Markedsanalyse: faser og stadier

Når vi jobber seriøst med markedsføring, er en av oppgavene vi må ta oss av å analysere resultatene av innsatsen vår.

Denne analysen vil selvsagt variere i form og innhold avhengig av ressursene som investeres.

Det er logisk at rekkevidden ikke blir den samme hvis vi investerer 100€ i måneden som hvis vi investerer én million.

I det første scenariet vil vi sannsynligvis bare bruke én eller to kanaler, mens det i det andre helt sikkert vil være mer enn ti.

Derfor vil analytics vi bruker på prosjektet endre seg etter hvert som prosjektet vokser.

Vi går gjennom ulike faser. Vi når ulike stadier.

Og i denne artikkelen vil jeg vise deg de fem viktigste, som jeg oppsummerer i denne tabellen:

Fase 1: Google Analytics

Den enkleste måten å begynne å måle “noe” i markedsføringen eller det digitale produktet vårt.

Hvis vi har et digitalt prosjekt med en nettside eller app, er dette det første verktøyet vi bruker, fordi det er gratis, svært enkelt å implementere på grunnnivå og gir oss mye informasjon.

Det er den første fasen i markedsanalysen.

Hva du kan måle med Google Analytics

Riktig konfigurert lar det deg måle ting som:

Brukernes interaksjoner

• Trafikken fra de TAGGEDE kampanjene dine
• Flukt- / Engasjementsraten på landingssidene dine.
• Produkter / tjenester som er vist.
• Produkter / tjenester lagt i handlekurven.
• Brukere som går til checkout => Remarketing.
• Andre events på siten.

Egenskaper ved brukerne dine

• Enhetene brukerne dine benytter.
• Landene de kobler seg til fra.

Konverteringer

• Konverteringer per kampanje (LCI- eller “datadrevet” modell, avhengig av rapporten).
• Produktkjøp og returer.

Annonsering på siten vår

• Kampanjer på nettsiden vår (bannere)
• Produkter som vises til brukerne.

Hva Google Analytics IKKE lar deg måle

Selv om det gir oss mye informasjon, er det også ting det mangler og som vi må måle på andre måter, for eksempel:

• Kampanjer i tradisjonelle medier (TV, presse, utendørs).
• Digitale kampanjer uten klikk (merkebannere, åpning av e-poster, visninger av YouTube-videoer): postview.
• Customer journey på tvers av enheter. Det finnes forsøk, men de er lappeløsninger.
• Handlinger fra brukere som ikke godtar cookies eller bruker adblockers.
• Full attribusjonsmodell (skjeve data).
• Personopplysninger (CRM).

Hva det bare måler delvis

• Klikk på nettsiden din (alle kunne vært målt, men det anbefales ikke).
• Kampanjekostnader fra andre plattformer enn Google (data må lastes opp).
• SEO-keywords (du ser svært få).
• Sosiodemografiske egenskaper (Signal)
• Data som ikke samles inn direkte (JS-feil, adblockers, Safari): du vil alltid mangle en % av konverteringene. Hullet blir større for hver dag.

Fordeler med Google Analytics

Ganske mange, faktisk:

• Det går raskt å få grunnleggende informasjon. Vi kan samle inn data på få minutter.
• Det er den enkleste måten å begynne å måle “noe” i markedsføringen eller det digitale produktet vårt.
• Det er det beste gratis verktøyet for digital analytics. Og det er bedre enn mange betalte.

Ulemper med Google Analytics

Selvfølgelig har det også noen ulemper:

• Det gjenspeiler ikke virkeligheten i virksomheten. Ikke engang markedsavdelingens. Heller ikke digital markedsføring. Fordi det mangler data til det.
• Det måler altså bare en liten del, så man bør ikke bedømme en hel virksomhet ut fra Analytics-dataene.
• GA4 er i dag dårligere enn GA3. Det krever en mer kompleks teknisk implementering i et mer komplisert miljø (GDPR, personvern…)

Oppsummering

På grunn av alt dette mener jeg at Google Analytics ikke strekker til.

Selv for bare å måle resultatene til et digitalt produkt (nettside eller app) trenger du andre supplerende verktøy.

Enda mer hvis du vil ha kontroll over en hel virksomhet, uansett hvor digital den er…

Uansett vil dette være det første steget innen analytics.

Fase 2: Rapportering per digital kanal

Når vi vokser og har flere digitale kanaler, særlig betalte (Google Ads, Meta, affiliates…), fortsetter vi å analysere den generelle performance som i forrige fase, men begynner også å analysere hver kanal separat og mer i dybden for å prøve å optimalisere den.

Frekvens

Denne analysen varierer etter budsjett:

• Under 2 eller 3K/Måned blir den månedlig.
• Over det blir den kanskje ukentlig.

Vi trenger nemlig et godt datavolum for å ta beslutninger. Det volumet krever mer eller mindre tid avhengig av prosjektets størrelse og investering.

Ansvarlig

Det vil alltid være noen som har ansvar for å presentere det og trekke konklusjoner. Det kan være:

• Internt team: hvis markedsføringen styres inhouse.
• Freelancers: hvis vi bruker forskjellige avhengig av kanal.
• Byrå: når vi hyrer inn et for å håndtere alt paid eller SEO.

Hva det inkluderer

Avhengig av kanalen vil denne reportingen inneholde forskjellige ting. For å gi deg en idé vil disse rapportene inneholde:

• Kampanjens fremdrift .
• I paid media er fokuset salg.
• I SEO er det rangering og ORM.
• I sosiale medier er det rekkevidde eller kontakter og løsning av hendelser.

Målet med rapportering per kanal

Egentlig er det viktigste å se hvordan vi ligger an i forhold til forretningsmålene som er satt. Basert på dette får vi to scenarier:

• Hvis vi er i rute, blir det bare oppfølging.
• Hvis vi ligger under, trenger vi forslag til tiltak, for eksempel:
  • Endring i investeringen.
  • Cambio en la oferta.
  • Cambio en el mix de medios.
  • Cambio en las creatividades.
• …

Du bør vite at digitale direct-response-kampanjer tillater svært raske endringer.

Datakilde

All denne informasjonen får vi fra ulike verktøy. Vi kan altså bruke:

• Rapportene fra plattformen (Google Ads, Meta…).
• Google Analytics.
• En AdServer, hvis vi bruker en (anbefalt ved høye budsjetter, siden den koster)
• Search Console.
• Metricool
• …

Eksempler

La oss se på noen bilder av denne typen rapporter, så du får et bedre inntrykk:

Ukentlig paid-media-rapport

Månedlig SEO-rapport

Månedlig rapport for Sosiale Medier

Oppsummert

I denne andre fasen begynner vi å forstå den digitale markedsføringen vår: hvordan kanalene henger sammen, anskaffelseskanaler og konverteringskanaler.

Men de utelater alt som skjer i det digitale produktet: det må kombineres med Google Analytics (og noen andre verktøy) for å gi oss et bedre bilde av hva som skjer på nettsiden.

I tillegg krever de tid til utarbeidelse og lesing.

På grunn av dette begrenser de seg noen ganger til å produsere tall i stedet for å gi informasjon og anbefalinger, som er det viktige.

Fase 3: Økonometriske modeller

Hva er en økonometrisk modell

En økonometrisk modell er ikke annet enn en matematisk simulering av virkeligheten, som hjelper oss å forstå hvorfor noe skjedde på en bestemt måte basert på visse variabler.

Det gode er å bruke denne kunnskapen til fremtidige beslutninger.

Det handler om å forklare en avhengig variabel (vanligvis inntekter eller salg) basert på andre variabler (forklaringsvariabler), som trafikk på nettsiden, pris, publikums interesse, annonseinvestering eller merkevarens NPS.

Når økonometriske modeller bør brukes i markedsføring

Når du vokser, begynner du å vurdere tiltak utenfor de digitale kanalene. Det er da du begynner å bruke økonometriske modeller.

Det er ikke noe nyere eller mer avansert enn månedlige rapporter per verktøy, men det brukes til å gi en annen type informasjon.

Frekvensen vil være minst månedlig. Den kan øke avhengig av prosjekt eller sesongvariasjon (det er ikke normalt å drive med TV hele tiden).

Hvem er ansvarlig

Den som har ansvar for å lage den kan være:

• Internt team: hvis man har et sterkt analytics-team.
• Markedsførings- eller mediebyrå: når vi hyrer inn et for å håndtere alt paid eller mediene.
• Attribusjonsbyrå / -verktøy: uavhengig av byrået. Bedre, men dyrere (enda en fee å betale).

Hva som inkluderes her

I hovedsak to ting:

• Hvordan investeringen vår virker på lang sikt, ikke bare kort og mellomlang sikt.
• Inkluderer tradisjonelle medier.

Hva er målet

• Se hvilke medier som genererer salg.
• Se hvordan eksterne variabler påvirker (konkurranse, vær).
• Justere investeringen best mulig.

Det finnes flere datakilder

Enda mer enn i forrige fase:

• Google Analytics.
• AdServer
• Attribusjonsverktøy.
• Search Console.
• Piksel fra annonseplattformene.
• CRM.

Fordeler med økonometriske modeller

De har mange, blant annet noen svært åpenbare som manglet i tidligere faser:

• Inkluderer ikke-digitale kanaler.
• Og eksterne variabler (sesongvariasjon eller konkurranse).
• Gir strategisk og handlingsrettet informasjon.
• Forklarer fortiden og gjør det mulig å lage prognoser for fremtiden.
• Det hjelper mye å lage den optimale utformingen av markedsplanen.
• Til tross for kompleksiteten kan man til og med lage en med Excel.

Ulemper med økonometriske modeller

Selvfølgelig har de også en rekke ulemper, som gjør dem egnet bare for prosjekter av en viss størrelse:

• Det er ikke enkelt å lage en robust modell:
  • Variablene må velges nøye.
  • Tener el histórico de datos.
• Å kunne hente den ut og presentere den i riktig format.
• Dette innebærer en arbeidskrevende oppgave som er vanskelig å automatisere (mange datakilder).
• Det trengs VELDIG MYE data for å gjøre den pålitelig. Den er ikke egnet for små prosjekter.
• Hvis vi setter den ut, er den ikke billig.
• Byråene er både dommer og part.

Oppsummert

Vi forstår nå ganske godt hvordan markedsføringen vår fungerer, og ikke lenger bare den digitale delen, samt hvordan investeringen vår presterer.

Igjen blir delen om digitalt produkt (konverteringsrate og events) i stor grad satt til side, selv om vi kan inkludere dem som variabler.

Man må tro på modellen. Det er en trosakt (til modellen beviser sin gyldighet). Hvis vi ikke tror på den, er det et dårlig tegn.

Den er kostbar. I tid, penger eller begge deler.

Fase 4: Attribusjon

Økonometrisk analyse utføres vanligvis når vi tar steget over til ikke-digitale kanaler.

Men det kan hende vi aldri tar det steget.

For å komme videre med analytics i virksomheten vår vil vi da fokusere på Attribusjon, som ikke er noe annet enn å tilordne en konvertering til kanalen eller kanalene som gjorde den mulig.

La oss se på en eksempel- journey for å gjøre det tydeligere:

Denne brukeren kom inn på nettsiden vår gjennom ulike kanaler, med ulike enheter og på ulike tidspunkter, helt til vedkommende til slutt konverterte.

Så hvilken kanal tilskriver vi den konverteringen?

• Den første?
• Den siste?
• Flere?

Attribusjon kan være énkanals eller flerkanals, avhengig av hvor mange touchpoints brukeren har med nettsiden vår som tas med.

I tillegg hjelper en attribusjonsmodell oss å forstå at det finnes konverterende kanaler “målsnikere”, som remarketing eller merkevare-SEM, og assisterende kanaler , som e-post. Det finnes også andre som åpner funnel.

Til syvende og sist må man forstå hva hver av dem bidrar med.

De vanligste attribusjonsmodellene

Popularisert av Google Analytics kan vi si at de viktigste er følgende:

• Last-click (énkanals) => annonseverktøy.
• Last-click indirect (énkanals) => Google Analytics, i de fleste rapporter.
• Time decay (flerkanals) => Google Analytics.
• Datadrevet (flerkanals) => Google Analytics og andre avanserte analytics-verktøy.

GA4 bygger på dataene det samler inn fra nettsiden og, hvis vi konfigurerer det slik, på det GA4 vet om brukeren, men det mangler informasjon.

For eksempel tar det ikke med annonsevisninger og effekten av post-view, og heller ikke informasjon om offline-kanaler eller brukerens ulike enheter hvis vedkommende ikke er logget inn.

Derfor er Google Analytics ikke det beste verktøyet for korrekt attribusjon.

Andre verktøy (ikke gratis) løser disse problemene og tar med flere variabler, ikke bare medier (CRM, samtaler, butikkbesøk, konkurranse, avtaler…).

Med alle disse variablene brukes en statistisk matematisk modell som ligner de økonometriske.

Hva denne fasen inkluderer

• Som i den økonometriske modellen: bidraget fra hver kanal til salget.
• Selv om den ofte bare inkluderer informasjon fra digitale kanaler (enklere), kan man i realiteten legge til alt som trengs i modellen (inkludert investering i tradisjonelle kanaler), avhengig av verktøyet.

Mål

• Se hvilke medier som genererer salg.
• Se hvordan andre variabler påvirker.
• Justere investeringen best mulig.

Datakilde

Også her finnes det flere kilder:

• Google Analytics og AdServer.
• Undersøkelser.
• Forretningsdata.
• Besøk i butikk.
• BTL.
• CRM / samtaler / SMS.
• …

Fordeler med attribusjon

Svært like fordelene ved økonometriske modeller:

• Inkluderer all informasjon vi trenger (i hvert fall med avanserte verktøy).
• Gir svært handlingsrettet og strategisk informasjon med tanke på investeringen.
• Forklarer fortiden og gjør det mulig å lage prognoser for fremtiden.
• Det hjelper mye å justere den optimale utformingen av markedsplanen hvis vi mener opplegget kan forbedres.

Ulemper med attribusjon

Igjen, lignende dem i forrige fase:

• Det er ikke enkelt å lage en robust modell:
  • Variablene må velges nøye.
  • Tener el histórico de datos.
• Å kunne hente den ut og presentere den i riktig format.
• Dette innebærer en arbeidskrevende oppgave som er vanskelig å automatisere (mange datakilder).
• Det trengs VELDIG MYE data for å gjøre den pålitelig. Den er ikke egnet for små prosjekter.
• Det settes ofte ut, og gode verktøy er ikke billige.

Oppsummering

Dette stadiet av analytics er svært godt egnet for den digitale markedsavdelingen i en virksomhet. Særlig hvis det ikke gjennomføres tiltak i offline-kanaler.

Det er en svært pålitelig analyse av kanalene som påvirker salget mest, noe som hjelper med å fordele investeringen riktig.

Man kan gradvis legge inn variabler fra events som skjer i det digitale produktet (mikrokonverteringer, relevante sidevisninger…).

I tillegg krever de team og eksterne verktøy samt tid til internt arbeid for å mate modellen.

Fase 5: Inkrementalitet

Attribusjon fordeler konverteringene mellom de ulike markedsføringskanalene.

Men sannheten er at verken alle konverteringer på en nettside eller alt salg i en virksomhet er et resultat av markedsføring.

Husk modellen Product Led Growth, for eksempel.

Eller tenk på supermarkedenes egne merkevarer, som aldri har kjørt en kampanje og likevel selger.

Derfor spiller andre faktorer enn promotion inn når vi skal forstå salg, som distribusjon eller den baseline som er bygget opp.

Og når vi jobber med markedsføring, er det ideelle å forstå bidraget vi faktisk gir. Det er inkrementalitet:

Graf hentet fra denne svært interessante artikkelen:

https://www.marketingweek.com/ehrenberg-bass-advertising-growth/

Absolutt verdt å lese.

Hvordan måle inkrementalitet

“Halvparten av pengene jeg bruker på reklame er bortkastet. Problemet er at jeg ikke vet hvilken halvpart.”

John Wanamaker (1.838-1.922)

Og det er virkelig, virkelig ikke enkelt å måle dette.

Det er så komplekst at man i ingen av prosjektene jeg har deltatt i faktisk har forsøkt å måle det.

 Her er et eksempel på hvordan det kan gjøres, fra den store Avinash Kaushik: i praksis bruker man ulike strategier på ulike grupper av lignende brukere og måler resultatene.

Oppsummering

Det burde være målet vårt, men sannheten er at bare store prosjekter har personell- og økonomiske ressurser til å gjennomføre systemer for måling av inkrementalitet.

Tar vi de tre siste trinnene i markedsanalysen, kan vi si at:

• Hvis økonometriske modeller er ideelle for kommunikasjonsavdelinger og offline-medier…
• Attribusjonsmodeller for digital markedsføring…
• Å måle inkrementalitet er det endelige målet for lederen av enhver virksomhet i forhold til markedsføring.

Avsluttende konklusjoner

Hvis vi snakker om et lite eller mellomstort prosjekt, er det vanlig å gå gradvis oppover, ett trinn om gangen, med start på det første.

Hvis vi derimot snakker om prosjekter med større investeringer, er det vanlig å starte direkte og minst på:

• Scenario 2, hvis vi bare jobber digitalt.
• 3, hvis vi kjører TV-kampanjer.

Jeg kunne sagt at du egentlig burde være besatt av å nå fase 5 i prosjektet ditt, men da ville jeg løyet. Jeg har samarbeidet med svært vellykkede virksomheter av ulik størrelse, og det eneste vi hadde –hvis jeg inkluderer min egen- var et ønske om å nå dit, uten å gjennomføre tiltak i den retningen.

For en god markedsplan og riktig analytics i fase 2, 3 eller 4 er mer enn nok i mange tilfeller.

Når det er sagt, fase 1 er nesten alltid utilstrekkelig, så hvis prosjektet ditt er der og du bruker ressurser på markedsføring, gjør deg selv en tjeneste og ta i det minste steget til den andre. For selv om du ikke bruker betalte kanaler, må SEO og e-post (for å nevne de to vanligste) også optimaliseres.

Og etter hvert som prosjektet og markedsføringen vokser, må du ikke glemme at analytics må gå hånd i hånd og utvikle seg også. Det er den eneste måten å optimalisere investeringen på.

Hvis du bare skal ta med deg én ting fra denne artikkelen, la det være dette:

Markedsføring, og særlig digital markedsføring, må alltid, alltid, alltid gå hånd i hånd med en god analyse.

Hvis du trenger hjelp med din, ta en titt på dette kurset i business analytics for ecommerce eller kontakt meg, så går vi gjennom det.