• Maximilian Lindhe

Datatracking – hur lång tid får det ta?

Senast uppdaterad januari 3, 2022 av Growth Hackers Sthlm

Oavsett om målet är ökad försäljning eller leadsgenerering, appnedladdningar eller en produktlansering, så är det första vi gör att sätta upp rigorös datatracking. Det kan ta en månad eller mer i kalendertid att sätta upp tillräcklig tracking, få in data, kontrollera att vi valt rätt mätpunkter, och validera att vi sen faktiskt mäter vad vi vill mäta, utan att något fel smugit sig in. Det är detta som tar tid! Att felsöka och lösa specialfall, småfel, nya sätt som utvecklare eller designers skapar infrastruktur och innehåll.

Perfekt tracking av data finns inte

Vi har fortfarande inte varit med om ett enda fall där datatrackingen har varit uppsatt ”perfekt” och det beror på att det ofta behöver göras tolkningar, integrationer och förenklingar och detta tillsammans mellan beslutsfattare, ingenjörer/affärsutvecklare och utvecklare. Detta har blivit så centralt för oss att vi börjar alla samarbeten och projekt med dessa tre steg:

  1. Tracking (av händelser som påverkar huvudKPIer
  2. Validering (av insamlad data från uppsatt tracking)
  3. Visualisering (skapar dashboard med diagram och KPI:er av datan som samlas in för att säkra att det är det som beslutsfattare önskat och faktiskt behöver)

I de allra flesta affärsmodeller behöver ett eller flera av dessa stegen itereras för att nå önskat resultat. Vi på Growth Hackers jobbar oss igenom dessa tre stegen genom att sätta upp och visualisera en tratt från trafik in till produkt/tjänst/hemsida till köp/sign-up/kontakformulär.

Exempel tracking e-handel

  1. Trafik in till hemsidan
  2. Trafik till produktsidor
  3. Antal besökare som lagt till en produkt i varukorgen
  4. Antal besökare som påbörjat utcheckning
  5. Antal besökare som fyllt i kortuppgifter
  6. Antal köp

Exempel tracking SaaS

  1. Trafik in till hemsidan
  2. Trafik till produktsidor
  3. Antal som fyllt i kontaktformulär

Exempel Dashboard

Exempel på hur en Dashboard kan se ut

funnel diagram
Exempeldiagram på hur ett bokningsflöde kan se ut

Men jag vill ju jobba med tillväxt – inte datatracking…

Ärligt talat så händer det rätt ofta att kunder börjar skruva på sig och undra ”när kommer vi se effekt” (ersätt effekt med lämplig faktisk effekt så som trafik, leads, intäkter, nya användare etc). Men utan att kunna följa upp (och lita på datan man samlar in) så kan man inte vara säker på resultatet. Det är just för att vi lägger ett sånt fokus på datatrackingen som tillväxtkurvan ens har en möjlighet att adresseras och optimeras på ett strukturerat sätt.  Det här är en av de få sakerna som det verkligen är svårt att skarva med . antingen så är datan tillförlitlig eller så är den det inte (notera att jag säger tillförlitlig, detta är inte redovisning, den behöver inte vara ”rätt” utan oftast så saknar man faktiskt en del data men bara man vet om det så kan datan fortfarande användas som beslutsunderlag).

 

Data är världens mest värdefulla resurs. “Data är den nya oljan”, som Jonathan Taplin, författare till boken Move fast and break things, uttryckte det.

 

Och datadrivna bolag, på riktigt datadrivna bolag, behöver ha en absolut solid grund att stå på om de ska kunna ta beslut utifrån sin insamlade data. Dåligt uppsatt datatracking kan bli extremt kostsamt i längden (då menar vi inte teknisk kostnad utan utebliven insikt).

Ett fiktivt exempel

Låt oss till exempel säga att du har ett sign-up formulär på din hemsida som du driver trafik till från Facebook. Då vill du ju kunna mäta hur många nya kunder som kommer. Men det räcker inte du vill också veta från vilken kanal men även vilken kampanj från t.ex. din Facebook-annonsering.

Om du lägger in Google Analytics och/eller Facebooks spårnings-pixel på formulär-sidan så är det ju löst. Tyvärr så mäter du förmodligen inte det du vill mäta.

Du mäter absolut hur många personer som kommer in via dina Facebook-annonser, men det ditt mätvärde visar är både användare som fyller i och skickar in formuläret, och användare som inte fyller i formuläret, det är inte heller säkert att du kan skilja på från vilken kampanj på Facebook de kommer utan bara att de kommer därifrån.

(Det du istället vill göra är naturligtvis att lägga spårnings-pixeln på “Tack”-sidan som användaren ser efter att denne fullföljt sin sign-up samt använda dig av UTM-parametrar i dina annonser).  

Det är lätt att inte märka av fel

Om du har gjort fel i det här exemplet så kommer du att få fel data serverad till dig själv. Om du t.ex. betalar 100.000 kr för trafiken, och ser att du får in 10.000 nya sign-ups, så räknar du snabbt ut att din Cost Per Acquisition (CPA) är 10 kr. Men om, låt oss säga, hälften av besökarna till formuläret faktiskt inte fullföljer sin signup, utan istället droppar av, så har du i verkligheten bara fått in 5000 nya kunder, och din cost per acquisition är istället 20 kr.

Om det här bara utgör en liten del av din totala mängd besökare, så är chansen rätt stor att du inte kommer att märka av felet. Så år ut och år in så kommer du att betala dubbelt så mycket som du tror för din trafik. Och tar affärsbeslut därefter. Och allt på grund av en enda felmätning, eller feltolkning, när du satte upp trackingen.

Små fel som dessa är faktiskt vanligare än vad man kan tro. För det ser ju faktiskt rätt ut; det ser ut som att det levererar. 

Avslutningsvis…

Tracking är någonting som är högst levande, så det är inte bara viktigt att få det rätt från början, utan också att se över den med jämna mellanrum så det fortsätter att vara rätt och relevant. Vilka verktyg man använder är mindre viktigt och att köpa sig fri med ett dyrt verktyg eller en engångssatsning istället för att satsa på att bygga kompetens kommer alltid att bli en sämre investering långsiktigt. Det viktiga är att man har en solid grund att stå på. Det är då man kan uppnå vinster med data.

 

Om detta intresserar dig så kolla även in nedan: