Marknadsanalys: faser och stadier

När vi arbetar seriöst med marknadsföring är en av uppgifterna vi måste ta hand om att analysera resultatet av våra insatser.

Den här analysen kommer förstås att variera både i form och innehåll beroende på vilka resurser som investeras.

Det är logiskt att räckvidden inte blir densamma om vi investerar 100€ i månaden som om vi investerar en miljon.

I det första scenariot använder vi troligen bara en eller två kanaler, medan det i det andra säkert blir fler än tio.

Därför kommer den analytics vi tillämpar på projektet att förändras när projektet växer.

Vi går igenom olika faser. Vi når olika stadier.

Och i den här artikeln vill jag visa dig de fem viktigaste, som jag sammanfattar i den här tabellen:

Fas 1: Google Analytics

Det enklaste sättet att börja mäta “något” i vår marknadsföring eller digitala produkt.

Om vi har ett digitalt projekt med en webbplats eller app är det det första verktyget vi använder, eftersom det är gratis, mycket enkelt att implementera på grundnivå och ger oss mycket information.

Det är den första fasen i marknadsanalysen.

Vad du kan mäta med Google Analytics

Rätt konfigurerat kan det mäta saker som:

Dina användares interaktioner

• Trafiken från dina TAGGADE kampanjer
• Avvisnings- / Engagemangsgraden för dina landningssidor.
• Visade produkter / tjänster.
• Produkter / tjänster som lagts i varukorgen.
• Användare som går in i checkout => Remarketing.
• Andra events på sajten.

Egenskaper hos dina användare

• Enheterna som dina användare använder.
• Länderna de ansluter från.

Konverteringar

• Konverteringar per kampanj (LCI- eller “datadriven” modell beroende på rapport).
• Produktköp och returer.

Annonsering på vår sajt

• Kampanjer på vår webbplats (banners)
• Produkter som visas för användarna.

Vad Google Analytics INTE låter dig mäta

Även om det ger oss mycket information saknas också sådant som vi måste mäta på andra sätt, till exempel:

• Kampanjer i traditionella medier (TV, press, utomhus).
• Digitala kampanjer utan klick (varumärkesbanner, öppnade e-postmeddelanden, visningar av YouTube-videor): postview.
• Customer journey över flera enheter. Det finns försök, men de är nödlösningar.
• Åtgärder från användare som inte accepterar cookies eller använder adblockers.
• Komplett attribueringsmodell (snedvridna data).
• Personuppgifter (CRM).

Vad det bara mäter delvis

• Klick på din webbplats (alla skulle kunna mätas, men det rekommenderas inte).
• Kampanjkostnader från andra plattformar än Google (data måste laddas upp).
• SEO-keywords (du ser väldigt få).
• Sociodemografiska egenskaper (Signal)
• Data som inte samlas in direkt (JS-fel, adblockers, Safari): du kommer alltid att sakna en % av konverteringarna. Hålet blir större för varje dag.

Fördelar med Google Analytics

Ganska många, faktiskt:

• Det går snabbt att få grundläggande information. Vi kan samla in data på några minuter.
• Det är det enklaste sättet att börja mäta “något” i vår marknadsföring eller digitala produkt.
• Det är det bästa gratis verktyget för digital analytics. Och det är bättre än många betalda.

Nackdelar med Google Analytics

Självklart har det också några nackdelar:

• Det speglar inte verksamhetens verklighet. Inte ens marknadsavdelningens. Inte heller den digitala marknadsföringens. För det saknar data för det.
• Det mäter alltså bara en liten del, så man bör inte bedöma en hel verksamhet utifrån dess Analytics-data.
• GA4 är i dag sämre än GA3. Det kräver en mer komplex teknisk implementering i en mer komplicerad miljö (GDPR, integritet…)

Sammanfattning

Av alla dessa skäl tycker jag att Google Analytics inte räcker till.

Även för att bara mäta resultatet av en digital produkt (webbplats eller app) behöver du andra kompletterande verktyg.

Än mindre om du vill ha kontroll över en hel verksamhet, hur digital den än är…

I vilket fall är det det första steget inom analytics.

Fas 2: Rapportering per digital kanal

När vi växer och har flera digitala kanaler, särskilt betalda (Google Ads, Meta, affiliates…), fortsätter vi att analysera den övergripande performance som i föregående fas, men börjar också analysera varje kanal separat och mer på djupet för att försöka optimera den.

Frekvens

Den här analysen varierar beroende på budget:

• Under 2 eller 3K/Månad blir den månadsvis.
• Över det blir den kanske veckovis.

Vi behöver nämligen en bra datamängd för att fatta beslut. Den mängden kräver mer eller mindre tid beroende på projektets storlek och investering.

Ansvarig

Det finns alltid någon som ansvarar för att presentera det och dra slutsatser. Det kan vara:

• Internt team: om marknadsföringen hanteras inhouse.
• Freelancers: om vi använder olika beroende på kanal.
• Byrå: när vi anlitar en för att hantera allt paid eller SEO.

Vad som ingår

Beroende på kanal innehåller den här rapporteringen olika saker. För att ge dig en uppfattning innehåller rapporterna:

• Kampanjens framsteg .
• I paid media ligger fokus på försäljning.
• I SEO på positionering och ORM.
• I sociala medier på räckvidd eller kontakter och problemlösning.

Målet med rapportering per kanal

Egentligen är det viktigaste att se hur vi ligger till i förhållande till affärsmålen som satts upp. Utifrån detta har vi två scenarier:

• Om vi ligger i linje blir det bara uppföljning.
• Om vi ligger under behöver vi förslag på åtgärder, till exempel:
  • Förändring av investeringen.
  • Cambio en la oferta.
  • Cambio en el mix de medios.
  • Cambio en las creatividades.
• …

Du ska veta att digitala direct-response-kampanjer möjliggör mycket snabba förändringar.

Datakälla

All den här informationen får vi från olika verktyg. Vi kan alltså använda:

• Plattformens rapporter (Google Ads, Meta…).
• Google Analytics.
• En AdServer, om vi använder en (rekommenderas för höga budgetar eftersom den kostar)
• Search Console.
• Metricool
• …

Exempel

Låt oss titta på några bilder av den här typen av rapporter så att du får en bättre uppfattning:

Veckorapport för paid media

Månadsrapport för SEO

Månadsrapport för Sociala Medier

Sammanfattningsvis

I den här andra fasen börjar vi förstå vår digitala marknadsföring: hur kanalerna hänger ihop, förvärvskanaler och konverteringskanaler.

Men de lämnar allt som rör det digitala produktområdet: det måste kombineras med Google Analytics (och några andra verktyg) för att ge oss en bättre bild av vad som händer på vår webbplats.

Dessutom kräver de tid för att tas fram och läsas.

På grund av detta begränsar de sig ibland till att ta fram siffror i stället för att bidra med information och rekommendationer, vilket är det viktiga.

Fas 3: Ekonometriska modeller

Vad är en ekonometrisk modell

En ekonometrisk modell är inget annat än en matematisk simulering av verkligheten som hjälper oss att förstå varför något hände på ett visst sätt utifrån vissa variabler.

Det fina är att använda den kunskapen för framtida beslut.

Det handlar om att förklara en beroende variabel (vanligtvis intäkter eller försäljning) utifrån andra variabler (förklarande variabler), som webbtrafik, pris, publikens intresse, annonsinvestering eller vårt varumärkes NPS.

När ekonometriska modeller ska användas i marknadsföring

När du växer börjar du överväga åtgärder utanför de digitala kanalerna. Det är då du börjar använda ekonometriska modeller.

Det är inte något nyare eller mer avancerat än månadsrapporter per verktyg, utan används för att ge en annan typ av information.

Frekvensen är minst månadsvis. Den kan öka beroende på projekt eller säsong (det är inte normalt att ständigt göra TV).

Vem är ansvarig

Den som ansvarar för att ta fram den kan vara:

• Internt team: om man har ett starkt analytics-team.
• Marknadsförings- eller mediabyrå: när vi anlitar en för att hantera allt paid eller medierna.
• Attribueringsbyrå / -verktyg: oberoende av byrån. Bättre, men dyrare (ännu en fee att betala).

Vad som ingår här

I princip två saker:

• Hur vår investering fungerar på lång sikt, inte bara på kort och medellång sikt.
• Inkluderar traditionella medier.

Vad är målet

• Se vilka medier som genererar försäljning.
• Se hur externa variabler påverkar (konkurrens, väder).
• Justera investeringen så bra som möjligt.

Det finns flera datakällor

Ännu mer än i föregående fas:

• Google Analytics.
• AdServer
• Attribueringsverktyg.
• Search Console.
• Pixel från annonsplattformar.
• CRM.

Fördelar med ekonometriska modeller

De har många, bland annat några mycket uppenbara som saknades i tidigare faser:

• Inkluderar icke-digitala kanaler.
• Och externa variabler (säsong eller konkurrens).
• Ger strategisk och handlingsbar information.
• Förklarar det förflutna och gör det möjligt att göra prognoser för framtiden.
• Det hjälper mycket att skapa den optimala utformningen av marknadsplanen.
• Trots komplexiteten kan man till och med göra en med Excel.

Nackdelar med ekonometriska modeller

Självklart har de också en rad nackdelar, vilket gör dem lämpliga bara för projekt av en viss storlek:

• Det är inte enkelt att skapa en robust modell:
  • Variablerna måste väljas noggrant.
  • Tener el histórico de datos.
• Att kunna ta fram den och presentera den i rätt format.
• Det innebär en arbetskrävande uppgift som är svår att automatisera (många datakällor).
• Det behövs MYCKET data för att göra den tillförlitlig. Den är inte lämplig för små projekt.
• Om vi lägger ut den externt, är det inte billigt.
• Byråerna är både domare och part.

Sammanfattningsvis

Vi förstår nu ganska väl hur vår marknadsföring fungerar, och inte längre bara den digitala delen, samt hur vår investering presterar.

Återigen lämnas delen med digital produkt (konverteringsgrad och events) till stor del åt sidan, även om vi kan inkludera dem som variabler.

Man måste tro på modellen. Det är en trosfråga (tills modellen visar att den håller). Om vi inte tror på den är det ett dåligt tecken.

Den är kostsam. I tid, pengar eller båda.

Fas 4: Attribuering

Ekonometrisk analys genomförs vanligtvis när vi tar steget till icke-digitala kanaler.

Men det kan hända att vi aldrig tar det steget.

För att då utveckla analytics i vår verksamhet fokuserar vi på Attribuering, som inte är något annat än att tilldela en konvertering till den kanal eller de kanaler som gjorde den möjlig.

Låt oss se ett exempel på en journey för att göra det tydligare:

Den här användaren har kommit in på vår webbplats via olika kanaler, med olika enheter och vid olika tillfällen, tills personen till slut konverterade.

Så vilken kanal tillskriver vi den konverteringen?

• Den första?
• Den sista?
• Flera?

Attribueringen kan vara enkanalig eller flerkanalig, beroende på hur många touchpoints användaren har med vår webbplats som tas med.

Dessutom hjälper en attribueringsmodell oss att förstå att det finns konverterande kanaler “måltjuvar”, som remarketing eller varumärkes-SEM, och assisterande kanaler , som e-post. Det finns också andra som öppnar funneln.

I slutändan måste man förstå vad var och en bidrar med.

De vanligaste attribueringsmodellerna

Populariserade av Google Analytics kan vi säga att de viktigaste är följande:

• Last-click (enkanalig) => annonsverktyg.
• Last-click indirect (enkanalig) => Google Analytics, i de flesta rapporter.
• Time decay (flerkanalig) => Google Analytics.
• Datadriven (flerkanalig) => Google Analytics och andra avancerade analytics-verktyg.

GA4 bygger på data som samlas in från webbplatsen och, om vi konfigurerar det så, på det GA4 vet om användaren, men det saknar information.

Till exempel tar det inte hänsyn till annonsvisningar och effekten av post-view, och inte heller information om offlinekanaler eller en användares olika enheter om användaren inte är inloggad.

Därför är Google Analytics inte det bästa verktyget för korrekt attribuering.

Andra verktyg (inte gratis) rättar till de här problemen och tar med fler variabler, inte bara medier (CRM, samtal, butiksbesök, konkurrens, avtal…).

Med alla dessa variabler tillämpas en statistisk matematisk modell liknande de ekonometriska.

Vad den här fasen innehåller

• Som i den ekonometriska modellen: varje kanals bidrag till försäljningen.
• Även om den ofta bara innehåller information från digitala kanaler (enklare), kan man i verkligheten lägga till allt som behövs i modellen (inklusive investering i traditionella kanaler), beroende på verktyg.

Mål

• Se vilka medier som genererar försäljning.
• Se hur andra variabler påverkar.
• Justera investeringen så bra som möjligt.

Datakälla

Även här finns det flera källor:

• Google Analytics och AdServer.
• Undersökningar.
• Affärsdata.
• Besök i butik.
• BTL.
• CRM / samtal / SMS.
• …

Fördelar med attribuering

Mycket lika de ekonometriska modellernas:

• Inkluderar all information vi behöver (åtminstone med avancerade verktyg).
• Ger mycket handlingsbar och strategisk information inför investeringar.
• Förklarar det förflutna och gör det möjligt att göra prognoser för framtiden.
• Det hjälper mycket att justera den optimala utformningen av marknadsplanen om vi tror att upplägget kan förbättras.

Nackdelar med attribuering

Återigen liknande dem i föregående fas:

• Det är inte enkelt att skapa en robust modell:
  • Variablerna måste väljas noggrant.
  • Tener el histórico de datos.
• Att kunna ta fram den och presentera den i rätt format.
• Det innebär en arbetskrävande uppgift som är svår att automatisera (många datakällor).
• Det behövs MYCKET data för att göra den tillförlitlig. Den är inte lämplig för små projekt.
• Den läggs ofta ut externt och bra verktyg är inte billiga.

Sammanfattning

Det här stadiet av analytics är utmärkt för ett företags digitala marknadsavdelning. Särskilt om inga åtgärder genomförs i offlinekanaler.

Det är en mycket tillförlitlig analys av de kanaler som påverkar försäljningen mest, vilket hjälper till att fördela investeringen på rätt sätt.

Man kan successivt lägga in variabler från events som sker i den digitala produkten (mikrokonverteringar, relevanta sidvisningar…).

Dessutom kräver de team och externa verktyg samt tid för internt arbete för att mata modellen.

Fas 5: Inkrementalitet

Attribuering fördelar konverteringarna mellan de olika marknadsföringskanalerna.

Men sanningen är att varken alla konverteringar på en webbplats eller all försäljning i en verksamhet är resultat av marknadsföring.

Kom ihåg modellen Product Led Growth, till exempel.

Eller tänk på stormarknaders egna varumärken, som aldrig har gjort en kampanj men ändå säljer.

Därför spelar andra faktorer än promotion in när vi ska förstå försäljning, till exempel distribution eller den baseline som har byggts upp.

Och när man arbetar med marknadsföring är det idealiskt att förstå vilket bidrag vi faktiskt ger. Det är inkrementalitet:

Diagram hämtat från den här mycket intressanta artikeln:

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

Den är definitivt värd att läsa.

Hur man mäter inkrementalitet

“Hälften av pengarna jag lägger på reklam är bortkastade. Problemet är att jag inte vet vilken hälft.”

John Wanamaker (1.838-1.922)

Och det är verkligen, verkligen inte lätt att mäta den.

Det är så komplext att man inte i något projekt jag deltagit i faktiskt har försökt mäta den.

 Här är ett exempel på hur det kan göras, från den store Avinash Kaushik: i grunden använder man olika strategier för olika grupper av liknande användare och mäter resultaten.

Sammanfattning

Det borde vara vårt mål, men sanningen är att bara stora projekt har personal- och budgetresurser för att genomföra system för att mäta inkrementalitet.

Om vi tar de tre sista stegen i marknadsanalysen skulle vi kunna säga:

• Om ekonometriska modeller är idealiska för kommunikationsavdelningar och offline-medier…
• Attribueringsmodeller för digital marknadsföring…
• Att mäta inkrementalitet är det slutliga målet för direktören för vilken verksamhet som helst i relation till marknadsföring.

Slutsatser

Om vi talar om ett litet eller medelstort projekt är det normala att klättra stegvis, en fas i taget, med början på den första.

Om vi däremot talar om projekt med större investeringar är det normalt att börja direkt och minst på:

• I scenario 2, om vi bara arbetar digitalt.
• I 3, om vi gör TV-kampanjer.

Jag skulle säga att du egentligen borde vara besatt av att nå fas 5 i ditt projekt, men då skulle jag ljuga. Jag har arbetat med mycket framgångsrika verksamheter av olika storlek och det enda vi hade –om jag räknar in min egen- var en önskan att nå dit, utan att faktiskt genomföra åtgärder i den riktningen.

För en bra marknadsplan och korrekt analytics i fas 2, 3 eller 4 räcker mer än väl i många fall.

Men fas 1 räcker nästan alltid inte till, så om ditt projekt befinner sig där och du lägger resurser på marknadsföring, gör dig själv en tjänst och ta åtminstone steget till den andra. För även om du inte arbetar med betalda kanaler måste SEO och e-post (för att nämna de två vanligaste) också optimeras.

Och när ditt projekt och din marknadsföring växer, glöm inte att analytics måste gå hand i hand och utvecklas också. Det är det enda sättet att optimera den investeringen.

Om du bara ska ta med dig en sak från den här artikeln, låt det vara detta:

Marknadsföring, och framför allt digital marknadsföring, måste alltid, alltid, alltid gå hand i hand med en bra analys.

Om du behöver hjälp med din, ta en titt på den här kursen i business analytics för ecommerce eller kontakta mig så går vi igenom den.