Skip to content

Category: suomeksi

Kuinka Google toimii? Keskeiset lähteet.

Googlen algoritmin tarkka toiminta on liikesalaisuus. Siihen, mitä tiedetään, paras lähde on Googlen oma sivusto.

Tässä keskeisimpiä linkkejä:

Hakukoneoptimoinnista löytyy paljon spekulointia – parasta on nojautua Googlen viralliseen tietoon. Monet ns. tutkimukset, joita näkee alan blogeissa, eivät kestä akateemista tarkastelua, eikä niitä siksi voi käyttää lähteinä. Aina aika ajoin ne esimerkiksi julistavat, että “SEO on kuollut”, tai että “linkit eivät enää merkitse”, tms. juttuja, joilla ei ole todellisuuspohjaa. Virallisen sivun lisäksi Googlen blogi ja Matt Cutts ovat hyviä lähteitä – Matt ei enää töissä Googlella, mutta Twitter-historiasta löytyy paljon vastauksia (vastasi hakutulosten laadusta).

Huomioi myös:

Google ei näytä kaikille käyttäjille samoja tuloksia: https://googleblog.blogspot.qa/2009/12/personalized-search-for-everyone.html

Toiseksi Google käyttää satoja tai tuhansia signaaleja, ja jokainen hakutulossivu on niiden päätösten uniikki tulos. Googlen algoritmi saattaa sisältää neuroverkkotoimintoja (syväoppimista), joiden tuloksena on hankala jäljittää tietyn hakutuloksen näyttämisen syytä. Näiden syiden vuoksi on parasta välttää yleistyksiä “parhaista käytännöistä”. Paras sääntö kokemuksen mukaan on: tee käyttäjäystävällisiä ratkaisuja, niin teet parasta hakukoneoptimointia.

Hakukoneoptimointi toimittajan näkökulmasta

Johdanto

Media on riippuvainen mainostuloista. On jatkuva kiistelyn aihe, miten paljon toimittajien tulisi kirjoittaa juttuja, jotka saavat klikkejä ja näyttöjä suhteessa juttuihin, joiden yhteiskunnallinen merkitys on korkea. Nämä kaksi kun eivät aina kulje käsi kädessä.

Sosiaalisen median ja hakukoneiden merkitys toimittajan työssä

Käytännössä toimittajat joutuvat työnsä puolesta huomioimaan juttujen kiinnostavuuden sosiaalisessa mediassa. Tämä on tärkeää vaikka haluaisi kirjoittaa vain yhteiskunnallisesti tärkeistä aiheista, koska huomion saaminen kilpailevan sisällön keskellä on ainut tapa saada viestinsä läpi. Sosiaalisen median osalta on siis huomioitava sellaisia seikkoja kuin 1) vetävän otsikon muotoilu, 2) vetävän esikatselukuvan valinta, ja 3) object graph -metatietojen muokkaaminen (vaikuttavat siihen miltä linkki näyttää sosiaalisessa mediassa).

Sosiaalisen median lisäksi toimittajan on huomioitava hakukoneoptimointi, sillä somen ohella hakukoneet ovat tyypillisesti merkittävä liikenteen lähde. Mitä paremmin artikkelit on optimoitu, sitä todennäköisemmin ne sijoittuvat tärkeillä avainsanoilla korkealle Googlen tuloksissa.

Mitä toimittajan on tiedettävä hakukoneoptimoinnista?

Juttuja kirjoittaessaan toimittajan on huomioitava seuraavat seikat hakukoneiden kannalta:

  1. Avainsanat – kaikessa pitää lähteä siitä, että tunnistetaan oikeat avainsanat, joilla artikkelin halutaan löytyvän. Tässä kannattaa hyödyntää avainsanatutkimuksen työkaluja, kuten Googlen avainsanatyökalua (Keyword Planner).
  2. Pääotsikko ja väliotsikot – valittujen avainsanojen tulee näkyä jutun otsikossa ja väliotsikoissa. Väliotsikot (h2) ovat tärkeitä, sillä ne luovat hakukoneelle ymmärrettävissä olevan rakenteen, sekä tukevat käyttäjien luontaista, skannaukseen pohjautuvaa verkkolukemista.
  3. Linkit – jutussa tulee olla linkkejä muihin lähteisiin oikeanlaisilla ankkuriteksteillä merkittynä. Ei “lisää tietoa lisäravinteista saat klikkaamalla tänne“, vaan “esimerkiksi Helsingin Sanomat on kirjoittanut useita juttuja lisäravinteista“.
  4. Teksti – kappaleiden tulee olla lyhyitä, sisältää selkeästi luettavissa olevaa kieltä ja optimoitavia avainsanoja sopiva määrä. Sopivan määrän mitta on se, että avainsanoja on luonnolliselta tuntuva määrä – liikaa toistoa ei saa olla, koska Google voi tulkita sen manipulointiyritykseksi.

Ennen kaikkea kirjoitetun artikkelin tulee olla sekä käyttäjälle miellyttävä lukea, että hakukoneelle helposti ymmärrettävä. Nämä kaksi seikkaa yhdistämällä hakukoneoptimoinnin perusteet ovat kunnossa.

Koneoppimisen jämähtämisongelma

Konekin voi joskus jäätyä.

Kone oppii kuten ihminen: empiirisen havaintoaineiston (= datan) perusteella.

Tästä syystä samoin kuin ihmisen on hankala oppia pois huonoista tavoista ja asenteista (ennakkoluulot, stereotypiat), on koneen vaikea oppia nopeasti pois virheellisestä tulkinnasta.

Kysymys ei ole poisoppimisesta, mikä lienee monessa tapauksessa mahdotonta, vaan uuden oppimisesta, niin että vanhat muistirakenteet (= mallin ominaisuudet) korvataan tehokkaasti uusilla. Tehokkaasti, koska mitä kauemmin vanhat epäpätevät mallit ovat käytössä, sitä enemmän koneellinen päätöksenteko ehtii tehdä vahinkoa. Ongelma korostuu laajan mittakaavan päätöksentekojärjestelmässä, jossa koneen vastuulla voi olla tuhansia tai jopa miljoonia päätöksiä lyhyen ajan sisällä.

Esimerkki: Kone on oppinut diagnosoimaan sairauden X oireiden {x} perusteella. Tuleekin uutta tutkimustietoa, jonka mukaan sairaus X liitetään oireisiin {y}, jotka ovat lähellä oireita {x} mutta eivät identtisiä. Koneelta kestää kauan oppia uusi assosiaatio, jos sen pitää tunnistaa itse eri oireiden yhteydet sairauksiin samalla unohtaen vanhoja malleja.

Miten tätä prosessia voidaan nopeuttaa? Ts. säilyttää koneoppimisen edut (= löytää oikeat ominaisuudet, esim. oireyhdistelmät) ihmistä nopeammin, mutta ihminen voi kuitenkin ohjatusti korjata koneen oppimaa mallia paremman tiedon varassa.

Teknisesti ongelman voisi mieltää ns. bandit-algoritmin kautta: Jos algoritmi toteuttaa sekä eksploraatiota että eksploitaatiota, voisi ongelmaa pyrkiä ratkomaan rajoittamalla hakuavaruutta. Koneelle voisi myös syöttää tarpeeksi evidenssiä, jotta se oppisi suhteen nopeasti – ts. jos kone ei ole löytänyt samaa asiaa kuin tietty tieteellinen tutkimus, tämän tieteellisen tutkimuksen dataa voisi käyttää kouluttamaan konetta niin paljon (jopa ylipainottamalla, jos se suhteessa hukkuu muuhun dataan) että luokittelumalli korjautuu.

CLV-pohjainen markkinointibudjetin allokaatio alustojen välillä

Odottelen, että ilmaantuisi helppo tapa tehdä järkevää markkinointia. Nythän tilanne on niin, että markkinointibudjetit allokoidaan joko fiiliksen mukaan (lehdet, TV, radio) taikka konversiokustannusten mukaan (digi). Eli toisin sanoen jälkimmäisessä tapauksessa lasketaan CPA:ta, kun pitäisi laskea CLV:tä.

Miksi CLV:tä ei lasketa?

CLV:tä ei lasketa, koska se on niin hankalaa. Pitäisi erottaa ostohistoria ja kytkeä jokainen konversio asiakkaaseen (luokittelu: uusi/vanha), jotta saataisiin elinkaariarvo. Tieto on piilossa omissa järjestelmissä (CRM/SQL) ja sen kytkeminen Web-analytiikkaan vaatii räätälöintiä. Kertaluonteisen konversion, tyypillisesti myynnin, hintaa on helppo seurata yhdellä skriptin pätkällä ja siksi sitä käytetään budjetin allokoimisen pohjana. Tyydytään saatavilla olevaan dataan, koska se on helpointa.

Miksi CLV pitäisi laskea?

CLV eli asiakkaan elinkaariarvo määrittää monta asiaa. Asiakkaat voidaan jakaa kannattavuuden mukaan eri segmentteihin, joille tarjotaan eri palvelutaso ja ehdotetaan erilaisia tuotteita taikka annetaan lisäetuja kiitoksena uskollisuudesta. Elinkaariarvo voi vaihdella kanavoittain, ikäluokittain, sijainnin mukaan, yms. Erottelevat tekijät olisi tärkeä tunnistaa, jotta kannattavimmille asiakkaille yhteiset piirteet ohjaisivat markkinoinnin kohdistamista.

CLV-laskelmien jalkauttaminen

Parhaimmillaan kohdentamisen voi automatisoida. Ainakin kolme tapaa tulee mieleen:

1. Budjetin/bidin säätö CLV-estimoinnin perusteella: kannattavimmille kohderyhmille osoitetaan enemmän budjettia taikka niiden huomiosta tarjotaan mainoshuutokaupassa tietty ylikerroin, sillä perusteella että ne ovat kannattavampia. Tämän voi toteuttaa joko vain nykyiselle asiakaskannalle, tai laajemmalle kohderyhmälle jolla on kannattavinta asiakasryhmää vastaavat piirteet (vrt. “lookalike”-logiikka). Erilaiset dataratkaisut (DMP) mahdollistavat teoriassa tietyn kohderyhmän saavuttamisen mediariippumattomasti, vaikka käytännössä eri alustat joutuu konfiguroimaan erikseen. Mikäli rakennetaan väliohjelmisto (à la Smartly), voidaan budjetointi/bid-päätökset tehdä joustavasti niin että ohjelmisto kerää tiedot alustoilta, yhdistää yrityksen omaan dataan, päivittää CLV-laskelman ja sen mukaisesti tekee em. päätökset.

2. Erillinen palvelukokemus: tarjotaan kannattavimmille asiakkaille eri tuotesuositukset tai lisäpalvelut verkossa taikka sen ulkopuolella. Ts. tyypillinen verkkosivun dynaaminen personointi, mutta tässä tapauksessa CLV-arvon perusteella.

3. Erilliset kampanjat/tarjoukset: kohdistetaan sähköposti- ja muuta suoramarkkinointia joka on räätälöity kannattavimmille asiakasryhmille. Ts. dynaamiset listat, jotka päivittyvät CLV-laskelman perusteella, ja kullekin listalle räätälöidyt sisällöt/polut.

Filosofinen tausta on, että pyritään vähentämään hukkaa tavoittamalla vain sitoutuneet asiakkaat. Aika voidaan käyttää siihen, että mietitään miten palvella heitä entistä paremmin, sen sijaan että jahdataan jatkuvasti uusia asiakkaita. Tuloksen on markkinointi-investointien tuottavuuden (ROI) kasvu. Riskinä on häirikönti – viestinnän pitää tuntua oikea-aikaiselta ja sisällön puolesta osuvalta. Liian usein toteutukset kuitenkin ovat tylsiä ja eivät pureudu tarpeeksi kohderyhmän aitoihin motiiveihin. Sen vuoksi kampanjoiden saamaa responssia ja etenkin negatiivisia “pisteitä” tulee seurata aktiivisesti.

Johtopäätös

Markkinointibudjettien allokointi on yhä edelleen mutun varassa. Toimialalla ei ole tarjolla helppoja ratkaisuja ongelman ratkaisuun. Tulevaisuudessa CLV-laskelmat mahdollistava teknologia toivottavasti yleistyy ja tulee kaikkien saataville kohtuuhintaan. Alalla on vielä tilaa useammalle startupille, vaikka lopulta Facebookin ja Googlen kaltaiset toimijat tulevat levittämään CLV-laskelmat kaikkien mainostajien saataville.

3 teesiä digitaalisen markkinoinnin (ja miksei muidenkin) asiantuntijapalvelujen myynnistä

En todellakaan ole myynnin ammattilainen. En ole, koska olen introvertti ja sulkeutunut tyyppi ja — rehellisesti sanottuna — en pidä kovinkaan monen ihmisen seurasta.

Näistä piirteistä huolimatta Konvertigon (www.konvertigo.io) toimitusjohtaja väitti että osaan “vakuuttaa asiakkaat asiantuntemuksella”. Niin tai näin, ainakin noudatan muutamaa perusperiaatetta, joiden olen huomannut toimivan myyntitilanteissa. Ne ovat:

  1. Itseluottamus – tähän liittyy esimerkiksi, että osaa yksiselitteisesti kommunikoida lukuja (vaikkapa että 40 % bounce on melko hyvä, tai että tyypillinen verkkokaupan konversio on 1-2 %) ja käsitteitä (yhdessä tapaamisessa käytiin läpi ‘instant gratification’ ja ‘onboarding’, jotka olivat asiakkaalle kiinnostavia).

Yksiselitteisyys on tärkeä – pitäisi välttää sanomasta “se riippuu” tai “toisaalta”, tai muuten monimutkaistaa asioita. Myyntitapaamisen tavoitteena pitäisi olla asiakkaan monimutkaisen tilanteen yksinkertaistaminen, jotta sitä voidaan tuottavalla tavalla käsitellä. Tähän liittyy ns. oikeiden kysymysten kysyminen, jonka pitäisi olla asiantuntijalle sisällöllisesti helppoa – mutta usein pelätään kysyä tai keskeyttää. Älä pelkää kysyä tai keskeyttää! Itseluottamus tulee automaattisesti kokemuksen myötä. En ainakaan itse tietoisesti pyri olemaan itsevarma: sosiaalisissa tilanteissa olen epävarma ja koulussakin olin aina jännittäjä. Mutta olen huomannut, että asioista joista tiedän ja joita kohtaan tunnen intohimoa, on helppo puhua itsevarmasti.

  1. Todellinen arvo – ei koskaan pidä pakkomyydä tai ehdottaa jotain, johon ei usko. Olen täysin tyytyväinen, jos tapaaminen johtaa siihen että “aha, ei meillä olekaan mitään tarjottavaa teille” — tai no, ei ehkä täysin, koska jo ennen tapaamista pitäisi olla käsitys siitä että mahdollisuus tuottaa todellista arvoa, ja vääräksi osoittautuminen on heikon arvostelukyvyn paljastumista. Joka tapauksessa, aina pitää löytää aito mahdollisuus tuottaa hyötyä asiakkaalle. Tämä on tärkeää siksi, että yrityksen tavoitteena on luoda asiakassuhteita, ja asiakassuhde (tai mikä tahansa suhde) voi ainoastaan olla kestävä kun siitä on molemmille osapuolille jatkuvaa hyötyä. Ennen pitkää todellista arvoa tuottamattomat suhteet purkautuvat – pinnalta käsin syy voi olla mikä tahansa, mutta juurisyy on todellisen arvon puute.

Vaikka esimerkiksi verkkomarkkinoinnissa on suhteellisen helppo piilottaa todellinen arvo ja raportoida lukuja, jotka antavat sokerisen kuvan tuloksista, pitää jokaisen asiantuntijan olla ennen kaikkea rehti itselleen. Muuten ei kehtaa katsoa aamulla peiliin, tai edes lähteä kotoa töihin — joutuu vaan tekemään jotain mistä ei ole kenellekään aitoa hyötyä. Jos on rehti itselleen, on helppo olla rehti myös asiakkaalle. Tarkoitan, että todellinen arvo – kun se löytyy – on helppo kommunikoida kun siihen uskoo itsekin.

  1. Yhteisluonti – miten tuo edellä mainittu todellinen arvo löytyy? Asiantuntijapalvelujen kohdalla se löytyy vuorovaikutuksessa asiakkaan kanssa; kysymällä, vastaamalla, ja analysoimalla. Myyjällä voi olla etukäteen käsitys siitä, mitä se voisi olla, mutta todellinen kuva muodostuu vasta vuorovaikutuksen myötä. Tämän takia myyntitapaamisessa pitää aina olla asiantuntija mukana.

Voi olla ns. hybriditiimi, jossa on asiantuntijan lisäksi mukana “varsinainen myyjä”, joka taitaa klousaamisen ja neuvottelun, mutta joskus nämä tehtävät voi hoitaa myös asiantuntija. Parhaimmillaan varsinaisen myyjän voi korvata, mutta asiantuntijaa ei. Yhteisluonti nivoutuu myös tuotteistamisen kanssa; monesti yritys voi kuvitella hyvän tuotteistamisen riittävän asiantuntijan läsnäolon korvaamiseksi, mutta asiakkaan tarpeet voivat kuitenkin vaatia merkittävää sopeuttamista. Kaikkea on mahdotonta tuotteistaa etukäteen.

Tiivistettynä teesit ovat:

  • Tiedä mistä puhut (johtaa itseluottamukseen ja sitä kautta kaupantekoon)
  • Myy ja tuota aina todellista arvoa (johtaa kestävään asiakassuhteeseen)
  • Älä kuvittele tietäväsi asiakkaan tarpeita, ennen kuin tiedät ne.

Varmasti on paljon muitakin teesejä, joita asiantuntijapalvelujen myyntiin voisi liittää. Nämä nousivat ensimmäisenä itselleni mieleen. Voi kommentoida, jos kirjoitus herättää ajatuksia!

Konversio-optimoinnin LTO-malli

Konversio-optimoinnilla tavoitellaan asiakkaan lompakkoa.

Johdanto

Konversio-optimointi on ollut alusta alkaen ollut osa digitaalista markkinointia. Olen opiskellut ja opettanut konversio-optimointia vuodesta 2012 lähtien. Silti monet verkkokaupat ja -sivustot yhä laiminlyövät konversio-optimoinnin perusperiaatteita.

Mitä konversio-optimointi on? Määrittelen sen näin:

Konversio-optimointi on ostamisen todennäköisyyden kasvattamiseen tähtäävää järjestelmällistä kehitystoimintaa.

Pyritään siis kehittämään verkkosivua ja muita ostamiseen vaikuttavia tekijöitä. Järjestelmällisyys tarkoittaa sitä, että a) kehityksestä on tehty suunnitelma, b) sitä noudatetaan vaihe vaiheelta, ja c) päätökset tehdään datan perusteella.

Huom! Konversio-optimointi ei siis ole vain verkkosivun parantamista, vaan se koskee kaikkia konversion todennäköisyyteen vaikuttavia tekijöitä, mukaan lukien tuotteet, maksutavat, jne.

Konversio-optimointi on suomeksi sanottuna myynnin tehostamista, vaikka konversio voi tietysti tarkoittaa jotain muutakin tavoitetta kuin myynti.

Mitkä ovat konversio-optimoinnin perusperiaatteet?

Lähestytään tätä LTO-mallin kautta. Sen osat ovat:

  1. Löytäminen
  2. Tietäminen
  3. Ostaminen

Nämä kolme ovat peruselementtejä asiakkaan polussa verkkosivuille saapumisesta ostoon. Ensin heidän pitää löytää sopiva tuote, sitten oppia siitä ja lopuksi ostaa se. Kunkin vaiheen pitää olla helppoa ja sisältää kaikki tarvittava tieto.

1. Löytäminen

Löytämisessä on tärkeää 1) toimiva haku, 2) toimiva tuoteselaus, ja 3) kattava navigaatio. Parhaassa hakuominaisuudessa on mukana automaattinen täydennys ja se antaa tuloksia luonnollisen kielen kautta, eli siis ihmiset voivat kirjoittaa hakukenttään mitä vain ja se antaa tuloksia tuotevalikoiman perusteella.

Esimerkki täydentävästä hausta:

verkkokaupan haku
verkkokaupan haku

Toimiva tuoteselaus on tärkeää kokemuksellisuuden kannalta: ihmiset pitävät selaamisesta, joka on verkko-ostamisen “shoppailu”-osa. Tuotteiden pitää siis olla houkuttelevasti läsnä ja selaamisen mieluusti keskeyttämätöntä, mikä voidaan toteuttaa loputon selaus -tekniikalla (eng. infinite scrolling). Eräässä verkkokaupassa huomasimme, että kävijät lähtevät sivulta selattuaan tuotevalikoiman loppuun, mikä kertoo juuri selauskokemuksen luonnollisesta tärkeydestä.

Esimerkki loputtomasta selauksesta:

verkkokaupan loputon selaus
verkkokaupan loputon selaus

Navigaatio on läsnä monella tasolla; etusivulla (päävalikko), kategoriasivuilla (päävalikko, sivuvalikko) ja tuotesivuilla (päävalikko, leivänmurut). Navigoinnin kattavuus on tärkeää, koska et tiedä mille sivulle asiakas ensiksi päätyy. Koska aloitussivu riippuu esimerkiksi siitä minkä kampanjan kautta asiakas saapuu sivulle, navigaation täytyy olla aina läsnä ja saatavilla.

Esimerkki kattavasta navigaatiosta:

verkkokaupan navigaatio
verkkokaupan navigaatio

Tuotteiden on siis oltava mahdollisimman löydettävissä, mikä tarkoittaa kategoriasivujen kohdalla kahta asiaa: 1) suodatinominaisuudet (eng. filters) ja 2) automaattiset suositukset.

Suodatinten kautta asiakas voi typistää tuhansien nimikkeiden valikoiman omien preferenssiensä mukaiseksi. Mitä enemmän tuotteita on tarjolla, sitä tärkeämpi hyvä suodatintoiminnallisuus on. Automaattinen suosittelu vie löytämisen astetta pidemmälle ehdottamalla sopivia tuotteita käytettävissä olevan datan perusteella. Näitä voivat olla esimerkiksi suosituimmat tuotteet (=eniten myyntiä, eniten näyttökertoja) tai tuotekategoriaan liittyviä täydentäviä tuotteita (=komplementit). Automaattiset suositukset voivat myös olla personoituja, jolloin käytetään ns. 1st party -dataa valikoiman räätälöimiseksi sivuille palaaville kävijöille.

Esimerkkejä suodatinjärjestelmistä:

verkkokaupan suodattimet
verkkokaupan suodattimet

Tässä esimerkki tuotesuositusten automatisoinnista:

verkkokaupan automaattiset suositukset
verkkokaupan automaattiset suositukset

2. Tietäminen

Löytämiseen liittyvät teknisten ominaisuuksien lisäksi informatiiviset opastetekstit, jotka kannustavat kävijää eteenpäin konversiopolulla. Informaation rooli on vielä tärkeämpää tuotesivuilla — sen puute on yksi tavallisimmista verkkomyynnin virheistä. Jokaisesta tuotteesta pitäisi olla niin paljon tietoa saatavilla, että asiakkaiden kaikkiin mahdollisiin kysymyksiin vastataan etukäteen. Hyvin harva kävijä kysyy erikseen sähköpostilla lisätietoa, ellei kyseessä ole korkea sitoutuminen. Useimmat eivät vaivaudu. Tuoteinformaation lisäksi ostamiseen liittyvät tiedot pitävät olla läsnä joka sivulla: keskeiset maksu- ja toimitustiedot.

Tiedon pitää olla saatavilla monessa muodossa: ideaalitilanteessa tuotteesta on saatavilla yksityiskohtainen tekstikuvaus, mahdolliset tekniset tiedot, useita korkealaatuisia kuvia, ja tuotteesta riippuen video. Riippumatta siitä onko myytävä tuote palvelu vai tavara, on mahdollista tuottaa kaikkia em. sisältötyyppejä. Monet verkkokaupat vain jättävät sen tekemättä syystä tai toisesta. Yleistä on, että kaikki rahat menevät teknologian hankintaan, ja sisältö hoidetaan vasemmalla kädellä – ihan kuin myynti olisi tekninen suoritus eikä ihmisiin vaikuttamista. Hyvän käytettävyyden ja sitä tukevan layoutin lisäksi tarvitaan mielenkiintoista ja informatiivista sisältöä; ilman sisältö tavara ei liiku tai se liikkuu hitaammin kuin voisi liikkua.

3. Ostaminen

Ostaminen on mallin kolmas osa – kuten mainittu, ostoon liittyvä tieto pitää olla “omni-läsnä” eli saatavilla joka konversiopolun vaiheessa. Sitä ei pidä piilottaa esim. UKK-osioon. Mutta informaation lisäksi ostamisen sisältö täytyy olla kunnossa. Sisällöllä tarkoitan itse vaihtoehtoja: maksutapojen pitää olla kuluttajan mieleen (esim. osamaksu, mobiilimaksu, verkkopankit, lasku), samoin toimitustapojen (sähköinen toimitus vs. posti) ja toimitusajan (toimitus heti sähköpostiin, postin kautta 2 päivässä tai kuriirilla 1 päivässä). Ostamiseen liittyy totta kai muutakin: esimerkiksi alennusten antaminen useamman tuotteen ostamisesta, asiakaspalvelun saatavuus (esim. maksuton puhelinpalvelu, reaaliaikainen chat-asiakaspalvelu), ja kanta-asiakkuus.

Johtopäätös

Konversio-optimointi on monimutkainen aihe, sillä se sisältää kaikki ostamisen todennäköisyyteen vaikuttavat tekijät. Sitä voidaan tarkastella monesta näkökulmasta, mukaan lukien tässä esitetty LTO-malli, joka pyrkii tiivistämään konversio-optimoinnin toimenpiteet kolmen peruspilarin alle. Ilmiötä voitaisiin tarkastella muidenkin mallien kautta, joita ovat esimerkiksi a) konventiomalli, b) suostuttelumalli (why, how, what? + psykologia) ja ns. 3) Korko-malli. Saatan kirjoittaa näistä malleista toiste, mutta toivottavasti tämä artikkeli antoi uusia ajatuksia!

‘Social selling’ yhdessä lauseessa

Social selling eli sosiaalinen myynti on nyt kuuminta hottia. Tiivistin toissa päivänä markkinoinnin professorille, mistä siinä on mielestäni kysymys. Tässä siis asian ydin yhdessä lauseessa:

Social selling on liidien lämmittämistä sosiaalisen median kautta.

Hyöty on siinä, että social selling vie kylmyyden pois kontaktoinnista. Myyntiä tehneet tietävät, että paras yhteys saadaan esittelyn (‘soft link’) kautta. Huonoin on kylmäkontaktointi, oli se sitten puhelimitse, mailitse taikka LinkedIn-viestin kautta. Social selling sijoittuu näiden kahden väliin – se on paras vaihtoehto silloin kun pehmeää linkkiä ei ole.

Kuinka tehdä sosiaalista myyntiä?

Neljä askelta:

  1. Tee lista henkilöistä, joille yrityksesi kykenee tuottamaan aidosti lisäarvoa (=liideistä)
  2. Seuraa heitä somessa (LinkedIn, Twitter)
  3. Muodosta suhde verkossa (ks. tarkemmat ohjeet alla)
  4. Sovi live-tapaaminen (lounas, kahvi)

Viimeinen vaihe on varsinainen myyntitilanne, jolloin pääsette yhdessä miettimään löytyykö yritystenne välillä win-win. Eli suhde muodostetaan verkossa, mutta jalostetaan kasvokkain.

Kuinka muodostaa suhde verkossa?

Yksinkertaisesti kommentoi liidien postauksia, tykkää niistä ja jaa niitä eteenpäin. Käytä tähän päivittäin aikaa vähintään 45 minuuttia. Tuossa ajassa ehdit pitää yllä somesuhdetta hyvin moneen henkilöön.

Kommentoinnissa ole positiivinen ja koita tuottaa kommenteillasi aitoa lisäarvoa. Annan hyvän ja huonon esimerkin.

Hyvä esimerkki: “Hyvä pointti! Olen myös huomannut, että myynnin esikysely parantaa kylmäsoittojen responssia. Etenkin kun tekee selväksi, että kysymys on asiakkaan ongelmien ratkaisusta.”

Tässä jaetaan kokemuksia eli kerrotaan jotain, mitä alkuperäinen kirjoittaja ei välttämättä ole ajatellut.

Huono esimerkki: “Kiitos artikkelista!”

Kommentissa ei ole arvoa. Se ei välttämättä ole yksittäisenä kommenttina huono, mutta pitkässä juoksussa et tuota liidille lisäarvoa. Vähintään kirjoita näin: “Kiitos artikkelista, jaoin eteenpäin!” Tuossa jakaminen viestii, että olet tuottanut lisäarvoa tuomalla alkuperäiselle ajatukselle lisää näkyvyyttä.

Mitä sosiaalinen myynti ei ole?

Sosiaalinen myynti ei siis ole sitä, että lähetetään LinkedIn-viestejä ihmisille, jotka eivät tunne sinua. Tuo on suora vastine kylmäsoitolle, joka siis on huonoin kontaktoinnin tapa – valitettavasti sitä kuitenkin näkee paljon, koska se on “helppoa” (helpot oikotiet harvoin toimivat).

Sosiaalinen myynti lähtee siitä, että puuttuva linkki luodaan ennen suoraa kontaktointia, jolloin vastapuoli todennäköisemmin suhtautuu yhteydenottoon suopeasti, koska hän tietää sinusta jo jotain. Sosiaalisen myynnin kautta asiakas oppii sinusta, ja sinä hänestä. Se on ihmiskeskeistä myyntiä verkon avustuksella.

Digimarkkinoinnin tulosten estimointi: primaari- ja sekundaaridata

Johdanto. Juttelin tänään erään ammattimyyjän kanssa digimarkkinoinnin tulosten estimoinnista eli suomeksi etukäteisarvioinnista. Aihe on noussut ennenkin esiin – asiakkaat haluaisivat kuulla perusteltuja arvioita digimarkkinoinnin tuotosta ennen investointia. Tämä on erittäin perusteltu kanta, sillä kuten muidenkin investointien kohdalla, digimarkkinoinnin tulokset tulisi kyetä perustelemaan etukäteen. Aiheesta ei kuitenkaan löydy juurikaan materiaalia ainakaan suomeksi, joten ajattelin kirjoittaa tämän lyhyen artikkelin, jossa avaan omia näkemyksiäni digimarkkinoinnin tulosten estimoinnista.

Ennustamisen perusteet. Lähtökohtana voidaan ajatella estimointia ennustamisena. Ennustaa voidaan tyypillisesti kahden datalähteen perusteella:

  1. Primaaridata — ts. asiakkaalta tuleva historiallinen tieto keskeisten mittareiden arvoista
  2. Sekundaaridata — ts. toisen käden tieto, eli esimerkiksi toimialan tai avainsanojen keskimääräiset arvot historiallisesti tarkasteltuna.

Primaaridataa saadaan asiakkaalta, sekundaaridataa muista lähteistä, esim. Googlen mediasuunnittelutyökalun kautta tai suorittamalla pilottikampanja Facebookissa. Primaaridatan voidaan katsoa olevan luotettavampaa, koska se kuvastaa juuri kyseisen asiakkaan tilannetta. Sitä ei kuitenkaan aina ole saatavilla, jolloin on turvauduttava sekundaaridataan.

Digimarkkinoinnin tulosten estimoinnin tueksi asiakkaalta olisi hyvä saada seuraavat tiedot:

  • CVR eli konversioaste (%)
  • CTR eli mainosten klikkiaste (%)
  • CPC eli klikkikustannus (€)
  • CPA eli myynnin kustannus (€)
  • AOV eli keskimääräisen ostoksen arvo (€)

Näiden tietojen perusteella voidaan arvioida mainonnan tuotto eri panostuksilla käyttämällä erilaisia laskukaavoja. Voidaan esimerkiksi ajatella kolme skenaariota: A: Matala panostus = 3000 EUR / kk; B: Keskitason panostus = 10,000 EUR / kk; C: Korkea panostus = 50,000 EUR / kk. Oikeat luvut luonnollisesti riippuvat asiakkaan markkinointibudjetista.

Esimerkki. Sanotaan, että historiallinen konversioaste olisi 1 %, klikkikustannus 0,50 € ja keskimääräinen ostoskorin arvo 150 €. Näistä voidaan laskea myynnin kustannus (0,50 / 0,01 = 50 €). Eri skenaarioilla tuotto olisi taulukon mukainen.

Taulukko 1 Esimerkki tulosten estimoinnista

Menetelmässä on muutama rajoitus.

Ensinnäkään laskentakaava ei ota huomioon uudelleenostoja eli asiakkaan elinkaariarvoa. Koska asiakkaalla on elinkaariarvo, eli keskimääräinen ostojen määrä asiakkuuden aikana on suurempi kuin yksi, suoran tuoton mittaaminen esittää mainonnan tuloksellisuuden aina alakanttiin. Tätä voidaan korjata laskemalla tai estimoimalla CLV-kerroin, joka kasvattaa keskimääräisen ostoksen arvoa ( CLV * AOV = korjattu AOV). Jos asiakkaat esimerkiksi ostavat keskimäärin kaksi kertaa uudestaan ja uudelleenostojen keskimääräinen ostoskorin arvo pysyy samana, esimerkin korjattu AOV on (1+2)*150=450 €. Tämän luvun käyttäminen antaakin tulkitsijalle täysin erilaisen kuvan mainonnan kannattavuudesta.

Toinen huomioon otettava seikka on tulosten ei-lineaarisuus, kun markkinointibudjettia kasvatetaan. Esimerkkitaulukossa oletetaan tulosten kasvavan lineaarisesti panostusten kanssa, mutta monet kokeneet markkinoijat voivat kertoa ettei näin aina käy. Viime kädessä markkinoilla on kullakin hetkellä tietty määrä tyydyttämätöntä kysyntää, jolloin ylimääräinen markkinointipanostus menee hukkaan. Voidaankin ajatella tämän olevan eräs merkittävimmistä syistä markkinoinnin tehottomuuteen – ylisaturoituneilla markkinoilla jokainen yritys ottaa jyvitetyn osuuden ylijäämäisestä markkinointi-investoinnista.

Kolmantena kaikki yritykset eivät suinkaan myy verkossa. Oletuksena em. määrittelyssä on verkkokauppa-asiakas, mutta tulokset voidaan estimoida myös esimerkiksi B2B-asiakkaan kohdalla käyttämällä myyntien sijaan liidejä eli suomeksi potentiaalisia asiakkaita. B2B-tulosten estimoinnin mittarit olisivat tällaisia:

  • CVR eli konversioaste (%)
  • CTR eli mainosten klikkiaste (%)
  • CPC eli klikkikustannus (€)
  • CPL eli liidin kustannus (€)
  • keskimääräinen liidin arvo (€)

Keskimääräinen liidin arvo voidaan laskea, kun tiedetään keskimääräinen kaupan arvo ja konversiosuhde liidistä asiakkaaksi. Tällöin voidaan estimoida myös mainonnan tuottoprosentti eli ROI tai ROAS.

Todellisten lukujen merkitys. Asiakkaalta saatujen lukujen tulisi olla historiallisia, toteutuneita arvoja. Toteutunut luku lisää estimoinnin luotettavuutta. Luvut voivat olla keskiarvoja, tai ne voivat olla jaoteltuina kanavoittain. Esimerkiksi hakukoneet ja sosiaalinen media voidaan esittää erikseen, koska niiden tuloksellisuus vaihtelee usein suuresti. Samasta syystä orgaaninen ja maksettu liikenne voidaan esittää erikseen. Tällöin myöskin estimaatin tarkkuus paranee, kun siinä voidaan eritellä investointeja kanavoittain.

Mainittuja tietoja saa verkkoanalytiikan kautta (esim. Google Analytics), kunhan tarvittavat seurannat on asennettu. Mikäli asiakas ei kykene toimittamaan tietoja estimoinnin tueksi, käytetään sekundaarista dataa. Tämä perustuu historiallisiin tietoihin; esimerkiksi verkkokaupan konversioaste on tyypillisesti 1-2 %:n välillä. Klikkihinnat voidaan estimoida Googlen mediasuunnittelutyökalun ja toteutuneiden Facebook-klikkihintojen perusteella. Arvioinnissa voidaan käyttää myös muita ohjelmallisen ostamisen alustoja tai kanavia ja niistä opittuja tietoja.

Lopuksi. Huomioi, että estimaatit ovat aina arvioita, ja ne voivat mennä pieleen. Tämä koskee kuitenkin kaikkea muutakin suunnittelua. Mitä todellisempaa dataa estimaattien laskemiseen käytetään, sitä luotettavampia ne ovat. Toteutuneet digimarkkinoinnin luvut voivat edustaa silti tehokasta markkinointia, vaikka estimaatissa esitettyjä arvoja ei saavutettaisikaan. Totuus on, että markkinoinnissa on usein yllättävän paljon tehottomuutta – digiympäristössä tämä perimmäinen totuus vain tulee helpommin esiin kuin hankalasti mitattavissa offline-kampanjoissa.

Miten tuottaa lisäarvoa dynaamisella uudellenkohdennuksella?

Juttelin tänään erään Facebookin edustajan kanssa, jonka tehtävänä on auttaa Elämyslahjoja tekemään parempaa Facebook-mainontaa.

Keskustelu pyöri aloittelijatasolla, kunnes sanoin että olemme tehneet Facebook-mainontaa jo monta vuotta ja tiedämme nämä perusjutut.

Silloin henkilö ehdotti meille Facebookin dynaamista uudellenkohdennusta (eng. dynamic retargeting). Ko. mainonnan muoto siis toimii niin, että tietyllä tuotesivulla käyneelle henkilölle näytetään Facebookissa samasta tuotteesta mainoksia. Katsot siis verkkokaupasta kenkiä, ja näet samat kengät Facebook-mainoksessa.

Hän suositteli sitä meille, koska se kuulemma toimii. Kysyin että miksi se toimii? No, hän sanoi, että ensinnäkin monet isot verkkokauppa-asiakkaat käyttävät sitä ja toiseksi se tuottaa hyvin konversioita.

Tarkastellaan näitä argumentteja:

A) “Muut käyttävät” –> pätevyys: huono, koska se että muut tekevät jotain ei tarkoita että se olisi järkevää; nettimarkkinoinnissa on paljon harhaisia markkinointikäsityksiä, jotka ajavat tehottomuutta, isoissakin firmoissa.

B) “Tuottaa konversioita” –> pätevyys: luultavasti huono, koska attribuutio ja ostoprosessi osuvat yksiin, jolloin Facebook-mainos saa sille “kuulumatonta” kunniaa myyneistä. Kirjoitin tästä ilmiöstä täällä.

Selitin siis nämä perustelut ja kerroin että tarkoitin kysymyksellä sitä, että mitä lisäarvoa kyseinen ominaisuus tuottaa asiakkaalle. Henkilö selkeästi häkeltyi, eikä osannut vastata. Hän sitten toisti ensin sanomansa argumentit.

Rupesin miettimään tätä asiaa.

Oikeasti – mitä hyötyä on siitä, että henkilö A näkee tuotteen X vielä uudelleen mahdollisesti viikkojen ajan uudelleenmarkkinoinnissa? Kun hän selailee Facebookia tai uutissivustoja. Se sama tuote, jonka jo katsoin läpi enkä ostanut.

Omassa päätelmässäni ei mitään hyötyä. Päinvastoin, se on hukattu mahdollisuus. Miksi “hukattu”?

Koska itse tieto siitä mistä tuotteesta henkilö oli kiinnostunut on erittäin arvokas, jos sitä käytetään oikein.

On väärin näyttää samaa tuotetta uudelleen ja uudelleen ja kuvitella, että ihminen yhtäkkiä muuttaisi mielensä. Tämä on sama kuin inttäminen perinteisessä myynnissä. Toimiiko sellainen taktiikka? Ei toimi. Inttämisen sijaan pitää tarjota vaihtoehtoja, ja kun tiedetään mistä asiakas on ollut kiinnostunut, voidaan sitä tietoa käyttää suosittelun pohjana.

Toisin sanoen Facebook kehottaa käyttämään uudelleenkohdennusta näin:

1) Kerro lisää samasta tuotteesta –> uskottavuus: matala, koska tämä on inttämistä (ts. tarjotaan sama asia tuhat kertaa, ja odotetaan eri tulosta = Einsteinin määritelmä typeryydelle)

2) Muistuta ostamisesta –> uskottavuus: matala, koska ihmisen muisti on pidempi kuin kultakalan (ts. olen jo nähnyt tuotteen ja päättänyt että ei)

Molempien taustalla on väärä ihmiskuva: “ihmiset ovat tyhmiä ja manipuloitavissa, joten heitä tulee koko ajan muistuttaa ja he kuin taikaiskusta päättävätkin ostaa tuotteen.” Ajatellaan, että ihmiset ovat aivottomia robotteja. Todellisuudessa retargeting toimii suureksi osaksi mainitsemani attribuutioharhan vuoksi, ei sen takia että se tuottaisi aitoa lisäarvoa.

Kuinka sitten tehdä asia oikein? Mahdollisuuksia tuottaa aitoa lisäarvoa dynaamisella uudelleenkohdennuksella ovat ainakin:

1) Ylösmyynti (eng. upselling, en löytänyt hyvää suomenkielistä käännöstä) – suositellaan asiakkaalle kalliimpaa (tai edullisempaa) vaihtoehtoa ja mahdollisesti lisäosia taikka lisäpalveluja. Lue lisää.

2) Ristiinmyynti (eng. cross-selling) – suositellaan asiakkaalle täydentäviä tuotteita (komplementteja); esim. jos ostit kengät, osta sukat, jne. Lue lisää ristiinmyynnistä.

Molemmissa taktiikoissa ajatuksena on, että suositellaan asiakkaalle tuotteita, joita hän ei ole vielä nähnyt, mutta joista hän datamme perusteella voisi olla kiinnostunut. Tilastollisten mallien avulla pystytään tunnistamaan paitsi tuotteiden suhdetta toisiinsa, myös tekemään suosituksia aikaisempien asiakkaiden ostoskorien sisällön perusteella. Ao. kuva havainnollistaa asiaa.

Lähde: Liukkonen, 2016

Yritysten pitäisi siis rakentaa samanlaisia suosittelukeinoja (eng. recommendation engine) mainontaan kuin mitä verkkosivuilla käytetään (ks. esim. Amazon, suomalaisia palveluntarjoajia ovat ainakin Nosto ja Custobar). Näillä voidaan parantaa mainonnan relevanssia ja ennen kaikkea tuottaa lisäarvoa. Perinteisessä myynnissä tehokkaiksi havaitut taktiikat tulisi jalkauttaa sopivalla tavalla verkkoon, koska niiden takana on pitkä tutkimus ja käytäntö ja niiden toimivuus voidaan täten perustella.

Johtopäätös: Dynaamisessa uudelleenmarkkinoinnissa kannattaa 1) näyttää mitä asiakas ei ole nähnyt, ja 2) tuottaa lisäarvoa (ei spämmiä).

Olin häkeltynyt kuinka pinnallisia ja yksioikoisia suosituksia sain Facebookin edustajalta (ihmiskuva? robotti; lisäarvo? ei mietitä). Mutta olen opettaessani huomannut tämän ennenkin: markkinoinnin opiskelijoille syötetään väärää mielikuvaa yksinkertaisista asiakkaista, joiden manipulaatioon (konversioon) riittää tietty määrä toistoja. Tungetaan pullaa kurkusta alas, jos ei hyvällä niin pahalla.

Tällainen vanhanaikainen ihmiskäsitys — ns. spämmääjän mentaliteetti — on markkinoijalle haitallista. Spämmäävä markkinointi johtaa reaktanssiin ja mainosten yleiseen vastustukseen. Lisäksi ohjelmallisessa ostamisessa on muitakin laatuongelmia, joten markkinoijien tulisi kaikin keinoin pyrkiä toteuttamaan lisäarvon periaatetta.

Toivottavasti tämä artikkeli herätti ajattelemaan asioista toisella tavalla, ainakin dynaamisen uudelleenkohdistuksen kontekstissa.

Miksi datan käyttö on ok? Markkinoijan puheenvuoro

Data parantaa mainonnan laatua. Kuva ei liity tapaukseen.

Missä EU, siellä ongelma. Vaikka ulkoministeri Soini onkin viime aikoina unohtanut tämän keskeisen teesinsä, elää ajatus yhä edelleen kansan riveissä. Digimarkkinoijille EU:n epäpätevästä ja todellisuudesta irtautuneesta tavasta asettaa direktiivejä voi koitua merkittävää haittaa.

Ensinnäkin ns. evästedirektiivi, jonka mukaisesti käyttäjille pitää ilmoittaa että heistä kerätään tietoa evästeillä (jota siis netin alkuajoista lähtien 99 % sivuista tekevät). Tuloksena on järjetön koordinaatiokustannus, kun miljoonat sivustot pitää päivittää sisältämään tämä täysin turha “tieto” käyttäjille.

En ole vielä tavannut yhtään henkilöä, joka olisi myöntänyt lukeneensa yhdenkään verkkosivuston evästepolitiikan alusta loppuun. Kuitenkin tämä suurimmalle osalle käyttäjistä käytännössä turha tieto pitää pakottaa ruudulle, koska niin “suojellaan” ihmisiä paremmin isoilta pahoilta yrityksiltä.

Mitä enemmän EU ja kotimaiset lainsäätäjät tulevat tekemisiin datan kanssa, sen suurempia ongelmia dataa eettisesti käyttävät yritykset kokevat. Huom! Sanon nimenomaan eettisesti käyttävät — epäeettiset eivät missään nimessä välitä evästedirektiiveistä, vain ne yritykset jotka jo käyttävät dataa lakien puitteissa kohtaavat nämä asetukset johtuen internetin avoimesta luonteesta. Jos netti keksittäisiin tänään, EU tuhoaisikin sen sääntelyllä jo alkuunsa, joten onneksi verkko on keksitty aikana jolloin maailmassa oli vähemmän suojatyöbyrokraatteja.

No niin, se EU-rantista. Joka on sinällään tarpeen, mutta ei varsinaisesti aiheeni tänään.

Kaikesta edeltävästä huolimatta on nimittäin rehellisyyden nimissä pakko myöntää että ihmiset kokevat turvattomuutta yksityisyyden menettämisestä. Esimerkiksi GroupM:n toteuttaman kyselyn mukaan “[l]ähes kaksi kolmasosaa milleniaaleista kertoo olevansa huolissaan siitä, että yritykset saavat internetiin yhdistettyjen tuotteiden ja tuotepakettien avulla tietoonsa miten, milloin ja kuinka usein he käyttävät erilaisia tuotteita ja palveluita.” (Markkinointi & Mainonta, 10.6.2016.) Samassa linjassa eMarketer julkaisi markkinointiyritys Tunen toteuttaman kyselyn tulokset, joiden mukaan 55 % älypuhelinten käyttäjistä on sitä mieltä ettei mainostajien tulisi lainkaan kerätä dataa heistä.

Herää kaksi kysymystä: mistä tämä johtuu ja mitä markkinoijan tulee tehdä?

Ensinnäkin juurisyy on nähdäkseni käyttäjien yleinen tietämättömyys. Jostain on tullut mielikuva isosta pahasta korporaatiosta joka vakoilee käyttäjiä, ja käyttää dataa johonkin epäeettiseen toimintaan — vaikka todellisuus on juuri päinvastoin. Tämä mielikuva tulee markkinoijien korjata. Mutta miten?

Markkinoijien pitää:

1. Viestiä selkeästi mihin dataa käytetään ja miksi (parannettu kohdentaminen, aito lisäarvo relevanttien mainosten muodossa, sijaintisidonnaiset palvelut). Huom! “Selkeästi” on avainsana, se ei tarkoita byrokraattien kapulakieltä. Katso esimerkki hyvästä viestinnästä Varustelekalta (kohta “Evästeet”).

2. Puolustaa oikeuttaan datan käyttöön byrokraatteja vastaan. Tämä on kriittinen missio. Ilman dataa digitaaliset mainosmarkkinat tuhoutuisivat. Markkinoijan käytöstä lähtisivät signaalit, joiden perusteella teemme kohdennusta ja relevanssin parantamista (ammattitermein sanottuna “optimointia”). Tuloksena olisi paluu mainonnan keskiajalle — aikaan, jolloin markkinoija voi ainoastaan ampua haulikolla kohderyhmää ja toivoa että kaikkia ihmisiä spämmäämällä 0,001% heistä päätyy ostamaan. Tämä luku voi datan avulla olla vaikka 9% – puhutaan siis jopa tuhatkertaisesta parannuksesta.

Parannuksesta, joka ei hyödytä pelkästään mainostajia paremman markkinointi-investoinnin valossa, vaan myös kuluttajia, joiden ei tarvitse katsella heitä kiinnostamatonta mainontaa. Mainontaahan joka tapauksessa pitää nähdä, joten miksei se voisi olla tiettyä kuluttajaa todennäköisemmin kiinnostavaa? Juuri tästä datan käytössä on kyse.

Lähtökohtaisesti ilmaiset palvelut ovat sosiaalinen sopimus. Mitä se tarkoittaa? Se tarkoittaa, että vastineeksi erilaisten palvelujen ja sisältöjen käytöstä kuluttaja sitoutuu (epävirallisesti, siksi tämä sopimus on “sosiaalinen”) näkemään mainoksia ja luovuttamaan data itsestään. Mainostilan ja datan hyödyntämisellä katetaan “ilmaisten” palvelujen tuottaminen — palvelut ja sisältö eivät tosiaan synny tyhjästä eikä niitä makseta taikaseinästä irtoavilla rahoilla.

Kaupalliset palvelut eivät ole julkisia palveluja, vaikka tuntuu siltä että yhä useampi käyttäjä kuvittelee niiden olevan itselleen jonkinlainen perusoikeus. Facebook on pörssiyritys – jos blokkaat mainokset, voi yritys mennä nurin ja silloin loppuu myös kissakuvien katselu. Viime aikoina käyttäjät ovatkin yhä haluttomampia pitämään oman osuutensa sosiaalisesta sopimuksesta. Mainosten blokkaaminen on ennätyslukemissa, mutta sisällöstä ei silti haluta maksaa. Halutaan korkealaatuista henkilökohtaista palvelua, mutta vastineeksi palveluntarjoaja ei saisi tallentaa dataa.

Nyt on niin, että kaikkea ei voi saada. Markkinoijien — ja yritysten laajemmin — pitää viestiä tämä näille “piloille hemmotelluille asiakkaille”. Ongelma tuntuu korostuvan juuri nuoremmassa sukupolvessa. GroupM:n tutkimuksen mukaan “[m]illeniaaleista 36 prosenttia kertoo kokevansa, ettei saa mitään vastinetta itselleen luovuttamalla kulutuskäyttäytymiseensä liittyviä tietojaan yrityksille. Vain 16 prosenttia vanhemman sukupolven edustajista ajattelee samoin.” (Markkinointi & Mainonta 20.6.2016.) Saavathan he, kaikki ne palvelut joita he nyt pitävät itsestäänselvyytenä.

Uskoni on vahva, että normaali ihminen ymmärtää selityksen kuultuaan mistä on kyse, taikka sitten siirtyy käyttämään maksullisia palveluita. Jos ei maksa tuotteesta, on itse tuote. On turha kierrellä tätä totuutta nykyaikaisten epäsuorien ansaintamallien maailmassa. Rehellisesti kerrotaan mistä on kyse, jokainen voi sitten valita mitä palveluja ja sisältöjä käyttää. Yrityksillä ei kuitenkaan voi olla velvollisuutta tuottaa palveluja ja sisältöä hyvää hyvyyttään, kuten byrokraatit ja monet käyttäjät tuntuvat ajattelevan.

Me markkinoijat tarvitsemme dataa. Ja oikeutta siihen tulee sekä perustella että puolustaa ennen kuin on liian myöhäistä ja meidät on ajettu ansaan tietämättömien byrokraattien toimesta. Samalla kuluttajille pitää viestiä, kuinka heistä enemmän tietäminen itse asiassa hyödyttää heitä. Kyseessä on selkeä win-win, ei mikään salamyhkäinen vakoiluoperaatio.

Kirjoittaja opettaa digitaalista markkinointia Turun kauppakorkeakoulussa. Hän myös konsultoi valikoituja yrityksiä digitaalisen markkinoinnin hyödyntämisessä.