Measurecamp Amsterdam – 21.-22.4.2018

Osallistuin ensimmäistä kertaa huhtikuun lopulla Amsterdamissa järjestettävään Maailman parhaaseen web analytiikka seminaariin Measurecampiin. Seminaarin historia ulottuu Lontooseen vuoteen 2012. Tällöin päätettiin luoda konferenssi, jossa puhujat ja agenda päätetään samana päivänä ja jokainen voi osallistua ja tuoda oman panoksensa seminaarin sisältöön. Syntyi käsite ”un-conference” eli vapaasti suomennettuna epäkonferenssi.

Measurecamp käynnistyi yhteisellä alustuksella, jossa kerrottiin lyhyesti miten workshopit toimivat. Ainoa tiukka sääntö oli, että esitysten pituudet oli rajattu 30 minuuttiin. Tämän jälkeen alkoi yleinen hälinä ja ihmiset kerääntyivät ilmoitustaulun eteen tähyilemään, josko mielenkiintoisia workshopeja löytyisi.

Sentient AI

Jonathan Epstein – Senior Vice President, Sentient AI

Jonathan Epstein esitti mielenkiintoisen puheenvuoron tekoälyyn ja evoluutionääriseen algoritmiin perustuvaan konversio-optimointityökaluun. Tuotteella voi tehdä useita testejä samaan aikaan useilla sivuilla, ja kaiken voi toteuttaa pienemmillä kävijä- ja konversiomäärillä verrattuna normaaleihin testaustyökaluihin. Tavoitteena on nopeampi, joustavampi ja kustannustehokkaampi CRO-prosessi. Esityksen pihvinä oli väittämä, että testaaminen on hidasta ja kallista, ja multivariaattitestaaminen erityisen hidasta.

Epstein lähti liikkeelle AI:n rajoituksista ja teoreettisesta viitekehyksestä evolutionäärisiin algoritmeihin. Monesti näiden algoritmien ja neuroverkkojen rakentaminen on todella kallis ja aikaavievä prosessi. Epstein käytti esimerkkinä sitä, miten kauan yhden miljoonan neuroverkon kokoisen setupin rakentamiseen menisi; viisi vuotta viiden tohtorin täysinäisenä työpanoksena. Silicon Valleyn palkkakustannuksilla siis melkoinen summa!

Esityksen varsinainen case-esimerkki oli Abuv Media. Abuv Media onnistui parantamaan sivuston konversioprosenttia 45:llä prosentilla kahdeksassa viikossa käyttämällä Sentien Ascendia. (Abuv Mediasta muuten vielä yksi mielenkiintoinen huomio: he saavat 99 % sivustoliikenteestä pelkästään orgaanisesti.)

Jatkolukemisena slidesharen esitys ”What, Why and How to Test with AI”

Data is just answers

Anthony Mandelli, Digital Marketing Manager, Snowplow Analytics

Anthonyn esitys oli hyvä katsaus siihen, miten dataa ei tule käsitellä itseisarvona. Olennaista on, miten luomme sen ympärille merkityksiä. Hän käytti esityksessään esimerkkinä Snowplow:n oman sivuston blogia.

3 keskeistä virhettä

  1. Data on pelkkä lopputuotos
  2. Vääriin yksityiskohtiin keskittyminen
  3. Datan hyödyntäminen passiivisesti

Data itsessään on vain sarja faktoja. Mandelli tiivisti, että meidän tulee löytää asiakkaan liiketoiminnasta ne oikeat liiketoimintakysymykset.

Puheenvuoron kattava teesi kuului: “Make questions drive your analytics – not the other way around”. Eli toisin sanoen, johda analytiikkaa oikeilla liiketoiminnan kysymyksillä eikä päinvastoin. Tämän suhteen on erittäin olennaista oikeiden KPI:den määrittely ja niiden systemaattinen seuranta.

Anthony käytti esimerkkiä heidän oman verkkosivustonsa blogista. Miksi ihmiset lukevat sitä? Kenties he haluavat oppia jotain Snowplow’lta.

Miten voidaan kasvattaa artikkelin lukijoiden määrää? Ainakin seuraavia kysymyksiä tulisi miettiä:

  1. Kuka lukee blogia?
  2. Mitkä aiheet ovat kiinnostavimpia?
  3. Miten mitataan arvonlisäystä?
  4. Miten tunnistaa blogin lukijat jotka konvertoituvat?

Konvertoituneiden kävijöiden osalta voimme analysoida historiadataa ja löytää käyttäytymismalleja eri attribuutiomalleja tarkastelemalla.

Anthony esitti ajatuksen, että me emme voi mitata sitä mitä ihmiset ovat oppineet kyseisestä blogikirjoituksesta. Ehkä voimme analytiikan keinoilla keksiä tämän tulevaisuudessa, ja ohjata ihmisille eri oppimistasojen perusteella erilaista jatkosisältöä konvertoitumisen tueksi.

Loppukaneettina Anthony kehoitti olemaan “data curious”, eli kysymällä niitä tarkentavia liiketoimintakysymyksiä pääsemme hyvään lopputulokseen.

How we got into 4-days workweek

Steen Rasmussen – IIH Nordic

Steen Rasmussen esitti mielenkiintoisen puheenvuoron yrityskulttuurin transformaatiosta. Kyse oli pikemminkin pienryhmäkeskustelusta, jossa hän kävi läpi IIH Nordicin digitaalisen transformaation. Hyvin sekava organisaatiokulttuuri koki muutoksen sellaiseen, jossa pystyttiin tehostamaan monia työtottumuksia ja tapoja automaation sekä eri käytännön menetelmien avulla.

Työskentely lyhyissä ”stinteissä”

Työtä tehdään tehokkaissa ”stinteissä”. Työntekijöillä on jokin ajan mittari joka viestii milloin henkilöä voi seuraavan kerran häiritä. Näin pystytään minimoimaan keskeytykset, joita normaaliolosuhteissa tulee huomattavan paljon.

Yritys on siirtynyt kokonaisuudessaan neljän päivän työviikkoon. Kokonaissäästöä tunneissa on tähän päivään asti kertynyt 16 000 tuntia. Kysymyksiä yleisössä heräsi muun muassa siitä, miten tämä on kommunikoitu asiakkaan suuntaan. Tärkeimmissä asiakaspalavereissa tulee Rasmussenin mukaan olla paikalla, mutta muuten työntekijöillä on perjantai vapaana.

Palaverikäytäntö

Palaverit kestävät joko 20 tai 45 minuuttia, ei yhtään enempää. Jos palaverille ei ole määritelty agendaa, voit kieltäytyä siitä suoraan. Palaverit on muutenkin pyritty järjestämään mahdollisimman tehokkaiksi. Lisäksi palavereissa on munakellot, jotka hälyttävät 5 minuuttia ennen palaverin päättymistä.

Yritys on lisäksi hyödyntänyt virtuaalisia assistentteja. Käytännössä Filippiineillä on tiimi, joka finalisoi PowerPoint-presentaatiot.

Ohessa toinen Steen Rasmussenin pitämä presentaatio Superweekiltä oikeiden kysymysten esittämisestä analytiikassa.

Actionable Dashboards

Keskustelun fasilitoijana eräs analyytikko asiakkaan puolelta

Avoimen keskustelun lähtökohtana oli ajatus siitä, että syötämme dashboardeihin liikaa tietoa, määrittelyt eivät ole täysin selkeitä, eikä prosessia ole vastuutettu kunnolla. Fasilitoija esitti aina kerrallaan yhden kysymyksen, jonka ympärillä keskustelu kävi. Näkemyksiä kuultiin lähinnä asiakkaan puolella toimivilta henkilöiltä, lukuunottamatta muutamaa agency-henkilöä.

Kohderyhmänä yrityksen C-level

Mielenkiintoinen havainto yhden asiakkaan edustajan suusta oli se, että yrityksessä on määritelty yksi (1) vastuuhenkilö, joka päättää dashboardille tulevien näkymien ja datan määrän. Näin pidetään kontrollissa se, että dashboard ei paisu valtavan suureksi eikä tule jatkuvia ylimääräisiä pyyntöjä tyyliin ”saisinko vielä tämän mittarin x?”.

Keskustelua käytiin myös siitä, mitkä luvut ovat oikeat millekin kohderyhmälle. Yleinen konsensus oli, että ylin johto ei ymmärrä tai halua syvempiä lukuja, vaan heille tulee esitellä hyvin yksinkertaiset KPI:t. Kaikki olivat yhtä mieltä siitä, että KPI:t pitää rajata tarkkaan. Tämän voi ratkaista kysymällä johdolta oikeat kysymykset.

Miten voimme sitten varmistua siitä, että suositukset ja johtopäätökset pannaan täytäntöön? Mielipiteitä esitettiin muun muassa siitä, että johtopäätöksissä tulisi selkeästi tuoda esille se taloudellinen menetys minkä yritys voi kokea, jos he eivät tee kyseistä päätöstä.

Lopputulemana voidaan sanoa, että sekä asiakkaat että toimistot ovat melko samankaltaisten haasteiden edessä. Dashboardeille haluttavan tiedon määrä kasvaa koko ajan, ja meidän tulee löytää keinoja rajata sekä tiivistää tätä tiedon määrää peilaten alkuperäisiin mittareihin.

How cognitive bias affect our jobs?

Melody Barlage – Merchandising Analyst – De Bijenkorf

De Bijenkorfin analyytikko kävi läpi Daniel Kahnemanin kirjaan ”Thinking Fast and Slow” perustuvaa väittämää, että ihmisessä on kaksi ajattelun ”ulottuvuutta”: nopea ja hidas puoli. Nopea järjestelmä on intuitiivinen ja käsittelee esimerkiksi jokapäiväisiä asioita (kuten kaupassa käynti). Hidas puoli vuorostaan on tietoinen, tarkempi järjestelmä joka käsittelee monimutkaisempia päätöksiä.

Melody johdatteli aiheeseen esittämällä väittämän, että hypoteesimme ovat monesti perustavanlaatuisen vääriä, koska teemme liikaa ennakko-olettamuksia. Toisaalta tämä on ymmärrettävää, koska aivomme säästävät näin energiaa. Tämä johtaa ns. halo effecteihin, eli mielikuvat esimerkiksi jostain henkilöstä vaikuttavat vahvasti siihen, mitä mieltä olemme kyseisestä henkilöstä kokonaisuudessaan. Tämä luo myös ilmiöitä kuten ”false positives”, joka puolestaan tarkoittaa sitä, että jonkin testin tulos indikoi väärin lopputulosta: positiivisen tuloksen pitäisikin olla negatiivinen.

Miten näitä voidaan sitten soveltaa meidän päivittäiseen työhömme? Ennen kaikkea meidän tulisi varmistaa, että olemme keräämässä oikeita lukuja, ja onko n-määrä riittävän suuri.

Melody tiivisti esityksensä väittämään, että meidän tulisi ottaa ”System 2” enemmän käyttöön, eli se hitaampi ja tietoisempi järjestelmä. Näin vältämme hyppäämästä hätiköityihin johtopäätöksiin. Myös oikeiden hypoteesien luominen sekä niissä pitäytyminen ovat avainasemassa.

Lopuksi

Measurecampissä käsiteltiin lisäksi laajalti aiheita datan käytöstä sekä sen eettisyydestä. Pidin itse pienryhmätyylisistä keskusteluista, joissa heräteltiin ajatuksia ja yhdessä pohdittiin ratkaisuja ongelmiin.

Seminaarin ainoa miinus oli mielenkiintoisten esitysten paljous: nyt oli pakko priorisoida ja valita ne mielestään kiinnostavimmat puheenvuorot. Jatkotoiveena voisikin olla, että osallistujat pääsisivät näkemään materiaalit kaikkiin esityksiin.

Timo Filppula työskentelee ToinenPHD:n Annalectissa digianalytiikkatiimissä konsulttina.