Startup adat-eszköztár: szegmentálás, kohort analízis és A/B teszt

Egy jól működő, hosszútávon is életképes startup egyik alappillére a tesztelés. A tesztelés általában két dolog összehasonlításáról szól – szegmentálással, kohort-analízissel vagy A/B teszttel. Ezekkel az módszerekkel meg tudjuk mondani, hogy a két elképzelés, koncepció közül melyik teljesít jobban és melyiket érdemes továbbfejleszteni. A lenti cikkben ezt a 3 módszert fogom bemutatni (a cikk struktúráját és példáit a Lean Analytics című könyvből vettem kölcsön).

SZEGMENTÁLÁS
Egy szegmens nem más, mint egy csoport, aminek a tagjai közös tulajdonságokkal rendelkeznek.
Ezek lehetnek a 20 és 25 év közötti felhasználók, Kalocsa város lakosai, a Windows8 használók vagy éppen azok, akik piros tollat vettek az ápiszban. A szegmentáció lényege, hogy összehasonlítsunk két valamilyen módon jól megkülönböztethető csoportot (a férfiakat a nőkkel vagy a budapestieket a szegediekkel, a piros toll vásárlókat a kék toll vásárlókkal, stb.) és megnézzük, hogy mi különbözik a felhasználói szokásaikban. Például ha látod, hogy a budapestiek a többiekhez képest nagyobb arányban nyitották meg a “Regisztrálj 10%-kal olcsóbban” e-mail kampányodat, a szegediek pedig a “Regisztrálj és kapsz egy kék pólót” leveledet, akkor sejtheted, hogy Budapestre és Szegedre más-más marketing stratégiával kell rámenned.
A szegmentálás amúgy nem az internet gyermeke, a marketingben és minden más iparágban is már nagyon régóta használják nagy sikerrel.

KOHORT ANALÍZIS
A kohort elemzés az időbeli összehasonlításról szól. Egy startup-ban folyamatosan változik a termék, a modell és a piacelérés stratégiája. Ehhez mérten azok a user-ek, akik az első héten regisztrálnak, teljesen más élményben részesülnek, mint azok, akik az ötödik hónapban. A probléma az, hogy a legtöbb startup (de nagyobb cégek is) elégedettek a havi átlagokkal, ami a példa kedvéért így nézhet ki:
startup cohort analízis

Ezen a táblázaton azt látjuk, hogy nagyjából minden rendben van, májusig volt egy kis esés, de az érték elindult visszafelé. Ha mindezt kohort analízissel nézzük, rögtön kiderül, hogy a kölünböző hónapokban regisztrált csoportok (a lenti táblázatban az új sorok), hogyan teljesítettek külön-külön. Zölddel kiemeltem minden csoport első hónapját, sárgával a másodikat.

kohort analízis adatelemzés

Tehát a Januárban regisztrálók első hóban termelt bevétele 5$, míg a májusiaknál ugyanez az érték 9$. Ez bizony növekedés, ami igazolja az esetleges változásokat a hónapok során a termékben.
Egy másik fontos dolog, ami jól látszik ezen a táblán, hogy egy adott csoport mindig a regisztráció hónapjában termeli a legtöbb pénzt, később ez az összeg elindul lefelé. Mindez kohort analízis nélkül nem látszódott volna!

A/B TESZTELÉS
Míg a kohort analízis lényege az időbeli eltérés, az A/B tesztelés kulcsa éppen az egyidejűség. Az A/B teszt során két hasonló felépítésű felhasználói csoportnak adunk oda két különböző verziót a tesztelendő anyagunkból (weblap dizájn, email szövegezés, stb…) egy időben.
Ideális esetben a felhasználók nem is fogják tudni, hogy egy tesztben vesznek részt, ezért természetesen viselkednek és nem torzul a teszt eredménye.

Egy egyszerű példa:
Kiküldesz egy e-mail kampányt A/B teszttel (a legtöbb profi hírlevélküldőben van ilyen lehetőség) – a feliratkozóid egyik felének “Akciónk nemsokára lejár…”, a másik felének “Akciónk szerdán lejár” tárggyal. Rögtön tesztelheted, hogy a te feliratkozóidnak a bizonytalan vagy a fix határidő a motiválóbb. Nézd meg a hírlevél megnyitási arányát az egyik és a másik esetben! Legközelebb már tudni fogod, milyen tárgy mezővel leszel sikeresebb.

Nem hiszed, hogy ez tényleg számít? A Picatic nevű startup-nál a regisztrációs gombot tesztelték A/B teszttel. A látogatók egyik felének “Try it out free”, a másiknak “Get started free” volt a gombra írva. 10 napig tartott a mérés és a tapasztalat megdöbbentő volt. A “Try it out free” 376%-kal több átkattintást hozott, mint a “Get started free” gomb. Azaz több, mint 4-szer annyi embert érdekelt a regisztráció, pedig az egyetlen különbség pár szó volt. Érdemes A/B tesztelni? Vagy máshogy kérdezem: szeretnél 4-szer annyi user-t? Szerintem igen.

Az A/B tesztelésnél 3 dologra kell még odafigyelni:
1) Ne úgy csináld, mint a MÁV. Ez nem A/B teszt, hanem egy szavazás. Semmi értelme, nagyon torz eredményeket fog adni.

MÁV "A/B teszt"
MÁV “A/B teszt” – képért köszönet Kovács Zsuzsannának

2) Ha kevés a látogatód, hogy apróságokat tesztelgess (mint egy-egy szó), próbálj a főbb dolgokra fókuszálni, ahol amúgy is majdnem minden felhasználód átmegy (nyitóoldal főbb elemei, stb.)!
3) Véletlenül se futtasd egymás után az A és a B verziót. Ha időben nem egyszerre fut a két verzió, simán lehet, hogy valami egyéb változó hatott ki az eredményeidre (szombaton az egyik verzió alatt mindenki a Szombat esti lázat nézte és emiatt senki nem kattintott).

Tehát ne feledd: szegmentálás, kohort analízis, A/B teszt és sokkal okosabb és sikeresebb leszel a startup-oddal.

Cikkek startup adatelemzés témában:
1. Az AirBNB sztori – 60-szoros növekedés teszteléssel
2. Startup adatelemzés interjú I. – Prezi
3. Startup adatelemzés interjú II. – Evernote, Eventbrite, GoodData
4. Startup adatelemzés interjú III. – Brickflow

Ha még több ilyen témájú cikket olvasnál, iratkozz fel a hírlevélre itt:

Mester Tomi

Big Data a Marketingben sorozat — I. rész

A Big Data kifejezés nem csak a nagy adathalmazokra utal, hanem az óriási tudásra is, ami kinyerhető belőle. A “Big Data” a marketing számára alapjaiban változtatja meg a piachoz való hozzáállást és persze magát a piacot is. A versenytársaid talán még nem tudják, de te most már igen, hogy a Big Data 3 dologban nagyszerű számodra:
– nagy mennyiség
– nagy sebesség, amivel beérkezik az adat
– nagy változatosság — azaz sokféle az adat.

Gondolj bele, 20 éve mi állt a rendelkezésünkre! A (nyomtatott) levélkampányokra való válaszadás, néhány tranzakciós adat, esetleg egy-két kuponfelhasználás. Manapság pedig valós idejű átkattintási-mutatók, e-mail megnyitási ráták, geolokáció, demográfiai adatok, vásárlási szokások, látogatási szokások. De ennél még sokkal, de sokkal több. Pl. eszedbe jutott már, hogy a boltokban a hűségkártyákkal már névhez tudják rendelni a vásárolt termékek teljes listáját és ez alapján személyre szabott e-mail kampányokat tudnak küldeni a vásárlóknak érdeklődés szerint? Hitted volna, hogy ugyanezt te is meg tudod csinálni a Google Analytics segítségével a saját weboldalad saját látogatóival? Az, hogy hogyan használjuk a sok adatot, csak a kreativitásunkon múlik.

Maga a Big Data létezése önmagában még nem vezet jobb marketing-hez. A Big Data olyan mint egy új, speciális és titkos hozzávaló a világ legfinomabb leveséhez (ami természetesen a te üzleted). Meg kell tanulni használni. Jókor, jó helyen és megfelelő szakértelemmel.

A Big Data és a marketing házasságával a következő területeken tudod a leggyorsabban a legnagyobb sikereket elérni:

1. Vevői elégedettség: A Big Data nem csak arról ad elemzéseket és riportokat, hogy kik a vásárlóid, de arról is, hogy hol vannak, mit akarnak és hogy hogyan és mikor érdemes velük kapcsolatba lépni.

2. Visszatérés és márkahűség: A Big Data segítségével meg tudod határozni, hogy mi befolyásolja a vevőid hűségét, mi tartja őket nálad és mitől térnek vissza újra és újra.

3. Reklám hatékonyság optimalizálás. A Big Data-val meg tudsz határozni egy optimális csatornát a sok-sok hirdetési felületed közül. Sőt. Minél többet hirdetsz annál jobban tudod fejleszteni: csökkenteni a költségeket és növelni a fogyasztók elérését. Tesztekkel, mérésekkel és analízissel.

Ehhez pedig 3 dolgot kell tudnod:
1. Milyen adatot akarsz megszerezni?
2. Milyen adatelemző eszközt tudsz ehhez használni?
3. Hogyan fordítod át a megszerzett tudást valós és tényleges hatássá.

A Big Data a marketing-ben sorozatunk ezekre a kérdésekre fog választ adni.

Mester Tomi

Marketingesek, ezt imádni fogjátok – hőtérképes honlapelemzés!

A marketing állandó kérdése, hogy mit promotáljon az ember, mire kíváncsi az ügyfél, mi vonzza az embereket? Ennek rengeteg módszere van, de itt egy iszonyatosan egyszerű és gyors adatelemzés eszköz. Hőtérképes honlapelemzés. Igen, ez pontosan az, amire gondolsz – kirajzoltathatod, hogy a honlapodon hova kattintanak a látogatók. Ez alapján könnyedén belőheted, mi az, ami érdekli őket.

Nézzük mi is kell hozzá. Hát… először is egy Google Analytics a honlapodra. (Még nincs feltéve? Erre az esetre: Íme egy jó tanács.)
Ha ez megvan, akkor nincs más hátra, mint előre a Google Analytics-be. A jelentéskészítés menübe könnyedén beléphetsz:
https://www.google.com/analytics/web/#report/

Ha több honlapod van, figyelj rá, hogy a jobb felső sarokban a megfelelő legyen kiválasztva.

Ezután a baloldali menün navigálj így:
1. Viselkedés
2. Viselkedés –» Webhelytartalom
3. Webhelytartalom –» Minden oldal
4. Felső menün –» “oldalon belüli”

Egy screenshot segítségképpen (klikk!):

google analytics oldalon belüli elemzés (kattintás hőtérkép)
google analytics oldalon belüli elemzés (kattintás hőtérkép)

Esetleg előfordulhat, hogy egy ilyen hibaüzenetet kapsz:

oldalon belüli elemzés hibaüzenet
oldalon belüli elemzés hibaüzenet

De ne ess kétségbe… ha így is van, kattints a “Betöltés teljes nézetben”-re és már nézegetheted is az adatokat! Kapcsold be a jobb felső sarokban a “Szín megjelenítése” gombot és valami ilyesmit fogsz látni:

google analytics oldalon belüli elemzés (hőtérkép)
google analytics oldalon belüli elemzés (hőtérkép)

A buborékok %-ban mutatják a kattintások relatív sűrűségét – a piros szín a gyakori, a kék a ritka kattintási arányokat. A narancssárga sáv összesíti a nyitóképernyőről legörgetve látható oldal kattintásait.
Ez a rész elég magától értetődő… (Azért figyeld meg a megdöbbentő adatokat: milyen sokan kattintgatnak tartalomtól függetlenül a bal felső sarokban VAGY milyen kevesen kattintanak a görgetéssel elérhető területekre…) Kicsit nézegesd a saját honlapodat, utána pedig lássuk, mit kezdj a hőtérkép adta információkkal? 

Alapvetően 3 dolgot:
1. Nézz rá a kevésbé kiemelt helyen levő (pl. teljesen jobb oldalon, vagy csak görgetéssel elérhető) olyan tartalmakra, amelyek ennek ellenére sok kattintást kaptak (piros szín). Ezek azok a tartalmak, amiket a látogatóid megtalálnak, pedig el vannak dugva. Ez csak egy dolgot jelenthet: hogy akarják őket. Már pedig, amit akarnak, azt oda kell adni nekik. Tedd ezeket a tartalmakat kiemeltebb helyekre! Ha pedig hirdetésen gondolkozol, érdemes rögtön ezeket reklámozni, hiszen ha mindenki ilyen vadul keresi, még több ember kíváncsi lehet rá!
2. Nézz rá a kiemelt helyen levő, de relatív kevés kattintást elérő linkekre. Ezek a linkek azok, amelyek nem érdeklik a látogatóidat. Ennek 2 oka lehet: a) vagy nem elég csábító a “gomb” (link) vagy b) egyszerűen tényleg nem fontos, ami alatta van. Akárhogy is, itt is változtatásra van szükség: a) vagy emeld ki még jobban, mutasd meg máshogy ezt a hivatkozást. b) Vagy töröld le/tedd el lényegtelenebb helyre.

Ez egy tipikusan olyan elemzés, ami 10 perc alatt elvégezhető mégis nagyon sok minden hasznosítható belőle mind a honlapod felépítésben, mind tartalomban, mind kampányban! A hőtérkép alapú optimalizálás akár 200%-os megrendelés növekedést is hozhat, a hőtérkép információ alapján összeállított tartalmakat pedig egész egyszerűen imádni fogja a közönséged!

Mester Tomi

Tréningek hatékonyságának mérhetősége

Honnan lehet tudni, hogy jól sikerült-e egy képzés? Hogyan lehet mérni a hasznosságát, a hatékonyságát? Fontos, de nehéz kérdések. Amikor trénerként HR-esekkel beszélgetek a témáról, mindig ugyanazt a választ kapom: szinte lehetetlen eldönteni, hogy egy adott tréninget végül hasznosítottak-e a résztvevők. Ez persze nem igaz. A képzések hatékonyságát igenis lehet (és kell is) mérni. Természetesen ez nem egyszerű és minden egyes típusnál (csapatépítés, kommunikáció, vezetőképzés, számítógépes-ismeretek, stb…) más-más mérési-módszert kell elővennünk. De az elv minden esetben ugyanaz.

Ahogy általában csinálják
A legtöbbször az egyetlen módszer a mérésre egy elégedettségi kérdőív kitöltése. Ez fontos, de önmagában nagyon kevés. Négy főprobléma van vele:
1. A résztvevők töltik ki, és gyakran saját magukról nem tudnak reálisan véleményt alkotni, hogy mennyit fejlődtek.
2. A tréning után (max 2-3 nappal) szokták kitöltetni és ekkor még nem lehet eldönteni, hogy a megszerzett tudás hosszútávon is beépül-e.
3. Az elégedettségi kérdőív elsődleges célja visszajelzés a trénernek. A tananyagról, az oktatási stílusról, stb… Viszont ez nem biztos, hogy jó visszajelzés a cégnek a hosszútávú hasznokról.
4. Mivel ez egy direkt kutatási-módszer a válaszok torzíthatják a valóságot (pl. a résztvevők nem akarják megbántani a trénert, vagy a HR-t azzal, hogy felesleges képzést szerveztek, stb.).

A titkos módszer…
…amit Magyarországon nem sokan használnak. A hivatalos nemzetközi neve cél- és fejlődés-orientált hatékonyság mérés. (Elég közel áll a híres Kirk Patrick féle model-hez, de némiképp átalakítja, leegyszerűsíti azt.) Ez a fajta mérés az összes fenti problémát megoldja:
1. Nem a résztvevők értékelik magukat, hanem külső értékelést kapnak.
2. Hosszútávú fejlődést mér.
3. A valós – a cég fejlődését segítő – célokról ad visszajelzést.
4. Nem torzítja a valóságot, tiszta képet ad.

Kettő (plusz egy extra) titka van. Az egyik, hogy cél-központú. Azaz a tréner és a megrendelő már a képzés előtt kitűz egy kézzelfogható, konkrét célt, amit a tréningnek el kell érnie. Pl. egy sales tréning esetén, a kitűzött cél lehet, hogy a résztvevők eladási rátája a tréninget követő két hónapban megnőjön legalább 10%-kal. (Itt fontos, hogy ne abszolút értéket nézzünk, tehát ne pl. azt, hogy 10 millió forintról megugrott 12 millió forintra, hanem százalékos arányt, tehát, pl az értékesítések sikeressége 50%-ról megnőtt 55%-ra – ezáltal kizárhatjuk a szezonalitás problémáját.) Mégegyszer: konkrét, mérhető cél kell. A képlet: X%-os változás Y időn belül.
Ez nem csak a mérhetőség miatt jó, de ezáltal sokkal fókuszáltabb lesz maga a tréning is. Ha tudjuk mi a cél, tudjuk mit kell fejleszteni.

A másik “titok”, az előtte-utána összehasonlítás. Ha mégegyszer megnézed a képletet: X%-os változás Y időn belül. A kulcsszó ezúttal a változás. Tudnunk kell, hogy mi az alapszint, amiről elindulunk – amihez képest változtatunk. Ehhez nem csak a tréning utáni mérésre, de a tréning előtti állapot-felmérésre is szükség van. Megint a Sales tréning példája. Ha tudom, hogy a Sales-nek eddig 50%-os sikerrátája volt és a tréning után ez a szám felment 56%-ra, az egy 12%-os relatív növekedés. Ha viszont nem tudom, hogy honnan ugrottunk 56%-ra, akkor nincs mivel összehasonlítani az eredményt. Ez talán kézenfekvő lehet, de a hazai képzési kultúrában nem vetette meg a lábát.

Tehát: Konkrét, mérhető célt kell választanunk. És ezt a célt a tréning előtti és a tréning után Y hónap eltelte közötti állapotok összehasonlításával kell értékelni.

A Kirk Patrick módszer egyik legnagyobb hátránya, hogy túl részletes mérést ad az eredményekről. Ez egy klasszikus mérés-módszertani hibához vezet: túl drágává (és időigényessé) válik a mérés és emellett nem fókuszált, nincs egy szám, amivel eldönthetjük első ránézésre, hogy igen vagy nem, sikeres vagy sikertelen volt a tréning. Tehát a “+1 titok”: ha valóban meg akarjuk csinálni a képzés hatékonyságának mérését, akkor egyszerű, könnyen és olcsón mérhető célt kell választanunk.

Ha megfogahatatlannak tűnik a cél
Persze a Sales-es példa a legegyszerűbb – nyilván mindenkinek az jut az eszébe, hogy néhány képzés típus sokkal kevésbé megfogható. Íme néhány példa ezekre is (ezek csak általános példák – konkrét cégek, konrét igényekkel más célokat is belőhetnek):

a) PREZENTÁCIÓS TRÉNING
Mi a cél? Természetesen “a prezentációs készségek fejlesztése”. De ez nem elég speciális. A specifikus cél: azoknak a készségeknek a fejlesztése, amivel a résztvevő rövidebb idő alatt, koncentráltabban, átütőbben tud üzeneteket átadni.
Az egyik legjobb mérési módszer erre, hogy az adott prezentáló megkéri a hallgatóságát az előadás után, hogy egy cetlire írják le egy mondatban, hogy számukra mi volt az előadás üzenete. Ez alapján az előadó lemérheti, hogy a közönség hány % fogta az üzenetét. Ha a tréning előtt ez 30% volt, de utána felmegy 80%-ra, akkor egy nagyon sikeres tréningről beszélhetünk.

b) MENEDZSMENT TRÉNING
A cél: a managment tréning típusától függ. Legyen pl. a célok hatékony és érthető kommunikálása. Ezt kétféle képpen érdemes mérni, egyrészt a manager féléves értékeléséből (pl. 360) a beosztottjai válaszaiból látja, hogy saját véleményük szerint mennyire vannak tisztában azzal, hogy mi a csapatban betöltött szerepük. Másrészről a manager ténylegesen megkérdezheti a beosztottaktól, hogy mi a szerepük a csapatban. Ismét, ha a beosztottak 70%-a tudja pontosan leírni a szerepét a tréning előtt és 90%-a a tréning után 2 hónappal, akkor az egy látványos fejlődés. (Habár nem árt, ha ez a szám 100% – a tapasztalatom szerint a valóságban ez meglepően távol áll ettől az értéktől. :-))

c) HARD-SKILL TRÉNINGEK (pl. számítógépes ismeretek)
Nyilvánvalóan itt a legegyszerűbb belőni a célt, hiszen itt konkrét ismeretekről van szó. Egy szintfelmérő-teszt előtte és egy szintfelmérő-teszt utána segít eldönteni a tréning hatékonyságát. Ezt akár lehet közvetlenül a tréning előtt és után is csinálni, de általában egy-két héttel később érdemes, amikor – rossz esetben – már van idő “elfelejteni” a tanultakat.

Összességében ahány tréning-típus és ahány élethelyzet, annyi mérési stratégia létezhet. A lényeg, hogy konkrét, mérhető és fókuszált céljaink legyenek és az eredményt ne csak a tréning után, de a tréning előtt is mérjük, hogy a változás láthatóvá válljon. Emellett törekedjünk egyszerű mérési célokra, hogy a költség és időigényesség ne szabja korlátját a mérésnek.

Érdekesnek találod a témát? Én is! És szeretném továbbkutatni! Ha úgy érzed, hogy nálatok nem működik jól a tréningek értékelése, szívesen beszélgetnék  veled arról, hogy ti mit láttok a főproblémának és ötletelni azon, hogy hogyan lehetne ezen segíteni. Ezen a linken elérhetsz!

Mester Tomi – a www.adatlabor.hu szakírója

Források:
http://www.businessballs.com/kirkpatricklearningevaluationmodel.htm
http://managementhelp.org/training/systematic/ROI-evaluating-training.htm
https://www.linkedin.com/groups/What-are-best-ways-measuring-54046.S.203962042
http://bit.ly/goaloriantedtraining

Infografika – okos eszközök

Ha infografika készítésbe vágod a fejszéd, (és már elolvastad az erről szóló cikket) akkor a legjobb, ha a Photoshop-ot vagy az Illustrator-t nyitod meg… Persze nem mindig van szükség a nagyágyúkra, meg aztán nem is feltétlenül akar mindenki túl sok időt rászánni egy kis villantásra. Ezekre az esetekre itt van 3+1 “quick and dirty” eszköz, ami segít neked, hogy percek alatt minőségi infografikát dobj össze.

1. www.infogr.am

infogram infografika
Az infogr.am felülete

Az Infogr.am az egyik legjobb infografika szerkesztő program. Még akkor is próbáld ki, ha most éppen nem akarsz infografikát készíteni.
Előnyei:
– iszonyatosan egyszerű kezelés
– előkészített és gyönyörű sablonok (amiket még relatív kevesen használnak)
– importálható Excel táblák (dupla klikk a grafikonodra)
– több mint 40 féle chart-típus
– online és ingyenes – könnyű megosztani
Hátrányai:
– Ha png-be vagy pdf-be akarsz letölteni (márpedig ez elég gyakran megeshet veled), akkor fizetős verzióra kell váltanod
– kötött felület, nem lehet nagyon személyreszabni a grafikákat

2. piktochart.com

piktochart infografika
A piktochart felülete

A második legjobb infografika szerkesztő program. Szintén online, szintén ingyenes, szintén szép sablonok, szintén excel-import… gyakorlatilag ugyanaz, mint az infogr.am – kicsit talán több lehetőség van az ikonok cserélgetésére, de lényegében ugyanannyira megvan kötve a kezünk. A stílus kicsit más.

3. The Noun Project
noun project ikon infografika

A Noun Project minden bizonnyal a legjobb dolog, ami a piktogramokkal történt az elmúlt 100 évben. Egy felületen találhatsz mindent: ikon bármihez 10 másodpercen belül. Most gyorsan rákerestem 3 véletlenszerű szóra, ami beugrott: “nothing”, “grizzly bear” és “Thor” – mindháromra több találatot is kaptam. Ja igen, ez is ingyenes!

+1. Prezi.com
Oké, a prezi.com-ot már mindenki ismeri (ha esetleg te nem, akkor gyorsan regisztrálj!). De azt kevesen tudják, hogy a beépített alakzatokból egész pofás kis infografikákat lehet összemókolni.

infografika prezi
Infografika Prezivel

Itt bár kicsit több kreativitásra és szép érzékre van szükség, valamint a sablonok sem annyira infografikára szabottak, a szabadságunk sokkal nagyobb. Könnyedén méretezhetsz, igazíthatsz és egyébként, ha már ott jársz, prezentációt is készíthetsz az infografikádból!

Próbáld ki mind a négy eszközt! Ha továbbolvasnál, íme, cikkek még a témában:

Az információ gyönyörű

A 2014-es foci VB trendjei…

Mester Tomi

Adatelemzés

Csak az illendőség kedvéért, ha már adatelemzés-blog, az adatelemzés néhány definíciója. (Érdekes módon magyar nyelven nem találtam semmit, úgyhogy jobbára angol nyelvű szövegeket fordítottam át):

Angol nyelvű wikipédia :
“Az adatelemzés az a folyamat, ami az adatok ellenőrzésére, letisztítására, átalakítására és modellezésére szolgál. Ezáltal hasznos információkat fedezhetünk fel, fontos következtetéseket vonhatunk le és jelentősen hozzájárulhatunk a helyes döntésekhez. Az adatelezmésnek több aspektusa és módszertana létezik – különböző technikák, különböző neveken, különböző üzeleti, tudományos, vagy szociológiai területeken.”

A business dictonary szerint:
“Az adatelemzés az adatok értékelése az analitikus és logikus érveléshez. Az elemezés ezen módja csak egy a sok lépés közül, amit el kell végezni egy kutatás során. Sok különböző adatelemzési terület létezik, mint például: adatbányászat, üzleti intelligencia, szövegelemzés vagy éppen az adatvizualizáció.”

Vagy az egyik kedvencem Croll és Yoskovitz Lean Analytics című könyvének a bevezetőjéből:
“Mind hazudunk magunknak néha. Egy vállalkozáshoz ez elengedhetetlen. Megesik, hogy jobban kell hinnünk abban, amit csinálunk, mint az ésszerű lenne. De ha túlzásba esünk és elkezdjük túlrajongni az ötleteinket, egyszer csak falnak ütközünk és a lufi, amit fújunk kidurran – fájdalmasan és véglegesen.
Néha muszáj hazudnunk önmagunknak, de ha ezt nem kontrolálljuk, veszélybe sodorhatjuk a vállalkozásunkat. És itt jön a képbe az adatelemzés.
Az elemzés a szükséges ellensúlya a hazugságoknak. A yin a yang-hoz. Egyébként minden szükséges üzlet (eredeti szövegben: “startup”) sarokköve is egyúttal.
Persze nem azt mondjuk, hogy az ösztöneidre hallgatni rossz. A belső sugallat az inspiráció, amire oda kell figyelni. De ne téveszd meg magad! A megérzéseid számítanak… viszont tesztelned kell őket! A megérzések a lehetséges kísérleteid alapjai, de a végső bizonyíték az adat lesz.”

És zárásképpen még egy közkeletű “definíció”, sokan megírták már, úgyhogy sajnos nem tudom kitől származik eredetileg.
Az adatelemzés gondolatolvasás. Legalábbis az ügyfeleid szemszögéből. Ha kihasználod az adatokban levő erőt, aki találkozik a termékeddel/szolgáltatásoddal, egész egyszerűen azt fogja érezni, hogy te tudod, hogy ő mit akar. Hát kell ennél több?

Mester Tomi

Adatok prezentálása – level 99

A Google Zeitgeist videók minden évben elkápráztatnak. Eszembe juttatják, hogy milyen fantasztikus dolog a XXI. században élni, tudni mi történik a világ másik felén. Rádöbbent, hogy milyen kicsi a világ és hogy amit itt teszünk az hatással van egy másik földrész, másik kultúrához tartozó másik emberére.
Adat-szemüvegen keresztül nézve is csodálatos: amit a videókon látunk az nem más, mint azon témák egymás után összevágva, amire az emberek a legtöbbet kerestek a Google-n vagy a Youtube-on 2011, 2012 és 2013-ban. Azaz – adat-központúan kijelenthetjük, hogy – a legfontosabb és legnagyobb hatású események (legalábbis azokban a társadalmakban, ahol az internet meghatározó szerepet tölt be a hétköznapokban).

Google Zeitgeist 2011 – a görög és egyiptomi forradalmak, Steve Jobs halálának és az angol királyi pár esküvőjének éve:

Google Zeitgeist 2012 – a híres sztratoszféra ugrás, az Olimpia, a Paralimpia és Neil Armstrong halálának éve:

Google Zeitgeist 2013 – Az év, amikor a Voyager1 elhagyta a Naprendszert és amikor Harlem Shake meghódította azt. Amikor a Breaking Bad utolsó szezonja a tévébe került és amikor Nelson Mandela elhunyt.

Egy jó játék: nézd meg ismerősökkel és versenyezzetek, hogy ki ismert fel több eseményt!

Tomi

Data helps opinion – deepindata.com

A deepindata.com-on olvastam a lenti bejegyzést!  Tetszik, nagyon jó gondolatébresztő, úgyhogy kimásolom ide is. Az eredeti cikket Katona Zsuzsa írta “Data helps opinion” – azaz az adatok segítik vagy alázámasztják a véleményt – címen a webanalitika c. blogján. Íme:

“Az elmúlt 1-2 év itthon is kedvelt szlogene lett a “data beats opinion”, azaz az adat legyőzi a véleményt.
Egy ma az Internet Hungary-n elhangzott gondolat kitweetelése után Sarnyai Tibi barátom linkelte egy bejegyzését, amelyben véleményt nyilvánít az adatokról.
Nem túl hízelgő véleményt.
Ez indította el bennem azt a gondolatot, hogy leginkább szeretünk szembenállásról, két nagy ellenségről, az adatról és a véleményről beszélni, és mivel ez egy nagyon friss és nagyon buzz terület, ezért a ló túloldalára is eshetünk.
Innen már egyenes út vezetett oda, hogy: “Data beats helps opinion”, azaz az adatok segítik a véleményt.

Miért gondolom ezt? Valójában az a döntés, amit adat alapon hozunk meg, ugyanúgy vélemény.
Természetesen van különbség. Ez a különbség az, hogy a nagyon sok változós, nagyon bonyolult egyenletünkre nem vakon mondjuk be az eredményt – durván kockáztatva, hogy mellélövünk, hanem számolgatás után jön ki valami, aminek több köze van a valósághoz.
Természetesen tévedhetünk – de messze nem akkorát, és messze nem olyan fájdalmasat.
Az adat azért van, hogy leszűkítsük pár lehetséges forgatókönyvre a végtelen sokat. Az adatokból kijött eredmények ugyanis többfelé is mutathatnak.
Az adatok csak azt mondják meg, hogy MIT és HOL. Azt már nem tudják megmondani, HOGYAN.
Azt nekünk kell kitalálni, az adatokra támaszkodva.
És mivel az agyunk nem egyformán mozog, nem egyforma válaszokat fogunk adni.
A tapasztalataink segíthetnek, hogy a valóban(?) helyes döntést (ha van egyáltalán ilyen), hozzuk meg, de nem tudnak teljesen megkímélni a kudarctól.
Csak amíg adatok nélkül szinte biztos, hogy rossz véleményünk van, addig az adatokkal szinte biztos, hogy valami jó fog kisülni.

Szerintem.”

A megfelelő diagramm az üzenetedhez – I. rész

Ne olvasd tovább ezt a cikket, ha még soha életedben nem tettek le eléd ilyen vagy ehhez hasonló elemzést:

zavaró chart diagramm

Az a baj, hogy már annyira megszoktuk az értelemezhetetlen chart-okat, nem csak heti riportokban, de akár prezentációkban is, hogy már nem is tiltakozunk ellene. Valahogy úgy tűnik, hogy ennek egy elviselhető rossznak kell lennie. A probléma csak az, hogy a hasznos adatokat – amik segítenek a döntésekben és a dolgok megértésében – emiatt meg se próbáljuk befogadni, egyszerűen csak ugorjuk őket. Pedig mennyivel egyszerűbb egy ilyen grafikont elkészíteni és feldolgozni is, mint ez a lenti:

Jó chart diagramm

 

Nem azt mondom, hogy ez a világ legszebb grafikonja, de az biztos, hogy 5 másodpercnél nem több felfogni, hogy miről szól.

Íme az érthető és jó grafikon 5 titka:
1. Legyen üzeneted, amit a grafikonnal támasztasz alá. Tudd mit akarsz mondani és ehhez a mondanivalóhoz szerkeszd meg az ábrád. Előbb mondanivaló –» utána grafikon.
2. A megfelelő adathoz és üzenethez a megfelelő grafikont válaszd. Ez nem könnyű, de lent egy részletes útmutatót kínálok, amiből egyszerűen csak választanod kell.
3. Sose ábrázolj egynél több adathalmazt egy grafikonon. (Kivétel: ha direkt két adathalmaz közötti összefüggést szeretnél megmutatni.)
4. Csak a legfontosabb adatpontokat mutasd meg. (Kivétel: ha trendeket, pl. egy hónapon keresztüli napi honlaplátogatottságot, akarsz megmutatni.)

5. Ellenőrizz: tedd le valaki elé a grafikonodat és kérd meg, hogy mondja meg, mit lát rajta. Ennek prezentációk esetében 5 másodperc alatt meg kell történnie, írott jelentéseknél pedig maximum 20 másodperc az időkeret.

Hogyan válaszd ki, hogy milyen chart-ot használj?
Ez a legtöbbször elhibázott dolog, amivel találkozom. Trendeket oszlopdiagrammokon próbálnak megmutatni, megoszlásokat pedig vonalakkal. Ez nagy baj. Pedig ennek van egy nagyon jól dokumentált és kidolgozott tudománya. Erről találsz anyagot az ajánlott irodalom menüben is, de itt most megosztom veled a legfontosabb részt: a 4 legtöbbször szükséges diagramm-típust.
Mikor, milyen üzenethez, melyiket vedd elő? És hogyan kell őket szépen alkalmazni? Ha ezeket rendben használod, az esetek 99,9%-ban nem lesz problémád:

1. Kördiagramm (aka. pie chart): pie chart - kördiagramm
A kördiagramm összetétel elemzésére való. Ha pl egy külföldi diákcsoport összetételét akarom megmutatni, hogy 50%-a brit, 35%-a német, 10% olasz és 5%-a svájci. A kördiagramm tehát belső arányok ábrázolására jó, olyan esetekben, amikor a részek összege 100%-ot tesz ki. Hibás alkalmazása, amikor összehasonlításra akarják használni. A pie chart-on gyakran nem látszik, hogy pontosan melyik csoport a nagyobb a másiknál. Ezért összehasonlításra, amit inkább előveszünk a fegyvertárunkból az nem más mint az…

2. Oszlopdiagramm (aka. bar chart):   bar chart oszlop diagrammAz oszlopdiagrammban egymással valamilyen módon összefüggő, de nem feltétlenül zárt csoportot alkotó adatokat lehet és kell összehasonlítani. Pl. ha a cég HR, marketing, programozói és design részét akarom összehasonlítani a dolgozók száma szerint – és közben azt akarom kiemelni, hogy a programozók vannak a legtöbben, akkor itt már oszlop diagrammot használok. Rosszul csinálsz valamit, ha a bar chart-tal trendeket probálsz megmutatni, mivel arra való a…

3. Vonaldiagramm (aka. line chart): line chart - vonaldiagrammAz esetek 99%-ban, ha az X-tengelyen időt akarunk ábrázolni, akkor és csak akkor nyúlunk a vonaldiagramhoz. Azaz trendeket mutatunk meg rajta (folyamatokat egy folyamatos vonallal szimbolizálva). Pl. a 2006-os bevétel 10 millió forint volt, a 2007-es már 12, a 2008-as 14, stb…
Ja igen, és a line chart az egyetlen olyan kivétel, ahol igazán érdemes gyakran több adatcsoportot (dataset-et) együtt kezelni – és a trendeken jól láthatóvá tenni, pl a bevétel és a dolgozók számának az összefüggéseit.

4. Hisztogramm: Ritkán szoktuk használni, de a BigData korában elengedhetetlen, hogy elővegyük. Ezen a chart-on eloszlást szoktunk ábrázolni. Amikor rengeteg kis adatcsoportunk van és azoknak a számossága viszonylag nagy, egy hisztogrammal szépen ki lehet rajzolni a csoporton belüli összefüggéseket. Pl. a 10 milliós Magyarország (#bigdata) populációja hisztogrammon – az egyik tengelyen az életkor, a másikon a csoportban levő emberek száma, nemek szerint szét szedve – így néz ki:

hisztogramm
forrás: indexmundi.com

 

Összegzésként, hadd osszam meg veled ezt a szuper összefoglaló ábrát az összes létező chart-típusról (wowww!!). Elég egyértelműen látszik rajta, mikor mihez kell nyúlni. Németh Zoli kollégámtól kaptam… bár kicsit kicsi és tömör mégis elég jól átadja a lényeget. (Katt a nagyításért!)

chart diagramm összefoglaló ábrachart diagramm összefoglaló ábra

Remélem ezek az alapok elég lendületet adnak, hogy te már csak szép grafikonokat csinálj! Ha szeretnél tovább olvasni, nem sokára jön a sorozat második része!

Tomi

Stratégiai hiba a BigData korában…

Geiger Tamás, a DuracellTomi webanalitika blog szerzőjének egyik előadásán láttam ezt a videót és nagyon megfogott, úgyhogy megosztom veletek is. A feladat egyszerű: Számold meg hányat passzol a fehér csapat.

Az üzenet adatelemzés szempontjából is ugyanaz: Gyakran figyelünk felesleges metrikákra, nézegetjük a felhasználók számát, hányszor kattintottak ide, hányszor oda és nem vesszük észre a “táncoló medvét” – azaz az Adatot, ami az igazi növekedést hozhatja be az üzletünkbe. A kritikus és stratégiai gondolkodás elengedhetetlen, akármivel foglalkozol. És amikor összeteszed az első méréseidet, akkor is fel kell tenned magadnak a kérdést: pontosan miért ezt mérem? Milyen tanulságokat várhatok abból, ha ennek a kutatásnak megkapom az eredményeit? Mi a célja ennek az elemzésnek/tesztnek? Hogyan segít ez hozzá engem ahhoz, hogy elégedettek legyenek az ügyfeleim/felhasználóim? És hogyan lesz belőle magasabb bevételem?

Az adatelemzés a döntés-előkészítés egyik legfontosabb eszköze, de csak akkor működik, ha:

1. Van kidolgozott mérési-stratégiád.
2. Ez a mérési stratégia beleillik az üzleti tervedbe.
3. Kritikusan gondolkodsz, elrugaszkodsz a sablonoktól és keresed a “passzolások” között a “táncoló medvét”.
4. Ha a kritikus gondolkodás mellett mégis végig meg tudod tartani a fókuszt és következetesen és cél-orientáltan teszel fel kérdéseket.
5. Minden kérdésedre adat-vezérelt, valós választ adsz (vagy szerzel az elemző, piackutató csapatodtól).

Ha ezt nem teszed meg:
1. Időt fogsz veszíteni, hiszen felesleges adatokkal foglalkozol – akár napiszinten is.
2. Pénzt fogsz veszíteni, hiszen nem a lényeges információkra figyelsz, ezáltal félrevezeted sajátmagad és nem veszel észre kézenfekvő, nagy profittal kecsegtető helyzeteket.
3. Elbizonytalanodsz, hiszen te csak azt látod, hogy az emberek passzolgatnak és nem érted, hogy neked ebből mi hasznod fog származni…

———————

KONKRÉT PÉLDA:
Egy szállás- és utazásközvetítéssel foglalkozó cég, már régóta telepítette a Google Analytics-et a weboldalára (hurrá!!! +1 pont :-)). Három dolgot monitoriztak: a látogatók számát, a weblapon töltött időt és a visszafordulási arányt az egyes oldalakról. Tapasztaltak bizonyos szezonalitást, de ezen kívül mást nem is figyeltek meg, beletörődtek, hogy ezzel sokkal több mindent nem lehet kezdeni. (Te is látod? Ők a passzolások számát figyelték… Nade most jön a táncoló medve:)
Amikor találkoztam velük, azt javasoltam, hogy végezzenek el néhány szegmentációt és nézzék meg, hogy pontosan milyen demográfiai csoportok kattintanak a kapcsolat vagy a vásárlás gombra (azaz kiket konvertálnak nagy eséllyel valódi fizető vendégekké). Pillanatok alatt kiderült, hogy a konverziók (azaz a sikeres fizetéseket vagy kapcsolatfelvételek) jelentős részét a 35-44 év közötti férfiak adják. Sőt egy kicsit még jobban beletúrtunk az adatokba és azt is megtaláltuk, hogy ez a célcsoport kifejezetten a “tengerparti nyaralás” címszóra keresett mielőtt az oldalra talált.
Ebből rögtön egy konkrét, 3 lépéses akció tervet tudtunk csinálni:
1. A marketing tevékenységeket erősebben fókuszálni a 35-44 év közötti férfiakra.
2. A tengerparti nyaralásokat kiemelni a honlapon.
3. További piackutatásokat és felméréseket végezni, hogy a honlapra látogató 35-44 éves férfiak milyen nyaralásokat preferálnak és mit szeretnek benne. Ez is egy nagyon egyszerűen működő hírleveles szavazás vagy honlapba beépíthető szavazás formájában nagyjából ingyenesen elvégezhető. (Feltehetően családdal érkeznek és inkább a tengerparti pihenés, napozás, mint a városnézés köti le őket.)

Látod, ez nem is olyan nagy varázslat… Egyszerűen csak meg kell érteni, hogy mit akarnak a vevőid és meg kell adni nekik.

———————

Ahogy Geiger Tamás mondta az előadásán:
“Mindig üzleti célokat mérjünk, ne csak a kattintásokat!”

Tehát:
Mostmár látod a táncoló medvét?

Tomi