Skip to content

Tag: optimointi

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.

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.

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.

Konversion anatomia

Mikä vaikuttaa konversioon? Mitkä tekijät voidaan eristää? Miten konversiotekijät vuorovaikuttavat toistensa kanssa? Tämän artikkelin kautta pohdiskelen näitä varsin keskeisiä digitaalisen markkinoinnin kysymyksiä.

Lähtökohtaisen olettamani pitää olla, että ihmiset eivät ole tyhmiä. Kikkailulla ei saada maagista nostetta konversioon, vaikka tällaiseen ajattelumalliin saattaa konversio-optimoinnin artikkeleja lukiessaan helposti ajautua.

Ostokokemuksen merkitys

Kikkailun harhaanjohtavasta vaikutuksesta huolimatta ostamisen vaivattomuus, tai ostokokemus varmasti on konversion kannalta merkittävä tekijä. Se on kuitenkin subjektiivinen muuttuja, joka koostuu muista asioista ja voidaan näin ollen jakaa osatekijöihin.

Kanavamotivaation kysymys

Onko olemassa kanavamotivaatiota? Itse olen operoinut tällä käsitteellä useamman vuoden digimarkkinointia opettaessani. Siinä on taustalla ajatus, että esimerkiksi hakukoneesta tulevien henkilöiden konversiokäyttäytyminen eroaa sosiaalisen median kautta tulevista. Mutta johtuuko erilainen käyttäytyminen kanavasta vai ajautuuko ostaja kanavaan juuri siksi, että ostomotivaatio on korkeampi? Jos jälkimäminen oletus hyväksytään, ei ole olemassa erillistä “kanavamotivaatiota” vaan kanava on vain tavanomaisen ostomotivaation ilmenemä.

Entä ostomotivaatio? Onko se luontaista?

Ostomotivaatio onkin toinen konversioon vaikuttava seikka. Tottakai, jos ihmisellä on tarve tai halu joka on ostomotivaatiota selittävä tekijä, päätyy hän todennäköisemmin ostamaan kuin jos ei olisi. Markkinoinnin perimmäinen kysymys kuitenkin on — miten suuri osuus ostomotivaatiosta on luontaista ja miten suuri osa siitä on vaikutettavissa olevaa. Koko prosessi on eittämättä sisäsyntyinen, mutta ihminen ei ole rationaalinen eristäytynyt päätöksentekijä vaan ennemminkin sosiaalinen eläin, jonka haluja ja tarpeita ajavat paitsi biologiset välttämättömyyden myös sosio-psykologiset tekijät. Näihin markkinoija voi pyrkiä vaikuttamaan, joten ei ole väärin väittää että jopa tärkeimpään konversion todennäköisyyttä ohjaavaan tekijään voidaan vaikuttaa. Mutta huom! konversio-optimoinnin “teoriassa” harvoin puhutaan sosiaalisista tai psykologisista tekijöistä, vaan useimmiten painikkeiden väreistä ja siitä kuinka nopeasti sivusto lataa. Voidaankin sanoa, että nämä tekijät, joista konversio-optimoinnissa klassisesti keskustellaan, sijoittuvat edellä käsitellyn ostokokemuksen piiriin ostomotivaation sijaan. Ja tämä seikka digimarkkinoijien tulisi tiedostaa.

Paluu ihmisen alkuun

Palataan ajatukseen siitä, että ihmiset eivät ole tyhmiä. Vaikka ovatkin hieman eläimiä. Elikkä maksutavat, hinta, tuotevalikoima – näiden tekijöiden tulee olla kilpailukykyisiä. Ostokäyttäytymiselle on luontaista vertailu eri kauppojen välillä – digitaalisessa ympäristössä vertailun kustannus on merkittävästi madaltunut, joten siksi juuri nämä seikat korostuvat konversioon vaikuttavina tekijöinä. Jälleen kerran klassinen konversio-optimoinnin teoria laiminlyö ne usein — tuotteet ja hinnat otetaan ikään kuin annettuina tekijöinä, joihin markkinoija ei voi vaikuttaa. Mutta koska ne ovat tärkeitä konversion kannalta, ei voida puhua todellisesta konversio-optimoinnista ilman valtaa vaikuttaa myös hinnoitteluun ja tuotevalikoimaan.

Tarjoomalla saadaan kilpailuetua. Kun myydään jotain mitä muut eivät myy ja joka koetaan houkuttelevaksi vaikkapa juuri psykologisista tai sosiaalisista lähtökohdista, voidaan olettaa suurempia vaikutuksia konversioon kuin matalamman vaikutuskertoimen muuttujia fiksailemalla. Mutta mikä määrittää näiden tekijöiden prioriteetin? En ole törmännyt tutkimukseen, joka osoittaisi että esimerkiksi käytettävyys on merkittävämpi tai vähemmän merkittävä kuin ostomotivaatio, taikka tarjoomaan koettu laatu olisi näitä parempi tai huonompi ennustava tekijä konversiolle. Pitää siis nojautua premisseihin – ihminen ei ole tyhmä.

“Kauniin verkkokaupan kirous”

Tässä vaiheessa mennään valitettavasti intuition puolelle, mutta esittelisin konstruktin nimeltä “kauniin verkkokaupan kirous”. Kaunis verkkokauppa on ulkoisesti hieno, helppo käyttää ja lataa nopeasti. Kuitenkin se konvertoi huonommin kuin ruma verkkokauppa, jossa itse tuote on uniikki ja haluttu. Tällaisen ajatusleikin mukaisesti verkkokauppiaiden tulisi ennemmin keskittyä tarjoomaan ja todellisiin ostomotivaatiota ajaviin tekijöihin klassisen konversio-optimoinnin sijaan. Ajatus on sikälikin relevantti, että alamme saavuttaa lakipistettä, jossa teknologinen toimivuus on peruskauraa — teknisestä optimoinnista saatava rajahyöty toisin sanoen pienenee jatkuvasti.

Johtopäätös

Näin itse näkisin asian. Konversiossa on kyse perustavanlaatuisesta inhimillisestä ilmiöstä – mutta sen tarkastelu teknokratisesta tai mekanistisesta maailmankuvasta saattaa redusoida todellisuuden numeroiksi ja samalla menettää paitsi asiakasymmärryksen kannalta keskeiset nyanssit myös itse vastauksen: miksi asiakas ostaa meiltä?

Kirjoittaja toimii tutkijana ja opettaa digitaalista markkinointia Turun kauppakorkeakoulussa.

Ohjelmallisen ostamisen alusta: ideaaliominaisuuksia

Full-metal digitalist.

Maailma muuttuu, markkinoijani

Tällä hetkellä digitaalinen media on siirtymässä ohjelmallisen ostamisen malliin, ts. mainokset ostetaan ja myydään mainosalustan (esim. Google AdWords, Facebook) kautta. Myös perinteinen offline-media (TV, printti, radio) tulee ajan myötä siirtymään ohjelmallisen ostamisen järjestelmiin, joskin tässä menee arvioni mukaan vielä 5-10 vuotta.

Miksi ohjelmallinen ostaminen voittaa?

Syy on selkeä:

Ohjelmallinen ostaminen on lähtökohtaisesti aina tehokkaampaa kuin vaihdanta ihmisten välityksellä.

Taloustieteen näkökulmasta tarkasteltuna mainosvaihdantaan, kuten kaikkeen vaihdantaan, liittyy transaktiokustannuksia: hinnan neuvottelu, paketointi, yhteydenpito, kysymykset, mainosten lähettäminen, raportointi jne. Tämä on ihmistyötä joka maksaa aikaa ja vaivaa, eikä johda optimiratkaisuun hinnan tai mainonnan tehokkuuden kannalta.

Ihminen häviää aina algoritmille tehokkuudessa, ja mainonta on tehokkuuspeliä.

Edellä mainitut transaktiokustannukset voidaan minimoida ohjelmallisen ostamisen kautta. Mediamyyjiä ei yksinkertaisesti tarvita enää tässä prosessissa; samalla mainonnasta tulee halvempaa ja demokraattisempaa. Toki siirtymävaiheessa tulee olemaan siirtymäkipuja, etenkin liittyen organisaatiorakenteen muutokseen ja kompetenssin päivittämiseen. Bisneslogiikassa on myös siirryttävä “premium”-ajattelusta vapaaseen markkina-ajatteluun: mainostila on vain sen arvoinen kuin siitä saatavat tulokset ovat mainostajalle — nämä tulevat olemaan pienempiä kuin mediatalojen nykyinen hinnoittelu, mikä onkin negatiivinen kannustin siirtymän hyväksymiseen.

Mitkä ovat menestyksekkään ohjelmallisen ostamisen alustan ominaisuuksia?

Näkemykseni mukaan niitä ovat ainakin nämä:

  • matala aloituskustannus: tarvitaan vain 5 euron budjetti aloittamiseen (näin saadaan likviditeettiä alustalle, koska myös pienmainostajien on kannattavaa lähteä kokeilemaan)
  • budjettivapaus: mainostaja voi vapaasti määrittää budjetin, ei minimispendiä (ks. edellä)
  • markkinapohjainen hinnoittelu: tyypillisesti algoritminen huutokauppamalli, joka kannustaa totuudenmukaiseen huutamiseen (vrt. Googlen GSP ja Facebookin VCG-malli)
  • suorituspohjaisuus: hinnoittelukomponentti, jolla “palkitaan” parempia mainostajia ja näin kompensoidaan mainonnan haittoja loppukäyttäjälle
  • vapaa kohdennus: mainostaja voi itse määrittää kohdennuksen (tämän EI tule olla mediatalon “salattua tietoa”)

Nämä ominaisuudet ovat tärkeitä, koska kansainväliset kilpailijat jo tarjoavat ne, ja lisäksi ne on osoitettu toimiviksi niin teoreettisessa kuin käytännöllisessä tarkastelussa.

Tärkeitä näkökulmia mainostajan näkökulmasta ovat:

  • demokraattisuus: kuka vain voi päästä alustalle ja käyttää sitä itsepalveluna
  • tulospohjaisuus: maksetaan toteutuneista klikeistä/myynneistä, ei ainoastaan näytöistä
  • kohdennettavuus: mainostaja voi itse säätää kohdennuksen, mikä nostaa relevanssin mahdollisuutta ja näin vähentää mainonnan negatiivista verkostovaikutusta (ts. asiakkaiden ärsyyntymistä)

Kohdennusvaihtoehtoja voivat olla esim.

  • kontekstuaalinen kohdennus (sisällön ja mainostajan valitsemien avainsanojen yhteensopivuus)
  • demograafinen kohdennus (ikä, sukupuoli, kieli)
  • maantieteellinen kohdennus
  • kävijän kiinnostuksen kohteet

Osa näistä voi olla mediataloille hankalia selvitettäviä, ainakaan hankalampaa kuin Facebookille – kohdennus on kuitenkin mainonnan onnistumisen kannalta kriittinen seikka, joten tietojen saamiseksi on tehtävä työtä.

Johtopäätös

Ohjelmallisen ostamisen alustat ovat mediatalon ydinkompetenssia, eivät ostopalvelu. Siksi uskonkin, että alan toimijat lähtevät aggressiivisesti kehittämään kompetenssiaan alustojen kehittämisessä. Tai muuten ne jatkavat mainoskakun häviämistä Googlen ja Facebookin kaltaisille toimijoille, jotka tarjoavat edellä mainitut hyödyt.

Kirjoitin muuten mainosvaihdannasta pro gradun otsikolla “Power of Google: A study on online advertising exchange” vuonna 2009 — jo siinä sivuttiin näitä aiheita.

Joni Salminen
KTT, markkinointi
[email protected]

Kirjoittaja opettaa digitaalista markkinointia Turun kauppakorkeakoulussa.

Kun “konversio” ei ole konversio: Kvasikonversion idea ja todellisen CPA:n laskeminen

On tilanteita, joissa konversioiden määrä ja sitä myöten laskettu CPA ovat harhaanjohtavia.

Erityisesti tällainen tilanne on, kun lasketun konversion jälkeen tapahtuu karsintaa (esim. liidien klousaus, korkea palautusprosentti, affiliate-huijaus).

Miten siinä tapauksessa tulisi laskea CPA?

Kaava on yksinkertainen:

(1/(1-k))*CPA, jossa

  • k on mitatun konversion jälkeinen katoprosentti
  • CPA on konversion kustannus

Esimerkki:

Vaatealan verkkokauppa mainostaa mainosalustassa x. He laittavat mainontaan rahaa 1000 €, jolla tulee 50 konversiota (myyntiä).

Perinteisesti laskettuna CPA on tällöin 1000 / 50 = 20 €. Tämä on siis luku, jonka alusta raportoi.

Jo konvertoituneista kuitenkin peräti neljäosa palauttaa tuotteet. Mainosalustan raportoima CPA on siis harhaanjohtava, koska todellisuudessa kyseessä ei ollut myynti.

Käyttämällä edellä mainittua kaavaa saadaan:
(1/(1-0,25))*(1000/50) = 26,70 €

Todellinen konversion kustannus on siis huomattavasti korkeampi. Tämä on siis tärkeä asia, koska CPA:ta käytetään optimointitavoitteena. Todellista matalampi CPA-arvo voi antaa kuvan, että markkinointi on kannattavaa, vaikka se ei todellisuudessa ole.

Vaihtoehtoinen muoto kaavalle on:

c/(o*(1-k), jossa

  • c on kustannukset
  • o on konversioiden määrä

Johtopäätös: digimarkkinoijan tulee olla tarkkana määritellessään konversiota, koska kaikissa tapauksissa analytiikan palauttama konversiomäärä ei vastaa todellista lukua.

 

Joni Salminen on kauppatieteiden tohtori, joka toimii Turun kauppakorkeakoulussa digitaalisen markkinoinnin opettajana. Joni tutki väitöskirjassaan alusta-startupien strategisia ongelmia Internetissä. Väitöskirja on ladattavissa täältä: https://www.doria.fi/handle/10024/99349

Facebook-mainonnan testityökalu

Opetan digitaalista markkinointia Turun kauppakorkeakoulussa. Laadin opiskelijoita varten Facebook-mainonnan testityökalun, jolla voidaan laskea eri mainosten tai kohderyhmien paremmuus tilastollisesti pätevällä tavalla.

Työkalun voi ladata Excel-muodossa täältä: https://www.dropbox.com/s/ftksnotlky0ewpu/Facebook-mainonnan%20testity%C3%B6kalu.xls?dl=0

Seuraavassa selitän kuinka työkalua tulisi käyttää.

1. Päätä mitä mittaat

Mielestäni on kaksi järkevää vaihtoehtoa:

  • eri mainosversioiden paremmuus
  • eri kohderyhmien paremmuus

Ensimmäisessä voidaan testata esim. toimiiko arvolupauksen paremmin hinta vai valikoima. Toisessa voidaan testata esim. ostavatko naiset useammin kuin miehet, tai onko tiettyjen ikäluokkien välillä eroa.

2. Päätä millä mittaat

Tyypillisesti on kaksi vaihtoehtoa:

  • klikit, eli kuinka hyvin tietty mainos, kampanja tai kohderyhmä päätyy kohdesivulle
  • konversiot, eli kuinka hyvin tietty mainos, kampanja tai kohderyhmän valinta johtaa konversioon (tyypillisesti myyntiin)

Edellisessä testataan potentiaalisten asiakkaiden käytöstä ennen klikkiä, jälkimmäisessä käytöstä klikin jälkeen.

3. Toteuta testi

Laadi eri mainosversiot tai kohderyhmät edellisten valintojen mukaan. Huom! On kriittistä, että pidät muu tekijät samoina:

  • jos testaat mainoksia, kohderyhmä pysyy vakiona
  • jos testaat kohderyhmiä, mainokset pysyvät vakioina

4. Syötä arvot taulukkoon

Eli esimerkiksi kahden päivän päästä palaat mainosalustalle ja kopioit sieltä luvut eri mainoksista. Tilastollisesti pätevää dataa saat Facebookista yleensä jo päivässä; jos et pysty optimoimaan niin usein, tee se kuitenkin vähintään kerran viikossa, koska muuten mainokset “palavat” ja menettävät tehokkuutensa.

5. Kun löydät voittajan, tee uusi versio

Viimeinen vaihe on kriittinen; Facebook-mainontaa tulisi optimoida johdonmukaisesti. Sitä EI tehdä kerran ja sitten unohdeta.

Vaihtoehtoja on kaksi:

  • tehdään tietty (pieni) parannus voittajaversioon
  • tehdään radikaalisti erilainen versio

Ensimmäinen vaihtoehto, eli pienet parannukset, liittyy optimoinnin kertautuviin hyötyihin; kun parannat jo kertaalleen parannettua versiota, saadaan tulokseksi kertautuvia parannuksia summautuvien parannusten sijaan. Voidaan siis vaihtaa kuvaa, otsikkoa tai muuta tekstiä.

Toinen vaihtoehto liittyy ns. lokaalin maksimin ongelmaan; kun tehdään vain pieniä muutoksia olemassaolevaan versioon, jätetään huomiotta täysin erilaisen version mahdollisesti tuoma merkittävästi suurempi parannus (globaali maksimi). Nämä ovat siis vaihtoehtoisia optimointiparadigmoja, joita tulisi vaihdella. Ideaalitilanteessa kokeilet ensin radikaalisti erilaisia versioita, ja kun löydät parhaiten toimivan, alat tekemään siihen pieniä parannuksia.

Lopuksi kannattaa muistaa, että Facebook-mainonnan optimointi vaatii tyypillisesti enemmän työtä kuin hakusanamainonta. Tämä johtuu siitä, että Facebookissa mainokset “palavat” nopeammin (eng. burn tai ad fatigue).

Turussa 31.3.2015
Joni Salminen
KTT, markkinointi
[email protected]