Marketing adatelemzés kategória bejegyzései

A marketing leggyakrabban idézet alaptézise…
“A reklámkiadásaim fele kidobott pénz, csak azt nem tudom, melyik fele.”
NEM IGAZ! Az adatelemzés segít megmondani… De ennél sokkal többet is.

Októberi Big Data Tréning és Adatvezérelt Marketing Képzés

Októberben jönnek az új alkalmak!
Mindkét képzés – szokás szerint – max. 12 fővel indul és októberben csak 1-1 alaklom lesz, úgyhogy vigyázz, nehogy lemaradj! : )

Október 9. – Big Data Tréning

Tóth Zotya, Mester Tomi, big data tréning


Október 16. – Adatvezérelt Marketing Tréning

adatvezérelt marketing tréning
Várunk szeretettel!

Tomi

Tréningek: Big Data, Adatvezérelt Marketing újra!

Jön a szeptember – és szeptemberrel újra jönnek az Adatlabor képzések is!
Hasonlóan a korrábiakhoz, mindkét tréningünk létszámát maximáljuk 12 főben és mivel ez elég gyorsan beszokott telni, azt javasoljuk, ne habozz – hanem jelentkezz! : )

Szeptember 11. – Big Data Tréning

Tóth Zotya, Mester Tomi, big data tréning

Szeptember 18. – Adatvezérelt Marketing Tréning

tréning oktatók Németh Anna Pásztor Dávid Mester Tomi
Várunk szeretettel!

Tomi

Hogyan mérd az MVP-det?

Mostanában több viszonylag korai fázisú – MVP startoltatás előtti pillanatokban levő – startuppal is dolgoztunk 1-2-3 konzultáció erejéig – és mindig ugyanaz volt a kérdés: ha megvan az MVP, akkor hogyan – és főleg mit mérjünk?

Itt 3 főelv van:
1. Az OMTM-elv
One Metric That Matters – azaz egy darab célt jelölj ki! Egyet és ne többet! És ezt az egy célt helyezd a méréseid fókuszába. Hogy ez mi legyen azt iszonyatosan fontos már a startolás előtt, a legelején eldönteni.
Sok olyan cég van, aki megérzésből nyomja a dolgokat és adatok nélkül dönt. Aztán vagy bejön nekik vagy nem. De a másik véglet sem jobb – ha az ember 40 dolgot figyel egyszerre, akkor előbb-utóbb azon kapja magát, hogy egész nap csak a chart-okat nézegeti, de értelmes és értékes döntést még nem sikerült hoznia. Ha túl sok mindent mérsz, az összezavarhat. Legyen meg a fókusz: Mérj egy dolgot és határozza meg az, hogy merre mész tovább!

2. Engagement központúság
És hogy mi legyen az a bizonyos “Egy Mérés, Ami Számít”?
Természetesen ez a termékedtől függ, de MVP fázisban az biztos, hogy ez a metrika valahol az engagement, azaz a felhasználói elégedettség környékén keresendő.
NEM jó OMTM a regisztrált felhasználók száma. A regisztrált felhasználók száma semmilyen érdembeli visszajelzést nem ad a termékedről, maximum a value proposition-ödről (de azt jó esetben validáltad már eddigre landing page tesztekkel és kvalitatív vizsgálatokkal) vagy a marketing erődről. Egy csomó embert hallok büszkélkedni, hogy elérte a 1.000 (2.000, 5.000, stb…) regisztrált felhasználót. De ha ebből 10-15 aktív felhasználója van, akkor bizony az a 2.000 nem sokat ér.
NEM jó OMTM a bevétel nagysága/fizetések száma sem. Ehhez még túl korai szakaszban van a termék – úgyse fog elég pénz bejönni, akkor meg kár ezen stresszelni magadat.

A jó OMTM a termék használatára vonatkozik. Használják-e az emberek a főfunkcióidat? Minden funkciót használnak vagy csak néhányat? Úgy használják, ahogyan tervezted? És a legfontosabb: az első látogatás/regisztráció után visszajönnek mégegyszer használni a termékedet?

Jó mérőszámok lehetnek:
– az aktivált felhasználók száma  (pl. a Spotify-nál aktivált felhasználó az, aki beregisztrál és meg is hallgat legalább egy számot – a Prezinél aktivált felhasználó, aki beregisztrál, elkészíti és bemutatja az első prezijét, stb…)
– az aktivált felhasználók aránya (ugyanaz, mint a fenti, csak %-ban, hogy lásd, hogy a regisztráltak mekkora része aktiválódik)
– a visszatérő felhasználók aránya. Hányan döntenek úgy, hogy újra használják a termékedet?
– a visszatérés ideje. Mennyi idő után jönnek vissza az emberek? 1 nap, 1 hét, 1 hónap?

És emellett persze folyamatosan monitorozd azt, hogy melyik feature-öket használják az emberek és melyikeket nem.

3. Csináld meg egyszerűen!
Ebben a szakaszban az a lényeg, hogy gyorsan tudj mérni – ne tölts vele túl sok időt. Mivel lehet ezt megoldani? Ha csak nincs a kisujjadban a log-gyártás, akkor smart tool-okkal. Tök őszintén: valószínűleg egy jól beállított (konverziók, demográfia, stb.) Google Analytics is elég lesz. Ha pro akarsz lenni, akkor vagy egy Kissmetrics-et vagy egy Mixpanel-t felteszel az Analytics helyett, de ennél többre valószínűleg tényleg nem lesz szükséged ebben a szakaszban.

Mégegyszer összefoglalva:
1. Egy dolgot mérj!
2. Ez az egy dolog a termék használatára és a felhasználói elégedettségre fókuszáljon!
3. A lehető legegyszerűbben valósítsd meg (Analytics, Kissmetrics vagy Mixpanel)

Ha pedig egy szinttel feljebb lépnél, gyere el az Adatvezérelt Marketing Képzésünkre, ahol beszélünk linkkövetésről, AB-tesztelésről, UX kutatásról, a lepattanó user-ek visszanyeréséről és megannyi finomságról, ami ebbe a cikkbe már nem fért bele (még 6 szabad hely van)! :-)
http://adatlabor.hu/adatvezerelt-marketing-trening/

Mester Tomi

(Inspiráció: leananalyticsbook.com)

Adatvezérelt Marketing Tréning 05.29.

Szuper képzés lesz! Több, mint 4 hónapig érleltük az anyagot és a tematikát.

A képzés oktatói többek között a Prezi, a Ustream, a LogMeIn, a MiniCRM, a randivonal.hu, Butlers.hu, a T-systems cégekkel dolgoztak/dolgoznak adatelemzés, UX és marketing elemzés témában… És most készek veletek minden itt megszerzett tudásukat megosztani!

RÉSZLETEK ITT!
tréning oktatók Fülüp Milán Pásztor Dávid Mester Tomi

Top-Adatelemző/BI eszközök (, amelyekről nem gondolnád, hogy ingyenesek)

Micsoda!? Ingyenes A/B tesztelő szoftver? Ingyenes hírlevél motor? Ingyenes funnel-metrika/KPI-metrika építő eszköz?
Nos, igen. Létezik. Minden cégnek és minden projektnek más-más adatelemző/big data/BI eszközcsomag az optimális. Azonban vannak tool-ok, amelyek mindenkinek alapvetés kellene, hogy legyenek. A vicc pedig az, hogy ezek ingyenesek. Legalábbis egy bizonyos cégméretig. Pl. ott az Optimizely – mindenki csak annyit tud róla, hogy kb 30.000$-nál kezdődik az éves előfizetésük, de azt már kevesen tudják, hogy 50.000 egyedi látogató/hó méretig (ami lássuk be, nem kevés) teljesen ingyenes. Nézzük szépen sorban a legmenőbb eszközöket, amelyeknek hasonlóan barátságos az árazási modelljük.

Mixpanel
mixpanel logoVan Google Analytics-ed? Szuper. Mi hiányzik belőle? Pl. az egyedi mérések és definíciók. Vagy az, hogy minden egyes felhasználót/felhasználói szegmenst vagy csoportot e-mail cím szerint láss. Vagy az, hogy ha egy user-ed eljutott valameddig a vásárlásban, de utána abbahagyta folyamatot, autamatikusan kapjon egy visszacsábító e-mail-t (, aminek a tartalmát akár A/B tesztelheted is)?
Ezt mind-mind tudja a Mixpanel. Sőt ennél még sokkal többet. Gyakorlatilag mindent, amit egy saját big data adatbázissal meg tudsz csinálni.
Az ára pedig 25.000 egyedi felhasználóig ingyenes.
Implementálás – megfelelő szakértelemmel – pár óra.mixpanel
Optimize.ly
Optimizely logoA/B tesztelő motor. A legjobb. Komolyan, az Adatlaborral sok ügyfélnél, sok fajta A/B tesztelő eszközt használtunk és végül az Optimizely mellett tettük le a voksunkat. (A VWO a második a sorban, de ott gyakran váratlan bug-okba, kis hibákba futottunk, ami bizony elég idegesítő tud lenni.) Ami csábító benne, hogy WYSIWYG, azaz “What you see is what you get” (azt kapod, amit látsz), tehát ha egy egyszerűbb tesztet össze akarunk dobni, akkor nem kell programoznunk, hanem elég egy grafikus felületen dobozokat tologatnunk.
Emellett kb. minden integrálható bele, pl. a fent említett Mixpanel, de a Google Analytics, a CrazyEgg, a Mouseflow és minden egyéb tool is.
Persze egy-két trükkel és best practice-szel még jobban ki tudjuk aknázni a tudását (pl. honlapátirányításos A/B teszt), de ha az árazáshoz jutunk megint meglepő fordulatot látunk (ahogy fent is írtam):
50.000 egyedi user/hó méretig ingyenes. (Ha pedig ezt túlléped, egyszerűen csak leáll a teszt.) Ebben az a szép, hogy 50.000 user-ből 100-ból 99 projektben már simán jönnek ki szignifikáns eredmények, úgyhogy ennél nagyobb motorra – legalábbis magyar viszonylatban – nincs is szükség.

Mouseflow
A Mouseflow-val 3 dolgot tehetsz meg:
1. Felveszed a látogatóid egérmozgását és visszanézed.
2. Ezekből kattintási/egérmozgatási hőtérképet készítesz.
3. Görgőzési hőtérképet készítesz.
Mind a három iszonyatosan fontos ahhoz, hogy megértsd, hogy mi miért és hogyan történik a honlapodon. Meglepődnél, hogy mennyire máshogy rajzolódik ki egy-egy kattintáshőtérkép egy-egy CTA gomb körül, ahhoz képest ahogy az a dizájnered vagy a Te fejedben megjelenik. Itt egy rövid videó a Mouseflow-ról:

A Mouseflow-nak is van ingyenes verziója, amiért 100 képernyőfelvételt nézhetsz végig havonta. Ez amúgy önmagában érdekes és hasznos is, azért egy hőtérképre inkább jobb a small csomagjuk (1000 felvétel/hó 15$-ért) vagy esetleg a medium (10000 felvétel/hó 60$-ért).
Implementálás – kb. 10 perc. :-)

Összefoglalás
Ez a 3 eszköz általában minden igényesebb adatelemzési/online termékkutatási projektnél jelen van. Azt hozzá kell tenni, hogy alternatíváik vannak. Egyrészről, amit tudni kell, hogy egy bizonyos méret után a házon belül fejleszett big data eszközök már jobban megérik anyagilag. Másrészt pedig más ár-érték arányban az alábbi tool-ok szolgálhatnak még jó példaként:
1. Mixpanel helyett: KISSmetrics
2. Optimizely helyett: VWO
3. Mouseflow helyett: ClickTale vagy CrazyEgg

Ha arra vagy kíváncsi, hogy hogyan lehet ezeket az eszközöket stratégiailag is alkalmazni, ne hagyd ki a ma esti (hétfő 04.13. 19:00) Big Data Adatstratégia webináriumunkat!

Mester Tomi

Még 3 weboldal használhatósági sztenderd

Az előző cikk folytatásaként most megosztok még 3 weboldal használhatósági ötletet, amit érdemes kipróbálni. Előzőleg is azt írtam, hogy nem szeretem az általánosításokat, mert minden online üzlet egyedi, saját célközönséggel, speciális igényekkel és speciális megoldásokkal. Pl. amit nemrég megfigyeltünk, az az, hogy egy egytermékes cégnél (pl. Evernote) tök jól működik a nagy nyitókép stratégia:
evernote landingMíg egy többtermékes cégeknél (pl. e-digital) érdemes egy helyett több képet, több lehetőséget megvillantani.
Ez csak egy példa, de a lényeg, amiket itt leírok, azok nem általános megoldások, hanem ötletek arra, hogy miket érdemes AB-tesztelni.

1. A lead-magnet-et emeld ki, ne a gombot
Az előző cikkben  arról is írtam, hogy a piros gomb majdnem mindig legalább 20%-kal megtolja a konverziót. És ez így is van. Azonban az egyik ügyfelünknél érdekes módon a hírlevél-feliratkozásnál, amikor az AB-tesztben pirosra cseréltük a gombot, nem történt változás. Kb. ugyanannyi klikk jött a pirosról, mint a szürkéről vagy a feketéről.
A “FELIRATKOZÁS” gomb színét hiába cserélgettük, ettől nem lett vonzóbb maga a feliratkozás lehetősége. Ekkor jöttünk rá, hogy amivel kísérleteznünk kell az az ajándék, a “lead-magnet”, amit adunk a feliratkozásért, jelen esetben egy 1000 Ft-os kupon. Ha kiemeljük jobban, hogy itt bizony egy 1000 Ft-os kedvezményről van szó (tehát ezt írtjuk nagyobb betűvel, esetleg pirossal) – a gombot pedig cserélhetjük “FELIRATKOZÁS” helyett “KÉREM A KUPONOM”-ra: máris emelkedik a konverzió. A lead-magnet a fontos, nem a gomb maga.

2. Embereket szeretünk nézni
Pszichológia 101: emberekként embereket szeretünk nézni. Tegnap beültem egy VWO.com-os webináriumra, ahol több esettanulmányban is bemutatták, hogy egy fotó egy emberről a honlapon növeli a hitelességet és ezen keresztül a konverziót. Az egyik legegyszerűbb példa, egy call-to-action (avagy call-Jason) gomb tesztelése volt:
contact JasonEz ugyebár 1,5-szer annyi megkeresést jelent Jason-nek.

A VWO-s tudást én még annyival egészíteném ki, hogy a megfigyelések szerint SOSE használj stock-photo-kat, mindig csak egyedi képeket.

UPDATE: Szigeti Attila barátom pont tegnap küldött egy érdekes TechCrunch cikket, ahol azzal kísérleteztek, hogy vajon a férfi vagy  a női fotó hoz magasabb elköteleződést:

clicktale heatmapAz eredmény pedig egyértelmű szignifikánsabb magasabb az elköteleződés, ha férfi van a képen. (Megjegyzés: ez persze már tényleg eléggé célcsoport és termékspecifikus kérdés – de azért egy jó ötlet a tesztelésre).

3. Bal felső sarok –» Jobb alsó sarokheatmap

Akármelyik honlapodnak is nézed meg a hőtérképes elemzését (pl. Mouseflow-val), mindig ugyanezt fogod tapasztalni:
– a kattintások számának a hőtérképe
– az egérmozgatás intenzitásának a hőtérképe
– sőt! szemmozgás-vizsgálattal bizonyítva egyáltalán a szemmozgás hőtérképe is:

a bal felső saroktól a jobb alsóig szépen egyenletesen kihűl. Persze, ha beteszel egy nagy CTA gombot a jobb alsó részre, még érhetsz el vele magasabb konverziót, de az tény, hogy akármilyen üzenetet jelenítesz meg: a bal felső sarokban van a legnagyobb túlélési esélye!

Remélem érdekesnek és hasznosnak találtad ezt a cikket!
Ne feledd, jövő hét hétfőn (04.13.) Big Data Webinár, ahol ehhez hasonló weboldal használhatósági kérdésekkel is fogunk foglalkozni.

LINK: http://adatstrategia.eventbrite.co.uk

Mester Tomi

Az Evolution előadás margójára: Az A/B tesztelés 4 szabálya

Note: ezt a bejegyzést az Evolution konferenciás előadásomhoz kapcsolódóan írtam. De azért bárkinek hasznos lehet… :-)

A legfrissebb statisztikák szerint az online szolgáltatók 91%-a tudja, hogy mi az az A/B tesztelés, de csak 11% az, aki ténylegesen (legalább egyszer) futtatott A/B tesztet az oldalán. Pedig az A/B tesztelésnek forintban mérhető, azonnali haszna van. Egy külföldi esettanulmány:

A fab.com e-commerce startup egyetlen dolgot tesztelt az oldalán. A lenti két képen látszik is: az “Add to cart” gomb színét.

fab AB teszt piros

fab AB teszt piros
Az oldalra érkező látogatók fele-fele arányban véletlenszerűen kapták meg vagy a piros vagy a kék verziót. Ekkora látogatószámnál viszonylag kevés tesztből kiderült a válasz a kérdésre: melyik gombszín hoz több kattintást, ezáltal magasabb konverziót és több profitot. Az eredmény pedig megdöbbentő: 49%, ami éves szinten dollár-milliókat(!) jelent a fab.com-nak. A kísérlet beállítása és elindítása nettó 2 óra munkát jelentett nekik. Azt hiszem, ezek után nehéz lenne azt mondani, hogy az A/B tesztelés nem hasznos.

De hogyan is kell A/B tesztelni? Íme 4 szabály, amit én a legtöbbször látok elrontani olyan ügyfeleknél, akik maguknak kezdték el csinálni az A/B tesztjeiket. (Ezt nem amolyan “cikizés”, csak azért írom le, hogy más ne essen ezekbe a gyakori hibákba! :-))

1. Egy időben fusson a két verzió!
Tehát az nem A/B teszt, hogy februárban kiteszem az egyik verziót, márciusban pedig a másikat és mérem, hogy melyik hoz több kattintást… Miért nem? Azért, mert ebben az esetben közbeszólhat a szezonalitás. Azaz lehet, hogy márciusban nagyobb igény van az adott termékre (pl. tavaszi cipő), mint februárban volt és ez is befolyásolja a konverziót. Egy korrekt A/B tesztben a különböző verziók egymással párhuzamosan, egy időben futnak.

2. A teszt csoport és a kontroll csoport azonos összetételű legyen!
Pl. ha a fizetős felhasználóim perszonalizált hírlevelet kapnak, az ingyenes felhasználóim pedig nem, akkor a hírlevélből jövő átkattintási arányok nem csak azért lesznek eltérőek, mert más a levél tartalma, hanem azért is, mert más a felhasználói csoportok elkötelezettségi szintje. Ha a fizetős felhasználók teljesen ugyanazt a levelet kapnák, mint az ingyenesek, könnyen lehet, hogy mivel ők elkötelezettebbek a termék iránt, amúgy is többen kattintanának. Éppen ezért, ha tényleg a levél tartalmát akarod tesztelni, akkor vagy a fizetős felhasználókat kell véletlenszerűen két csoportba osztanod, vagy az ingyeneseket. A lényeg, hogy a kontroll csoport és a teszt csoport azonos típusú embereket tartalmazzon.

3. Legyen célja a tesztnek!
És ez nem csak arról szól, hogy ne dolgozzunk feleslegesen, hanem arról is, hogy ténylegesen: egy A/B tesztet csak akkor lehet kiértékelni, ha az ember már a tervezés fázisban eldönti, hogy mi lesz az az 1, maximum 2 mérőszám, aminek a változását figyeli és ami alapján azt mondja, hogy az egyik verzió sikeresebb, mint a másik (mint pl. a fab.com esetében a gombra kattintás).

4. Csak egy dolgot változtass!
Ezt nehéz betartani és általában nem is szokták. De vedd figyelembe, hogy minél több elemet változtatsz a két verzió között, annál nehezebb lesz eldönteni, hogy pontosan melyik volt a kulcselem, ami az egyik verziót sikeresebbé tette, mint a másikat (pl. a fab.com csak a kék és a piros gomb közötti különbséget mérte.

És hogy hogyan is kell beállítani egy A/B tesztet? Természetesen ebben mi is tudunk segíteni, de ha egyedül szeretnél belevágni, ezen 3 platform valamelyikét tudom ajánlani:
Visual Website Optimizer
Optimize.ly
Google Analytics Experiments

FOLYTATÁS: Szignifikáns vagy sem? Így mérd az AB-teszted eredményességét! 

Mester Tomi

A legnagyobb A/B teszt hiba

Egyre többen használják az A/B tesztelés remek eszközét. Nemrég a Facebook oldalunkon is közzétettük, hogy még maga Obama elnök és csapata is használt A/B tesztet egy hírlevélkampány során (a legjobb és legrosszabb e-mail tárgy pedig megdöbbentő 2.000.000 $-os különbséget produkált bevételben).

Ha esetleg nem tudod, mi az az A/B teszt: itt egy cikk, amiben írunk róla.

A mai bejegyzésben pedig a legnagyobb olyan hiba, amit sokszor látok ügyfeleknél elkövetni és ami totálisan megöli az egész teszt eredményességét! A hiba forrásának szakmai neve a korreláció vs. kauzalizás problémája:
Vagy magyarul, a tyúk és a tojás esete. Mondok egy példát: Létrehozunk egy prémium hírlevél csatornát azoknak a felhasználóknak, akik szeretnének személyre szabott ajánlatot kapni tőlünk. Tőlük több adatot kérünk be, cserébe azt ígérjük nekik, hogy jobban az igényeikhez illeszkedő levelet fognak kapni. Nevezzük ezt perszonalizált hírlevélnek csoportnak. Majd létrehozunk egy egyszerű hírlevél csatornát azoknak a felhasználóknak, akik csak gyorsan regisztrálni szeretnének. Ők az átlagos, tömegesen kiküldött hírlevelet fogják kapni. Legyenek ők az átlagos hírlevél csoport. Jönnek a feliratkozók, mindkét csoportban van 1000-1000 ember. Kiküldjük az első hírleveleket, a perszonalizált hírlevél csoportnak (személyre szabott tartalommal) és az átlagos hírlevél csoportnak (átlagos tartalommal) is – és azt tapasztaljuk, hogy a perszonalizált hírlevelet 29% nyitotta meg, az átlagosat pedig csak 10%. Tehát a perszonalizált hírlevél az A/B teszt alapján egy óriási siker. Kivéve, hogy… hibás volt a mérésünk.
De miért is?

A hiba egyszerű: a perszonalizált hírlevélre feliratkozni sokkal “nehezebb”, hiszen sokkal több adatot kell megadnunk. Egyszerű belátni, hogy aki ebbe a csoportba iratkozik fel, az egész egyszerűen elkötelezettebb felhasználó, mint aki az átlagos hírlevélre kér regisztrációt. Márpedig, aki elkötelezettebb, az nagyobb eséllyel nyitja meg a hírlevelet. Innentől fogva pedig nem tudjuk, hogy a 29%-ból mennyi az elköteleződés és mennyi a perszonalizált tartalom ereje.

De mi a megoldás?

Az A/B teszt lényege, hogy két közel azonos célcsoporton kísérletezzünk egy lehetőség szerint csak egy elemben eltérő tartalommal. Azaz a korrekt A/B teszt itt úgy nézne ki, hogy:

1. Csak a perszonalizált hírlevél feliratkozókat felbontjuk  két egyenlő létszámú csoportra (500-500 fő).
2. Az egyik csoport megkapja a perszonalizált hírlevelet, a másik csoport pedig az átlagos hírlevelet
.
3. Megnézzük az így létrejövő különbséget a két csoport között.

Mivel mindkét csoport hasonló elkötelezettségű feliratkozókat tartalmazott, biztosak lehetünk benne, hogy az eredménybeli különbség a tartalom minőségéből származik. Ha itt azt látjuk, hogy a perszonalizált tartalom 29%-ra teljesít, az átlagos tartalom pedig szintén 29%-ra – akkor bizony semmit nem ér a perszonalizált tartalom. De ha az átlagos csoport csak 17%-ot ér el, akkor joggal mondhatjuk, hogy sikeres a perszonalizált hírlevélkampány.
Ennyike.

Ha esetleg feliratkoznál az Adatlabor-hírlevélre, akkor KATT! :-))

Mester Tomi

 

Nyilvánosak a Facebook összesített adatai!

… és ezáltal most már pillanatok alatt megtalálhatod a kulcspartnereidet – ingyen! Lent azt is elmondom, hogy hogyan.
Kevesen tudják, de pontosan a reklámok és a social media marketing miatt a Facebook-nak nyilvánosak az összesített adatai és statisztikái. Mielőtt akármilyen marketing folyamatba kezdesz, érdemes egy adatelemzéssel indítani itt és felmérni, hogy a Facebook mennyire jó csatorna lesz a célközönséged eléréséhez.
Az oldalon nemcsak demográfiai, de pszichográfiai szűrőket is beállíthatsz:

Facebook statisztika
Facebook statisztika

Jól látható, hogy a Facebook-on jelenleg -, ha az egész világon az összes felhasználót nézzük, akkor – több mint 1 milliárd aktív felhasználó van, amelyből 45% nő, 55% férfi, a legtöbben a 18-24-es korosztályból jönnek.

Ha a bal felső sarokban beállítod, hogy “Hungary“, azaz Magyarországot a “Location” fül alatt, akkor rögtön beletúrhatsz a magyar adatokba. Pl. tudtad, hogy a magyar Facebook felhasználóknak a 35%-a kapcsolatban van? (Azok közül, akik állítottak be kapcsolati állapotot persze.)

magyar Facebook-osok kapcsolat-statisztikái
magyar Facebook-osok kapcsolat-statisztikái

És azt tudod melyik városokban Facebook-oznak a legtöbben?

Facebook demográfia városok
Facebook demográfia – városok

ESETTANULMÁNY:
Tegyük fel, hogy egy Yoga tábort szeretnél szervezni budapestieknek. Először is kezdjük azzal, hogy hogy néz ki a demográfiája a csoportodnak. Állítsd be helyszínnek Budapestet és “Intrest“-nek a Yoga-t. Máris kezdődhet a mini-adatelemzés!

Yoga tábor célcsoport elemzés
Yoga tábor célcsoport elemzés

Ahogy azt látod, alapból a tölcsérben van 80-90ezer aktív ember. Ha hirdetsz, őket tudod elérni. Ebből 78% nő, akiknek a fele 25-44 év között van. De most jön az érdekes része! Egy kattintással megtalálhatod a potenciális partnereidet az alapján, hogy a Yoga-t kedvelő emberek milyen oldalakat like-oltak és a pszichográfiájuk alapján nagy eséllyel mi a releváns nekik. Kattints a Page Likes-ra és görgess le! Íme a leendő partnereid listája, akikkel érdemes felvenni a kapcsolatot:

"Leendő partnerek" elemzés
“Leendő partnerek” elemzés

Ha nagyon profi akarsz lenni, akkor a bal alsó sarokban tovább szegmentálhatod a kutatásodat az “Advanced” menüpontban. Amint létrehozol egy lehetséges al-célcsoportot, nézd meg a fenti 2 elemzést hozzájuk és így akár személyre is tudod szabni a reklámjaidat. Ha van 20 különböző célcsoportod, akiket szinte már személyesen meg tudsz szólítani, garantált a siker!

Tehát Facebook közönségelemzés, mielőtt akármilyen marketingbe is bele kezdenél:
https://www.facebook.com/ads/audience_insights/

Hajrá!
Mester Tomi