Digitaalisen analytiikan avulla voidaan kerätä dataa siitä, miten ihmiset käyttäytyvät digitaalisessa mediassa: mitä verkkosivuvierailijat tekevät käyntinsä aikana, mitä yrityksestä puhutaan sosiaalisessa mediassa, mitä hakusanoja asiakkaat käyttävät hakukoneissa, ja miten he reagoivat erilaisiin mainosviesteihin ja sisältöihin? Digitaalisen median käytön lisääntyminen ja sekoittuminen offline-maailmaan (esim. mobiililaitteiden myötä) merkitsee sitä, että analytiikan avulla voidaan kerätä yhä enemmän ja yhä monipuolisempaa dataa, minkä on jo vuosia väitetty mullistaneen organisaatioiden mahdollisuudet mitata markkinointiviestinnän tehokkuutta ja tehdä tietoon perustuvia päätöksiä tehokkuuden parantamiseksi. Käytäntö kuitenkin osoittaa, että merkittävä osa organisaatioista ei hyödy digitaalisen analytiikan tuottamasta datasta vaan ennemminkin hukkuu siihen. Datan menestyksekäs hyödyntäminen edellyttää sitä, että organisaatio kykenee rakentamaan kattavan mutta hallittavissa olevan tehokkuusmittariston. Tämä artikkeli kertoo, miten digitaalisen markkinointiviestinnän tehokkuusmittaristo tulisi rakentaa ja mitä asioita digitaalisen analytiikan hyödyntämisessä tulee ottaa huomioon.

Johdanto: miksi tehokkuuden mittaaminen on tärkeää?

Markkinointiviestinnän ammattilaisten ei enää toivota mittaavan toimenpiteidensä tehokkuutta; heiltä vaaditaan sitä (McDonald, 2010; Rust, Ambler, Carpenter, Kumar, & Srivastava, 2004; Stewart, 2009). Tästä huolimatta hyvin harva organisaatio on kyennyt vastaamaan tähän haasteeseen rakentamalla toimivan ja uskottavan mittariston markkinointiviestinnän tehokkuuden mittaamiseksi, raportoimiseksi ja toiminnan kehittämiseksi. Tilanne on markkinointiviestijöiden kannalta huolestuttava, sillä tutkimusten mukaan markkinointiviestijöiden kyky osoittaa toimenpiteidensä tehokkuus vaikuttaa voimakkaasti heidän vaikutusvaltaansa, maineeseensa, yritysjohdon tyytyväisyyteen ja budjetin kokoon organisaation sisällä (Gök, Peker, & Hacioglu, 2015; O’Sullivan & Abela, 2007). Toisaalta mittaaminen on myös lähtökohta tehokkuuden parantamiseksi; jos tuloksia ei mitata, ei koskaan opita, minkälaiset toimenpiteet toimivat paremmin ja minkälaiset huonommin. Markkinointiviestinnän tehokkuuden mittaamisella on siis toisin sanoen kaksi merkittävää roolia: 1) toiminnan tärkeyden osoittaminen ja 2) tulosten hyödyntäminen toiminnan kehittämiseksi.

Optimismia tilanteeseen on tuonut asiakkaiden lisääntyvä digitaalisten medioiden käyttö ja sitä kautta kasvava panostus digitaalisen markkinointiin, jonka tehokkuudesta saadaan yksityiskohtaisempaa tietoa digitaalisten analytiikkatyökalujen avulla (esim. web-analytiikka ja sosiaalisen median monitorointityökalut). Digitaalinen analytiikka tarjoaa hyödyntäjilleen rikasta dataa asiakkaiden käyttäytymisestä. Ydinongelmaksi voidaankin katsoa nimenomaan se, että analytiikan avulla on helppo kerätä paljon tehokkuuteen liittyvää dataa, mutta sen jalostaminen toimintaa ohjaavaksi informaatioksi vaatii resurssien lisäksi hyvin suunnitellun mittariston ja toimivat prosessit tulosten analysoimiseksi ja analyysin muuntamiseksi toimenpiteiksi (Järvinen, 2016; Järvinen & Karjaluoto, 2015). Tämän artikkelin tavoitteena on tuoda esiin merkittävimmät asiat, jotka organisaatiossa tulisi pitää mielessä tehokkuusmittaristoa rakennettaessa ja hyödynnettäessä.

Mittariston rakentaminen lähtee tavoitteiden asettamisesta

Markkinoinnin tehokkuuden mittaaminen tarkoittaa mittareiden asettamista suhteessa markkinoinnin tavoitteisiin ja tavoitteiden saavuttamisen seurantaa näiden mittareiden avulla (Frösén, Luoma, Jaakkola, Tikkanen, & Aspara, 2016). Määritelmän mukaisesti tavoitteiden asettaminen on siis tehokkuuden mittaamisen lähtökohta. Vaikka tämä voi kuulostaa itsestään selvältä, käytäntö osoittaa, että monissa organisaatioissa markkinointiviestinnän tavoitteilla ja käytössä olevilla mittareilla ei ole välttämättä mitään tekemistä toistensa kanssa. Suurin yksittäinen syy tavoitteiden ja mittareiden erillisyydelle on se, että asetetut tavoitteet ovat liian abstrakteja ja huonosti määriteltyjä, ja näin ollen niitä on mahdotonta mitata (Järvinen & Karjaluoto, 2015). Esimerkkejä liian abstrakteista tavoitteista ovat mm. innovatiivisen edelläkävijämielikuvan luominen ja asiakkaiden sitouttaminen (engl. customer engagement). Kutsuisin näitä mieluummin visioiksi kuin tavoitteiksi. Tavoitteiksi ne muuttuvat vasta silloin, kun organisaatio kykenee tarkasti määrittelemään, mitä innovatiivinen edelläkävijämielikuva tai engagement todella tarkoittaa ja miten tavoitteen toteutumista mitataan. Tavoitetta, jota ei voi määritellä, ei voi myöskään mitata. Tavoite, jota ei voi mitata, on vain kaunis ajatus, sillä sen toteutumista ei voida koskaan todentaa.

Minkälaisia tavoitteita digitaaliselle markkinointiviestinnälle tulisi sitten asettaa? Ensinnäkin, tavoitteiden tulee olla yhteydessä organisaation strategisiin tavoitteisiin (Ambler, Kokkinaki, & Puntoni, 2004; Lamberti & Noci, 2010). Toiseksi, niiden tulee olla fiksuja (smart). George Doran kehitti ”SMART goal setting” -mallin 80-luvun alussa (1981), ja vuosien saatossa malli on noussut yhä suurempaan suosioon markkinointi- ja johtamiskirjallisuudessa. SMART on akronyymi , jonka sanat määrittelevät fiksun tavoitteen kriteerit:

  • Specific (tarkoin määritelty)
  • Measurable (mitattavissa oleva)
  • Attainable (saavutettavissa oleva)
  • Relevant (organisaation kannalta merkityksellinen)
  • Time-bound (aikaan sidottu)

Esimerkkejä fiksuista digitaalisen markkinointiviestinnän tavoitteista ovat vaikkapa 10 prosentin kasvu verkon kautta hankittavien myyntiliidien määrässä seuraavan kuuden kuukauden aikana, hakukonesijoituksen parantuminen tietyillä (bisnesrelevanteilla) avainsanoilla sijoilta 10–20 sijoille 1–3 vuoden 2017 loppuun mennessä tai brändiin liittyvien sosiaalisen median keskusteluiden valenssi eli keskustelun äänensävyn (positiivinen/neutraali/negatiivinen) kehittäminen kilpailevia brändejä suhteellisesti positiivisemmaksi vuoden 2018 loppuun mennessä. Nämä ovat fiksuja tavoitteita, koska jokainen niistä on tarkoin määritelty, mitattava, saavutettavissa oleva, merkityksellinen ja aikaan sidottu. Käytännössä tavoitteet on harvoin määritelty näin tarkasti. Se ei ole välttämättä ongelma, kunhan mittaamisnäkökulma otetaan huomioon tavoitteiden asettamisvaiheessa. Mittarit ovat myös tapa konkretisoida sitä, mitä tavoitteet tarkasti ottaen tarkoittavat.

Fiksuuden lisäksi digitaalisen markkinointiviestinnän tavoitteiden asettamisen tulisi olla moniulotteista aikavälin ja markkinointiviestinnän osa-alueiden suhteen. Osan tavoitteista tulisi keskittyä organisaation pitkän aikavälin menestymiseen ja osan lyhyen aikavälin tuottavuuteen. Vaikka tavoitteet ovatkin aina toimiala-, organisaatio- ja tilannesidonnaisia, voidaan digitaalisen markkinointiviestinnän tavoitteet luokitella karkeasti kolmeen tärkeään luokkaan:

  1. myyntitavoitteet (esim. myynti ja myyntiliidit eli myyntimahdollisuudet),
  2. bränditavoitteet (esim. näkyvyys, tunnettuus, mielikuva ja kiinnostavuus),
  3. asiakkuustavoitteet (esim. kokemus, tyytyväisyys, uskollisuus, sitoutuminen ja suosittelut).

Myyntitavoitteet liittyvät digitaalisen markkinointiviestinnän kykyyn lisätä myyntiä lyhyellä aikavälillä. Bränditavoitteet ovat yhteydessä organisaation pitkän aikavälin potentiaaliin hankkia uusia asiakkaita. Asiakkuustavoitteet liittyvät puolestaan olemassa olevien asiakkaiden säilyttämiseen ja sitä kautta pitkän aikavälin menestymiseen. Menestyäkseen nyt ja tulevaisuudessa organisaation tulee onnistua kaikilla näillä kolmella osa-alueella, ja tästä syystä digitaalisen markkinointiviestinnän tavoitteiden tulisi sisältää elementtejä kustakin osa-alueesta. Käytännössä kuitenkin hyvin monet organisaatiot keskittyvät vain yhteen osa-alueeseen; ollaan joko rakastuttu omaan brändiin, puhutaan pelkästä seuraavan kvartaalin myynnistä tai luotetaan sokeasti siihen, että tyytyväiset asiakkaat palaavat ostamaan uudelleen ja kertovat kaikille ystävilleen mahtavasta asiakaskokemuksestaan. Keskittyminen yhteen osa-alueeseen johtaa usein yksiulotteisen mittariston rakentamiseen, kokonaiskuvan hämärtymiseen ja sitä kautta digitaalisen markkinointiviestinnän osaoptimointiin.

Mittareiden valinta

Digitaalisen markkinointiviestinnän mittareiden valinta on erityisen haastavaa siksi, että digitaalinen analytiikka tarjoaa käytännössä loputtoman määrän erilaisia mittareita, joiden sekaan voi helposti hukkua. Liika innostuminen mittareista voi johtaa tilanteeseen, jossa organisaatio yrittää mitata kaikkea, mutta ei loppujen lopuksi mittaa mitään, sillä mittariston sekavuus tekee tulkinnasta mahdotonta. Kuten edellisessä kappaleessa todettiin, mittareiden tehtävä on mitata tavoitteiden saavuttamista, ja näin ollen mittareiden valitseminen on huomattavasti helpompaa silloin, kun digitaaliselle markkinointiviestinnälle on asetettu selkeät tavoitteet.

Seuraavana haasteena on pohtia, mitkä mittarit sopivat parhaiten kuhunkin tavoitteeseen ja kuinka monta mittaria per tavoite on sopiva määrä. Kumpaankaan kysymykseen ei ole olemassa yksiselitteistä vastausta. Tutkimukset kuitenkin osoittavat, että liian kapea mittaristo on riittämätön vangitsemaan markkinointiviestinnän moniulotteiset vaikutukset, kun taas liian leveä mittaristo johtaa helposti tietotulvaan, jolloin mittaristosta ei saada mitään irti (McGovern, Court, Quelch, & Crawford, 2004; Pauwels et al., 2009). Tehokkuusmittariston tulisi olla monipuolisesti valittu ja näin ollen sisältää lyhyen ja pitkän tähtäimen mittareita, määrällisiä ja laadullisia mittareita sekä eteenpäin ja taaksepäin katsovia mittareita (Ambler & Roberts, 2008; O’Sullivan & Abela, 2007). Varsinaisen mittarimäärän pohtimisen sijasta on tärkeämpää kuitenkin keskittyä mittareiden priorisointiin (Chaffey & Patron, 2012). Organisaation tulisi valita kuhunkin tavoitteeseen liittyvä avainmittari (Key Performance Indicator eli KPI), joka kertoo yksiselitteisesti, saavutettiinko asetettu tavoite vai ei. Muita ns. apumittareita voidaan valita enemmän, ja niiden rooli on tarjota lisäinformaatiota siitä, mitkä tekijät selittävät onnistumista tai epäonnistumista tavoitteen saavuttamisessa.

Mittariston monipuolisuus ei ole tyypillisesti ongelma silloin, kun itse tavoitteet on valittu moniulotteisesti (bränditavoitteet, myyntitavoitteet ja asiakkuustavoitteet), sillä nämä tavoitteet ovat luonteeltaan erilaisia ja ohjaavat monipuolisen mittariston valitsemista. Ydinongelmana onkin vastaavasti se, että tavoitteet on usein valittu yksipuolisesti, jolloin myös mittaaminen on yksiulotteista. Perinteisesti markkinointiviestinnän mittaamisessa on nojattu liikaa bränditutkimuksiin ja asiakastyytyväisyyskyselyihin. Nämä ovat tärkeitä osa-alueita, mutta niitä on helppo kritisoida, sillä markkinointiviestinnän yhteys brändiin ja asiakastyytyväisyyteen sekä näiden asioiden yhteys pitkän aikavälin menestymiseen ei ole yksiselitteinen. Digitaalinen markkinointi ja analytiikka ovat hiljalleen kääntämässä tilanteen päälaelleen, ja keskittyminen on enenevissä määrin suuntautunut lyhyen aikavälin käyttäytymisen ja myyntilukujen seurantaan. Liiallinen myyntilukujen tuijottaminen on kuitenkin niin ikään vaarallista, sillä myyntiluvut keskittyvät menneeseen eivätkä kerro tulevaisuuden kasvunäkymistä.

Kuhunkin osa-alueeseen liittyvät mittarit kannattaa konkretisoida selkeäksi viitekehykseksi, joka havainnollistaa osa-alueen tavoitteet ja mittarien väliset suhteet (Homburg, Artz & Wieseke, 2012; Järvinen & Karjaluoto, 2015). Taulukko 1 havainnollistaa esimerkin avulla, miten digitaalisen markkinointiviestinnän myyntitavoitteisiin liittyvät mittarit voisi konkretisoida viitekehykseksi B2B-yrityksen tapauksessa. Huomionarvoista viitekehyksessä on se, miten tavoitteet kytkeytyvät toisiinsa. Liikenteen hankkiminen verkkosivustolle tukee myyntiliidien hankkimista, ja myyntiliidien hankkiminen tukee myynnin kasvua. Näin ollen, jos myyntitavoitteessa jäädään tavoitellusta, voidaan asiaan etsiä syitä muista tavoitteista. Samalla viitekehys konkretisoi aiemmin mainitun avainmittarin ja apumittareiden roolituksen. Esimerkiksi tavoitteen 1 (liikenteen hankkiminen verkkosivustolle) avainmittari on verkkosivustoistuntojen määrä, joka kertoo sen, päästiinkö tavoitteeseen vai ei. Apumittarit tarjoavat lisäinformaatiota syistä, jotka selittävät tavoitteeseen pääsyä. Jos istuntojen kokonaismäärä on vähentynyt, voidaan tarkastella, mitkä liikenteen lähteet ovat tuoneet vähemmän liikennettä sivustolle edellisvuoteen verrattuna, ja tehdä korvaavia toimenpiteitä kyseisten kanavien käyttöön.

Taulukko 1. Esimerkki B2B-yrityksen myyntitavoitteiden mittaristosta

Taulukon esimerkkimittaristo keskittyy pitkälti digitaaliseen analytiikkaan liittyviin mittareihin. Digitaalisen analytiikan tarjoama käyttäytymisdata soveltuukin erinomaisesti digitaalisen markkinointiviestinnän lyhyen aikavälin tuottavuuden mittaamiseen eli käytännössä myynnin ja myyntiä edeltävän käyttäytymisen seurantaan. Vastaavaa taulukkoa brändi- ja asiakkuustavoitteiden osalta on vaikea laatia digitaalisen analytiikan tarjoamilla mittareilla. Syynä on se, että digitaalinen analytiikka ei tarjoa kovin hyviä mittareita asiakkaiden asenteiden, ajatusten ja tunteiden mittaamiseksi, joihin brändi- ja asiakkuustavoitteet pitkälti liittyvät (Järvinen, 2016). Analytiikan avulla pystymme seuraamaan asiakkaiden käyttäytymistä ja käyttäytymiseen johtavia reaktioita (esim. klikkauksia), mutta sen sijaan emme tiedä, mitä asiakkaat ajattelevat tai miten he kokevat viestinnän. Tästä syystä väitteelle, jonka mukaan objektiivisemmat käyttäytymismittarit tulevat korvaamaan subjektiiviset asennemittarit (Seggie, Cavusgil, & Phelan, 2007), on vaikea löytää vahvoja perusteluja. Vaikka brändi- ja asiakkuustavoitteiden mittaaminen on usein vaikeampaa ja mittaustuloksiin liittyy subjektiivista vääristymää, keskittyminen pelkkiin analytiikkamittareihin voi johtaa lyhyen aikavälin tuottavuuden maksimointiin pitkän aikavälin tehokkuuden kustannuksella (Järvinen, 2016).

Digitaalisen markkinointiviestinnän myyntivaikutuksen mittaamiseen liittyy myös omat haasteensa ja harhaluulonsa. Digitaalisessa analytiikkahuumassa monille on syntynyt illuusio siitä, että analytiikan avulla digitaalisen markkinointiviestinnän tehokkuuden voi yksiselitteisesti linkittää myyntiin tuijottamalla analytiikkatyökalun tuottamia raportteja. On totta, että digitaalisen analytiikan tarjoaman käyttäytymisdatan avulla voidaan melko tarkasti osoittaa, mitkä toimenpiteet ovat olleet yhteydessä asiakkaan ostopäätökseen. Sen sijaan data ei kerro, kuinka paljon tietty toimenpide on vaikuttanut asiakkaan ostopäätökseen tai kokonaismyyntiin. Tämä on merkittävä digitaalisen analytiikan rajoitus, jota monet eivät tunnu ymmärtävän. Monesti kuulee väittämiä, kuten ”Teimme 100 euron AdWords-kampanjan, ja Google Analyticsin mukaan kampanja tuotti 250 euroa myyntiä”. Valitettavasti Google Analytics tai mikään muukaan web-analytiikkatyökalu ei tarjoa tällaista tietoa. Tosiasiassa Google Analytics kertoo, että 100 euron AdWords-kampanja houkutteli sivustolle kävijöitä, jotka ostivat 250 eurolla. Kampanja oli siis yhteydessä 250 euron myyntiin, mutta olisi asiakkaiden täydellistä aliarviointia väittää, että he tekivät ostoksensa puhtaasti kyseisen kampanjan takia. Samanaikaisesti ostopäätökseen vaikutti mahdollisesti useita kymmeniä muita asioita.

Markkinointiviestinnän vaikutusta myyntiin voidaan toki tutkia kehittynein tilastollisin menetelmin (esim. attribuutiomallinnus ja ekonometrinen mallinnus) ja tehdä mallien pohjalta suuntaa antavia arvioita. Mutta vastaus ei löydy missään tapauksessa analytiikkaraporteista, kuten jotkut olettavat. Tästä syystä tutkijalle nousee väistämättä hymy huulille, kun hän kuulee väitteen, jonka mukaan yritys X:n tietyn markkinointiviestintäkampanjan ROI on esimerkiksi 46,7 prosenttia. Maailmasta ei löydy ihmistä tai organisaatiota, joka kykenisi arvioimaan minkään kampanjan ROI-prosenttia vastaavalla tarkkuudella. Se, että ROI arvioidaan positiiviseksi, on jo paljon sanottu.

Digitaalisen markkinointiviestinnän mittaamiseen ei ole siis olemassa yhtäkään täydellistä mittaria tai virheetöntä mittausmenetelmää. Tämä johtuu siitä, että markkinointiviestinnän vaikutukset kohdistuvat ihmisiin, ja ihmiset ovat erilaisia. Täysin sama mittaamisongelma koskee kaikkia muita sosiaalitieteen ilmiöitä. Jostain syystä juuri markkinointiviestintää kuitenkin piinaa epärealistinen ajatus siitä, että mittaamisen pitäisi olla jotenkin absoluuttisen tarkkaa. Markkinointiviestinnän tehokkuusmittarit ovat indikaattoreita todellisesta tehokkuudesta. Ne pitää valita tavoitteiden mukaisesti ja riittävän monipuolisesti, jotta ymmärretään viestinnän moniulotteiset vaikutukset.

Mitä tuloksilla tehdään?

Digitaalisen markkinointiviestinnän mittaaminen on prosessi, joka koostuu seuraavista vaiheista:

  1. Datan kerääminen (valittuja mittareita varten)
  2. Tulosten raportointi (missä määrin tavoitteet saavutettiin?)
  3. Tulosten analysointi ja tulkinta (tulosten taustalla olevien syiden etsintä)
  4. Korjaavat toimenpiteet ja testaus (suunnittelu ja toimeenpano)

Datan keräämisen suunnittelu kannattaa toteuttaa mittarien valinnan yhteydessä, sillä ei ole järkeä valita mittareita, joita varten ei voida kerätä dataa. Olennainen kysymys datan keräämisessä on se, millä työkaluilla ja metodeilla keräys tapahtuu. Jos digitaalisen markkinointiviestinnän mittaaminen halutaan toteuttaa moniulotteisesti, tarvitaan tueksi digitaalista analytiikkaa sekä perinteisempiä kyselytutkimuksia. Kun tavoitteet ja mittarit on valittu huolellisesti, tulosten raportointi on suoraviivaista: verrataan tuloksia suhteessa asetettuun tavoitetasoon ja raportoidaan, missä määrin tavoitteissa onnistuttiin. Tulokset kannattaa raportoida säännöllisesti johdolle, sillä tämä johtaa tutkimusten mukaan johdon positiivisempaan suhtautumiseen markkinointiviestintää kohtaan (Pauwels et al., 2009).

Mittaamisprosessin suurin haaste liittyy puolestaan tulosten analysointiin. Analysointi vaatii aikaa ja ennen kaikkea analyyttistä osaamista, josta ei ole runsauden pulaa useimmissa organisaatioissa. Ilman analyysiä dataa ei saada jalostettua informaatioksi, joka ohjaisi suunnittelemaan ja tekemään digitaalisen markkinointiviestinnän tehokkuutta parantavia toimenpiteitä (Chaffey & Patron, 2012). Tulosten analysoinnissa kannattaa keskittyä erityisesti niihin tavoitteisiin, joiden toteutumisessa on epäonnistuttu. Syvällisen analyysin tekeminen vaatii datan segmentointia, jota varsinkin digitaalisen analytiikan avulla on suhteellisen vaivatonta toteuttaa lukuisilla eri segmentointikriteereillä (liikenteen lähde, aika, sijainti, päätelaite jne.).

Oletetaan esimerkiksi, että verkkokaupan konversiosuhde jää tavoitetasosta. Segmentoinnin avulla voidaan pureutua mahdollisiin syihin, joiden takia konversiosuhde jäi odotettua alhaisemmaksi. Yksinkertaisena esimerkkinä voidaan selvittää, onko konversiosuhde heikompi niiden kävijöiden osalta, jotka vierailevat sivustolla älypuhelimella. Jos näin on, voidaan olettaa, että ostaminen älypuhelimella ei ole verkkokaupassa riittävän vaivatonta. Seuraavassa vaiheessa siirrytään korjaavien toimenpiteiden suunnitteluun ja esimerkin tapauksessa mietittäisiin, miten ostamisesta älypuhelimella voitaisiin tehdä vaivattomampaa (esim. skaalautuuko sivusto älypuhelimille käyttäjäystävällisesti tai kysytäänkö tilauslomakkeella liikaa asioita?) Suunnittelun pohjalta muodostetaan hypoteesi tai hypoteeseja (esim. tilauslomakkeen yksinkertaistaminen johtaa parempaan konversiosuhteeseen älypuhelimilla). Tämän jälkeen testataan hypoteesien paikkansapitävyys (esim. A/B-testillä) ja onnistuneet testit implementoidaan pysyvästi. Digitaalisen markkinointiviestinnän mittaamisen perimmäisenä ajatuksena on jatkuva oppiminen ja tehokkuuden parantaminen mitattujen tulosten pohjalta.

Lopuksi: Kehitä mittaamista askel kerrallaan

Hyvän digitaalisen markkinointiviestinnän mittariston rakentaminen ja hyödyntäminen on oppimisprosessi. Toisin sanoen ei kannata yrittää haukata liian isoa palaa kerralla, sillä siihen saattaa tukehtua. Suosittelen etenemään askel kerrallaan ja samalla kartuttamaan ymmärrystä ja kokemusta mittaamisesta seuraavien vaiheiden mukaisesti:

  1. Aloita mitattavien tavoitteiden asettamisesta. Valitse aluksi esimerkiksi kolme organisaation kannalta merkittävintä tavoitetta, joiden toteutumista on mahdollista mitata. Suosittelen aloittamaan myyntiin liittyvistä tavoitteista, koska A) niiden mittaaminen on suhteellisesti helpompaa digitaalisen analytiikan avulla ja B) myyntiin liittyvät tulokset kiinnostavat tavallisesti johtoa eniten. Kun pystyt analytiikan avulla osoittamaan digitaalisen markkinointiviestinnän yhteyden myyntiin, olet paremmassa neuvotteluasemassa budjetin suhteen. Isompi budjetti puolestaan mahdollistaa lisäresurssien hankinnan laadukkaan viestinnän toteuttamiseksi ja entistä paremman mittariston rakentamiseksi.
  2. Valitse yksi avainmittari per tavoite ja muutama apumittari avainmittarin tueksi. Älä valitse liian montaa mittaria, sillä se ainoastaan hankaloittaa tulkintaa.
  3. Kokoa mittaristo yksinkertaiseen viitekehykseen, joka havainnollistaa tavoitteiden ja mittareiden keskinäiset suhteet (Taulukko 1).
  4. Raportoi digitaalisen markkinointiviestinnän tulokset johdolle säännöllisesti ja pyydä heiltä palautetta.
  5. Kun mittariston perusrunko on kasassa, kehitä kykyäsi analysoida tuloksia. Keskity ensisijaisesti niihin tavoitteisiin, jotka ovat jääneet toteutumatta. Segmentoi dataa ja pyri löytämään syitä odotuksia heikommille tuloksille.
  6. Tee testejä tulosten parantamiseksi ja keskity tehokkuuden jatkuvaan optimointiin.
  7. Tarkastele tavoitteitasi ja mittaristoa aika ajoin kriittisesti ja pohdi niiden heikkouksia. Kiinnitä erityisesti huomiota siihen, onko mittaristo riittävän moniulotteinen. Ottaako se huomioon sekä lyhyen aikavälin tuottavuuden että pitkän aikavälin tehokkuuden?

Näistä voit aloittaa:

Järvinen, J. & Karjaluoto, H. (2015). The use of Web analytics for digital marketing performance measurement. Industrial Marketing Management, 50, 117–127. Saatavilla verkossa: https://www.researchgate.net/publication/275589681_The_use_of_Web_analytics_for_digital_marketing_performance_measurement

Järvinen, J. (2016). The Use of Digital Analytics for Measuring and Optimizing Digital Marketing Performance. Väitöskirja, Jyväskylän yliopisto. Saatavilla verkossa: https://jyx.jyu.fi/dspace/bitstream/handle/123456789/51512/978-951-39-6777-2_vaitos21102016.pdf?sequence=1

Lähteet

Ambler, T., Kokkinaki, F. & Puntoni, S. (2004). Assessing marketing performance: Reasons for metrics selection. Journal of Marketing Management, 20(3–4), 475–498.

Ambler, T. & Roberts, J. H. (2008). Assessing marketing performance: Don’t settle for a silver metric. Journal of Marketing Management, 24(7–8), 733–750.

Chaffey, D. & Patron, M. (2012). From Web analytics to digital marketing optimization: Increasing the commercial value of digital analytics. Journal of Direct, Data and Digital Marketing Practice, 14(1), 30–45.

Doran, G. T. (1981). There’s a S.M.A.R.T. way to write managements’s goals and objectives. Management Review, 70(11), 35–36.

Frösén, J., Luoma, J., Jaakkola, M., Tikkanen, H. & Aspara, J. (2016). What Counts Versus What Can Be Counted: The Complex Interplay of Market Orientation and Marketing Performance Measurement. Journal of Marketing, 80(3), 60–78.

Gök, O., Peker, S. & Hacioglu, G. (2015). The marketing department’s reputation in the firm. European Management Journal, 33(5), 366–380.

Homburg, C., Artz, M. & Wieseke, J. (2012). Marketing performance measurement systems: Does comprehensiveness really improve performance? Journal of Marketing, 76(May), 56–77.

Järvinen, J. (2016). The Use of Digital Analytics for Measuring and Optimizing Digital Marketing Performance. Jyväskylä Studies in Business and Economics, 170, Dissertation thesis.

Järvinen, J. & Karjaluoto, H. (2015). The use of Web analytics for digital marketing performance measurement. Industrial Marketing Management, 50, 117–127.

Lamberti, L. & Noci, G. (2010). Marketing strategy and marketing performance measurement system: Exploring the relationship. European Management Journal, 28(2), 139–152.

McDonald, M. (2010). A brief review of marketing accountability, and a research agenda. Journal of Business & Industrial Marketing, 25(5), 383–394.

McGovern, G. J., Court, D., Quelch, J. A. & Crawford, B. (2004). Bringing customers into the boardroom. Harvard Business Review, 82(November), 70–80.

O’Sullivan, D. & Abela, A. V. (2007). Marketing performance measurement ability and firm performance. Journal of Marketing, 71(April), 79–93.

Pauwels, K., Ambler, T., Clark, B. H., LaPointe, P., Reibstein, D., Skiera, B., Wierenga, B. & Wiesel, T. (2009). Dashboards as a service: Why, what, how, and what research is needed? Journal of Service Research, 12(2), 175–189.

Rust, R. T., Ambler, T., Carpenter, G. S., Kumar, V. & Srivastava, R. K. (2004). Measuring marketing productivity: Current knowledge and future directions. Journal of Marketing, 68(October), 76–89.

Seggie, S. H., Cavusgil, E. & Phelan, S. E. (2007). Measurement of return on marketing investment: A conceptual framework and the future of marketing metrics. Industrial Marketing Management, 36(6), 834–841.

Stewart, D. W. (2009). Marketing accountability: Linking marketing actions to financial results. Journal of Business Research, 62(6), 636–643.

Kuka?

Kauppatieteiden tohtori Joel Järvinen toimii yliopistonopettajana ja tutkijana Jyväskylän yliopistossa. Hänen tutkimusalueensa keskittyy markkinointiviestinnän tehokkuuden mittaamiseen ja optimointiin. Hän on erityisen kiinnostunut digitaalisten teknologioiden avulla kerätyn datan hyödyntämisestä markkinoinnin päätöksenteon tukena.

Avainsanat: ,

I’m a marketing researcher and lecturer focusing on digital analytics and optimization. As an advocate of data-driven approach, my ambition is to make marketing measurable and maximize the return on marketing investment.

Yhteistyökumppanit

STT Viestintäpalvelut
Gonin/Creative
GRANO
T-media

KIRJOITA VASTAUS AIHEESEEN

Sinun täytyy olla kirjautunut sisään kommentoidaksesi