Podívali jste se do analytiky. Návštěvnost je nahoře o 20 %. Konverze stagnují. Víte, co se stalo (popisná), víte proč (diagnostická), umíte předpovědět příští měsíc (prediktivní). Ale pořád nevíte, co s tím vlastně dělat.
Na tuto otázku odpovídá preskriptivní analytika: co konkrétně máte udělat, když víte všechno, co vaše data říkají? Tento článek popisuje, jak preskriptivní analytika funguje a kdy vám pomůže rozhodovat se lépe.
Preskriptivní analytika používá vaše data k doporučení konkrétních kroků. Jde za otázky "co se stalo," "proč se to stalo" a "co se stane." Říká vám: "tohle byste měli udělat."
Tři typy analytiky na sebe navazují: popisná říká fakt, diagnostická ho vysvětlí, prediktivní předpoví budoucnost. Preskriptivní řekne: "Vzhledem ke všemu tomu optimalizuj na tento výsledek. Udělej tohle."
Pro majitele webu je preskriptivní analytika rozdílem mezi porozuměním datům a sebejistým jednáním podle nich.
Čím se preskriptivní analytika liší od ostatních
Popisná analytika ukáže, že tento týden přišlo 500 návštěvníků. Diagnostická odhalí, že 350 jich přišlo z článku na blogu, který jste zveřejnili. Prediktivní předpoví 600 návštěvníků příští týden, pokud návštěvnost poroste dál.
Preskriptivní analytika řekne: "Konverzní poměr u návštěvníků z blogu je 8 %. U přímých návštěvníků 2 %. Váš cíl je 100 konverzí tento měsíc. Sázejte víc na návštěvnost z blogu, omezte placené reklamy." To je konkrétní doporučení založené na vašich datech.
Bez preskriptivního myšlení máte fakta a předpovědi, ale žádný rámec pro rozhodování. S ním vás data nasměrují k tomu, na čem opravdu záleží.
Logika preskriptivních doporučení
Preskriptivní analytika funguje tak, že se zeptáte: "Jaký výsledek chci?" A pak jdete pozpátku.
Krok 1: Jasně definujte cíl
Na co chcete optimalizovat? Vyšší tržby? Více poptávek? Vyšší konverzní poměr? Nižší míru okamžitého opuštění? Cíl musíte pojmenovat dřív, než vám data mohou doporučit, jak se k němu dostat.
Mnoho majitelů webů to přeskočí. Dívají se do analytiky bez jasného cíle. To je jako ptát se "co mám dělat?" bez dodatku "abych dosáhl čeho?" Odpověď je pokaždé jiná podle toho, na co optimalizujete.
Krok 2: Zjistěte, co ten výsledek skutečně pohání
Když je váš cíl 100 poptávek měsíčně a teď jich máte 50, co poptávky pohání? Odeslání formulářů. Kde se formuláře odesílají? Na kontaktní stránce a na vstupních stránkách. Kdo formuláře vyplňuje? Návštěvníci, kteří přišli z vyhledávání (6% konverze), oproti návštěvníkům z reklam (2% konverze).
Rozebráním toho zjistíte, na čem skutečně záleží: návštěvnost z vyhledávání konvertuje lépe. Chcete-li víc poptávek, potřebujete víc návštěvnosti z vyhledávání.
Krok 3: Doporučte kroky, které věc pohnou
Teď můžete dělat preskriptivní doporučení: zveřejnit víc obsahu přátelského k SEO (přivádí návštěvnost z vyhledávání), vylepšit kontaktní stránku (zvýší dokončování formulářů) nebo pozastavit nevýkonné reklamy (přestanete plýtvat rozpočtem na návštěvnost s nízkou konverzí).
Každé doporučení se přes vaše data přímo napojuje na váš cíl.
Jak preskriptivní doporučení opravdu vypadají
Preskriptivní analytika není kouzlo. Je to strukturované přemýšlení o vašich datech. Tady jsou skutečné příklady.
Doporučení: zvyšte návštěvnost z nejlepšího zdroje
Vaše data ukazují: návštěvníci z organického vyhledávání konvertují na 5 %, placené reklamy na 2 %, návštěvnost z odkazů na 8 %.
Předpis: soustřeďte se na návštěvnost z odkazů. Konvertuje nejlépe. Budujte víc partnerství, nechte se zmiňovat na jiných webech nebo vytvářejte obsah, který se sdílí.
Doporučení: opravte rozbitou stránku
Vaše data ukazují: návštěvníci tráví na domovské stránce 3 minuty, na ceníku 90 sekund, na stránce srovnání 45 sekund.
Diagnóza: lidé odcházejí ze srovnání příliš rychle. Předpis: přepište tu stránku. Udělejte srovnání jasnější. Přicházíte o zainteresované návštěvníky.
Doporučení: přestaňte plýtvat penězi na to, co nefunguje
Vaše data ukazují: kampaň A stojí $2 za klik a konvertuje na 3 %. Kampaň B stojí $1 za klik a konvertuje na 0.5 %.
Předpis: pozastavte kampaň B. Je levnější, ale nefunguje. Každý dolar utracený za kampaň B je dolar, který neutrácíte za kampaň A, která skutečně generuje tržby.
Doporučení: testujte, než začnete škálovat
Vaše data ukazují: návštěvníci z newsletteru A prokliknou na 15 %. Návštěvníci z newsletteru B na 4 %.
Předpis: do newsletteru A se vyplatí investovat. Než ho rozšíříte, otestujte jeho častější rozesílání nebo větší seznam příjemců. Váš malý test funguje; rozšiřujte opatrně a sledujte metriky.
Meze preskriptivní analytiky
Preskriptivní analytika je silná, ale má hranice. Pochopte je, abyste doporučením nevěřili příliš.
Data mohou doporučit jen to, co umí změřit
Vaše analytika neumí změřit dopad toho, že konkurent uvede nový produkt, posunu trhu nebo změn nálad zákazníků. Preskriptivní doporučení fungují dobře uvnitř vašeho webu. Hůř fungují pro vnější faktory mimo vaše data.
Minulé vzorce nezaručují budoucí úspěch
Vaše data mohou ukazovat, že návštěvnost z blogu dnes konvertuje skvěle. Neznamená to, že tomu tak bude vždy. Vyhledávací algoritmy se mění. Váš obor se posouvá. Doporučení založené na historických datech může přestat platit, když se změní podmínky.
Preskriptivní doporučení vždy otestujte, než na ně vsadíte všechno.
Optimalizace na jeden cíl může uškodit jinému
Data říkají: "Konverze jsou váš cíl, tak snižte míru okamžitého opuštění." Ztížíte náhodným návštěvníkům odchod (odstraníte možnosti odchodu, přidáte vyskakovací okna). Konverze vzrostou, ale vaše značka utrpí kvůli otravovaným uživatelům.
Preskriptivní analytika optimalizuje to, co měříte. Nezohlední to, co neměříte.
Dobrá data vyžadují dobré otázky
Z odpadu nevznikne nic dobrého. Když je váš cíl vágní ("zlepšit výkon") nebo jsou vaše data neúplná (něco důležitého nesledujete), budou preskriptivní doporučení nespolehlivá.
Jak používat preskriptivní myšlení bez složitých nástrojů
K preskriptivnímu myšlení nepotřebujete okázalý software. Potřebujete jasné myšlení.
Zapište si cíl
Ne "rozvíjet podnikání." Něco konkrétního: "zvýšit měsíční tržby z $5,000 na $7,500" nebo "snížit míru okamžitého opuštění z 60 % na 45 %."
Zeptejte se: co ten cíl pohání?
U tržeb: co konvertuje? Kdo konvertuje nejlépe? Odkud přichází?
U míry okamžitého opuštění: které stránky ji mají vysokou? Kdo odchází první? Čím se liší stránky s nízkou mírou?
Odpovězte pomocí dat
Spusťte jednoduchý report. Segmentujte návštěvnost. Porovnejte metriky. Hledáte největší páku, tedy změnu, která váš cíl posune nejvíc.
Doporučte krok
Podle toho, co jste zjistili, co byste měli udělat? Víc toho, co funguje, méně toho, co nefunguje, nebo opravit, co je rozbité.
To je preskriptivní analytika. Žádné složité nástroje nejsou potřeba.
Kdy preskriptivní analytika záleží nejvíc
Preskriptivní myšlení je nejcennější, když máte omezený čas nebo rozpočet. Nemůžete dělat všechno. Data vám řeknou, co upřednostnit.
Máte $1,000 na marketing. Preskriptivní analytika řekne: "Vaše data ukazují, že návštěvnost z blogu konvertuje 2krát lépe než reklamy. Utrácejte za růst blogu, ne za reklamy." To je jasný směr.
Máte týden na zlepšení konverzí. Preskriptivní analytika řekne: "Vaše stránka pokladny má 40% opuštění. Stránka produktu 2 %. Opravte pokladnu." Víte, kam se soustředit.
Bez preskriptivního myšlení hádáte. S ním vás data nasměrují k tomu, na čem nejvíc záleží.
Často kladené otázky
Liší se preskriptivní analytika od prediktivní?
Ano. Prediktivní říká, co se stane (500 návštěvníků příští měsíc). Preskriptivní říká, co s tím dělat (soustřeďte se na návštěvnost z blogu, protože lépe konvertuje). Prediktivní předpovídá budoucnost; preskriptivní doporučuje kroky. S Tvůrcem webů od WEMASY to můžete nastavit přímo na svém webu.
Potřebuji na preskriptivní analytiku speciální nástroje?
Ne. Preskriptivní myšlení podpoří jakýkoli analytický systém, který umožňuje segmentovat data a porovnávat metriky. Analytika ve WEMASY umožňuje rozdělit návštěvníky podle zdroje, porovnat konverzní poměry a vidět, které stránky konvertují nejlépe. Víc nepotřebujete.
Co když preskriptivní analytika doporučí něco, co odporuje mé intuici?
Otestujte to. Vaše intuice může mít pravdu; vaše data mohou být neúplná nebo zavádějící. Ale pokud doporučení vychází z jasných dat, vyplatí se ho před zamítnutím otestovat. Data často odhalí vzorce, které intuitivně nevidíme.
Může mi preskriptivní analytika doporučit něco neetického?
Data mohou doporučit to, co maximalizuje váš cíl, bez ohledu na etiku. Člověkem jste vy; úsudek uplatňujete vy. Když data říkají "klamavé designové praktiky zvyšují konverze," musíte se rozhodnout, jestli je to růst, který chcete. Preskriptivní analytika je nástroj; za to, jak ho použijete, odpovídáte vy.
Jak často mám preskriptivní doporučení aktualizovat?
Alespoň měsíčně. Vaše data se neustále mění. Doporučení, které bylo správné minulý měsíc, může být tento měsíc špatné, pokud se změnily zdroje návštěvnosti nebo skončila kampaň. Pravidelně je přezkoumávejte a aktualizujte.
Co když mám několik soupeřících cílů?
Musíte vybrat jeden, na který budete optimalizovat, nebo nastavit váhy. Nemůžete zároveň maximalizovat tržby a minimalizovat náklady, když jsou ve sporu. Preskriptivní analytika funguje nejlépe s jasným hlavním cílem. Vedlejší cíle jsou kompromisy.