fókusz címkével jelölt bejegyzések

Egy Játék mérése: gamification vs. retention

Múlt héten tettem ki az egyszamjatek.eu című kísérletünket a Facebook oldalunkra.

A játék nagyon egyszerű volt: mondj egy pozitív egész számot és ha ez a legkisebb olyan szám, amit más ember nem mondott Rajtad kívül, akkor nyertél. (Egyébként magát a játékot Mérő László találta ki.)
Összesen 7 forduló volt. Minden fordulóban 24 órán keresztül lehetett játszani. Így összesen 7 nyertest hirdethettünk.

A cél kettős volt:
1. Vizsgáljuk, hogy mi a nyertes stratégia. (Ezt ígéretemhez híven csak azoknak publikáljuk, akik játszottak. Sorry…)
2. Modellezzünk egy gamification alapú startup-ot és vizsgáljuk, hogy a játékélmény milyen hatással van a visszatérésre, illetve, hogy ezt hogyan lehet mérni.

Ezt a cikket azért írom, hogy ha esetleg online játék fejlesztésében vagy, láss néhány ötletet (konkrét példán keresztül is), hogy miket, miért érdemes mérni és elemezni.

Összehasonlítani nem akarom akármilyen más app vagy SaaS szoftver eredményeivel ezt a játékot, hiszen ez csak egy kísérlet, meg amúgy is tök más, mint akármi más, ami értelmes. :-) De azért nem árt ha tudod, hogy egyetlen mérőszám volt, amit boost-olni akartam az egész folyamat során: ez pedig a daily retention – azaz minél többször, minél sűrűbben visszahozni a játékosokat.

Ehhez egyetlen “marketing stratégiát” használtam – mindenki, aki adott napon játszott, kapott egy direkt email-t az eredményekről és egy linket a következő napi játékhoz. Ez a tool működött is – a leveleknek átlagosan 80%-os megnyitási aránya volt, amit kifejezetten erősnek mondanék.

mailchimp megnyitas és CTR - játék
mailchimp megnyitas és CTR

Nézzük mi a helyzet az aktív játékosok számával! Az első nap csináltam a játéknak egy nyitópromo-t (néhány csoportba és FB-oldara kitettem a játékot.) Így 296 emberrel indult a verseny az első nap. Ehhez csatlakozott az utolsó napig innen-onnan még 38 ember (valószínűleg meghívásos alapon, hiszen ezután már nem hirdettem). Tehát összesen 334-en játszottak.

A lenti ábra azt mutatja, hogy mekkora volt a napi visszatérés, azaz az előző nap játékosai közül hány % játszott az adott napon.

daily retention - egyszamjatek.eu - játék
daily retention – egyszamjatek.eu

Ha megfigyeled, két mélypont van. A 2. nap, amikor 30% körüli a retention és az 5. nap, ahol 50% körül van. A többi napon 60% felett megyünk, sőt az utolsó napokon felszökik 100% felé, ami azt jelenti, hogy olyanok is visszajöttek, akik régebben játszottak!
Ki találod mi történt a 2. és 5. napon? Elárulom, ezeken a napokon véletlen délután 4-kor küldtem ki a hírlevelet, amit reggel 9-kor kellett volna. Tanulság ebből a chart-ból: reggel kell kiküldeni a leveleket…

Nézzünk egy klasszikus kohorsz elemzést! Minden sorban az adott nap regisztrált user-eket látod és minden oszlopban azt, hogy hány maradt meg belőlük X nappal később.

kohorsz elemzés játék
kohorsz elemzés

Mi látszik itt? Az, ami már a retention riportból is elkezdett kiderülni. Az első napon regisztráltak, ha ki is hagytak egy-két napot, vissza-visszajönnek 2-3 nap után. Lehet, hogy az ideális játékciklus nem 1 nap lenne, hanem 2?

Kedvenc riportom: aktív user-ek vs. retaining user-ek.

aktiv user-ek vs. retaining user-ek
aktiv user-ek vs. retaining user-ek

Ahogy azt írtam, az első nap után már semmit sem tettem bele a marketing-be. Ez az ábra mutatja a legjobban: ha lecsökken a user bázis, akkor ott szűrve szépen csak a “legjobb” felhasználók maradnak bent. Nekik magas lesz a visszatérésük és valószínűleg ez a néhány (35-40) user volt az is, akik behozták az utolsó pár napon a +10 új user-t – mindenféle költségek nélkül.

2 érdekesség a Gamification hatásáról:
1. Volt egy feltűnő trend a nyertes játékosok körében. Ez a 7 játékos, miután nyertek, már sokkal kisebb eséllyel jött vissza játszani. Lehet, hogy őket valahogy máshogy kellett volna visszacsábítani egy második körre?

játszott - nyert - nem játszott
játszott – nyert – nem játszott

2. A Power User-eknek (azaz, azok a játékosoknak, akik mindennap játszottak), több mint 50%-a mindennap ugyanazt a számot játszotta meg. (Az egyik nyertes egyébként pont közülük került ki.)

———————————————————————————

Akárhogy is, számomra ez egy izgalmas kísérlet volt – sok olyan dolog kiderült belőle, amiket már máshol is mértünk, de a titoktartás miatt nem publikálhattam! :-)

Remélem hasznosnak találtad és ha szeretnél feliratkozni az Adatlabor hírlevélre, ne habozz!

Tomi

Tudatos ügyfélkezelés 1. rész – 90 nap, az ügyfeled első lépései

Lindwurm Tamás
Lindwurm Tamás

Mai vendégszakértőnk Lindwurm Tamás. Tamás 2008 óta foglalkozik adatelemzési, döntéstámogatási  és adatvizualizációs feladatokon a pénzügyi és telekommunikációs szektorban. Részt vett többek között CRM-bevezetés, adatpiac-építés, kampányoptimalizálás, ügyfélérték-számítás és szegmentációs projekteken. Dióhéjban: Félúton az IT és az üzlet között. :-)

Számtalanszor előfordult már velem, hogy a vásárlási szándékom meghiúsult egy nem túl pozitív első benyomás után. Szerintem Te is éltél már át hasonló élményeket. De vajon figyelsz arra, hogy ügyfeleid mindig maximális kiszolgálást kapjanak és szívesen visszatérjenek hozzád?

Mit kell tenned, hogy új ügyfeleid elégedett, aktív felhasználókká váljanak, akik visszatérnek hozzád?

Tapasztalataim azt mutatják, hogy az első három hónap kiemelkedően fontos a hosszú távú, kölcsönösen jövedelmező kapcsolat kialakításához. Ebben az időszakban van lehetőséged bemutatkozni, megmutatni, hogy miért érdemes téged választani és a későbbiek folyamán is visszatérni hozzád.

ügyfélérték diagramm

Ne akarj mindent eladni az első alkalommal és ezzel elriasztani az ügyfelet, mint teszik azt a középkorú nénikék ránk tapadva a cipőboltban. :-)

Tomi korábbi írásában már kitért arra, hogy az első látogatáskor hanyagold a nyitó pop-up-okat, ne töltess ki oldalas regisztrációs űrlapokat. Ezt én is nagyon fontosnak tartom. Gyűjts be annyi adatot, aminek segítségével ügyfeled a későbbiek folyamán is elérhető lesz, de ne többet! Hagyd, hogy az első alkalommal rád szánt időt az weboldalad átböngészésével töltse, ne kérdőívek kitöltésével!

Használd fel az első három hónapot arra, hogy megismerd őt, megtudd az igényeit! Építs fel egy olyan kapcsolatot, amely segítségével a következő alkalommal is Te jutsz eszébe, ha releváns terméket/szolgáltatást keres! Ne engedd, hogy az ügyfél megszerzésébe fektetett rengeteg energia egy rosszul kialakított beillesztési (onboarding) folyamat miatt vesszen kárba! Egy jól megszervezett folyamattal komoly versenyelőnyre tehetsz szert. Nem csak az ügyfeleid értékének növekedését gyorsítod fel, de elégedett ügyfeleid céged hírnökévé is válnak.

Amiket fontosnak tartok, hogy megtegyél az első 3 hónapban annak érdekében, hogy sikeres ügyfélkapcsolatokat alakíts ki:

  1. Készíts oktatóanyagokat (email, videó), amik segítséget nyújtanak az első lépésekben:
    • Egyszerűen/érthetően/edukációs fókusszal fogalmazz
    • Mutasd be termékeid előnyeit, termékhasználatot
    • Helyezz el az anyagokban releváns ajánlatokat/akciókat
    • Segítsd ügyfeled, ha elakad egy lépésnél. (Ha sokan akadnak el ugyanannál a lépésnél, fontold meg folyamatod átalakítását!)
  2. Ezt a célállapotot fordítsd le jól mérhető ügyféljellemzőkké (definiálj KPI-okat):
    • Havi X db vásárlás
    • Havi X ezer Ft feletti költés
    • Heti X óra böngészés az oldaladon
    • X db termék birtoklása/rendszeres használata
  3. Határozd meg az elérni kívánt célállapotot, hova jusson el ügyfeled 3 hónap után!
  4. Küldj “welcome e-mail-t” az ügyféllé válás/első vásárlás után – nagy hatással tud lenni, ha az első levél a cég vezetőjétől érkezik!
  5. Vásárlások után küldj ügyfél elégedettségi (rövid, akár csak egy szám visszaküldése is elegendő egy 0-10-es skálán) kérdőívet! Ha negatív visszajelzés érkezik, vedd fel vele a kapcsolatot (Itt is a vezetőtől érkező megkeresést javaslom.)
  6. Tereld ügyfeleid az optimális csatorna felé (személyes vagy telefonos kapcsolattartás helyett online lehetőségek népszerűsítése)! Mutasd meg nekik az online csatorna lehetőségeit!
  7. Említettem, hogy az első alkalommal ne támadd le ügyfeled a legrészletesebb kérdőívvel, a későbbiek folyamán ezt ütemezetten megteheted:
    • Törekedj arra, hogy csak a legrelevánsabb információkat gyűjtsd be, amit a későbbiek folyamán fel is fogsz használni!
    • Az itt kapott információkat építsd be a későbbiek folyamán a személyre szabott ajánlatokba!
  8. Nagyon fontos az ütemezés. Ügyelj arra, hogy egyenletesen elosztva a releváns időpontokban kommunikálj. Ne zaklasd őket túl gyakran.
  9. Tárold le, hogy kinek/mikor/mit/milyen csatornán küldtél! Segít abban, hogy egyfélét kommunikálj és be tudd tartani a megkeresések közötti szüneteket.
  10. A 90 napos időablak végéhez érve csinálj még egy elégedettség mérést
    • Ha ez pozitív – (akár bizonyos kedvezményért cserébe) kérd meg, hogy ajánljon ismeretségi köréből potenciális ügyfeleket
    • Ha ez negatív – keresd meg és használd fel a kapott választ folyamataid/termékeid javításához

Lássuk ezt egy idődiagramon:

az ügyfél első 90 napja egy ábrán
az ügyfél első 90 napja egy ábrán


Néhány ötlet a visszamérésekhez:

  1. Tesztelj! Alkoss kontroll csoportokat, legyenek olyan ügyfelek:
  2. Mérd le, hogy az alkalmazott folyamat előtt/után:
    • átlagosan meddig tartott ügyfeleidnek, amíg elérték a célnak meghatározott állapotot
    • mennyivel nőtt az egy ügyfélre jutó átlagos termékszám
    • mennyivel nőt az átlagos ügyfél élettartam
  3. Kösd össze ügyfeleid viselkedési adatait az elégedettségi felméréseknél adott válaszaikkal, hasonlítsd össze!
  4. Nézd meg, hány új ügyfelet hoztak a folyamatban részt vevők az ajánlási rendszeren keresztül!
  5. Számold ki, hogy mennyivel több pénzt kerestél a korábbi állapothoz képest a tudatos új-ügyfél kezelési folyamatoddal… :-)

Milyen pozitívumokat várhatsz a folyamattól:

  • Ügyfeled megismerése
  • Ügyfélkapcsolat megalapozása
  • Az ügyfél elkötelezetté tétele céged irányába
  • Későbbi keresztértékesítési lehetőségek előkészítése
  • Személyre szabott ajánlatokkal magasabb válaszadási arány
  • Lojalitás növelése
  • Ügyfél élettartam növelése
  • Ajánláson keresztül új potenciális ügyfelek szerzése
  • Visszajelzések felhasználásával lehetőség ügyféligényekkel összhangban történő folyamat/termékfejlesztésre

Szóval, belevágsz? :-)
Lindwurm Tamás

Adat, prezentáció – az 5 főszabály

“Az adatok ábrázolása nem az adatokról szól, hanem az adatok mögött rejlő tartalomról, üzenetről.” Nancy Duarte, az egyik legelismertebb prezentáció-készítéssel foglalkozó szakember 5 szabályban foglalja össze a jó adatábrázolást.

1. Mondj igazat!
2. Térj a lényegre!
3. A megfelelő eszközt válaszd ki!
4. Emeld ki a lényeget!
5. Maradj egyszerű!

1. Mondj igazat! – Az adatoknál semmi sem alapozza meg jobban az előadói hitelességedet, ezért ne is élj vissza vele – véletlenül se manipuláld – még csak kicsit se – az eredményeket. Amikor egyszerű adatokat is prezentálsz, állj készen arra, hogy ha belekérdeznek, tudj beszélni a részletekről. A kedvenc manipulatív diagramm típusom, a “mekkorát-hazudjak” chart. Baloldalt egy “mekkorát-hazudjak” chart, jobb oldalt a valóság a fizetésemelésekről. :-)

adatok prezentálása
adatok prezentálása – “a mekkorát hazudjak chart”

(Ugyebár a különbség az, hogy baloldalon nem 0-ról indul a skála és vizuálisan megtéveszti a nézőt az arányokról.)

2. Térj a lényegre!

Mit kell a közönségnek megérteni az adataidból? Mit akarsz, hogy hazavigyenek magukkal? Ahhoz, hogy hatékonyan kommunikáld az adatokat, először meg kell fogalmaznod, hogy mi az a konklúzió, amit a közönségednek át akarsz adni.
Pl. a lenti chart-nak több üzenete is lehet – elsőre talán azt gondolnánk, hogy az év végi növekedés a hangsúlyos.

adat prezentálás - sales chart
adat prezentálás – sales chart

De, ha a Q2-es mélypont a prezentáció fókusza, jobb ha ezt már az elején egyértelművé teszed, hogy ne kelljen külön elmagyarázni vagy kézzel mutogatni, hogy “vegyük csak észre, hogy mi történt”.

adatok prezentálása - sales chart 2
adatok prezentálása – sales chart 2

3. A megfelelő eszközt válaszd ki!
Melyik grafikon legyen? Vonal, kör vagy oszlop-diagramm? Erről korábban írtam már egy cikket. Ezt most csak egyetlen gondolattal egészítem ki. Ha adatokat kell összehasonlítani, mindenképp használj chart-ot (felső ábra), de néha elég csak a konklúzió maga a prezentáció diáiban (alsó ábra).

adatok prezentálása (összehasonlítás)
adatok prezentálása (összehasonlítás)
adatok prezentálása (konklúzió)
adatok prezentálása (konklúzió)

4. Emeld ki a lényeget!
Az adat-prezentáció lényege nem az, hogy mindent megmutass, hanem, hogy megmutasd a konklúziókat és az azt alátámasztó adatokat. Ez alapján egy adat-diát 3 rétegre bonthatunk.
1. Háttér
2. Adat
3. Kiemelés
Íme 3 példa a Slide:ology-ból:

Háttér + Adat + Kiemelés = Adat Dia
Háttér + Adat + Kiemelés = Adat Dia

5. Maradj egyszerű!
Végül, de nem utolsó sorban… Egy prezentációba nem kellenek 3D-s chart-ok, nem kellenek fölösleges információk. Ha egy chart-on:
1. Kettő, de legfeljebb 3 dimenziót ábrázolsz,
2. Három színnél nem használsz többet,
3. Soha sem használsz térbeli grafikonokat,
4. Sosem közölsz olyan információt, ami nem támasztja alá az üzenetedet…
— nagy baj már nem történhet! : )

Tehát ne feledd:
1. Mondj igazat!
2. Térj a lényegre!
3. A megfelelő eszközt válaszd ki!
4. Emeld ki a lényeget!
5. Maradj egyszerű!

A következő részben, ezt megnézzük egy esettanulmányon keresztül is. Addig is olvasd el az előző részt:
Válaszd a megfelelő chart-ot!

Mester Tomi

Startup adatelemzés interjú II. – Evernote, Eventbrite, GoodData

Mikor legutóbb San Francisco-ban jártam, a Prezinek hála volt szerencsém néhány nagyobb sikeres startup adatrészlegének a képviselőjéve beszélgetnem, úgy mint az Evernote, az Eventbrite vagy a GoodData. Mivel ezek nem klasszikus interjúk, hanem inkább ötletelések voltak, csak röviden egy-egy gondolatot emelnék ki belőlük, ami az itthoni startup-oknak szerintem a leghasznosabb lehet.

GOODDATA

Gooddata logoA GoodData 40000+ olyan cég adatvizualizációjához adnak platformot, mint a Zendesk, a Virgin America, vagy más nagy amerikai vállalatok. Ray Light-tal, az ügyfélkapcsolati igazgatóval ültünk le, aki pozíciójából fakadóan nagyon sok üzletág adat-startégiájára rálát.

Rey a GoodData-ból
Ray a GoodData-ból

A beszélgetés legérdekesebb pontja az volt, amikor Ray a felhasználók “életútjáról” beszélt. Mint mondta, az adatelemzés segítségével fel lehet állítani egy ún. “sikeres-felhasználó életutat” és ha ez megvan, azokra a látogatókra kell kiemelt figyelmet fordítani, akik még épphogy elkezdtek letérni az útról. Ez önmagában még nem lenne nagy találmány, de amit ezután mondott, azt úgy gondolom, minden cégnek meg kéne fogadnia, mégpedig: az olyan user-eket, akik már nagyon messzejárnak ettől az ösvénytől, már nem érdemes piszkálni – ugyanis náluk már nagyobb az energiabefektetés, mint a nyereség. Fölösleges nekik extra-kedvezményt felajánlani vagy most-vagy-soha hírleveleket kiküldeni. A legrosszabb felhasználóinkat egyszerűen el kell engedni, a tapasztalat azt mutatja, hogy ha ők nem akarják használni a termékünket, akkor úgysem lehet őket hosszútávon gazdaságosan meggyőzni erről. Amúgy is: jönnek helyettük sokkal jobbak! :-)

EVERNOTE

Evernote logoAz Evernote-nál Koundinya Pidaparthi-val (Analytics Manager) és Damon Cool-lal (Director of Analytics) egy nagyon izgalmas eszmecsere alakult ki arról, hogy hogyan érdemes szegmentálni a user-eket, illetve hogy mi ennek a haszna. Az ő eredményeik azt mutatják, hogy ha olyan széles és sokrétű közönségre lő a termék, mint az Evernote és emiatt nagyon sokfajta felhasználója van az embernek, a kvantitatív analízis – azaz a bigdata-ba való mély leásás nem mindig segít.

Koundinya az Evernote-tól
Koundinya az Evernote-tól

Ugyanis ha az ember talál egy különösen aktív részcsoportot, akkor nagy eséllyel az a csoport csak egy nagyon-nagyon kicsi része az összes user-nek, éppen ezért iszonyatosan nehéz az ő eredményeiket felskálázni az összes felhasználóra. Szerintük sokszor célravezetőbb a visszamenő elemzések helyett sok-sok user-tesztet csinálni (felhasználói élmény teszt, kvalítatív analízis) és az ott kapott következtetéseket és ötleteket okosan AB-tesztelni.

EVENTBRITE

Az Eventbrite irodája
Az Eventbrite irodája

Az Eventbrite-nak már csak az irodája is megérne egy misét – de adat szempontból is ők hozták az egyik legnagyobb tanulságot a San Francisco-i utam alatt. A módszer, amit kifejlesztettek, nem új – a multik, a telekommunikációs cégek és a bankok, már régóta használják. De én startup-oknál még soha sem láttam. Feltűnt, hogy ha felhívod a bankod vagy a mobilszolgáltatód, akkor az ügyintéződ rögtön tud neked ajánlani 3 kedvezőbb csomagot? Az ügyfél-kártya módszer egy igazi kis csemege az adatok használatában. A bigdata-nak hála ma már könnyen elérhető az, hogy az összesített használati adatod (pl. telefonálási szokások, bankkártya használati szokások) a hívás pillanatában megjelenjen az ügyintéző képernyőjén és valós időben feldobjon neki 3 olyan ajánlatot, ami neked nagy eséllyel tetszeni fog. Félreértés ne essék: ez egy win-win szituáció, itt tényleg olyan csomagot kapsz, amivel jobban jársz, a cég pedig azért jár jól, mert boldogan távoztál és valószínűleg nem mész át egy konkurenshez. És ez a séma működhet a startup-ok support csatornáin is – sőt kis kreativitással és odafigyeléssel az egyes marketing csatornákon is (pl. email kampányok)! Minél személyesebb a tartalom, annál nagyobb az ügyfél-elégedettség.

Remélem neked is tanulságos volt ez a 3 gondolat ettől a 3 nagy sikerű startup-tól! A következő interjúban újra magyar startup-ok jönnek!

Tetszett a cikk?

Nézd meg az adatelemzés és startup-ok sorozat többi részét is: 1. Startup adatelemzés interjú I. – Prezi
2. Startup adatelemzés interjú III. – Brickflow
3. Startup adatelemzés eszköztár – AB-teszt, szegmentálás, kohortok

És ne felejts el feliratkozni se!

Mester Tomi

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