Haaga-Helian oppilaille pidetty luento dataohjautuvasta markkinoinnista.
Webinaaritallennus: Kysy mitä tahansa analytiikasta
Järjestimme webinaarin 6.10.2022 teemalla kysy mitä tahansa datalla johtamisesta ja markkinoinnin analytiikasta. Saimme yhteensä lähes 40 eri kysymystä, joihin vastasimme webinaarin aikana. Katso webinaaritallenne alta.
Jos upotus ei toimi, voit katsoa videon suoraan Youtubesta
Google Analytics 4:n uusi datamalli tuo muutoksia liiketoiminnalle ja datan säilyttämiselle
Google Analytics 4 (GA4) käsittelee dataa uudella tavalla, mikä tuo mukanaan lukuisia muutoksia. Muutokset mahdollistavat entistä kehittyneemmän analytiikan ja kypsemmän markkinoinnin. Se synnyttää myös tilanteen, jossa GA4-dataa kannattaa siirtää myös muualle tarkasteltavaksi.
Puhuimme näistä asioista Mertanen & Analytics Associatesin ja Supermetricsin yhteisessä asiakastapahtumassa Helsingissä marraskuussa 2021. Pidimme puheen paikallaoleville asiakkaille, mutta tallensimme näyttöstriimin myös muille katsottavaksi.
Voit katsoa videon allaolevasta upotuksesta.
Jos upotus ei toimi, voit katsoa GA4+Supermetrics-videon suoraan Youtubesta
Tässä vielä lyhennelmä videon tarjonnasta tekstimuotoisesti
Mitä uutta Google Analytics 4 tuo liiketoiminnalle
Tämä osuus esityksestä alkaa videossa kohdassa 6:27. Puhujana Jarno Oksanen, Mertanen & Analytics Associates
Me Mertasella pohdimme aika paljon analytiikan teknistä puolta, mutta asiakasyritystä tietysti kiinnostaa enemmän ne varsinaiset liiketoiminnalliset hyödyt. Tässä lyhyessä esittelyssä kerron ne perustasvanlaatuiset tekniset erot, jotka tuovat suuria liiketoiminnallisia uutuusvaikutuksia.
Liiketoiminnan menestymiset perustuvat usein odottamattomiin onnistumisiin. Ja kun se onnistuminen tapahtuu, meidän pitäisi pystyä tietämään mistä se johtuu. Vain silloin voimme tuottaa onnistumisia lisää. Lisätä niiden määrää ja vaikutusta
Google Analyticsin evoluutio Urchinista GA4:ään
Google Analyticsin evoluutio alkaa vuodesta 2005 Urchin-nimisestä tuotteesta, jota on kehitetty samana tuotteena aina Google Analyticsin “classic-versiosta” aina 2012 julkaistuun Universal Analyticsiin asti. Aina kun on tullut uusi versio, on riittänyt että vaihtaa skriptin uuteen. Tietoa on kerätty teknisesti hiukan eri tavalla, mutta koko ajan samaan instanssiin ja samaan tietokantaan.
Vuonna 2014 Google osti Firebase-nimisen tuotteen, joka oli tarkoitettu nimenomaan mobiilisovellusten analytiikkajärjestelmäksi. Ja siitä Google on muokannut tuotteen jossa samaa analytiikkajärjestelmää voidaan käyttää niin sovelluksissa kuin verkkosivustollakin. Monilla yrityksillä on mobiilisovellus ja käyttäjä liikkuu saumattomasti sovelluksen ja saitin välillä, joten on luonnollista, että myös analytiikkajärjestelmää osaa saman.
Google Analytics 4 on täysin uusi järjestelmä, jossa tietoa aletaan kerätä uuteen tietokantaan. Jotta tulevaisuudessa voi tehdä analyysia johonkin historiadataan perustuen, sitä kannattaa alkaa kerätä jo nyt. GA4:sta ja vanhaa Universal Analyticsia voi ja kannattaa ajaa rinnakkain, vaikka itse markkinoinnin johtaminen vielä tapahtuisikin UA:n kautta.
GA4:n perustuminen eventteihin tekee tiedosta yhteismitallista ja vertailtavaa
Universal Analyticsiin on vuosien aikana syntynyt useita eri mittaustyyppejä.
Sivulataus tietää kun sivu ladataan, mutta en tiedä mitään mitä sivulla tehdään. Jos sivulla klikataan vaikka jotakin painiketta, sitä varten tarvitaan tapahtumaseuranta eli eventti. Liiketoiminnan kannalta erityisen tärkeistä sivulatauksista tai tapahtumista voidaan luoda tavoitteita, eli konversioita tai goaleja. Näiden rinnalle on myöhemmin syntynyt verkkokaupan ostotapahtuma eli transaktio.
UA:n eventtien yhteyteen on pystynyt tallentamaan tietoa hyvin jäykkään hierarkiaan. Käytettävissä on ollut neljä tietuetta
Vähänkään monimutkaisemmissa tilanteissa samaan tietueeseen on jouduttu tallentamaan useampia tietoja. Tästä johtuen tieto ei ole ollut enää yhteenlaskettavissa tai tarkasti vertailtavissa ilman sen siirtämistä ensin exceliin. Tieto on ollut lähinnä silmäiltävissä ja yksittäistapauksittain tarkasteltavissa.
Ja vaikka eventin tieto olisikin yksinkertainen numero, sitä pysty laskemaan yhteen sivulatauksien ja transaktioiden kanssa, koska ne ovat teknisesti eri tyyppisiä.
GA4:n tekniikka pohjautuu kokonaan eventteihin. Koska niin sivulataukset kuin verkkokauppaostoksetkin on eventtejä, niin määrää, kokoa ja vaikutusta pystytään yhdistämään toinen toisiinsa.
Eventtien rinnalla Google Analytics 4:ssä kulkee lähes loputon määrä täysin vapaavalintaisia parametreja. Eventin voi suoraan valita GA4:n käyttöliittymässä konversioksi tai sellaisen voi luoda juuri halutuista eventeistä riippuen parametreista.
GA4:n koneoppiminen osaa luoda oivalluksia itse
Myös Universal Analyticsin puolella voi saada ilmoituksia poikkeuksista ja oivalluksista. Mutta ne ovat kaikki enemmän tai vähemmän tilattuja ilmoituksia. Pitää siis tietää ensin se onnettomuus tai onnistuminen, josta haluaa ilmoituksen.
Mutta GA4:n koneoppiminen pystyy ennakoimaan esimerkiksi kuinka paljon konversioita pitäisi tulla jostakin tietysti segmentistä ja sitten ilmoittamaan jos toteutuma olikin merkittävästi erilainen. Tämä synnyttää niin paljon enemmän ja tarkempia ilmoituksia, että siitä on ratkaisevaa lisäarvoa yritykselle.
GA4 pystyy esimerkiksi segmentoimaan käyttäjäryhmän, joka todennäköisesti ei tule vierailemaan sivustolla seuraavan 30 päivän aikana. Tällöin tätä ryhmää voi suoraan käyttää mainonnan kohderyhmänä.
Analytiikan kypsyys kasvaa tapahtumien todentamisesta niiden syiden ymmärtämiseen ja lopulta tulosten ennakoinnin kautta tulosten luomiseen.
Tällainen kypsyystaso vaatii entistä paremmin jäsenneltyä dataa ja huomattavasti enemmän dataa.
Ilmaisen Google Analytics 4 -palvelun kohdalla tämä suuri datamäärä valitettavasti tarkoittaa sitä, että vanha tieto alkaa ensin rapautua ja sitten häviää kokonaan. Tätä varten data on hyvä siirtää ulkoiseen järjestelmään kuten esimerkiksi Googlen tarjoamaan BigQuery-pilvipalveluun. Sinne pystyy tuomaan myös muita datalähteitä, jolloin analysointimahdollisuudet entisestään lisääntyvät.
Näin markkinointi pystyy entistä paremmin kohdentamaan resurssejaan ja saamaan parempaa tuottoa investoinnilleen. Ollaan siis hyvinkin liiketoiminnan saamien hyötyjen äärellä.
GA4:ssa on valmis natiiviliitin eli connector, jolla tiedon saa siirrettyä vain muutamalla hiirenkliksautuksella BigQueryyn. Sillä on joitain rajoituksia ja Supermetricsillä onkin tähän myös tarjolla oma ratkaisunsa.
Google Analytics 4:n liittäminen BigQueryyn
Tämä osa esityksestä alkaa videossa kohdassa 26:53. Puhujana Lee Dor, Supermetrics.
GA4 tarjoaa ilmaisen natiiviliittimen, jonka avulla dataa on helppo siirtää. Sillä saa siirrettyä kaikki Google Analytics 4:n keräämät eventit täydellisinä siitä hetkestä eteenpäin.
Eventtirakenteen joustavuus tuo dataan myös melkoisesti monimutkaisuutta. Supermetricsin Reporting API:n avulla tiedosta voi siirtää myös vain osaa. Näin datamassan määrä ei vaadi välittömästi suurta palvelinresurssia. Etuna on myös se, että Reporting API voi tuoda BigQueryyn myös GA4:n jo aiemmin keräämää historiatietoa jopa 14 kuukauden ajalta.
Dataa voi pudottaa suoraan lähes raportointivalmiisiin tietokantatauluihin, joissa sen käsittely on helppoa. Reporting APIn tietokantakysely onkin hyvin paljon yksinkertaisempi ja kevyempi, kuin natiivikonnektorin tekemä kyselylauseke.
Reporting API ei ole rajoittunut BigQueryyn, vaan sillä voi tuoda tietoa myös muihin datavarastojärjestelmiin.
Supermetrics onkin eräänlainen kone, jonka avulla dataa voi siirtää useista erilaisista datalähteistä useisiin erilaisiin datan varastointi- ja visualisointijärjestelmiin, kuten Azuren tai Amazonin pilvipalveluihin tai vaikkapa Google Sheetteihin tai Googlen Data Studioon.
Demo: GA4 -> BigQuery Reporting API:n avulla
Näytämme videolla nopeasti miten BiqQueryssa valitaan datalähteeksi GA4, annetaan hiukan lisätietoja datalähteestä sekä tiedon siirtämisen yksityiskohdista. Supermetricsin autentikoinnin jälkeen ollaan enää tiedonjärjestelymallia eli schemaa vaille valmiita.
Aikaa meni kaksi minuuttia puheen kanssa.
Datawarehousen (DWH) hyödyt
Kun useiden eri lähteiden dataa yhdistetään datavarastojärjestelmässä, saadaan aikaiseksi useita raportteja. Supermetricsin valmiin templaten avulla on helppoa luoda esimerkiksi cross channel performance -raportti.
Vielä monimutkaisempi analysointimalleja voi tehdä, kun markkinointidata yhdistetään esimerkiksi HR:n, CRM:n ja vaikkapa talousosaston datan kanssa.