Ti girano gli occhi quando vedi che ti è stato assegnato il compito di “analizzare dati” o “creare report”?
La ricerca ha dimostrato che analizzare i dati non viene naturale alla maggior parte delle persone.
Creare fantastiche campagne di marketing? Benissimo.
Ma quando si tratta di analizzare se quella campagna è stata un successo, è dove la maggior parte delle aziende fallisce.
Abbiamo voluto aiutare a risolvere questo problema – specialmente quando le aziende guidate dai dati hanno tre volte più probabilità di riportare miglioramenti significativi nel processo decisionale.
Quindi, come si supera la paura (o la fatica) di analizzare i dati?
In questa guida, condivideremo i risultati del nostro sondaggio che ci aiuta a capire quanto sia difficile padroneggiare l’analisi dei dati, insieme a 14 tecniche esperte di analisi dei dati per aiutarti a iniziare.
Perché è così difficile analizzare i dati?
Le parole “analizzare i dati” possono far accapponare la pelle a qualsiasi marketer. Sei una persona creativa che lavora per scrivere un testo accattivante e mettere insieme campagne intelligenti… non per scavare in un mucchio di numeri, giusto?
Abbiamo voluto scoprire perché i marketer lottano con l’analisi dei dati.
I risultati del nostro sondaggio potrebbero essere la risposta. Anche se la maggior parte delle aziende intervistate ha dichiarato di avere diversi dipendenti:
Quasi la metà non impiega un analista dati a tempo pieno. Le aziende che impiegano diversi analisti di dati rientrano nella minoranza:
…Ciò significa che i membri regolari del vostro team sono lasciati a riempire i vuoti. Queste persone potrebbero non essere esperti di dati, facendo sembrare l’analisi un compito difficile. (O uno di quelli che il personale cerca di trasmettere.)
Ma non è solo la mancanza di abilità che rende l’analisi dei dati così difficile. Jenny Rankin del Mensa spiega: “Ho condotto uno studio quantitativo a cui hanno partecipato 211 adulti istruiti al college e ho scoperto che la loro accuratezza nell’interpretare i dati era in media solo dell’11% corretta, e che coloro che interpretavano male i dati erano tipicamente inconsapevoli che stavano interpretando male i dati.”
“Questo è alla pari con studi simili che trovano che usare i dati è più difficile di quanto la maggior parte delle persone si renda conto.”
14 Consigli di analisi dei dati dagli esperti
Sei pronto a superare la cosiddetta “paralisi da analisi” e iniziare a capire i numeri che riempiono i tuoi fogli di calcolo?
Condivideremo i migliori consigli dei nostri esperti per l’analisi dei dati, come ad esempio:
- Pulire i dati
- Per rispondere a una domanda
- Creare descrizioni di base dei dati
- Controllare che il contesto sia corretto
- Pooling dei dati da varie fonti
- Sottolineare la chiave metriche chiave
- …ma confrontandole con altri KPI
- Ricercare i dati che vanno contro la vostra ipotesi
- Indagare le anomalie
- Categorizzare i dati qualitativi
- Visualizzare i dati
- Color-codificare tendenze e modelli
- Utilizzare l’analisi di coorte
- Utilizzare gli strumenti di analisi dei dati
Iniziare con dati puliti
Prima di tuffarsi con le cifre, Eve Lyons-Berg di Data Leaders Brief pensa che dovresti “assicurarti di lavorare con dati buoni, puliti e completi!”
“L’analisi dei dati è costruita sul presupposto fondamentale che i dati che stai analizzando siano affidabili. Se stai guardando dei dati inaffidabili, o dei dati insignificanti (cioè troppo piccoli), o anche solo dei dati incoerenti (cioè una metrica che di solito viene misurata quotidianamente, ma con diversi intervalli di settimane a intervalli casuali), i tuoi risultati non saranno affidabili.”
Omar Fonseca di Medicare Plan Finder spiega come pulire i tuoi dati:
“Per prima cosa, è necessario de-duplicare i dati per assicurarsi di rimuovere i duplicati, se questo è qualcosa che causerà problemi nel vostro set di dati.”
“Volete anche eliminare i campi (o colonne) non necessari, che potete eliminare manualmente dopo aver salvato il vostro set di dati come un set separato.”
Fonesca consiglia anche di “assicurarsi di intitolare e formattare tutti i vostri campi (o celle) correttamente. In questo modo, quando si è immersi nei dati, si è in grado di setacciare la granularità dei dati alla ricerca di informazioni preziose e di intuizioni sia sulle opportunità che sulle minacce che altrimenti potrebbero sfuggire!”
Punta a rispondere a una domanda
B King Digital’s Branko Kral pensa che “è molto facile perdersi negli strumenti di analisi, come Google Analytics, se li si apre senza una domanda specifica in mente. È auspicabile scavare in giro ed esplorare nuovi rapporti o modifiche di rapporti, ma si vuole continuare a tornare alla motivazione principale per l’analisi. La domanda ti manterrà concentrato.”
Il team di Kral ha messo in pratica questo principio quando ha registrato un calo del traffico organico: “La domanda principale era: cosa ha causato il calo e cosa possiamo fare per far risalire il traffico?”
“Ci sono state alcune sfumature nei dati, ma nel complesso, abbiamo scoperto che il traffico organico è stato influenzato in tutto il sito, così come senza che avessimo fatto alcun cambiamento importante alle qualità SEO del sito per almeno alcune settimane prima del calo. Questo ci ha dato la sicurezza di affermare che la causa del calo era esterna.”
“Abbiamo fatto ricerche sulle notizie SEO e abbiamo imparato che l’aggiornamento dell’algoritmo di inizio giugno favorisce i grandi editori. Abbiamo anche notato il fattore esterno dei featured snippets che spingono i risultati di pagina 1 più in basso”, aggiunge Kral.
Louis Watton di Shiply è d’accordo: “È facile avere la paralisi dell’analisi quando si guardano grandi insiemi di dati, quindi avere obiettivi chiari può aiutare a concentrare i tuoi sforzi per ottenere rapidamente le risposte di cui hai effettivamente bisogno”: “Un suggerimento importante per l’analisi e l’utilizzo dei dati è se il vostro business può giustificare un business case per esso in primo luogo.”
“Porsi la domanda: “perché questi dati vengono raccolti e per cosa possiamo usarli?” è una domanda importante, ma una domanda ancora più importante da fare è: “questi dati stanno creando valore per i clienti e l’azienda?”
“Rispondendo a queste domande, è più probabile che siate in grado di determinare quali dati sono i più importanti da esaminare, e quali dati possono essere direttamente associati alla creazione di valore per il cliente o alla monetizzazione per il business”, scrive Dunn.
Riassumendo, Tony Mastri di Search Engine Coach dice: “È raro che un set di dati alzi la mano e vi dica le intuizioni che contiene. Quando si inizia l’analisi con una domanda, è possibile determinare rapidamente quali metriche e dimensioni sono necessarie per distillare una risposta.”
Crea descrizioni di base per i tuoi dati
Ti senti sopraffatto dai numeri con cui stai lavorando?
Ryan Underwood di Your Parking Space ha una soluzione pratica: “Molte persone cercano di capire le serie di dati complessi prima di leggere e comprendere le descrizioni dei dati di base.”
“Queste descrizioni offrono un contesto semplificato delle tendenze dei dati che sono utili per capire prima di analizzare i dati grezzi. Se si saltano queste descrizioni, è probabile che si raccolgano più frustrazioni e confusione che intuizioni.”
Controlla che il contesto sia corretto
Prima abbiamo detto che la pulizia dei dati è il primo passo nell’analisi dei dati. Senza dati accurati, non si può ottenere un’analisi accurata.
Per questo motivo, Krzysztof Surowiecki di Hexe Data pensa che sia importante “ricontrollare i dati con cui si sta lavorando. È un errore comune che incontriamo spesso. Pertanto, assicuratevi che i dati che volete preparare per ulteriori indagini siano corretti.”
Robin Abrams di Trade Finance Global spiega: “Un esempio potrebbe essere quando si guardano i dati di un sito web per due anni. È importante rendersi conto che, durante il periodo di tempo, la quantità di traffico e/o la struttura/numero di pagine, i prodotti e i concorrenti possono essere cambiati così tanto che i due anni non sono più comparabili.”
Il team di Surowiecki ha messo in pratica questo quando “ha condotto un’analisi profonda per uno dei principali e-commerce di moda. Ci hanno riferito che hanno molto traffico, gli utenti guardano i vestiti, li aggiungono al carrello ma non fanno acquisti (convertono).”
“Il nostro cliente era perplesso e sospettava un errore e la ragione dietro di esso nel loro servizio. Abbiamo cercato le ragioni lì, abbiamo fatto delle ricerche sul servizio, abbiamo dato un’occhiata più da vicino ai dati. E la nostra ricerca ha mostrato che in realtà il servizio va bene, tutto funziona correttamente.”
“Tuttavia, la nostra ricerca ha mostrato che gli utenti trattano il servizio come un camerino. Provano nuovi vestiti, li aggiungono al carrello, ma in realtà li comprano solo nei giorni di paga. È solo più lungo il percorso degli utenti che porta alla decisione di acquisto l’ultimo o il decimo giorno del mese, quando ricevono lo stipendio.”
“Penso che questo caso sia interessante perché dimostra che il servizio di e-commerce funziona, ma i comportamenti degli utenti sono semplicemente diversi da quelli sospettati dai clienti, quindi non hanno fatto una ricerca approfondita sul pubblico in primo luogo”, riassume Surowiecki.
Andrew McLoughlin di Colibri Digital Marketing è d’accordo e raccomanda di “mettere sempre i dati nel loro giusto contesto. Senza una comprensione delle condizioni più ampie, dei benchmark, delle tendenze o dei dettagli, i tuoi dati non saranno utili e qualsiasi conclusione che trarrai sarà inaffidabile.”
“Cerca di trattare le informazioni grezze come un nodo in una rete il più ampia possibile. L’analisi sarà più completa e le vostre conclusioni saranno infinitamente più fattibili”, aggiunge McLoughlin.
Pool di dati da varie fonti
“Il miglior consiglio che do ai nostri clienti è di smettere di guardare i dati in silos e lavorare con uno strumento di aggregazione/visualizzazione dei dati”, scrive Giselle Bardwell di Kiwi Creative.
“Sfruttare una piattaforma, come Databox, per combinare più fonti e metriche per raccontare una storia completa di come il marketing e le vendite stiano performando (o meno!) Mettere insieme tutti i dati rende più facile trovare correlazioni, similitudini e aree da migliorare: “Abbiamo recentemente esaminato l’impegno complessivo sul nostro blog in termini di pagina di destinazione iniziale, le interazioni con le varie call-to-action (CTA) sulla pagina, e il viaggio che l’utente fa attraverso il sito web dopo aver letto un post”.
“Guardare la differenza tra l’interazione degli utenti sul blog rispetto alle pagine specifiche per le vendite, ci ha aiutato a rivedere la nostra strategia di contenuti per includere CTA più rilevanti per aumentare la crescita dei lead.”
È una tattica di analisi dei dati usata anche da Simon Rodgers di WebSitePulse: “Ho sovrapposto i file di log del server con la mappa XML del sito e ho scoperto che il bot di Google non ha visitato alcuni degli URL. Si è scoperto che avevano il meta tag nofollow per errore.”
LSEO’s Kyle Kozie spiega come hanno fatto questo recentemente quando hanno analizzato “le classifiche delle parole chiave e il traffico che arriva in quelle pagine. Avevamo appena rinnovato e ridisegnato il nostro sito web.”
“Ad una visione olistica basata sul traffico e sulle classifiche, tutto sembrava a posto, ma non era esattamente vero.”
“Quello che abbiamo notato quando abbiamo scavato nei dati di Google Analytics è che stavamo perdendo enormi opportunità non avendo tutti i contenuti corretti sul nostro sito per indirizzare i termini che dovremmo cercare in base a tutti i nostri servizi. Abbiamo notato questo analizzando specificamente i dati delle landing page e il traffico che arriva in quelle pagine.”
“Abbiamo poi fatto un controllo incrociato con i dati delle parole chiave di SEMrush per notare che non eravamo abbastanza specifici nei nostri contenuti”, aggiunge Kozie.
Come riassume Jason Parks Parks di The Media Captain: “Non abbiate paura di spendere soldi per un ottimo software. Può far risparmiare al vostro team un sacco di tempo e avvantaggiare il vostro business o quello dei vostri clienti.”
*Nota del redattore: Qualunque sia lo strumento di analisi dei dati con cui state lavorando, siete in grado di riunire i dati dei vostri report utilizzando i modelli di Databox. Abbiamo dashboard personalizzabili per Google Analytics, SEMRush e HubSpot Marketing (mostrati qui sotto) che puoi iniziare a usare immediatamente:
Nizza le tue metriche più rilevanti
“Raccogliere dati è solo il primo passo di una strategia guidata dai dati; Il vero lavoro consiste nell’analizzare i dati per decidere cosa includere e cosa ignorare o togliere di priorità”, dice Sam Underwood di Futurety.
“È davvero facile perdersi in terabyte di dati quando solo un paio di quelle colonne potrebbero raccontarvi la storia principale di cui avete bisogno per fare un cambiamento aziendale.”
Ma simile a iniziare con una domanda, Harris Schachter di OptimizePrime pensa che si dovrebbe “iniziare con la fine in mente” facendo domande come: “Da dove vengono le tue entrate? Quali canali e da quali tipi di clienti? Iniziate da lì e lavorate a ritroso nelle metriche significative che vi portano lì.”
Schachter aggiunge: “Questo è normale per una persona che si occupa di finanza, ma come marketer, la nostra impostazione predefinita è quella di iniziare dall’alto con metriche di vanità come le classifiche SEO, le visualizzazioni uniche delle pagine o, peggio ancora, i conteggi di share/like/follow. Il vostro business non mantiene le luci accese con queste metriche, quindi concentratevi su ciò che lo fa, e sarete sorpresi dalle intuizioni che potrete trovare.”
…Ma confrontate diversi altri KPI
Ward van Gasteren di Tools with Ward raccomanda di “segmentare in base a diverse metriche rilevanti una singola metrica non vi darà degli insight, ma più metriche combinate possono produrre una ricchezza di insight.”
“Per esempio, è possibile segmentare il numero di moduli di invio in base al paese di origine, al canale di acquisizione o al dispositivo dell’utente. C’è qualcosa che non è ‘normale’? Per esempio, un canale specifico che è in ritardo rispetto al mese scorso e agli altri canali.”
van Gasteren continua: “Forse hai cambiato l’annuncio su quel canale ed è successo che ha causato un disadattamento con il modulo di registrazione o quelle persone non sentono che il modulo è destinato a loro.”
“Se sei nuovo in un’azienda, puoi sempre chiedere a un collega più esperto di guardare con te i dati. Forse noteranno subito che uno dei canali più importanti è in ritardo o che manca qualcosa”, aggiunge van Gasteren.
Ma quali metriche scegliere per monitorare? Secondo Romy Fuchs, BEE Inbound AG risponde a questa domanda: “Quali cifre chiave sono critiche e rilevanti per la nostra crescita?”
“Da questo, sviluppiamo un concetto di analisi e compiliamo i dashboard live necessari con Databox. Non solo misuriamo, ma cerchiamo anche il potenziale di ottimizzazione. Le misure con buone performance vengono rafforzate, quelle che non hanno successo vengono interrotte.
” la nostra esperienza, vale la pena iniziare una campagna in piccolo, poi misurarla e ottimizzarla e poi ampliarla.”
Cercare i dati che vanno contro la tua ipotesi
Qualunque sia la domanda di partenza, avrai un’idea delle tendenze che speri di ricavare dai dati.
(Per esempio: Se ti stai chiedendo “perché il traffico su Facebook è aumentato il mese scorso?”, potresti aspettarti che la risposta sia l’aumento della spesa pubblicitaria.)
HubSpot’s Alex Birkett raccomanda che “invece di cercare dati che supportino un’ipotesi precedente, prova a cercare dati controfattuali o pezzi di dati che rigettino la tua ipotesi.”
“Siamo tutti corazzati con abbastanza bias cognitivi da guidare la nave in una direzione totalmente disastrosa, quindi per combattere il bias di conferma, abbiamo bisogno di cercare consapevolmente spiegazioni alternative.”
Investigate le vostre anomalie
Quando cercate i dati che rifiutano la vostra domanda iniziale, potreste individuare alcune differenze insolite.
Queste sono anomalie – qualcosa su cui dovreste indagare, secondo Lauren Pope di G2: “Ascoltare i dati è importante ma non è infallibile. Se i dati vi dicono improvvisamente qualcosa di MOLTO diverso da quello che hanno fatto solo una settimana fa, prendetevi il tempo per vedere se tutto funziona come dovrebbe.”
“C’è la possibilità che un modulo sia stato spento, che un codice UTM sia stato corrotto, o che qualcos’altro sia andato storto. Non seguire ciecamente i dati, fidati del tuo istinto”, aggiunge Pope.
È una tattica usata anche dal team di Web Canopy Studio, come spiega Kenny Lange: “Trovo molto utile approfondire le anomalie – anche se sono piccole. È facile razionalizzare il cambiamento nei modelli e assumere che qualsiasi cosa tu stia vedendo non è statisticamente significativo.”
“Oltre a scavare nelle anomalie, chiediti sempre “perché? So che in alto e a destra va bene, ma se non capisci mai quali sono le leve che controllano la tua crescita, non sarai in grado di ripararle quando si rompono.”
Categorizzare i dati qualitativi
La maggior parte dei consigli sull’analisi dei dati che abbiamo trattato finora riguardano i dati quantitativi (cioè i dati in forma numerica.)
Ma come puoi analizzare i dati qualitativi – come caratteri, simboli o parole – che stai raccogliendo attraverso canali come i sondaggi?
“Spesso, le persone si innervosiscono su come analizzare le risposte ai sondaggi in cui le persone compilano le loro risposte invece di una scelta multipla”, scrive Marie Prokopets di FYI.
Tuttavia, Prokopets ha un semplice processo passo dopo passo per analizzare questo tipo di dati: “Prima leggi tutte le risposte. Poi, classificate ogni risposta in categorie (va bene se ogni risposta rientra in più categorie), e contate i numeri per vedere quali categorie sono le più grandi.”
“Scegliete le migliori citazioni che illustrano i risultati per ogni categoria e organizzatele nella vostra analisi.”
Visualizzate i vostri dati
“Visualizzate i vostri dati quando possibile”, aggiunge Will King di Eastside Co. “È difficile notare le tendenze emergenti quando si guarda un foglio di calcolo pieno di numeri. Ma non appena i dati sono rappresentati in un formato visivo, queste intuizioni diventano più facili da trovare.”
Tom Feltham di Software Path è d’accordo: “Una delle migliori soluzioni è quella di utilizzare sistemi di visualizzazione o reporting collaborativi.”
“Idealmente, questi sistemi dovrebbero consentire di condividere report o creare dashboard per una semplice comunicazione dei risultati e documentare l’analisi per consentire la scoperta o il riferimento in una data successiva.”
*Nota del redattore: con i modelli personalizzabili di Databox, è possibile visualizzare (e condividere) facilmente le metriche più importanti con il tuo team. Basta collegare il tuo strumento di analisi dei dati, scegliere i dati più rilevanti e condividere il link con i tuoi colleghi:
Codifica a colori i tuoi dati
“Amo esportare i miei dati da tutte le diverse risorse e poi codificarli a colori”, scrive Anne-Marie Hays di BestCompany. “E’ molto più facile per me, come studente visivo, dare un senso ai dati che sono codificati e colorati.”
“Su base regolare, faccio ricerche sulle parole chiave, con dati provenienti da più fonti. Importo il tutto nello stesso foglio di calcolo e poi scalare i miei dati a colori. È molto più facile vedere dove sono le mie opportunità.”
Utilizzare l’analisi di coorte
“Il mio consiglio principale per l’analisi dei dati è quello di assicurarsi di utilizzare le coorti, e confrontare diverse strategie di marketing utilizzando tempo e strategie di qualificazione comparabili”, dice Casey Hill di Bonjoro.
L’analisi di coorte è un metodo solitamente utilizzato all’interno di Google Analytics per raggruppare i dati con tendenze simili per rendere più facile l’interpretazione di ciò che i dati mostrano.
Hill continua: “Per esempio, un problema chiave che vedo nell’analisi dei dati con molte aziende è che vedono una crescita del 15% dei clic e la attribuiscono a una nuova campagna o iniziativa che hanno condotto. In realtà, quella crescita potrebbe rispecchiare la loro curva di crescita naturale, dati gli altri driver del business (organico, referral ecc.)”
“Un esempio di questa analisi di coorte può essere visto guardando i numeri di churn, dove abbiamo fatto un’analisi comparativa sull’utilizzo di Bonjoro’s (messaggi video personalizzati) vs.
“Abbiamo preso una fascia di 3 mesi di dati utilizzando queste due diverse metodologie per il follow-up durante i periodi di prova e abbiamo mantenuto costanti tutte le altre variabili. Questo ci ha permesso di sentirci sicuri nel decidere che i Bonjoro erano efficaci nell’aumentare i tassi di conversione”, aggiunge Hill.
Utilizzare strumenti di analisi dei dati
Alzi la mano chi sta usando un foglio di calcolo per gestire i propri dati.
(Vai avanti, ti aspetto.)
Scommetto che hai alzato la mano. Perché? Perché quasi tutte le aziende che abbiamo intervistato hanno detto che è lo strumento che usano per l’analisi dei dati:
Tuttavia, questi esperti consigliano di portare i fogli di calcolo al livello successivo, come nota Fiona Kay di Nigel Wright Group: “Usate strumenti di analisi a prezzi accessibili dove possibile.”
“Analizzo costantemente le nostre classifiche di ricerca organica usando Ahrefs. Uso il rank tracker per tenere d’occhio qualsiasi movimento nelle nostre classifiche e lo uso anche insieme al keywords explorer per identificare nuove opportunità per le parole chiave su cui dovremmo puntare, sia nei contenuti esistenti che in quelli nuovi.”
Anche Romina Buchle di Storylead dice che “analizza regolarmente le nostre attività di marketing e vendita per la nostra azienda (così come per i nostri clienti) con lo strumento HubSpot. Le metriche di base sono il numero di sessioni, il tasso da sessione a contatto, il numero di nuovi contatti, di nuovi lead qualificati (MQLs/SQLs), i nuovi affari aggiunti e gli affari chiusi.”
DIY Digital Strategy di Ben Lund “si assicura che Google Analytics sia impostato per tracciare tutti gli eventi importanti. Questo include gli ordini, i lead e anche le chiamate (attraverso la piattaforma CallRail).”
“Una volta impostati questi obiettivi all’interno di Google Analytics, è possibile vedere quali fonti di traffico sono più redditizie per il vostro business, e spingere quei canali in modo appropriato.”
Lund dice anche: “Su base giornaliera, sto guardando come i nostri annunci Google stanno portando traffico qualificato tramite Google Analytics. Questo significa rivedere la durata della sessione, la frequenza di rimbalzo, le pagine visitate e gli obiettivi completati sul sito (lead, ordini o chiamate).”
“Esamino questi dati per poi ottimizzare le nostre campagne Google Ads per spingere sulle campagne più performanti e tirare su quelle meno performanti.”
Quanto spesso dovrei analizzare i miei dati?
Ora che hai capito come analizzare i tuoi dati, vale la pena toccare il tempo che dovresti riservare a questo compito nella tua routine lavorativa.
Il nostro sondaggio ha rilevato che le aziende con più dipendenti tendono a condurre analisi approfondite dei dati più volte alla settimana, rispetto alle aziende con 1-5 dipendenti, che si immergono nei loro dati solo più volte al mese:
La brutta notizia? Non c’è una risposta “giusta” qui. Finché si analizzano i dati abbastanza frequentemente per cogliere (o prevenire) i problemi in futuro, si è sulla buona strada.
Pensieri finali
Come potete vedere, l’analisi dei dati non dovrebbe essere due parole che fanno arricciare le dita dei piedi, come riassume Lauren Pope di G2: “I dati non possono dirci nulla se non ci prendiamo il tempo di analizzarli.”
Sfogliare i vostri rapporti è un ottimo modo per trovare tendenze che potrebbero aiutare voi (o i vostri clienti) a migliorare – un piccolo investimento di tempo per i vantaggi che otterrete in cambio.