Στο Cyberclick περνάμε τη ζωή μας τονίζοντας τη σημασία της ανάλυσης δεδομένων στο εισερχόμενο μάρκετινγκ .
Πιστεύουμε ότι είναι θεμελιώδες να μετράμε τι συμβαίνει σε όλες τις εκστρατείες μας και ότι αυτή η μέτρηση πρέπει να βρίσκεται πίσω από τη στρατηγική και τις αποφάσεις που κάνουμε από την αρχή. αγοράστε τις προβολές του YouTube
Αλλά ούτε η συσσώρευση δεδομένων χωρίς ποιήματα ή λόγους δεν είναι χρήσιμη. Σήμερα μπορούμε να μετρήσουμε σχεδόν τα πάντα, αλλά αυτό δεν σημαίνει ότι όλα μας ενδιαφέρουν. Πρέπει να αποφύγουμε την «παράλυση με ανάλυση» και να επικεντρωθούμε στην απόκτηση των πιο σημαντικών πληροφοριών και στην εφαρμογή της στη στρατηγική μας.
Επομένως, σε αυτό το άρθρο θα δούμε γιατί η ανάλυση δεδομένων είναι σημαντική στο εισερχόμενο μάρκετινγκ , ποιες μετρήσεις πρέπει να αναλύουμε και πώς να το κάνουμε αποτελεσματικά. Αρχίζουμε!
Γιατί χρειαζόμαστε αναλύσεις δεδομένων στο εισερχόμενο μάρκετινγκ;
- Για να επωφεληθείτε καλύτερα από την επένδυση . Αν μετρήσουμε με ακρίβεια τα αποτελέσματα των καμπανιών μας, μπορούμε να γνωρίζουμε πού ξοδεύονται χρήματα και αν ανακτούμε την επένδυση ή όχι. Μπορούμε επίσης να προσδιορίσουμε ποιες είναι οι πιο αποτελεσματικές δράσεις και ποιες δεν αξίζουν. Έτσι, θα προσαρμόσουμε προοδευτικά τον προϋπολογισμό μας και θα είμαστε όλο και πιο κερδοφόροι.
- Να γνωρίζουμε πραγματικά τους πιθανούς πελάτες μας . Στον κόσμο του εισερχόμενου μάρκετινγκ πολλές φορές δημιουργούμε καμπάνιες βασισμένες σε ένα συνδυασμό αγοραστών, καλών πρακτικών, διαισθήσεων… αλλά μέχρι να τα ξεκινήσουμε, δεν μπορούμε πραγματικά να γνωρίζουμε τι λειτουργεί και τι όχι. Αλλά δεν μπορούμε να δούμε τις αντιδράσεις των χρηστών μας, και συχνά τα σχόλιά τους περιορίζονται σε μερικά σχόλια. Επομένως, ο τρόπος για να επικοινωνήσετε πραγματικά μαζί τους, για να γνωρίζετε τι τους αρέσει και τι δεν είναι, είναι να αναλύσετε τα δεδομένα σχετικά με τη συμπεριφορά τους.
- Να βελτιώνουμε συνεχώς τις καμπάνιες μας . Η συνεχής βελτίωση και εκμάθηση (με την αντίστοιχη δόση σφαλμάτων!) Είναι ένα από τα μέγιστα για την προώθηση του εισερχόμενου μάρκετινγκ. Μέσω ελεγχόμενων πειραμάτων και μετρήσεων, μπορούμε να δούμε ποιες τακτικές λειτουργούν καλύτερα με κάθε στόχο και να προσαρμόζουμε τις καμπάνιες μας ώστε να τις ενσωματώνουν.
- Για την ανίχνευση σφαλμάτων . Παρόλο που ακολουθούμε τις βέλτιστες πρακτικές όταν δημιουργούμε τον ιστότοπό μας και άλλο διαδικτυακό υλικό μάρκετινγκ, υπάρχουν πάντα πράγματα που μας ξεφεύγουν: μια ελαφρώς βελτιστοποιημένη φόρμα, ένα βίντεο που χρειάζεται χρόνο για φόρτωση, ένα κουμπί που δεν λειτουργεί καλά από το κινητό… Όταν ξεκινάμε ανάλυση δεδομένων, συμβαίνει συχνά ότι βλέπουμε ότι μια σελίδα δεν λειτουργεί όπως θα έπρεπε. Από εκεί, μπορούμε να αναλύσουμε τι συμβαίνει και να διορθώσουμε το σφάλμα που επηρεάζει αρνητικά τα αποτελέσματα.
- Να επικοινωνούν με πελάτες, αφεντικά και συναδέλφους . Η τακτική αναφορά αναλυτικών δεδομένων είναι ένα πολύτιμο εργαλείο για την αναφορά του τι συμβαίνει στις καμπάνιες μας. Έτσι, θα είναι πολύ πιο εύκολο για εμάς να εξηγήσουμε στον πελάτη τι πραγματικά είναι ο προϋπολογισμός, να αποφασίσουμε με το αφεντικό τα επόμενα βήματα που πρέπει να ακολουθήσουμε ή να σχολιάσουμε στους συναδέλφους των άλλων τμημάτων τι χρειαζόμαστε από αυτούς.
Οι μετρήσεις εισερχόμενου μάρκετινγκ που πρέπει να μετρήσετε
Όπως γνωρίζετε, οι εισερχόμενες καμπάνιες μάρκετινγκ χωρίζονται συνήθως σε τρεις φάσεις: TOFU ή κορυφή της διοχέτευσης, MOFU ή μέση της διοχέτευσης και BOFU ή κάτω μέρος της διοχέτευσης. Κάθε ένα από αυτά έχει μια σειρά σχετικών μετρήσεων που θα μας βοηθήσουν να γνωρίζουμε τι συμβαίνει. Ας δούμε ποια είναι τα πιο σημαντικά σε κάθε στάδιο.
Φάση TOFU
Στη φάση, ο χρήστης βρίσκεται στα πρώτα στάδια της διαδικασίας: μόλις αναγνώρισε ότι έχει ανάγκη και σχεδιάζει να αναζητήσει λύσεις.
- : οποιαδήποτε στρατηγική εισερχόμενου μάρκετινγκ βασίζεται στο να κάνει τους χρήστες να επισκέπτονται τον ιστότοπό μας. Ωστόσο, ο πρώτος αριθμός επισκέψεων είναι μόνο μέρος της ιστορίας. Για να κατανοήσουμε πραγματικά την κίνηση στο διαδίκτυο, πρέπει να αναλύσουμε τον αριθμό των περιόδων σύνδεσης, τους μοναδικούς χρήστες, τις προβολές σελίδας, τη διάρκεια των περιόδων σύνδεσης, την ανάκαμψη… Όλα αυτά θα μας βοηθήσουν να κατανοήσουμε πώς συμπεριφέρονται οι επισκέπτες στον ιστότοπό μας και αν πρέπει λάβετε κάποιο μέτρο για να βελτιώσετε την ποιότητα των επισκέψεων.στα κοινωνικά δίκτυα : αν και δεν είναι εύκολο να συνδέσετε τις μετρήσεις αφοσίωσης στα κοινωνικά δίκτυα με τα επιχειρηματικά αποτελέσματα, αυτό δεν σημαίνει ότι πρέπει να τα ξεχάσουμε. Τα μέσα κοινωνικής δικτύωσης είναι ένα εξαιρετικό κανάλι για τη διανομή του περιεχομένου μας και την προσέλκυση νέων χρηστών και η κατάσταση της υγείας τους μετράται μέσω εμφανίσεων, κλικ και αντιδράσεων των χρηστών.
- Inbound links : αυτή είναι μια άλλη "δευτερεύουσα" μέτρηση αλλά είναι σημαντική για την αξιολόγηση των αποτελεσμάτων του SEO μας στο Inbound Marketing. Οι εισερχόμενοι σύνδεσμοι όχι μόνο προσελκύουν επισκέπτες που κάνουν κλικ σε αυτούς, αλλά μοιάζουν με ψήφο εμπιστοσύνης από άλλους ιστότοπους που μας βοηθούν να βελτιώσουμε την οργανική μας θέση στο Google.
- Μετατροπή επισκεψιμότητας σε οδηγούς : όταν ένας χρήστης αφήνει τα δεδομένα του, γίνεται προβάδισμα και προχωρά στα επόμενα στάδια της διοχέτευσης μετατροπών. Στην πραγματικότητα, θα μπορούσαμε να πούμε ότι ο κύριος στόχος των ιστότοπων σε μια στρατηγική εισερχόμενου μάρκετινγκ είναι η δημιουργία δυνητικών πελατών. Αλλά δεν είναι όλοι οι δυνητικοί πελάτες ίδιοι: πρέπει να διακρίνουμε μεταξύ δυνητικών πελατών που μπορούμε να απορρίψουμε, εκείνων που πληρούν τις προϋποθέσεις για μάρκετινγκ και εκείνων που πληρούν τις προϋποθέσεις για πωλήσεις.
Φάση MOFU
Εδώ ο χρήστης εξετάζει διαφορετικούς τρόπους για να λύσει την ανάγκη τους, μεταξύ των οποίων είναι και η μάρκα μας.
- Ποσοστό ποιότητας και μετατροπής των πελατών : εδώ θα μελετήσουμε λεπτομερώς ποια είναι η αναλογία κάθε τύπου δυνητικών πελατών και, πάνω απ 'όλα, πώς εξελίσσονται από τη μία κατάσταση στην άλλη. Δηλαδή, πόσοι από τους χρήστες που μας αφήνουν τα δεδομένα τους μετατρέπονται σε εξειδικευμένη επαφή για μάρκετινγκ και πόσοι από αυτούς γίνονται κατάλληλες επαφές ταυτόχρονα, έτσι ώστε η ομάδα πωλήσεων να αρχίσει να συνεργάζεται μαζί τους. Έτσι, θα προχωρήσουμε βήμα προς βήμα στη διοχέτευση μετατροπών μέχρι να έχουμε τους χρήστες έτοιμους να αγοράσουν.
- Μετρήσεις μάρκετινγκ ηλεκτρονικού ταχυδρομείου . Στο μάρκετινγκ ηλεκτρονικού ταχυδρομείου υπάρχουν πολλοί διαφορετικοί τύποι καμπανιών, καθεμία με τις δικές της μετρήσεις και με διαφορετικούς ρόλους στη διοχέτευση μετατροπών. Αλλά αποφάσισα να τοποθετήσω το μάρκετινγκ μέσω email στη φάση MOFU λόγω της μεγάλης σημασίας που έχει στις βασικές στρατηγικές καλλιέργειας. Στέλνοντας τακτικά δημοσιεύσεις στη βάση επαφών, μπορούμε να μετατρέψουμε τους δυνητικούς πελάτες σε κατάλληλους δυνητικούς πελάτες για μάρκετινγκ και πωλήσεις και καθοδηγώντας τους στο δρόμο προς τη μετατροπή. Εάν αυτή η διαδικασία δεν λειτουργεί όπως θα έπρεπε, ίσως είναι καιρός να ρίξουμε μια ματιά στη στρατηγική τμηματοποίησης.
Φάση BOFU
Τέλος, έχουμε τη φάση, στην οποία ο χρήστης είναι έτοιμος να αγοράσει
- Κόστος απόκτησης : Μόλις αποκτήσουμε τον χρήστη για να γίνουμε πελάτης, μπορούμε να γνωρίζουμε ποιο είναι το κόστος. Για να γίνει αυτό, θα διαιρέσουμε την επένδυση στην καμπάνια μεταξύ του αριθμού των πελατών που αποκτήθηκαν. Το κόστος ανά απόκτηση είναι μια από τις πιο σημαντικές μετρήσεις για την κερδοφορία του μάρκετινγκ μας, επομένως συνιστάται να είστε πάντα ενημερωμένοι και να αναζητάτε τρόπους για να το κάνετε όσο το δυνατόν χαμηλότερο.
- Αύξηση πωλήσεων : εδώ μετράμε αν έχουμε επιτύχει τον πρωταρχικό στόχο όλων των εμπορικών σημάτων, δηλαδή, "πωλήστε περισσότερα". Με μια καλή στρατηγική ανάλυσης δεδομένων, μπορούμε να δούμε ολόκληρο το ταξίδι του πελάτη από την πρώτη επαφή έως την πώληση και να γνωρίζουμε αν οι ψηφιακές μας καμπάνιες μάρκετινγκ συμβάλλουν πραγματικά στην αύξηση των πωλήσεων: πολύ συνδεδεμένες με τις δύο προηγούμενες, αυτή είναι η μέτρηση που μας λέει εάν καταφέραμε να ανακτήσουμε τον προϋπολογισμό που επενδύθηκε. Εδώ μπορούμε να βρούμε πολλές χρήσιμες πληροφορίες που αναλύουν την απόδοση επένδυσης κάθε καναλιού ή ακόμη και κάθε διαφήμισης ξεχωριστά, για να δούμε ποια από αυτά λειτούργησαν καλύτερα και να αναδιανείμουμε τον προϋπολογισμό μας με βάση τα αποτελέσματα.
- Αξία της διάρκειας ζωής του πελάτη : αυτή είναι η μέτρηση που μας ενημερώνει αν η απόκτηση νέων πελατών είναι "ακριβή" ή "φθηνή", καθώς μας λέει πόσα θα κερδίσουμε κατά μέσο όρο για κάθε πελάτη. Για να τον υπολογίσουμε, πρέπει να γνωρίζουμε το μέσο ποσό μιας αγοράς και τον αριθμό των φορών που ο χρήστης αγοράζει ενώ είναι πελάτης της μάρκας.
Πώς να εφαρμόσετε αναλύσεις δεδομένων στην εισερχόμενη μάρκετινγκ βήμα προς βήμα
Στην προηγούμενη ενότητα έχουμε δει πολλές μετρήσεις που μπορούν να είναι χρήσιμες για τη μέτρηση των αποτελεσμάτων του εισερχόμενου μάρκετινγκ, αλλά δεν διαθέτουμε ένα πλαίσιο για να τα εφαρμόσουμε για να βελτιώσουμε τα αποτελέσματά μας. Ας δούμε λοιπόν μια απλή βήμα προς βήμα μέθοδο για τη βελτίωση των καμπανιών μας με την ανάλυση δεδομένων.
1) Καθορίστε ένα πρόβλημα
Πρώτα απ 'όλα, πρέπει να ξέρετε τι θέλετε να επιτύχετε ή ποιο πρόβλημα πρέπει να λύσετε . Μόνο τότε θα μπορείτε να γνωρίζετε ποια δεδομένα χρειάζεστε πραγματικά και σε ποιο πλαίσιο πρέπει να τα αναλύσετε. Εάν μετρήσετε τα λάθος δεδομένα ή τα ερμηνεύσετε εσφαλμένα, θα καταλήξετε σε λανθασμένα συμπεράσματα και αποκλίνετε από τη διαδρομή που θα ακολουθήσετε.
Επομένως, αναρωτηθείτε τι θέλετε να πετύχετε. Μπορεί να είναι ένα γενικό πρόβλημα, αλλά πρέπει να μπορείτε να το συνδέσετε με ένα συγκεκριμένο KPI, όπως δυνητικούς πελάτες, πωλήσεις ή το ποσοστό μετατροπής.
Για παράδειγμα: "Νομίζω ότι ο ιστότοπός μου δεν δίνει τα αποτελέσματα που θα έπρεπε και θα ήθελα να πάρω περισσότερα αποτελέσματα με αυτό".
2) Ορίστε στόχους βάσει δεδομένων
Τώρα που είστε σαφείς σχετικά με το πρόβλημα και τι θέλετε να επιτύχετε, χρειάζεστε ένα συγκεκριμένο και ποσοτικοποιήσιμο στόχο για να προσδιορίσετε εάν το παίρνετε ή όχι. Οι στόχοι και οι συγκρίσεις (για παράδειγμα, το μέσο ποσοστό μετατροπών σε δυνητικούς πελάτες στον τομέα σας ή σε προηγούμενες καμπάνιες) δίνουν πλαίσιο στα δεδομένα και μας βοηθούν να τα ερμηνεύσουμε.
Μπορούμε να καθορίσουμε στόχους εντός ενός περιθωρίου σφάλματος, για παράδειγμα, για να μας χαρακτηρίσουν έναν πρώτο στόχο προσιτό, έναν ακόμη φιλόδοξο και έναν τρίτο που θα ήταν η ιδανική κατάσταση. Χρησιμοποιώντας αυτά τα στοιχεία ως αναφορά, θα ξέρουμε τι και πόσο πρέπει να βελτιώσουμε.
Ακολουθώντας το παραπάνω παράδειγμα, μπορούμε να αναλύσουμε τα δεδομένα μας. Έτσι, βλέπουμε ότι ένα από αυτά προσελκύει πολλή επισκεψιμότητα, αλλά ο λόγος μετατροπής είναι μόνο 1%. Σε σύγκριση με τον υπόλοιπο ιστότοπο, βλέπουμε ότι η καλύτερη σελίδα προορισμού στον ιστότοπό μας επιτυγχάνει 5% μετατροπές, επομένως αποφασίσαμε να επικεντρωθούμε στη βελτίωση της αναλογίας αυτής της συγκεκριμένης σελίδας προορισμού αντί της επισκεψιμότητας ιστού γενικά. Με βάση αυτά τα στοιχεία, μπορούμε να καθορίσουμε έναν ελάχιστο στόχο διπλασιασμού του λόγου μετατροπής σε 2% και έναν ιδανικό στόχο να φτάσουμε στο 6%.
3) Συλλογή δεδομένων
Σε αυτή τη φάση, ακρίβεια είναι θεμελιώδες. Για να καταλήξουμε στο σωστό συμπέρασμα και να εφαρμόσουμε τα κατάλληλα μέτρα, τα εργαλεία ανάλυσης δεδομένων μας πρέπει να είναι αξιόπιστα και να μας παρέχουν τα δεδομένα σε μια εύχρηστη μορφή ερμηνείας.
Για να συμβεί αυτό, πρέπει να συνεργαστούμε με τον εξοπλισμό του υπολογιστή, για να βεβαιωθούμε ότι έχουμε εγκαταστήσει όλα τα πρόσθετα, τα pixel, τους κώδικες παρακολούθησης και άλλα εργαλεία. Πρέπει επίσης να έχουμε μια πλατφόρμα αναλυτικών στοιχείων (όπως το Google Analytics) που μας επιτρέπει να αναλύουμε τα δεδομένα που λαμβάνουμε.
4) Κάνετε ενημερωμένες αποφάσεις
Με βάση τις πληροφορίες που έχουμε συλλέξει, έχει έρθει η ώρα να ξεκινήσουμε κάνοντας αλλαγές . Ο πιο αποτελεσματικός τρόπος εργασίας είναι η διατύπωση υποθέσεων και η χρήση πειραμάτων Δοκιμές A / B ή πολλαπλών μεταβλητών .
Για παράδειγμα, μπορούμε να πιστεύουμε ότι η σελίδα προορισμού του παραδείγματός μας θα μπορούσε να μετατραπεί καλύτερα αν είχε μικρότερη φόρμα και ένα επεξηγηματικό βίντεο του προϊόντος. Για να δούμε αν αυτό ισχύει, ας δοκιμάσουμε τις αλλαγές μία προς μία χρησιμοποιώντας δοκιμές A / B.
Στην πρώτη δοκιμή, ξεκινάμε μια έκδοση της προσγείωσης με τη συντομευμένη φόρμα και σε μια άλλη διατηρούμε το πρωτότυπο, κατευθύνοντας τη μισή κίνηση σε καθένα από αυτά. Βλέπουμε ότι η έκδοση με τη συντομότερη φόρμα καταφέρνει να αυξήσει την αναλογία μετατροπής έως 2.5%, οπότε μένουμε μαζί της.
Στη συνέχεια, δοκιμάσαμε μια έκδοση της νέας προσγείωσης με βίντεο και μια άλλη χωρίς βίντεο. Για άλλη μια φορά, βλέπουμε ότι ήμασταν επιτυχείς, από την προσγείωση με τη συντομότερη φόρμα και με vi