Katere metrike bi moralo spremljati vsako podjetje?

Simon Belak je hacker, filozof in gledališki režiser, ki ravno to neobičajno kombinacijo za svoje analitično delo in 'outsiderstvo' nasploh prepoznava kot pomembno prednost. »Mislim, da je ključna poteza nenavezanost na neko fiksno identiteto«, pravi in izpostavlja 'outsiderski' način razmišljanja in analiziranja kot tisti, ki lahko deluje najbolj disruptivno. Je CTO podjetja GoOpti, mednarodnega podjetja, ki se ukvarja s cestnim prevozom potnikov, za katerega pravi, da je »data driven«. To opiše skozi štiri ključne točke. 

1. Prvič, večina in vse več odločitev v podjetju je podprta s podatki. 
2. Drugič, vsi deležniki so dovolj izobraženi o uporabi podatkov, na svoje delo znajo gledati skozi prizmo podatkov in jim je to tudi v navadi. 
3. Tretjič, da je podatkov dovolj in so dovolj dostopni skozi analize, dashboarde in orodja, da se na njihovi podlagi deležnikom porajajo nova vprašanja, ideje in hipoteze. 
4. Ne nazadnje pa tudi, da so kriteriji za uspeh tako posameznikov kot podjetja transparentni in sproti dostopni v obliki dashboardov.

Ker je v bistveno več primerih analitika razumljena predvsem kot nepotrebni »dodatek« siceršnjim dobrim občutkom vodstva, bo poseben poudarek letošnje Slovenske marketinške konference, ki bo potekala konec maja v Portorožu in kjer bo nastopil tudi Simon Belak, namenjen ravno tej temi. »Več uporabe podatkov, več eksperimentiranja, več iteriranja«, se glasijo prvi trije nasveti 'analitičnega režiserja filozofije' slovenskim marketingašem, ki nam je v intervjuju predstavil tudi svoje videnje prihodnosti analitike ter podal veliko koristnih priporočil.

Se podjetja (v Sloveniji) premalo poslužujejo analitike?

Vsekakor. Žal to zajema celoten spekter od startupov, preko gazel, do največjih podjetji. Že če se vprašamo, koliko podjetji se sploh zaveda, da so podhranjeni glede analitike, je slika precej uborna.

Kaj so po vašem mnenju glavni razlogi za to?

Poglaviten razlog je pomankanje zavedanja in razumevanja. Ta se manifestira na različne načine. V manjših podjetjih kot odlašanje z vlaganjem v analitiko, ironično velikokrat v imenu fokusa, čeprav je ravno analitika tista, ki nas lahko ohrani na pravi poti. Pri večjih podjetjih pride v igro še politika, tako med-oddelčna kot na nivoju posameznih managerjev. Velika večina večjih podjetij ima svoje podatke ujete v silose, razporejene po oddelčnih mejah in njihovo združevanje je v najboljšem primeru težavno, često pa skoraj nemogoče. Potreben je tudi mentalen preskok. Podatki so resda orodje, imajo tudi nekakšno sebstvo, v smislu, da se jih ne da povsem po mili volji manipulirati in so neodvisni od naših hotenj, vse preveč ljudi pa deluje po načelu: “če se dejstva ne skladajo s teorijo, toliko slabše za dejstva”.

Ne smemo pa zanemariti tudi pomanjkanja kadra. Analitika se je v zadnjih letih precej spremenila, tako v metodah kot načinu, kako se vklaplja v širši poslovni kontekst. Malo je programov, kjer se lahko resnično izobraziš za analitika, kakršnega iščejo podjetja danes, kar pomeni, da vsi segajo za ljudmi, ki so se naučili skozi izkušnje in iz lastnega zanimanja. Kar seveda znatno skrči nabor kandidatov. Podjetja, ki si hočejo šele postaviti analitične oddelke, imajo še dodaten problem, da težko ločijo seme od plevela.

Običajno je analitika »eden od problemov«. Koliko podatkov potrebujemo za kakovostno analitiko?

Povsem odvisno od tega, kaj hočemo narediti in s kakšnimi podatki imamo opravka. Uporabniško testiranje na 8-ih uporabnikih lahko prinese kopico uvidov, po drugi strani je včasih 100.000 meritev premalo. Kar se mene tiče, “nimamo dovolj podatkov” nikoli ne sme biti zadnji odgovor. Kvečjemu pomeni, da se moramo problema lotiti drugače: namesto A/B testa intervju; namesto strojnega učenja hevristika. Uspešno odločanje na podlagi podatkov ne pomeni, da smo povsem izkoreninili nedoločenost in neznanke, ampak da smo jih minimizirali znotraj danosti, ki jih imamo.

Je za 'napovedovanje prihodnosti' res uporabna že enostavna podatkovna analitika?

Spet odvisno od tega, kaj napovedujemo, na podlagi česa in kakšno natančnost potrebujemo. Ljudje imamo povečini slabo intuicijo, ko pride do podatkov in številk. Že zelo preprost model je lahko dobro ogledalo za našo intuicijo in tako, če drugega ne, izboljša napovedi, ki jih implicitno delamo s tem, ko sprejmemo neko odločitev.

Velikokrat je tudi bolj kot sama natančnost pomembno, da razumemo, kakšna je natančnost oz. nedoločenost; ali znamo določiti spodnjo in zgornjo mejo (zlasti pomembno pri razumevanju tveganja); in ali razumemo, zakaj je napoved, kakršna je.

Vsekakor se da priti presenetljivo daleč s pametnim kombiniranjem preprostih modelov (tudi veliko naprednejših algoritmov je prav to: pametno - samodejno - kombiniranje preprostih modelov).

Kaj lahko ta trenutek na tem področju naredi prav vsako podjetje?

1. Pregleda katere podatke zajemajo. Kaj manjka? Kje so podatki zamazani ali nizke kakovosti?
2. Doda stroške (tako denarne kot časovne) in 'baseline' v večino analiz. Velikokrat se ekipe odločajo med dvema opcijama (denimo med Facebook in e-mail kampanjo), kjer je pravilen odgovor: nobena. Izbire je treba vrednotiti glede na vse druge možnosti, kako bi lahko porabili ta sredstva.
3. Minimalen nabor metrik, ki jih mora vsako podjetje spremljati: 1) LTV (koliko dobička pričakujemo, da nam bo dana stranka prinesla čez cel čas). 2) CAC (koliko nas stane, da pridobimo novo stranko. Tu je seveda treba upoštevati vse nastale stroške, tudi plače ipd.). 3) Čas, da si povrnemo CAC. 4) Kaj so naši glavni kanali za pridobivanje strank in kako globoki so ti kanali (koliko posla iz tega kanala si lahko še obetamo in po kakšnih cenah). Naslednji korak je, da vse te metrike pogledamo po posameznih segmentih in trgih.

Kakšna je prihodnost analitike?

80 % dela povprečnega analitika bo v roku par let avtomatiziranega. Metrike in modeli podjetij so postali tako poenoteni in standarizirani, da vsi delamo bolj ali manj iste analize znova in znova. Ta del bo avtomatiziran, človek-analitiki bodo predvsem usmerjali stroj-analitike, vnašali kontekst in ozemljevali podatke v dogajanju v podjetju.

Druga sila, ki bo predrugačila predvsem, kaj analitika pomeni za podjetje, je umetna inteligenca. Po Twitterju že krožijo krilatice, kot je “Če ste CEO in vas vaš nadzorni odbor ne sprašuje po vaši AI strategiji, potrebujete nov nadzorni odbor”. Tu je pomembno, da se zavedamo, da izziv ni toliko v algoritmih kot v podatkih (Peter Norvig iz Googla lepo pravi: “Več podatkov bo vedno premagalo boljše algoritme”). S tem ko se naša življenja selijo vse bolj v digitalni svet in postaja vse od straniščnih školjk do toasterjev omreženo, se neprenehoma odpirajo nove možnosti, kaj vse lahko počnemo s temi podatki. Možnosti in grožnje - podatki, ki jih ne zajemamo, so za vedno izgubljeni. 

Ni vse samo v količini podatkov. Večina pojavov ima izrazito sezonsko komponento: tega, da ne razumemo nihanja zadnjih petih sezon, ne moremo nadoknaditi prej kot v petih sezonah, ne glede na to, kako agresivno se vržemo v pridobivanje podatkov. Povedano drugače, analitika bo vse manj podporni oddelek in vse bolj tisti, ki bo gnal razvoj in narekoval smer podjetja (in to ne v smislu podpore pri odločanju, temveč postavljanju prioritet in potreb).

Je za pravo disrupcijo analitike potreben hacker, ki je obenem filozof in gledališki režiser?

Outsiderji s(m)o vedno koristni, da malo prevetrimo. Mislim, da je ključna poteza nenavezanost na neko fiksno identiteto. V največje veselje mi je, kadar lahko delček sebe prenesem v orodja, ki sem jih zgradil in se tako naredim odvečnega ali celo zastarelega. Drug dejavnik v prid outsiderjev je, da s sabo pripeljemo domeni tuje ideje, ki pa jo lahko zelo plodno oplajajo. In to ne toliko v smislu nekega konkretnega znanja ali uvida, ampak bolj v načinu razmišljanja in analiziranja, to je tisto, kar je res prenosljivo, in ki lahko deluje najbolj distruptivno.

Naslov letošnje SMK je »Marketing feedforward«, konstruktivni vodnik, kako se izboljšati. Iz vašega zornega kota in na podlagi vaših opažanj vas prosim za nekaj ključnih nasvetov marketingašem, kako se izboljšati.

1. Več uporabe podatkov.
2. Več eksperimentov.
3. Več iteriranja. Velikokrat vidim, da nekdo nekaj poskusi, ampak namesto da bi na eksperimente gledali kot učne priložnosti in izkoristili naučeno, se eksperiment zavrže in poskusi nekaj povsem drugega.
4. Vedno imejte pred očmi stroške (in to vse, vključno s plačami ipd.) in 'baseline'. Že res, da vam je uspelo zmanjšati CPC na Facebook za 15 %, ampak ali ne bi bil ta denar še vedno bolje porabljen za vaše standardne adwords oglase.
5. Analitika niso samo A/B testi, napovedni modeli in gore podatkov. So tudi ankete, intervjuji, uporabniška testiranja.
6. Bodite pozorni, kako agregirate podatke. Velikokrat se največji uvidi razkrijejo, ko podatke pogledamo skozi prizmo posameznih segmentov, trgov, kohort in časa.
7. Ne bojte se “neumnih” idej. Dobro je imeti zalogo idej, a bodite neizprosni pri prioritiziranju. Meni je všeč PIE - rangiranje glede na Probability (kako prepričani smo, da bo eksperiment uspel), Impact (kako velik bo učinek oz. izboljšava) in Effort (koliko truda terja izvedba).
8. Včasih je edini pravilen odgovor, ki ga lahko ponudimo iz podatkov: “ne vem” (ker je premalo podatkov, preveč šuma, premalo razlike) in s tem ni nič narobe. Iterirajte (glej 3).
9. Beležite svojo pot. Tako se boste iz preteklih akcij več naučili, poleg tega vam bo zgodovina akcij pomagala vzdrževati kakovost podatkov (denimo kampanja na Kuponku je bila zanimiva ideja, ki je prinesla nekaj strank, ampak te stranke niso vaše ciljne stranke. Če se tega ne zavedate in v prihodnje ne pazite (in jih po potrebi izločite), vam bodo za vedno izkrivljali podatke).

Kaj pa je vaš osebni vodič k izboljševanju? Lahko prosim z nami delite nekaj virov za vaš strokovni navdih?

Moje samoizboljševanje sloni na 3 stebrih:

1. Meta-učenje. Vedno sem pozoren, kako se učim in kako bi lahko to izboljšal. Tim Ferriss ima zelo dober nastavek, kako se učinkovito učiti tim.blog/2016/10/06/the-art-and-science-of-learning-anything-faster/
2. Introspekcija. Spremljam in analiziram samega sebe. Zakaj sem se odločil, kot sem se. Zakaj me je nekaj razjezilo. Zakaj mi je bilo nelagodno. Zakaj sem bil razočaran. Na kaj sem navezan. Zakaj. Kako je moja intuicija interagirala z razumom. Pri vsem tem ne iščem toliko odgovorov kot vprašanja (moja najljubša definicija, kaj je filozofija, je: umetnost postavljanja vprašanj). Vzorci in principi se skrivajo v mreži vprašanj, ne v konkretnih vrednostih.
3. Izdatno in raznorodno branje. Vsak dan vsaj 2 uri berem.

_____________

Simon Belak s področja analitike priporoča v branje:

Članki

• Practical advice for analysis of large, complex data sets
• SaaS Metrics 2.0 – A Guide to Measuring and Improving what Matters
• How To (Actually) Calculate CAC
• 5 Things You’re Measuring Incorrectly With Digital Analytics & What To Do About It

Knjige

• B. Horowitz: The Hard Thing About Hard Things
• T. Tunguz, F. Bien: Winning with Data
• M. Lindstrom: Small Data
• D. W. Hubbard: How to Measure Anything
• A.Croll & B. Yoskovitz: Lean Analytics

Blogi

• firstround.com/review/
• multithreaded.stitchfix.com/blog/
• conversionxl.com/blog/
• tomtunguz.com/
• blog.profitwell.com/
• www.priceintelligently.com/blog

Slovenska 'growth hacking' skupnost

• Na presečišču marketinga in analitike je tudi slovenska 'growth hacking' skupnost, kjer se najde veliko dobrega gradiva, opozarja Belak.

_____________

Intervju avtorice Mateje Bizjak je v originalu objavljen na portalu Akademija Finance: 

• Analitika bo vse bolj gnala razvoj in narekovala smer podjetij in
• ‍Simon Belak, CTO podjetja GoOpti, priporoča v branje

‍

Simon Belak, CTO podjetja GoOpti in govorec letošnje Slovenske marketinške konference, bo konec maja v Portorožu slovenskim marketingašem predstavil, kako enostavna ali zapletena podatkovna marketinška analitika izboljšuje poslovanje podjetja.