mérés címkével jelölt bejegyzések

Online kutatásmódszertan – a keretrendszer, amit az Adatlabornál használunk

Az elmúlt 2 évben sok online projekt elemzését készítettük el – főleg webshop és startup vonalon. Így óhatatlanul is kialakult egyfajta keretrendszer, amit mostmár folyamatosan használunk. Ezt az anyagot általában az Adatvezérelt Marketing Képzésünk bevezetéseként szoktam bemutatni, de most szerettem volna nagyobb közönséggel is megosztani.

A keretrendszer – azaz az elemzési folyamat, amit használunk, nagyon egyszerű és 4 lépcsőből áll.

online kutatásmódszertan
Az Adatvezérelt Marketing Képzés vetített anyagából

Online kutatásmódszertan – a keretrendszer, amit az Adatlabornál használunk bővebben…

Honnan tanuljunk az adatelemzésről? – 2. rész

Ebben a bejegyzésben megosztok néhány könyvet és online kurzust, amelyeket az utóbbi időben elolvastam/megnéztem és színvonalasnak, hasznosnak találtam. Sok a (big) data-s tananyag a neten, hát még könyvek formájában – sok köztük a selejt is. De szerencsére van köztük jó néhány nagyon jó anyag is.

(Az első részben már mutattam 3 könyvet: http://adatlabor.hu/big-data-konyv-1-resz/)

Íme újabb 4 tananyag, amit érdemes magadévá tenni, ha érdekel a téma!

Honnan tanuljunk az adatelemzésről? – 2. rész bővebben…

Látogatók és forgalom mérése UTM tag segítségével

Papp Gábor
Papp Gábor, thepitch.hu

Mai vendégszerzőnk Papp Gábor a thepitch.hu alapítója, SEO és online marketing szakértő! Egy kifejezetten fontos témát mutat be nekünk: a linkkövetést UTM-tag-ekkel!

Amikor 2016 januárjában elindítottuk a The Pitch Online Marketing blogját, akkor határozott célkitűzés volt előttünk, hogy tudatosan és adatvezérelt módon fogjuk gyűjteni és elemezni az adatokat. Ezeket pedig nem csak azért gyűjtjük, hogy ott legyenek a Google Analytics fiókban, hanem ténylegesen teszünk is azért, hogy ezekből a technikai információkból üzleti információt faragjunk. Vagyis olyan infót, amiből később üzleti értéket lehet teremteni.

Akik számára a tartalommarketing és az elkészült tartalom megosztása egy fontos marketingcsatorna, azok számára az utm tagek használata az egyik legjobb és leghasznosabb elemzést segítő megoldás. Látogatók és forgalom mérése UTM tag segítségével bővebben…

Funnel analízis

Mi az a Funnel analízis?
Egy mondatban: Egyetlen erőteljes elemzési módszer, amely megmutatja az egész felhasználói életút legsarkalatosabb pontjait.

Vagy inkább egy képben:

Funnel alanlízis egy képben
Funnel alanlízis egy képben

Hogyan is működik a Funnel metrika a gyakorlatban? Mik a legnagyobb kérdések és elakadások? Hogyan lehet belőle “actionable” tudást kiszedni?  Hogyan tudod elkészíteni magadnak? Vegyük sorra! Funnel analízis bővebben…

Visszatérő felhasználók mérése

Ha online bizniszben mozogsz, akkor az alábbi 2 cél biztosan szerepel a listádon:
1. Minél több új felhasználót behozni.
2. Minél több már meglévő felhasználót többszörösen visszatérő felhasználóvá konvertálni.

A visszatérő felhasználók mérése az egyik olyan terület, ahol már a definíciók szintjén is kérdésekbe fogsz ütközni, illetve ahol esetleges rossz definíciók okán a legkönnyebben becsaphatod magad. Ez a cikk ezt a problémát próbálja megelőzni! :-)

Visszatérő felhasználók mérése bővebben…

Adatosított termékfejlesztés

“…láttuk azt az általunk fejlesztett termékek esetében is, hogy mennyire el tudja vinni egy terméknek a fókuszát az, ha az ügyfeleink nem az adatokra támaszkodnak, hanem a saját ötleteiket próbálják megvalósítani; ami tök jó és ha pénz van rá, akkor hajrá, csak nem lesz sikeres a termék – Mi sikeres terméket akarunk létrehozni.”

lukacs.peter
Lukács Péter

Péter 15 év fejlesztési területen eltöltött idő után már 5 éve a Digital Natives egyik tulajdonosa. Szerinte sokszor az embernek önmagával is meg kell küzdenie egy döntés meghozatalánál, ha a termékét sikerre akarja vinni, hiszen az, ami nekünk tetszik és szerintünk jó ötlet, arra lehet, hogy a felhasználóinknak nincs is szüksége.
A B-DATA2 konferencián is arról fog beszélni, hogy hogyan lehet a terméktesztek eredményeire és a különböző analitikák adataira támaszkodva terméket fejleszteni.

Adatosított termékfejlesztés bővebben…

Hírlevél vs email marketing

“…az email marketinget sokan temetik, mert vannak divathullámok a marketingen belül is, amire sokan ráülnek, pedig rengeteg olyan eszköz van, amit jól lehet használni, de a legtöbben nem stratégiában gondolkoznak, hanem kiragadnak egy eszközt, hogy most mindenki ezt csinálja, csináljuk mi is…”

fabian-levente
Fábián Levente

Levente térképészből lett selfmade marketinges, aki jelenleg az eOptika marketing menedzsere. A NATO katonai térképeinek szerkesztése után átképezte magát: megtanult aprópénzből vagy bizonyos formában ingyen tesztelni különböző marketing eszközöket, amiből ki tudott dolgozni olyan folyamatokat, amik segítségével gyorsabban és hatékonyan tudott dolgozni. Fontosnak tartja azt, hogy elsődlegesen azokat az adatainkat ismerjük meg, amikkel már eleve rendelkezünk, tehát saját small data világunkat hasznosítsuk mielőtt a drágább és bonyolultabb rendszerekre állunk át.

Fő területe az email marketing, tehát ha webáruházad van, akkor mindenképp hallgasd meg az előadását a B-DATA2 konferencián, hiszen rengeteg hasznos információt tartogathat számodra.

Hírlevél vs email marketing bővebben…

Első adatvezérelt projekt

Sok cél, sok adat, sok elemzési lehetőség, sok információ… Egy már működő vállalkozás esetében egyik pillanatról a másikra adatokat bevonni a döntési folyamatokba nem is olyan könnyű. Ennek az oka pedig az, hogy rengeteg fajta adatvezérelt projekt létezik. Így kiválasztani az elsőt, ami igazán hasznos, nehéz.
Most felsorolok 3 projektet, amelyek az elmúlt évek tapasztalatai alapján jó első lépések lehetnek az adatvezéreltség rögös útján.

1. Konverzió optimalizálás AB-teszttel

Ez a projekt iszonyatosan egyszerű és rögtön látványos eredményt hoz, ami nem más mint a konverziónövekedés. Azt pedig mindenki szereti. :-) (Az AB-tesztelésről már többször is írtam, úgyhogy most a részletekbe nem mennék bele.) A folyamat az, hogy:

I. Megkeresel egy UX-problémát a honlapodon.
II. Keresel rá alternatív megoldásokat.
III. Teszteled, hogy melyik a legjobb megoldás.
IV. A legjobb megoldást kiteszed élesbe.
V. Újrakezded egy új problémával.

Amit sosem szabad kihagyni, az az AB-tesztet megelőző kutatás. Sokszor látom, hogy az emberek elkezdenek csakúgy megérzésből AB-tesztelni. Néha összejön, néha pedig nem… Amit mi szeretünk csinálni: teszt előtt hőtérképes elemzés, Google Analytics elemzés és legalább 3 user-teszt egy adott oldalra. Ez alapján sokkal célzottabb és hatékonyabb AB-teszteket tudunk összerakni.

2. Stratégia adatalapon

A hosszútávú döntésekben segít. Éppen emiatt nem olyan látványos és azonnali az eredménye. Amiért mégis szokták szeretni a döntéshozók, mert konkrét számokat látnak a stratégiáik mögött.

Sokfajta metódus létezik. Én a 4DX módszertant találtam eddig  a legjobbnak. Ennek a lényege, hogy van egy főcélod (pl. bevétel?) és keresel ehhez támogató alcélokat (ún. lag-ek) és az alcélokat támogató tevékenységeket (ún. lead-ek). A struktúra akkor működik, ha minden eleme mérhető is.

3. Triggerek és automation-ök

Ebben a pontban általában e-mail marketing-ről beszélünk. De lehet szó push-notification-ökről, sms-kampányról, in-site pop-up-okról, akármiről.

A lényeg, hogy ha követed a felhasználóid viselkedését, akkor bizonyos viselkedésminta aktiválhat bizonyos üzeneteket. Pl. ha látod, hogy egy felhasználó 100-szor megnézte a landing-edet, de még egyszer sem vásárolt onnan, akkor küldhetsz neki egy levelet, hogy személyes support-ot kínálsz neki, hogy könnyebb legyen a vásárlás.
Ha látod, hogy egy másik felhasználó vásárolt nálad 10 terméket, küldhetsz neki egy e-mail-t, hogy köszönöd a hűségét, itt egy 50%-os kupon, etc…

Ezek az ún. triggerek azonnali és látványos hatást fejtenek ki a lemorzsolódó felhasználók visszatérésére, hiszen személyre szabott üzenetet küld a megfelelő embereknek a megfelelő pillanatban.

Merre tovább?

Ez a 3 projekt (1. kutatás + AB-teszt, 2. Stratégia felépítés, 3. Trigger-ek beállítása) az, ami legjobb első adatvezérelt projektek között van. Látva az eredményességüket pedig könnyebb már továbblépni a saját adatbázisok felépítése és a finomabb (és még hasznosabb) adatos projektek felé.

Többet akarsz tudni a témáról? Gyere el az Adatvezérelt Marketing Tréningünkre!

Tomi

Codecademy – új kurzus!

A Codecademy-t kifejezetten ajánlom mindenkinek, aki szeretne megtanulni programozni, de fogalma sincs arról, hogy hol kezdje. Ha elvégzed pl. a JavaScript kurzusukat, nem válsz majd profi JavaScript szakemberré. De legalább lesz némi fogalmad arról, hogy hogy épül fel egy ilyen nyelven íródott kód. Tudod majd olvasni ezt a kódot, sőt akár el tudsz indulni egy saját kis gyakorló projekttel is.

Codecademy: Command Line kurzus

https://www.codecademy.com/en/courses/learn-the-command-line

Nemrég jelent meg egy teljesen új kurzusuk, ami a “Learn the command line” nevet kapta. (Amúgy magával a nyelvvel találkozhatsz, “Bash”, “Unix”, “Shell” említések között is az online fórumokon). Egyrészről szerintem ez az első tanfolyam, amit az összes közül érdemes elvégezni. Másrészről pedig adatos vonatkozása is van. Mert hogy kis, szabad szöveges (tehát nem SQL) formátumú adathalmazokat command line-ban elég rugalmasan és gyorsan lehet feldolgozni.

Pl. ha van egy 1.000.000 soros és 15 oszlopos Excel-ed, akkor azzal a személyi számítógéped/laptopod már eléggé izzadni fog. Arról nem is beszélve, hogy iszonyatosan nehéz kezelni és pl. egy olyan parancsot, hogy szűrje ki azokat a sorokat, amiben szerepel az “alma” – esetleg még tegye ki ezeket egy új fájlba – kifejezetten bonyolult már megcsinálni benne. (Pedig összetettebb adatelemző projektekben ez egy elég fontos funkció lenne.)
Big Data technológiákat ráereszteni egy ilyen adathalmazra viszont tipikus “ágyúval verébre” szituáció lenne, hiszen azok 1 milliárd sor felett jönnek számításba.

Bash-ben (command line-ban) ugyanez 1 másodperc alatt végigvihető egy egysoros paranccsal.

Ennél persze jóval többet is tud – de ez kiderül a tanfolyamból, ami 3 órás és nem mellesleg még ingyenes is! :-)

Úgyhogy tényleg csak ajánlani tudom.

Hajrá!
Tomi

Big Data könyv 1. rész – Mit érdemes olvasni?

A nyáron volt egy kis időm olvasgatni, így hát beszereztem több Big Data könyvet is!

Big Data Könyv 1 - Schönberger, Cukier1. Viktor Mayer-Schönberger & Kenneth Cukier: Big Data

értékelés: 2/10
Őszintén: nagyon megbántam, hogy rászántam az időmet erre az írásra. 200 oldalon keresztül sztorizgat, hasonlatokat hoz – néha nem is Big Data-ról – és a tényleges tartalmát kb 5 oldalban össze lehetne foglalni. A stílusa élvezhetetlen, nagyon szájbarágós, folyamatosan ismételgeti önmagát – ráadásul olyan dolgokban (korreláció vs. kauzalitás), amiben nem is feltétlenül van igaza. A jó történeteket (Google Flue Trends, Netflix, Amazon, etc.) egyébként már mind-mind olvashattuk online a kiemelt hírek között is az elmúlt 10 évben.
Azoknak ajánlom, akik szeretnének egy új – trendi – társalgási témát bedobni az esti borozgatásokhoz a baráti társaságban… De gyakorlatiasságra vagy arra, hogy megtudd, mi az a Big Data, ne számíts! (Ez csak azért szomorú, mert – megtévesztő módon – ez a könyv címe.)

Big Data könyv 2 - Lean Analytics2. Croll & Yoskovitz: Lean Analytics

értékelés: 9/10
Ellentétben az előző könyvvel, ezt 100%-osan ajánlom mindenkinek, aki adatvezérelten akar akármilyen bizniszt felépíteni. Nem kifejezetten Big Data könyv, sokkal inkább adatstratégiáról szól, de nagyszerű gondolatindító. Ha big data-val fogsz dolgozni üzleti fókusszal, akkor egyértelműen alapmű. Ha pedig ugyanezt teszed, de technológiai fókusszal, akkor ez a minimum, amit látnod kell az üzleti oldalról.
A könyv legnagyobb előnye, hogy nagyon-nagyon gyakorlatias. 31 fejezeten keresztül leírja az összes módszertant, illetve tesztelési, elemzési és egyéb praktikákat, amelyeket a menő “data-driven” cégek már kipróbáltak és sikerrel alkalmaznak. Minden fejezet végén megkapod a saját kis “házi feladatodat”, így rövid távon gyakorlatba ültetheted a tudást.

Big Data Könyv 3 - I heart logs3. Jay Kreps: I heart Logs

értékelés: 8/10
Ha az előző írás a startégiai, akkor ez a technológiai alapmű. Jay Kreps a LinkedIn adatinfrastruktúráját építette fel és közben olyan Big Data technológiát támogató open-source projekteket hozott létre, mint a Kafka, a Samza vagy az Azkaban. Ebből sejtheted, hogy nagyjából a füzet minden szava arany. Sajnos elég rövid (50 oldal), de egyúttal tömör és lényegretörő is. Mire a végére jutsz, biztosan érteni fogod, hogy mi az a log, mi köze van ennek a Big Data-hoz és hogy hogyan kell összedrótozni egy normális adatinfrastruktúrát. Betekintést kaphatsz abba, amit a LinkedIn anno a saját bőrén tanult meg – ami nem csak érdekes, de iszonyatosan hasznos is.

A könyveket itt veheted meg:
I heart Logs: http://shop.oreilly.com/product/0636920034339.do
Lean Analytics: http://leananalyticsbook.com

Ha pedig tréningen vagy képzésen ismerkednél meg az alapokkal:

Big Data Képzés: KLIKK!
Adatvezérelt Marketing Képzés: KLIKK!

Tomi