bruger på kampagne A, som faktisk giver omsætning.
Anbefaling: Test, før du skalerer
Dine data viser: besøgende fra nyhedsbrev A klikker videre i 15 % af tilfældene. Besøgende fra nyhedsbrev B klikker videre i 4 %.
Anbefaling: nyhedsbrev A er værd at investere i. Før du skalerer det, så test at sende det oftere eller til en større liste. Din lille test virker. Udvid forsigtigt, og hold øje med tallene.
Præskriptiv analytics' grænser
Præskriptiv analytics er stærk, men den har grænser. Forstå dem, så du ikke stoler for meget på anbefalingerne.
Data kan kun anbefale det, de kan måle
Din analytics kan ikke måle effekten af, at en konkurrent lancerer et nyt produkt, af et markedsskifte eller af ændringer i kundernes holdning. Præskriptive anbefalinger virker godt inden for din hjemmeside. De virker dårligere for ydre faktorer uden for dine data.
Tidligere mønstre garanterer ikke fremtidig succes
Dine data viser måske, at blogtrafik konverterer godt i dag. Det betyder ikke, at den altid gør det. Søgealgoritmer ændrer sig. Din branche skifter. En anbefaling baseret på tidligere data kan blive forkert, når forholdene ændrer sig.
Test altid præskriptive anbefalinger, før du satser alt på dem.
Optimering mod ét mål kan skade et andet
Data siger: "Konverteringer er dit mål, så sænk afvisningsprocenten." Du gør det sværere for tilfældige besøgende at forlade siden (fjerner udgange, tilføjer pop-ups). Konverteringerne stiger, men dit omdømme lider, fordi brugerne bliver irriterede.
Præskriptiv analytics optimerer det, du måler. Den kan ikke tage højde for det, du ikke måler.
Gode data kræver gode spørgsmål
Skidt ind, skidt ud. Er dit mål vagt ("forbedre ydelsen"), eller er dine data ufuldstændige (du følger ikke noget vigtigt), bliver præskriptive anbefalinger upålidelige.
Sådan bruger du præskriptiv tænkning uden avancerede værktøjer
Du behøver ikke avanceret software for at tænke præskriptivt. Du behøver klar tænkning.
Skriv dit mål ned
Ikke "få virksomheden til at vokse". Noget konkret: "øg den månedlige omsætning fra 5.000 til 7.500 dollars" eller "sænk afvisningsprocenten fra 60 % til 45 %".
Spørg: hvad driver dette mål?
For omsætning: hvad konverterer? Hvem konverterer bedst? Hvor kommer de fra?
For afvisningsprocent: hvilke sider har høj afvisning? Hvem forlader siden først? Hvad er anderledes ved sider med lav afvisning?
Brug dine data til at svare
Kør en enkel rapport. Del din trafik op. Sammenlign tal. Du leder efter den største løftestang, altså den ændring, der flytter dit mål mest.
Anbefal handlingen
Hvad bør du gøre ud fra det, du fandt? Mere af det, der virker, mindre af det, der ikke virker, eller ret det, der er gået i stykker.
Det er præskriptiv analytics. Ingen avancerede værktøjer nødvendige.
Hvornår præskriptiv analytics betyder mest
Præskriptiv tænkning er mest værdifuld, når du har begrænset tid eller budget. Du kan ikke gøre alt. Data fortæller dig, hvad du skal prioritere.
Du har 1.000 dollars at bruge på markedsføring. Præskriptiv analytics siger: "Dine data viser, at blogtrafik konverterer dobbelt så godt som annoncer. Brug pengene på at få bloggen til at vokse, ikke på annoncer." Det er en klar retning.
Du har en uge til at forbedre konverteringerne. Præskriptiv analytics siger: "Din betalingsside har 40 % frafald. Din produktside har 2 %. Ret betalingssiden." Du ved, hvor du skal fokusere.
Uden præskriptiv tænkning gætter du. Med den peger dine data på det, der betyder mest.
Ofte stillede spørgsmål
Er præskriptiv analytics noget andet end prædiktiv analytics?
Ja. Prædiktiv fortæller dig, hvad der kommer til at ske (500 besøgende næste måned). Præskriptiv fortæller dig, hvad du skal gøre ved det (fokusér på blogtrafik, fordi den konverterer bedre). Prædiktiv forudsiger fremtiden, præskriptiv anbefaler handlinger. Med WEMASY's hjemmesidebygger kan du sætte det op direkte på din hjemmeside.
Har jeg brug for særlige værktøjer til præskriptiv analytics?
Nej. Alle analysesystemer, hvor du kan dele data op og sammenligne tal, kan understøtte præskriptiv tænkning. WEMASY's analytics lader dig dele besøgende op efter kilde, sammenligne konverteringsrater og se, hvilke sider der konverterer bedst. Det er alt, du behøver.
Hvad hvis præskriptiv analytics anbefaler noget, der modsiger min mavefornemmelse?
Test det. Din mavefornemmelse kan have ret, og dine data kan være ufuldstændige eller misvisende. Men kommer anbefalingen fra klare data, er den værd at teste, før du afviser den. Data afslører ofte mønstre, vi ikke ser intuitivt.
Kan præskriptiv analytics få mig til at gøre noget uetisk?
Data kan anbefale det, der maksimerer dit mål, uden at tænke på etik. Du er mennesket. Du bruger dit skøn. Hvis data siger, at vildledende designtricks øger konverteringerne, må du selv afgøre, om det er den slags vækst, du vil have. Præskriptiv analytics er et værktøj, og du er ansvarlig for, hvordan du bruger det.
Hvor ofte skal jeg opdatere mine præskriptive anbefalinger?
Mindst en gang om måneden. Dine data ændrer sig hele tiden. En anbefaling, der var rigtig sidste måned, kan være forkert i denne måned, hvis dine trafikkilder ændrede sig, eller en kampagne sluttede. Gennemgå og opdater jævnligt.
Hvad hvis jeg har flere mål, der konkurrerer?
Du skal vælge ét at optimere mod eller give dem en vægt. Du kan ikke samtidig maksimere omsætning og minimere omkostninger, hvis de er i konflikt. Præskriptiv analytics virker bedst med ét tydeligt hovedmål. Delmål er kompromiser.