Optimoitko mainontaasi tai verkkosivustoasi analytiikan avulla?
Toivottavasti, sillä optimoinnin avulla tuloksesi pysyvät hyvinä ja paranevat.
Onnistuminen edellyttää sitä, että optimoit sivustoa oikeiden mittareiden avulla. Moni mittari voi nimittäin johtaa sinut harhapoluille, jos et tunne mittarin rajoituksia. Silloin optimointi ei johda voiton maksimointiin.
Mutta minkälaisia ongelmia oikein liittyy tavallisimpiin optimoijan käyttämiin mittareihin? Aloitetaanpa yksinkertaisimmasta, eli konversion CPA-hinnasta.
CPA-tavoite on huono lähtökohta verkkokaupan mainonnan optimointiin.
CPA eli cost per acquisition kertoo, paljonko kaupan syntymiseen uhrattiin euroja. Usein siihen lasketaan vain mainonnan mediakustannus.
Jostain syystä sitä käytetään edelleen mainonnan raportoinnissa – ja toisinaan mainonnan optimoinnissa.
Usein mainostaja asettaa kampanjalle CPA-tavoitteen: mainostaja on valmis maksamaan esim. 10 € kaupan synnystä. Jos myyt yhtä kiinteähintaista tuotetta, mainontaa voi mainiosti optimoida CPA:n avulla. Mutta kun myyt 1000 erilaista tuotetta, joiden hinta vaihtelee 1 ja 1000 euron välillä, näyttää 10 € CPA ostoksesta riippuen aivan erilaiselta.
CPA-tavoitteen antaminen toimistolle johtaa myös huonoon optimointiin. Optimoinnin tavoitteena ei ole enää voiton (eikä edes myynnin) maksimointi, vaan kustannusten minimointi.
Siksi verkkokaupan mainontaa ei koskaan pidä optimoida CPA:n perusteella.
ROI:n optimi ei maksimoi voittoa
CPA-tavoitetta paljon parempi tavoite on maksimoida markkinointi-investoinnin tuottoa. Siihen ROI on hyvä apuväline, mutta ROI:n maksimointi ei sekään johda aina parhaaseen lopputulokseen mainonnan tuoton tai yrityksen voiton kannalta.
Miksi näin on?
Myös digimarkkinointiin pätee sijoitetun pääoman aleneva rajatuotto. Ensimmäiselle 100 euron ROI saattaa olla 1000 %, 1000 euron kohdalla se saattaa olla 700 % ja 10 000 euron investoinnin kohdalla enää 500 %.
Silloin naiivi ROI:n maksimoija päätyy mainostamaan 100 euron budjetilla. Voiton maksimoija on valmis käyttämään mainontaan 10 000 euroa.
(Tai jos liikevoiton maksimoija on opiskellut taloustiedettä, hän etsii maksimia kohdasta, jossa rajatuotto ja rajakustannus ovat yhtäsuuria — mutta tavanomaiset analytiikka– ja mainosjärjestelmät eivät valitettavasti millään tavalla helpota tuon pisteen löytämistä.)
Konversioprosentin parantaminen on helppoa jos et maksimoi voittoa
Konversio-optimoijat taas seuraavat joskus pelkästään konversioprosenttia: A/B-testi on onnistunut, jos konversioprosentti paranee.
Konversioprosentin parantamiseen on kuitenkin olemassa yksinkertainen ja 100 % varma menetelmä. Yhdellä pienellä muutoksella saat konversioprosentin nousemaan aivan uudelle tasolle: lasket hintaa mahdollisimman lähelle nollaa.
Mikrotaloustieteen opit ja arkiymmärrys kertovat, että silloin kauppa käy ennennäkemättömällä vauhdilla. Mutta tulosta se ei paranna, päinvastoin. Siksi konversioprosentin parantaminen ei välttämättä kerro mitään siitä, saitko aikaan parannusta vai ei.
Konversio-optimoinnissa on on sen vuoksi aina kiinnitettävä konversioprosentin lisäksi huomiota myös muihin mittareihin kuin konversioprosenttiin.
Näitä ovat esimerkiksi
- ostoskorin arvo
- kokonaismyynti
- ROAS.
Mitä siis pitäisi tehdä?
Ovatko siis CPA, ROI ja CR huonoja mittareita?
Eivät suinkaan! Mutta jokainen niistä voi johtaa sinut harhaan, jos seuraat pelkästään yhtä ja ainoaa mittaria. Sinun on tunnistettava mittareiden rajoitukset ja täydennettävä niitä muilla mittareilla.
Esimerkiksi mainonnan ROI:n maksimointi on hyvä tavoite niin kauan, kun pidät budjettia vakiona. Mutta toisinaan saavuttaisit liiketoiminnan kannalta paremman tuloksen kasvattamalla budjettia, vaikka ROI samalla alenisi.
Samoin konversioprosentti on hyvä mittari, jos hinta ja keskimääräinen ostoksen arvo pysyvät vakiona. Jos taas hinta ja ostoksen keskimääräinen arvo alenevat, voi konversioprosentti johtaa sinut harhaan.
Älä siis rakastu yhteen mittariin.
Ja ennenkaikkea: käytä järkeäsi.
Artikkelit samasta aiheesta
Pullonkaulat analytiikan hyödyntämisessä: tunnista ja avaa ne CARE-mallin avulla!
Usein analytiikkaa ei saada tuottamaan arvoa, koska kohtaamme erilaisia pullonkauloja datan keräämisessä, analysoinnissa ja toimenpiteisiin ryhtymisessä. Helpota näitä haasteita hyödyntämällä CARE-mallia.
Tekoäly ja koneoppiminen rakentavat parempia ostajapersoonia
Ostajapersoona on tuttu työkalu markkinoinnin johtamisen apuna. Suurten kielimallien ja koneoppimisen avulla dataan perustuvien persoonien rakentaminen onnistuu aikaisempaa tehokkaammin. Mitä ostajapersoona tarkoittaa? Ostajapersoonat kuvaavat yrityksen kannalta ideaalisia ostajia. Ostajapersoonan esitys […]
B2B-mainonnan 95-5-sääntö
B2B-markkinoijan ei kannata yrittää herättää ostohalua taktisella mainonnalla, kun toimitaan vakiintuneessa kategoriassa. Sen sijaan, mainonnan tulee auttaa heitä muistamaan brändisi silloin, kun ostaminen tulee ajankohtaiseksi.
Kiinnostuitko tästä aiheesta?
Soita meille 020 788 8120 tai täytä alla oleva lomake niin jatketaan juttua!