Reportáž: DATA restart 2018 – zajímavé myšlenky z akce

Začátek dubna patří již tradičně konferenci DATA restart zaměřené na práci s daty. Jejím letošním ročníkem se prolínaly otázky zákaznické analytiky,
atribuce či lokačních dat. Aktuálním tématem byla samozřejmě
i příprava na GDPR. Jaké jsou hlavní myšlenky z akce, které byste měli znát? 

První doporučení hned na začátek: pokud máte zájem, prohlédněte si všechny prezentace (spolu s doplňujícími odkazy) na webu konference, kde jsou ke stažení nejen pro účastníky akce, ale kohokoliv dalšího. V našem článku k nim najdete výběr nejzajímavějších informací.

Jak se mění práce analytika

Martin Bosák zahájil konferenci vykreslením hlavních směrů vývoje (jak historických, tak i budoucích) přístupů jednotlivých firem z různých segmentů k práci s daty. Zajímavé mi přišlo znázornění, z jakého prostředí (škola, původní zaměření) analytici přicházejí spolu s popisem různých přístupů.

Martin Bosák zmiňoval i častý nesoulad v představách a přístupu k datové analýze u IT vs. business a také nejčastější úskalí, na která se naráží při nastavování analytického přístupu k datům ve firmách různých velikostí.

V průběhu přednášky i v následné diskuzi bylo znatelné doporučení pro datové analytiky, aby se nespecializovali pouze na vybrané nástroje. Čím dál více je totiž patrný trend, aby byl analytik především schopen porozumět smyslu dat a aplikovat na ně v tu chvíli vhodné nástroje. Ty se navíc neustále vyvíjejí směrem k self-service.

Za hranice Google Analytics

Přednáška Tomáše Baxy byla zaměřena na vyhodnocování přínosů jednotlivých online marketingových kanálů pomocí atribuce, která jde dále, než co je aktuálně možné analyzovat v Google Analytics.

Tomáš nejdříve připomněl problém standardní výchozí atribuce (last click) v porovnání s dalšími nejčastějšími přístupy:

Martin i demonstroval, jak je důležité vyhodnocovat přínos jednotlivých kanálů – až 40 % objednávek bylo na příkladu uskutečněno až po 12 a více návštěvách, z čehož je zřejmé, že vyhodnocovat pouze z poslední interakce zákazníka může být krátkozraké.

Přednáška byla zaměřena na možnosti analytiky při využití OWOX BI. Nástroj lze rozdělit do 3 částí:

• Pipeline – ETL nástroj pro import dat do GA a BQ
• Attribution – Atribuce založená na nákupním trychtýři
• Smart data – Porovnání atribučních modelů

Výhodou analytiky pomocí OWOX BI je i skutečnost, že lze do Big Query ukládat nelimitovaná, hrubá, nesamplovaná data – u velkých klientů se často naráží na limitace a zkreslení právě kvůli samplování dat. Pomocí napočtených dat v OWOX BI je možné následně i automatizovaně ovlivňovat kupříkladu bidding v reklamních nástrojích (například v Google Adwords).

Vytěžování lokačních dat v e-commerce

Přednáška Lukáše Puchrika byla zaměřena na téma, jak a proč vytěžovat lokační data v e-commerce včetně různých úskalí, zkreslení, vizualizace a využití získaných dat.

Na příkladu dvou poboček jedné společnosti bylo znázorněno, jak je důležitý kontext dat – „papírově“ podobné prodejny na 2 místech mají zcela odlišnou spádovost (lokální záběr vs. prodejna u nádraží, která obsluhuje zcela jiné zákazníky), viz:

Velký důraz by měl být kladen už při sběru, validaci a využití dat. Může se totiž stát, že je adresa zadána necelá, špatně nebo jinak (například lokální lidové názvy), což může zapříčinit, že geokódovací služba přiřadí zcela špatnou pozici. Jako vhodné se jeví využití služby SmartForm.cz, jež validuje adresy již na vstupu a může tak výrazně pomoci s čistotou dat už při zadávání zákazníkem.

Velké upozornění padlo ohledně časté praxe, kdy se pro analytiku používá PSČ jako identifikátor lokace – tento přístup má řadu nedostatků, mezi které patří:

• Jedno PSČ je pro velmi rozsáhlou oblast, v podstatě není možné zjistit z dat zajímavější závěry (pokud nemají být jen velmi hrubé).
• Stejné PSČ může mít oblast i v různých okresech.
• Nesouvislá (přerušená) plocha přiřazeného PSČ.

Velmi silná je kombinace interních a externích (a často veřejně dostupných) dat, kdy je následně možné nejen svá data analyzovat, ale i dát je to do souvislostí a získat tak širší pohled na trh a jeho potenciál. Lze tak zároveň analyzovat a vytipovat si oblasti pro umístění nové pobočky, výdejny či třeba automatu.

Lukáš Puchrik uvádí ve své prezentaci řadu různých zajímavých externích zdrojů dat společně s příklady – doporučuji projít si je a inspirovat se.

Analytika ve světě startupů

Přednáška Petra Bureše byla zaměřena primárně na SaaS (Software as a Service) projekty se subscription platebním modelem (kupříkladu automatická platba 1x měsíčně za používání služby) v prostředí startupů. Cílem přednášky bylo popsat nejčastější problémy a ukázat možná řešení:

• Single Page Aplikace – Řada moderních webů/aplikací je řešena způsobem, že se návštěvník pohybuje po webu, ale přitom se nemění URL adresa v adresovém řádku. Ukázáno je elegantní řešení přes GTM i alternativní řešení, které je nutné zprovoznit už s vývojářem aplikace.
• Self-Referrals – U mnoha webů je obsah distribuovaný přes více subdomén nebo i různých domén, které na sebe různě odkazují. Při vyhodnocování kanálů návštěvnosti tak narážíme na velké zkreslení a nelze se dopracovat původního zdroje návštěvnosti. Prevencí je tak správné nastavení Google Analytics. Ve zmíněné prezentaci je případně popsáno detailně, na co si dát konkrétně pozor.
• Přihlašování ze sociálních sítí – Registrace/přihlašování ze sociálních sítí často funguje pomocí přesměrování, čímž se opět ztrácí původní informace o zdroji návštěvy. V prezentaci jsou znázorněny přístupy a řešení u Google a Facebooku.
• Měření cílů – Je nezbytné mít přesně definované cíle, jejich rozřazení i hodnoty a mít ošetřeno, že jsou odeslány jen při reálném dokončení (například si pohlídat chybně vyplněné formuláře).
• Měření revenue – U SaaS se subscription modelem je nevýhodou Google Analytics, že neumožňují pracovat s opakujícími se platbami. Vhodné je tak měřit třeba pouze první platby jednotlivých zákazníků a celkově pro tento typ analytiky spíše používat nástroje, které jsou k tomu přímo určené (Profitwell, Chartmogul a jiné).

Kliková vs. impresní atribuce

Vystoupení Pavla Šímy bylo zaměřeno na problematiku měření především bannerových kampaní. Šíma vychází z faktu, že 99,9 % zobrazených bannerů není prokliknuto, ale určitě mají vliv na rozhodování a chování zákazníků, jež se sice doměřuje náročněji, ale možné to je. Určena je k tomu právě impresní atribuce, při níž jsou do konverzní trasy zahrnuty i interakce (zobrazení – imprese) bannerů.

Rozdíl v jednotlivých atribučních přístupech je znázorněn na následujícím obrázku:

Pro smysluplnou impresní atribuci je doporučeno, aby na nákup displejové reklamy bylo alokováno zhruba 5–10 % online marketingového rozpočtu.

Využitím impresní atribuce je možné získat lepší přehled o přínosu bannerové inzerce a nedoufat jen v těžko uchopitelný branding efekt, nebo ji rovnou odepsat jako nevýkonnou. Je ale potřeba si dát pozor na správné a relevantní vyhodnocování.

Zvyšte věrnost zákazníků segmentací

Mirek Černý se zaměřil na oslovení zákazníků na základě jejich segmentace. Celou přednáškou se prolínala důležitost retence, která následně určuje celkový obrat (na příkladu „Když Retention Rate vzroste o 10 %, vzroste obrat o cca 55 %.“). Na několika různých příkladech Mirek Černý ukázal konkrétní účely spolu s přínosy segmentace – oslovení zákazníků ať už e-mailingem, prostřednictvím obchodníků (prodejce aut), nebo Facebook kampaně. Pro vytvoření vhodných segmentů je doporučována RFM segmentace.

Nadupaný kontejner pro analytiku v B2B

Michal Blažek zaměřil svoji prezentaci na analytiku B2B webů spolu s pokročilými možnostmi nastavení GTM – ať už z pohledu trackování událostí, nebo jak vyhovět GDPR. U B2B je často těžké pracovat s klasickými analytickými postupy pro vyhodnocování účinnosti inzerce a porovnávání mezi jednotlivými marketingovými kanály, proto je potřeba se zaměřit na odlišné cíle.

U sledování konverzí rozděluje důležitost na 3 hlavní typy:

• Hard konverze – kontaktní formuláře, klik na e-mail, telefonní číslo, a jiné
• Medium konverze – kopírování na webu
• Low konverze – kurzor přes důležitý prvek a podobně

U každého typu Michal Blažek odhaluje i konkrétní praktické ukázky nastavení, podle nichž si takto GTM může relativně snadno nastavit každý.

Hluboké učení pro každého? Neuronové sítě

Neuronové sítě a jak je využít nejen v marketingu představil Jan Matoušek. Nejdříve nastínil, v jakých všech odvětvích se neuronové sítě používají a jak pomáhají lépe například diagnostikovat rakovinu či obchodovat na finančních trzích. Velký prostor byl v přednášce věnován právě tomu, kde se naučit neuronové sítě konstruovat – jak se vzdělávat (Datacamp, Coursera), jaké jsou častá úskalí a jak vybrat správný softwarový balíček (Keras + Tensorflow).

Zonky: jak jsme otočili trh díky analytice

Pavel Novák ze Zonky na příkladu své firmy demonstroval, jak je pro úspěšnost podnikání důležité data nejen mít, ale dávat je do souvislostí, a především je pochopit.

Většina přednášky byla věnována analytikům takzvané generace 3.

První generaci dle Nováka představují „webaři“, kteří se dívají pouze na metriky spjaté s webovou analytikou, druhou generaci tvoří „dataři“, kteří už přidají i další metriky spojené s celkovým byznysem, ale ideální třetí generaci analytiků tvoří lidé, kteří jsou vlastníky svěřených kanálů, za něž nesou odpovědnost a vyhodnocují náklady a přínosy jednotlivých kanálů.

Pavel Novák formuloval doporučení pro stávající „webaře“ a „dataře“, jak se stát žádaným a efektivním analytikem:

• Nejprve se naučte řídit klíčová slova dle business dimenzí, až potom řešte atribuce.
• Než začnete žokejovat online kanály, buďte si jistí, že máte v pořádku proces.
• Mějte jasno, jestli chcete mobil, nebo desktop a řiďte se podle toho.
• Specializovaný web analytik není efektivní. Efektivní je analytik, který umí pracovat se všemi daty, mimo jiné i s daty z webu.

Závěrem přednášky bylo doporučení spíše si vychovat schopné lidi místo najmutí specialistů, kteří pracují pouze v některém z nástrojů nebo jsou až příliš fixování na určitý typ dat.

Jak využít data z OpenStreetMap pro analytiku

OpenStreetMap (OSM) je výborný zdroj dat pro následné analytické využití – ideálně v kombinaci se znalostmi z přednášky o vytěžování lokačních dat v e‑commerce od Lukáše Puchrika. Lukáš Nevosád velmi pěkně a názorně představuje, jaká všechna data lze z OpenStreetMap získat a jakými způsoby.

Vhodné pro další analýzu mohou být například body zájmu, které jsou v OSM většinou velmi dobře zaznamenány. Doporučeným nástrojem, jak si s daty z OSM „hrát“, vizualizovat je a exportovat pro další použití, je OverPass Turbo. Dále Lukáš Nevosád ukázal několik nástrojů pro uživatelsky příjemnou analýzu mapových dat (MapBox, Carto).

GDPR ve světě webové analytiky

Přednášku André Hellera doporučuji určitě zkouknout všem – GDPR je již za dveřmi a bude nutné se na něj připravit i ohledně sběru dat. Nejdříve jsou zmíněna data, která se sbírají do Google Analytics a také data, která tam určitě neposílat – především e-mailové adresy (kupříkladu v adresovém řádku jako parametr) a podobně.

V rámci přednášky byly zmíněny různé nástroje, cookies či propojení s nástroji a jak se na ně GDPR vztahuje – k čemu je potřeba pouze informovat a k čemu je potřeba aktivní souhlas. Nebudu ale zde jednotlivé příklady vypisovat a odkážu vás na přehledně zpracovanou prezentaci.

Na závěr André Heller uvádí checklist:

1. Zkontrolujte, co měříte za data.
2. Anonymizujte IP adresy.
3. Stáhněte si smlouvu od Googlu.
4. Odškrtejte checkboxy.
5. Vyplňte kontakty.
6. Nastavte si zpracovatelské smlouvy s agenturami.
7. Nastavte si souhlasy a informační stránky.
8. Radujte se z nového internetu.

Otevřená vnitrofiremní data

Honza Mayer zaměřil svoji prezentaci na analýzu interních firemních dat – výkonu jednotlivých zaměstnanců, jejich odměn v návaznosti na přínos firmě, rentabilitu práce na jednotlivých klientech, odděleních a tak dále.

Celý proces přenastavení interní analytiky měl u Dataweps následující kroky:

1. Černá díra
2. Řezání
3. Profit
4. Demokratizace
5. Odměny

Honza Mayer je velký zastánce demokratizace dat (uvnitř firmy) a jejich sdílení mezi zaměstnanci. Podle něj tak lze včas identifikovat možné neefektivní procesy, motivovat zaměstnance a vytvořit vyšší zisk.