De fleste vil højst sandsynligt kunne nikke genkendende til et par eller alle tre af disse udfordringer, og for nogen vil tanken om at arbejde med web analytics give lidt sved på panden, fordi man har stirret sig blind i bounce rates, sessions og pageviews. Løsningen er heldigvis ret ligetil — det handler om at holde det simpelt.
For at kunne simplificere sin opsætning, drejer det sig først og fremmest om at spørge sig selv, hvad formålet med indsamlingen er. Hvad har vi brug for at vide, og hvorfor har vi brug for at vide det? Svaret på disse spørgsmål kommer til at være en rettesnor for alle efterfølgende beslutninger angående tracking. Med den rettesnor ved hånden, gælder det om at skære unødvendige og irrelevante tal fra. Giver det for eksempel mening at tracke på alle clicks på alle elementer på en hjemmeside, eller har I kun brug for at kende antallet af clicks på de vigtigste CTA’er? Hvis du ikke kan svare på, hvad et målepunkt skal bruges til, så er der ingen grund til at indsamle det.
Det næste punkt handler om at prioritere og simplificere de rapporter, man arbejder med, så man slipper for at prøve at finde mening i en out-of-the-box Google Analytics interface (hint: det kan være ret svært). Her kan man med fordel drage nytte af den nye “Explore” funktionalitet i GA4. Dette er et værktøj til at sammensætte skræddersyede rapporter, hvor man kan oprette tabeller, segment og cohort analyser, funnels mm. Det kan godt være lidt besværligt at sætte op, hvis man ikke er vant til det, men det er et virkelig godt værktøj til at lave datavisninger, som giver en lige præcis de indsigter, man har brug for. Alternativt kan man også gøre brug af andre datavisualiseringsværktøjer, såsom Power BI eller Data Studio. Sidstnævnte er det mest brugervenlige og intuitive system af de to, så det ville være vores anbefaling i de fleste tilfælde.
Til sidst handler det om at få alt det hårde arbejde med at opsætte tracking og rapporter til at give værdi. Hvis tracking får lov at leve i et vakuum uden for daglige arbejdsgange og beslutningsprocesser, er det ligegyldigt hvor godt, den er gennemtænkt og sat op. Hvordan man lykkes med dette, er der dog ikke noget entydigt svar på, fordi det gælder om at finde løsninger, som passer til jeres måder at arbejde på. Der er dog et par gode steder at starte, hvis man vil begynde at gøre mere aktiv brug af sin data. At arbejde datadrevet kan koges ned til to simple principper:
- Kvantitativ kvalificering af hypoteser
- Eksekvering-evaluering flows
Sagt på en anden måde drejer det sig om at underbygge de,t man tror man ved med kvantitative metoder og sørge for, at man altid evaluerer på projekter ud fra målbare resultater. Det svære ved at arbejde datadrevet, er ikke at erklære, at man vil gøre det fremadrettet; det svære er rent faktisk at gøre det. Her er min anbefaling altid at etablere klare aftaler og processer, som består “videotesten” fra Morten Münster. Hvis ikke man har hørt om testen, går den i al sin enkelthed ud på, at hvis nogen observerede jer arbejde ved hjælp af et overvågningskamera, skulle de ud fra optagelsen kunne se jer udføre opgaven. Mere konkret betyder det, at man rent faktisk samler alle interessenter og sætter sig ned med det formål at evaluere. Man kan med rette lade sig inspirere af Scrum og bruge retrospective modellen til evalueringen, men det er dog underordnet — det vigtigste er, at man rent faktisk evaluerer.
Nu har jeg selvfølgelig brugt en masse linjer på at få strategisk dataindsamling og evaluering til at fremstå som noget lettilgængeligt, man bare kaster sig ud i, ved hjælp af et par simple huskeregler, men det er desværre ikke tilfældet. Man kan blive kastet ud i strategiske-, organisatoriske- og tekniske udfordringer, så man skal ikke undervurdere foretagendet. Men hvis man tager arbejdshandskerne på og arbejder struktureret med det, kan det til gengæld give enorm værdi og gøre dit liv lettere.
