Model OAMM strategia zarządzania i analityka webowa

610 views

Published on

Podejście do analityki webowej i model OAMM

Published in: Data & Analytics
0 Comments
2 Likes
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total views
610
On SlideShare
0
From Embeds
0
Number of Embeds
6
Actions
Shares
0
Downloads
9
Comments
0
Likes
2
Embeds 0
No embeds

No notes for slide

Model OAMM strategia zarządzania i analityka webowa

  1. 1. Strategiczne zarządzanie przedsiębiorstwem w obliczu dojrzałości analityki internetowej Zbigniew Nowicki
  2. 2. Co ma piernik do wiatraka? Czyli, czy w ogóle analityka internetowa jest potrzebna w strategii zarządzania firmą? 2 Gromadzenie wiarygodnych danych z Internetu i aktywności powiązanych Filozofia budowania i kierowania strategią działań on-line Podejmowanie trafnych decyzji dla kolejnych inwestycji w działania on-line
  3. 3. Trójkącik analityczny 3 Budowanie centrum kompetencji analityki internetowej w organizacji Biznes TechnologiaAnalityka
  4. 4. Dojrzała analityka webowa to nie narzędzia Narzędzia są wyłącznie elementem analitycznej kultury organizacji 4
  5. 5. Taniec 4 kroków Czyli, jak sprawnie zacząć przygodę z analityką internetową? 5 Dobór i konfiguracja narzędzi Analiza danych i raportowanie Permanentna optymalizacja Opracowanie KPI Cele strategiczne i operacyjne Raportowanie wartościowych informacji Nie ma nic za darmo ;P Proces stałego doskonalenia 1 2 34
  6. 6. Określenie KPI na potrzeby analityki webowej Wypadkowa celów strategicznych i operacyjnych 6 Cele strategiczne Cele operacyjne Wskaźniki wydajności Oczekiwane wartości Bezpieczna zyskowność Zwiększenie wartości koszyka Średnia marża 22% Lojalni konsumenci Rejestracja w programie bonusowym Średnia liczba rejestracji w miesiącu 5 000
  7. 7. Mając KPIs możemy dobierać narzędzia Zawsze w modelu dwóch współzależnych światów ON + OFF 7 Analityka on-site Analityka off-site
  8. 8. Analityka on-site Analityka on-site bada zachowania użytkownika podczas jego obecności na stronie internetowej. Ocena zachowania jest wynikiem łączenia różnych technologii i metod. Głównym celem analityki on-site jest pomiar skuteczności witryny w kontekście komercyjnym. 8
  9. 9. Analityka off-site Analityka off-site umożliwia firmom śledzenie i podążanie za trendami, monitorowanie otoczenia biznesu on-line i wizerunku firmy. Za pomocą analityki off-site jesteśmy w stanie ocenić potencjał użytkowników strony oraz oczywiście szum informacyjny dotyczący naszych działań on-line. 9
  10. 10. 10 Dane ilościowe Informacje jakościowe Analityka on-site Co się wydarzyło? Dlaczego się wydarzyło? Kompleksowa wiedza o rozpoznanych i nierozpoznanych użytkownikach. Kompletna analityka on-site Fuzja danych ilościowych i jakościowych
  11. 11. Informacje jakościowe w ujęciu NPS Czy poszerzony NPS może odpowiadać na pytanie „Dlaczego?” 11 Pomiar wskaźnika rekomendacji (NPS), pokazującego skłonność do polecenia marki, produktu lub usługi. NPS jest oparty na założeniu, że klientów dowolnej firmy można podzielić na trzy kategorie: Promotorzy, Pasywni i Krytycy. Wcale nieprawdopodobne Krytycy Pasywni Promotorzy Wielce prawdopodobne 0 1 2 3 4 5 6 7 8 9 10 NPS =%Promotorów [9–10] – %Krytyków [0–6]
  12. 12. Jak ogólnie wybrać narzędzia analityczne? 12 Stopień szczegółowości pozyskania danych Elastyczność łączenia danych z różnych źródeł Realny wpływ na kreowanie wartości biznesowej przez budowanie pełnego profilu użytkownika
  13. 13. Jak wybrać narzędzia ilościowe – on-site? 13 Kryterium wyboru Struktura kosztów Funkcjonalność Testy i implementacja Utrzymanie i hosting Instant / Sample Dokumentacja i wsparcie Przewidywany koszt
  14. 14. Jak wybrać narzędzia jakościowe – on-site? 14 Kryterium wyboru Struktura kosztów Funkcjonalność i elastyczność Testy i implementacja Utrzymanie i hosting Wskaźniki jakościowe Dokumentacja i wsparcie Przewidywany koszt
  15. 15. 15 Jak wybrać narzędzia przekrojowe – off-site? Kryterium wyboru Dostępność mobilna Metodologia danych Segmentacja danych Częstotliwość aktualizacji Lokalnie / globalnie Dokumentacja i wsparcie Przewidywany koszt
  16. 16. Czas na raportowanie Dane to wiedza? 16 Zatem który z produktów ma najwyższą cenę średnią?
  17. 17. Czas na raportowanie Dane to wiedza… niekoniecznie! 17
  18. 18. Czas na raportowanie Wiedza to skoncentrowana prezentacja najważniejszych biznesowo danych 18
  19. 19. Ciągłe doskonalenie Czas na działania i ich weryfikacje w obliczu gromadzonych wyników 19 Iteracja 1 Iteracja 2 Iteracja N
  20. 20. Czy analityczny taniec 4 kroków to już wszystko? To zależy… 20
  21. 21. Nie powiedzieliśmy nic o ludziach A co warte są dane bez oceny i wykorzystania? 21
  22. 22. Online Analytics Maturity Model (OAMM) oferuje niezawisłą i łatwą do zrozumienia wizualizację zaangażowania danej organizacji w inicjatywę analityki Internetowej. 22
  23. 23. Model OAMM 6 wymiarów do określenia dojrzałości analitycznej organizacji 23 1. Zakres analityki w organizacji 2. Cel analityki w organizacji 3. Istotność analityki w organizacji 4. Zespół i jego kompetencje analityczne 5. Proces stałej optymalizacji oraz metodyka gromadzenia danych 6. Narzędzia, technologie oraz integracja danych WOMM Stephane Hamel
  24. 24. Model OAMM 6 wymiarów do określenia dojrzałości analitycznej organizacji 24 Zakres analityki Cel analityki Istotność analityki Dedykowane zasoby Metodyka i procesy Technologia i narzędzia 0 – 5 WOMM Stephane Hamel
  25. 25. Gradacja w modelu dojrzałości analityki cyfrowej 25 o Organizacja osłabiona o Organizacja na poziomie początkowym o Organizacja na etapie rozwoju o Organizacja na etapie integracji o Organizacja na etapie konkurowania o Organizacja uzależniona od analityki webowej 0 1 2 3 4 5 WOMM Stephane Hamel
  26. 26. Poziomy dojrzałości analityki cyfrowej 26 Gromadzenie danych Obserwacja zachowań Automatyzacja e-marketingu CRM Zarządzanie efektywnością
  27. 27. 27
  28. 28. Model OAMM Ocena przykładowego klienta prowadzącego analitykę webową 28 Zakres analityki Cel analityki Istotność analityki Dedykowane zasoby Metodyka i procesy Technologia i narzędzia WOMM Stephane Hamel
  29. 29. Dojrzałość wymaga automatyzacji Wzrost dojrzałości wymusza podejmowanie decyzji w oparciu o dane 29
  30. 30. Warte zapamiętania 30
  31. 31. Analityka Internetowa Analityka on-site – dane ilościowe Analityka on-site – informacje jakościowe Analityka off-site – trendy i otoczenie 31
  32. 32. Kluczowe kwestie do zapamiętania Zarząd i decydenci – przedstawienie konkretnych, wiarygodnych danych, na podstawie których mogą być podejmowane strategiczne decyzje odnośnie kierunków rozwoju. Marketing – określenie sposobu interakcji użytkowników w sieci, który pozwala dostosować strony i komunikację do oczekiwań użytkowników. Szczególnie istotne w e-commerce, gdzie wysiłek działań nakierowany jest na konwersję i retencję. Sprzedaż – pomaga ustalić charakterystykę demograficzną i zachowawczą użytkownika odwiedzającego strony. Dzięki temu można optymalnie dopasować oferowane produkty wraz z komunikacją do odbiorców danego serwisu. Dlaczego warto poważnie myśleć o analityce internetowej 32
  33. 33. Kluczowe kwestie do zapamiętania Model obnaża obszary wymagające usprawnień w dopasowaniu zasobów, procesów i technologii z deklarowanymi celami i zakresem wykorzystania analityki. Model pomaga zbudować plan konkretnych i osiągalnych ulepszeń, które docelowo zbliżają organizację ku dojrzałości w analityce cyfrowej. Model wyposaża górny i średni szczebel zarządzania w silne narzędzie komunikacji i perswazji, które może zostać wykorzystane do forsowania zmian organizacyjnych. Dlaczego warto pomyśleć o modelu dojrzałości analityki cyfrowej 33
  34. 34. 34 Avinash Kaushik % of web analytics success lies in the people you have behind the tools.
  35. 35. 35 Manager projektu Cel projektu
  36. 36. 36 Zarząd / Sponsor projektu Manager projektu
  37. 37. Bluerank Sp. z o.o. ul. Łąkowa 29 (MediaHUB) 90-554 Łódź Tel: (42) 632 33 21 Fax: (42) 632 15 51 www.bluerank.pl bluerank.blogspot.com facebook.com/bluerank Dziękuję za uwagę… …i zapraszam do zadawania pytań 37 Zbigniew Nowicki

×