elemzés címkével jelölt bejegyzések

Mit csinálj, ha semmit sem tudsz? (A hírlevél trükk)…

Nem olyan rég egy ügyféllel tárgyaltam és sajnos kiderült, hogy eddig nemhogy Google Analytics-je nincs, de még személyes adatokat (kor, nem, foglalkozás) sem gyűjti a hírlevél feliratkozóitól. Nos, legalább hírlevél feliratkozói vannak, ez jó jel. :-)

Mit lehet kihozni egy ilyen jellegű tulajdonképpen teljesen egy-dimenziós, demográfiai adatoktól mentes adatbázisból?

e-mail cím —— vezetéknév —— keresztnév
andorka_3461611@gmail.com —- Kovács —- Andor
gizimama2123131@freemail.hu —- Szabó —- Gizella
vidrahalmaz4141@gmail.com —- Vidra —- Vidra
miklos.szabo@nagyuzletlanc.hu —- Szabó —- Miklós
nagy.andras@fortune500.com —- Nagy —- András

Látszólag semmink sincs, így nehéz közönségelemzést végezni, még nehezebb egy jól targetált marketing anyagot kiküldeni… Habár… azért mégiscsak tudunk e-mail cím és név alapján szegmentálgatni az adatbázisunkban, ha bedobunk 2 kis trükköt. Először is, keresztnév alapján szét tudjuk szedni a listát férfiakra és nőkre és máris tudunk targetálni rájuk férfi vagy női kampányokat. (Pl. itt egy lista az összes férfinévről, amivel érdemes összevetni a feliratkozóink neveit.) Persze “Vidra Vidra” nevű potenciális ügyfelünk (a fenti példából) egyik listán sem lesz rajta, de a megfigyelések szerint, aki nem adja meg a teljes nevét a levlistánkon, abból 99% eséllyel sosem lesz valódi vásárló amúgy sem.

A másik és ennél sokkal fontosabb dolog, hogy magukat az e-mail címeket is fel lehet bontani 3 kategóriába:
1. Nem üzleti e-mail címek (gmail, freemail, hotmail, stb… végződésűek)
2. Üzleti e-mail címek (ebben a példában nagyuzletlanc.hu, de általánosságban, akármi, ami NEM gmail, freemail, hotmail, vagy ilyesmi)
3. Álomügyfél e-mail címek. Biztos neked is vannak álomügyfeleid. Pl. ha a nagy multikra lősz, akkor figyelj a tesco.hu, mediamarkt.hu, stb… végződésekre. Ha esetleg a Fortune 500-ból vágysz partnerekre, akkor arról is írhatsz listát.

A megfigyelés, hogy az üzleti e-mail címek (tehát nem gmail, freemail, stb…) 60%-kal nagyobb eséllyel válnak fizetős ügyféllé átlagosan (persze ez bizniszenként eltérő).
A lényeg, hogy az e-mail cím végződések szerint szét tudod szedni a hírlevél feliratkozóidat és tudsz fókuszált üzenetű levelet küldeni az üzleti e-mail címmel rendelkező leendő ügyfeleidnek. Vagy esetleg személyes levelet írni az álomügyfél-feliratkozóknak. (“Üdv, köszöntelek a weboldalamon, szeretném Tőled személyesen is megkérdezni, hogy…)

Az e-mail cím figyelés csak egy apró trükk és most is tényleg csak azért volt rá szükségünk, mert semmilyen más adatunk nem volt az adott ügyfélnél. De ha ilyen cipőben jársz, akkor egyrészt szólj és segítünk – másrészt, amíg bejön a többi adat, nagyon hasznos kis eszköz tud lenni és egészen nagy sikereket lehet vele elérni.

Mester Tomi

Ha a Tinderes kísérlet kapcsán jutottál ide…

… akkor jó helyen jársz. Mester Tomi vagyok az adatlabor.hu szakmai blog szerzője és még írnék neked pár gondolatot, amire a sajtóközleményben nem maradt hely és adat szempontból fontos. Mindenek előtt itt a PPT, amit az eredeti előadásban az IH2014-en vetítettünk, sok chart-tal, sok eredménnyel:

Mészáros Beával, a Mindea vezetőjével az Internet Hungary-s előadáson az egyik legfontosabb üzenetünk az volt, hogy manapság már kis kreativitással igenis mindent lehet mérni. A Tinder egy párkereső platform, de nekünk egy analitikai eszköz volt. Persze nem kell tényleg mindent elemezni, de a marketing kreatívok tipikusan olyan dolgok, amiket érdemes. Bea marketing szakember, ő tudta, hogyan kell összetenni a profilokat, én adatelemző vagyok, úgyhogy tudtam mit, hogyan és miért elemezzünk. A/B teszt, konverzió, megtérülés. Gyorsan összefoglalom a legérdekesebb eredményeket a kutatásból.

1.) Először is, ahogy írtam a Tinder párkereső appon AB-teszteltünk férfi és női profilokat. 200 embert húzunk jobbra és 24 órát adtunk nekik a match-elésre, azaz, hogy visszajelezzék, hogy mi is tetszünk nekik. A különböző profilok, Beánál, akit a kísérletben Annának hívtunk és 25 éves volt:

Tinder kísérlet, női profilok
Tinder kísérlet, női profilok

És a férfi profilok Tominál, aki a kísérletben a szintén 25 éves András volt.

Tinder kísérlet, férfi profilok
Tinder kísérlet, férfi profilok

(Zárójelben jegyzem meg, hogy kicsit féltünk ettől, de végül úgy döntöttünk, hogy akkor hiteles a kísérlet, ha saját magunkkal tesztelünk.)

És az eredmények:

NŐI PROFILOK VISSZAIGAZOLÁS ÜZENET
1. Kacér, kihívó 110 53
2. A Tinder legjobb csaja 103 44
3. Titokzatos 87 44
4. Átlagos szőke 86 42
5. Párkapcsolatban élő 56 25
6. Barna hajú 46 15
FÉRFI PROFILOK ———- ———-
1. Gazdag 20 1
2. Orvos 16 2
3. Titokzatos 11 0
4. Átlagos 9 0
5. A Tinder legjobb pasija 2 0
6. Párkapcsolatban élő 2 0

A csajoknál a szexiség, a srácoknál a gazdagság és a presztizs-szakma nyer. Az eredmények szignifikánsnak tekinthetőek. Habár adatelemzési szempontból ez nem egy klasszikus minden dimenziójában tökéletesen AB-tesztnek tekinthető kísérlet, azért az eredményekből lehet sejteni, hogy mi a nyerő és mi nem.

2. Márcsak azért is, mert csináltunk egy 1600 fős kérdőívezést is, ahol az első kérdésünk az volt, hogy mi az első asszociáció a Tinder szó kapcsán. Fiúkra és lányokra szegmentáltunk.

Tinder teszt, férfi asszociációk Tinder teszt, női asszociációk

3. Másik nagy találásunk volt, hogy egyéjszakás kalandok és párkapcsolatok is jönne a Tinderről, habár a fiú egyéjszakás kalandok száma igen csak kiemelkedik.

tinder teszt párkapcsolat   tinder teszt egyéjszakás

4. És megfigyelted, hogy a sorrendben a rejtőzkődő profilok jobban teljesítenek, mint az alap-profil? Vagy azt, hogy a lányoknál működik a badge, a fiúknál pedig nagyon nem?

Sok más minden kiderült még, ha további kérdéseid vannak, írj. :-)

A kutatás teljesen anonim volt, mindenki személyiségi jogait maximális tiszteletben tartottuk és tartjuk.

Ha kíváncsi vagy egy hasonló kísérletre, kattints ide:
A nagy QR-kód kísérlet – a fiúk a szex után a semmire, a nők a pénzre kattintanak.

És ne felejts el feliratkozni a hírlevélre:


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

Webdizájner vagy? Készíts jobb honlapot, mint akárki más…

Te is szeretnél keresett és menő webdizájnerré válni? A programozás része már megvan, SEO-ról hallottál eleget, a grafikáid pedig első osztályúak, de még hiányzik valami plusz? Ebben a cikkben leírom, mit kell tenned!
Nagyon sok a fájdalmasan rossz, elfogadhatatlan minőségű weblap. Ugyanakkor egy erős, felhasználóbarát, könnyen használható oldal óriási előny az üzleti életben. Egy jó honlap ténylegesen pénzt termel, méghozzá nem is keveset. Na ez az, amit a megrendelők imádnak, ez az ami alapján továbbajánlják a webdizájnert.
Felhasználóbaráttá pedig csak úgy válhat egy honlap, ha “nomen est omen” alapon tényleg a felhasználókkal foglalkozol! Pontosítok, ha az ADOTT HONLAP felhasználóival foglalkozol. Ha ismered a honlap készítés általános szabályait (dizájn, programozás, stb), itt az idő, hogy lenyűgözd a látogatókat és ezáltal a honlap tulajdonosát azzal, hogy észreveszed és reagálsz a speciális igényekre.
Itt jön be a képbe a Google Analytics és a felhasználói adatelemzés.

FIGYELEM! Az itt leírt 3 trükk nem bonyolult dolog – 15 perc ráfordítással simán eléred ezeket az információkat – mégis, a weblap-tervezők kevesebb mint 1%-a használja ki ezeket a fegyvereket.

Mind a 3 trükkhöz szükséged lesz arra, hogy beletúrj az általad dizájnolandó weblap előző verziójának az adataiba. Kérj a megrendelőtől egy Google Analytics hozzáférést és nézz rá ezekre az elemzésekre:

1) ESZKÖZÖK ARÁNYA: Az egyik legcikisebb élményem volt, amikor az egyik ismerősöm weblapját nem optimalizálták okostelfonos és tabletes forgalomra – mondván, hogy az úgyis elenyésző része a forgalomnak. Aztán egy konferencián, míg az egyik honlap-tulajdonos prezentált, egy néző mellettem elővette  a mobilját, fel akart menni az oldalra és ezt látta:
prezimagyarul mobil előnézetUgye? Nem túl felhasználóbarát… Miután belenéztünk az adatokba, láttuk, hogy a látogatók, több mint 16%-a mobilon vagy tablet-en próbálja megnyitni az oldalt. Végre adatokkal sikerült meggyőzni az ügyfelet, hogy 16%-os növekedés várható, ha reszponzív weblapra váltanak, tehát igenis megéri a befektetést. A honlap tulajdonosai berendelték az új, reszponzív dizájnt és remélhetőleg soha többé nem lesz ilyen probléma – és beindul a növekedés.

Google Analytics - mobil eszközök aránya
Google Analytics – mobil eszközök aránya

Ha el akarod érni, ezt az oldalt, nyisd meg a Google Analytics-et és nézd meg, milyen eszközökkel használják az oldalt. Ehhez menj a KÖZÖNSÉG –» MOBIL –» ÁTTEKINTÉS menübe.

google analytics webdizajn elemzes
Google Analytics – mobil eszközök menü

A mobil eszközök tételesen lebontva is láthatóak – tehát ha kész a reszponzív webdizájn, akár azt is megnézheted, milyen mobilon vagy tablet-en kell tesztelned. KÖZÖNSÉG –» MOBIL –» ESZKÖZÖK:

Google Analytics - mobil eszközök lebontva
Google Analytics – mobil eszközök lebontva

2) HŐTÉRKÉP: A hőtérkép nem más, mint egy vizuális kép a leggyakrabban kattintott elemekről az adott oldalon. Igen, igazi hőtérkép az oldalról – létezik ilyen.

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

Erről már írtam egy részletes cikket korábban, ezt most csak egy saját sztorival egészíteném ki. Egy ügyfelünknek elemeztük a honlapját új dizájnhoz – és észrevettük, hogy van egy gomb az oldal közepén, nem túl hangsúlyos helyen, ami egy ún. “közösségi csapatépítő képzés” aloldalra vezetett. Erre a gombra kattintott a felhasználók, több mint 16% – a hőtérképen vörös színnel volt jelölve. Azaz annak ellenére, hogy kicsit “el volt dugva”, az emberek többet akartak tudni a “közösségi csapatépítő képzésről”. Ez gyanút keltett bennünk, úgyhogy megnéztük, és google-ről is ez volt a legkeresettebb oldal. Rájöttünk, hogy ez a képzés az, ami a cég profiljai közül a legtöbb embert vonzza. Hogy lehet, hogy erről a cég nem tudott? Hát úgy, hogy az aloldalon a JELENTKEZÉS gomb szinte megtalálhatatlan volt, így végül nagyon kevesen jelentkeztek ténylegesen, a cég pedig figyelmen kívül hagyta ezt a tréninget. Eredmény: Ezek után az új dizájnban kiemelt helyre került a “közösségi csapatépítő tréning”, a jelentkezés gombot pedig az aloldal tetejére, jól látható/kattintható pozícióba tettük. A tréningre való jelentkezés megnégyszereződött (4X!!), a tréningcég pedig leírhatatlanul hálás volt nekünk.

3) DEMOGRÁFIA: Le akarod nyűgözni a megrendelőt? Akkor mutasd meg neki, hogy kik az online-látogatói. Férfiak vagy nők? 18-25 évesek vagy inkább 45-54? TV-sorozat rajongók vagy komoly üzletemberek?

Google Analytics - demográfiai adatok
Google Analytics – demográfiai adatok

A megrendelők imádják, ha ezt tudják a potenciális vevőikről… Tudod miért? Azért, mert így sokkal könnyebben meg tudják szólítani őket, sokkal könnyebben tudnak reklámozni és sokkal könnyebben tudnak terméket vagy szolgáltatást fejleszteni.
Egy férfi öltönyökkel és zakókkal foglalkozó honlapon pl. kiderült, hogy a látogatók nagy része (79% !!!) nő! Gondoltad volna? Hát én sem. Mindenesetre, miután ezt az adatot kibányásztuk, az összes reklám szöveget átírta a tulajdonos: “Szeretne egy szép zakót magának?” típusú mondatok helyett “Szeretne egy szép zakót fiának vagy férjének?” típusúakra (jó-jó, azért ennél összetettebbek voltak a változtatások, de a lényeget érted…). Ezek az apróságok persze tudat alatt hatnak, de a növekedés kézzelfogható volt.
Hogyan érheted el ezeket az adatokat?
KÖZÖNSÉG –» DEMOGRÁFIA –» ÁTTEKINTÉS
Nagy eséllyel ezt fogod látni:

Google Analytics - demográfiai elemzés
Google Analytics – demográfiai elemzés

Ha így van, kattints az engedélyezés gombra és cseréld ki az eddigi GA-kódot az újonnan felkínáltra! Ezek után pár nap és már jönnek is be az adatok! Ugyanebben a menüben megtalálod őket.
———————————–

Ezzel a 3 alaptrükkel szinteket tudsz lépni a felhasználóbarát weblap készítésben és biztos lehetsz benne, hogy ha tényleg jól használod, akkor nemcsak visszahívni fognak az ügyfeleid, hanem továbbajánlani is. Ennél persze sokkal többet rejt mind a Google Analytics, mind az adatelemzés tudomány eszköztára! Ha értesülni akarsz róla vagy haladóbb trükkökre vagy kíváncsi, iratkozz fel az Adatlabor hírlevélre!


Mester Tomi

Startup adatelemzés interjú I. – PREZI

prezi startup logoTóth Zotyával, a Prezi adat-infrastruktúra csapat vezetőjével beszélgettem, arról, hogy hogyan is működik az olyan sikeres startup-oknál, mint a Prezi az “adatozás”, a big data és a különböző elemzések összeállítása. Nagyon sok érdekességet megosztott velem. A kedvenc tényeim:
1. A cégben nagyon erős a belső transzparencia. Az elemzéseket az összes Prezi dolgozó láthatja – beleértve az éves bevételt, az aktív felhasználók számát és minden egyebet.
2. A prezi belső szerverein naponta (vagy még sűrűbben) 640 script gyárt automatikus riportokat/elemzéseket.
3. Körülbelül 1 petabyte (=1.000 terrabyte = 1.000.000 gigabyte) elemezhető interakciós adatból dolgoznak – amivel azt kutatják, hogy a felhasználók hogyan használják a prezit, hova kattintanak és miért.
4. Önkiszolgálás. Minden csapat képes saját magát kiszolgálni adatokkal. A jól felépített infrastruktúrának hála gyorsan és könnyen érik el az adatokat.

toth zotya startup adatelemzés prezi
Tóth Zotya, Prezi

Tomi: Hányan vagytok most a Data Team-ben?
Zotya: Most 9-en vagyunk. Ezen belül hárman vagyunk a Data Services-ben. Amit mi csinálunk, az a gerince az egész adatinfrastruktúrának, egyrészt, mi gondoskodunk róla, hogy az adatok eljussanak az adattárházba, másrészt, hogy menjen minden elemző eszköz, amit a különböző csapatok használnak. Ezekkel, már eljutottunk odáig, hogy automatikusan működnek és ha valami gond van velük, jeleznek nekünk maguktól. A főprojektünk az ETL, ami a gerince az adattovábbításnak. Erre van egy komoly belső fejlesztésű rendszerünk.
A preziben nagyon fontos, hogy az egész adatozás self-service, tehát ha te egy termékcsapatban dolgozol, akkor te meg tudod írni a saját riportjaidat, te tudod, hogy honnan keresd az adatot, hogy hogyan strukturáld és mi pedig egy platformot adunk, hogy mindezt megcsináld. Így sikerült azt elérni, hogy még mindig 3 fős a csapat, és mégis ki tud szolgálni egy ekkora, több mint 200 fős szervezetet.

– Mire használjátok az adatokat a Preziben?
– Egyrészről vannak a core-adatok, amik a startégiai döntéseket befolyásolják. Ezeket nagyon sokat nézi a vezetői csapat, hogy merre vigyék tovább az üzletet. Pl. felhasználók száma, aktív felhasználók száma, bevétel,  vagy éppen, hogy hányan újítják meg az előfizetésüket, azok akik elkezdtek egy próbaidőszakot és hányan fizetnek. Tehát sok benne a növekedés menti, az aktív használat és a bevétel menti adat.
Másrészről a termékcsapatoknak van saját KPI-uk (“teljesítmény-mutató”), tudják mit akarnak elérni egy adott szemeszterben és azt mérik. Ezt lebontják különböző szintekre és néznek nagyon finom dolgokat is. Például sok olyat csinálnak, hogy egy kis részletet megváltoztatnak – A/B tesztelés – a weben. Egyszerűen csak máshova tesznek egy gombot, ami kimegy a felhasználók 5%-ának, a maradék 95% pedig látja a régi verziót. Azt figyelik, hogy az az 5% szignifikánsan jobban használja-e ezt az új funkciót – magyarul, hogy érdemes-e azt a gombot arrébb rakni. Ha igen, akkor megváltoztatjuk a terméket. Párhuzamosan sok ilyen kísérlet zajlik – persze nagyobbak is, de ez egy jó példa.
Ha fejlesztenek egy új dolgot, akkor tudják, hogy miket akarnak nézni: hányan használják, hányan használják mégegyszer, mennyi a hiba, a felhasználóknak hogyan változik a viselkedése, ami alatt azt értem, hogy mennyire könnyen csinálnak az emberek egy prezit. Erre is vannak belső mérőszámok és a fejlesztők azt nézik, hogy ha változik egy funkció, akkor hogyan változnak ezek a mérőszámok.

– Hogyan frissülnek az adatok? És hogyan jelenítitek meg őket?
– Körülbelül 640 script van, ami minden este vagy akár óránként lefut és ezek elküldik az eredményeket különböző vizualizációs platformokra. Például van egy chart.io nevű eszköz, de emellett használjuk a gooddata-t is. Ezenkívül van a Plotserver, ami egy sajátfejlesztésű open-source eszköz…

– Ezt a Prezi fejlesztette és open-source-szá tette?
– Igen. Bárki számára elérhető… (link: https://github.com/prezi/plotserver) Ezenkívül még van a Prezi Analytics, amit a Metrics csapat kezel. Ez az a felület, amin soha nem lehet hiba, mivel ez sok fontos döntést befolyásol és emiatt mindig pontosan és időben ott kell lennie a számoknak. Ha prezi alkalmazottként üzleti adatokkal akarsz dolgozni, kíváncsi vagy, hogy mi történik éppen a céggel, felmész erre a webes felületre és pár perc alatt összekattintgathatod az elemzésedet.

– És ezt a cégből mindenki eléri?
– Igen, ez nagyon fontos. A Prezinek az a filozófiája, hogy ahhoz, hogy datadriven-ek legyünk, ahhoz mindenkinek mindenhez hozzáférést kell adni. Tehát nincs olyan adat, ami titkos bárki előtt a preziben. Onnantól, hogy felvettek, visszamenőleg látod, hogy mikor mekkora volt a bevételünk, mennyi felhasználónk volt és azok hogyan viselkedtek. De minden mást is, amire csak kíváncsi vagy. Egészen egyszerűen azért, hogy a legjobb döntést tud meghozni.

– Köszönöm szépen a beszélgetést!

Tetszett a cikk? Nézdd meg a többi részt is:
1. Startup adatelemzés interjú II. – Evernote, Eventbrite, GoodData
2. Startup adatelemzés interjú III. – Brickflow
3. Startup adatelemzés eszköztár – AB-teszt, szegmentálás, kohortok

És ne felejts el feliratkozni a hírlevélre! :-)

Mester Tomi

Vajon jó marketing eszköz-e a QR-kódos matrica?

Röviden: NEM.

Mindig is bosszantott, hogy teleragasztják a romkocsmák WC-it undorító QR-kódos matricákkal, úgyhogy kinyomtattam és kiragasztottam 240 ilyen matricát, amik az én oldalamra mutatnak és lemértem a hatékonyságukat. Az előkészítés része volt még, hogy összesen 8 fajta matricát tettem ki fiú és lány WC-kbe, hátha a különböző témák és a különböző nemek különböző viselkedéseket mutatnak. (Így is lett.)

qr kód marketing

Az eredményeket tavaly előadtam a TedXYouth-on (videó lent), de mindig is publikálni akartam egy cikkben is a végeredményt, ahol egy kicsit részletesebb szakmai (“adatos”) eredményeket is leírhatok.

Költségek: 8000 Ft (240 matrica)
Kiragasztásra szánt idő: 4 óra/2 ember
Összes leolvasás egy hónap alatt: 171 db

Azaz 29.24 ft-ot és 84,21 mp-t fizettem egy darab leolvasásért.
Amit a TedXYouth-on nem mondtam el, hogy a honlapon volt egy e-mail cím. Leírtam, hogy mindez csupán egy kísérlet és akit érdekel az eredmény, az írjon egy e-mail-t – akit nem, az nézelődhet a honlapon. Ugyebár egy QR-kód leolvasásnak ez lenne az értelme: bejön a user, és vagy szétnéz a honlapon vagy pedig kontaktál.

Összesen 3 darab e-mail-t kaptam 1 hónap alatt. Ami ennél is durvább, hogy összesen a 171-ből 8-an (azaz CSAK NYOLCAN) mentek tovább a honlapra.
Ez azt jelenti, hogy több száz forintot és több tíz percet
fizettem egy-egy konverzióért, egy-egy “elégedett” felhasználóért.

Összességében még azzal is jobban jártam volna, hogy ha leülök 8 emberrel beszélgetni a romkocsmákban, meghívom őket egy-egy sörre és dumálok velük egy félórát arról, hogy miért kéne nekik velem üzletelniük.

Szóval nem, a QR-kód nem jó marketing eszköz – egyszerűen nem erre való. (Legalábbis a fenti kísérlet alapján.) Eleve kevesen olvassák le – de aki leolvassa az is inkább csak poénból, igazából nem akar semmit. A QR-kód még mindig jó lehet kiegészítő információk közlésére, útbaigazításra, ilyesmire, de marketingre nem. (Ja igen és nem is szép.)
(Persze ennek a tesztnek voltak korlátai.
1. csak romkocsmákban készült
2. viszonylag kicsi volt a mintavétel (240 matrica)
De szerintem egy jó irány, hogy további következtetéseket feltételezhessünk más helyzetekre is.)

Számomra a legnagyobb tanulság ebből a kísérletből ismét csak az, hogy minden marketing csatornádat mérni kell. Ha nem méred, nem tudod, hogy mi a pénzkidobás és mi az, amiből a legtöbb “ügyfeledet” hozod be.

+1 gondolat: a két kedvenc szegmentált adatom: a fiúk és lányok átkattintási preferenciái. Érdemes megfigyelni, hogy a szex után a lányoknál második helyen a pénz, fiúknál a semmi áll. : )) (Najó, a lányoknál tényleg kicsi volt a minta…)

lányok qr teszt

fiúk qr teszt

Ha a többi részletes eredmény is érdekel, itt a TedXY előadásom tavalyról:

Mester Tomi

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!

ui.: Ajánlott kapcsolódó cikk még: SEO elemzés témában: https://bpdigital.hu/technikai-seo-audit/

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