Som mange andre sporer jeg nesten alt en bruker kan gjøre på de digitale flatene jeg har ansvar for. Dette har resultert i en uendelig strøm av data som kontinuerlig blir større og vanskeligere å forholde seg til.
Formålet alle bedrifter har med dette er å på en eller annen måte hente ut innsikt, men det er her det ofte stopper opp. For hva er egentlig en innsikt? Og hvordan kommuniserer du dette effektivt til resten av organisasjonen?
Her har jeg prøvd flere tilnærminger. Satt opp flere dashboards som forklarer alt jeg mener er relevant, gjort retentionanalyser, og anvendt AARRR og andre rammeverk. Disse metodene er utvilsomt nyttige, men de krever både tid og en del kompetanse for å forstå hva de faktisk representerer. Dette skaper en barriere, spesielt når vi står overfor tilsynelatende enkle spørsmål:
Hvem er våre mest engasjerte brukere?
Hvor mange opplever verdi av tjenestene våre?
Er det en korrelasjon mellom engasjerte brukere og churn?
Når slike spørsmål stilles til de som jobber med dataanalyse, blir svaret ofte en form av: “tja, det avhenger av hvordan du måler x…“. Dette fører igjen til mer sporing og nye dashboards, fylt med grafer og tabeller som gir innsikt i ulike aspekter, men som sjelden gir et klart svar på det man egentlig søker etter. Dette fører igjen til information overload, og blir et hinder i stedet for en hjelp.
Jeg stilte meg selv derfor spørsmålet: Finnes det ikke en enklere måte å gjøre dette på? En metode som gir klare svar på våre grunnleggende spørsmål uten å drukne oss i en tsunami av data og kompliserte analyser?
Jeg ønsket å skape et målepunkt som var intuitivt og lett forståelig, et tall som folk kunne forholde seg til uten å måtte dykke ned i enorme mengder data.
En metode å gjøre dette på er å telle alle handlinger en bruker utfører, og bruke dette som grunnlag. Men en slik tilnærming vil miste noe vesentlig: ikke alt en bruker gjør har samme verdi. For eksempel spiller ingen rolle hvor mange ganger en bruker besøker norwegian.no hvis de aldri bestiller en reise. Et slikt målepunkt vil derfor gi et misvisende bilde.
En annen tilnærming er å tildele poeng til hendelser jeg anser som verdifulle, og deretter beregne en samlet poengsum for hver bruker innenfor en gitt periode. Men dette mister også noe vesentlig. For hva betyr det egentlig at en bruker har oppnådd 231 poeng? Er det godt, middelmådig, eller dårlig? Og hvordan står det seg i forhold til en bruker som har 321 poeng?
Løsningen jeg gikk for var å vektlegge de hendelsene jeg mente representerte engasjement, for å så normalisere den endelige poengsummen for å gi den kontekst. Her er fremgangsmåten jeg brukte:
Jeg plukket ut hendelser som indikerte engasjement, for eksempel “User Signed In”, og tildelte hver av disse en vekting fra 0 til 10. Vektingen ble basert på hvor viktig jeg anså hver enkelt hendelse.
Jeg opprettet så en cron job som regelmessig hentet data fra vår analyseplattform (Mixpanel). Denne jobben samlet inn alle hendelsene en bruker hadde utført de siste 7 dagene. For hver hendelse telte jeg opp antall ganger den ble utført av en bruker, og multipliserte dette tallet med den tilordnede vektingen. På denne måten fikk jeg et kvantifisert grunnlag for å vurdere hver enkelt brukers engasjement.
For å gjøre poengsummen mer forståelig og relatérbar, brukte jeg Winsorizing for å normalisere poengene til en skala mellom 0 til 100, som jeg så sendte tilbake til Mixpanel som en event på hver bruker. Med dette hadde jeg en KPI som representerer hvor engasjert en bruker er med mine digitale flater, i prosent.
Jeg har med dette ett enkelt målepunkt å forholde meg til. Et enkelt målepunkt som jeg mener representerer verdien våre digitale flater leverer til hver enkelt bruker.
Dette har resultert i en bedre forståelse av våre ‘power users’ og hva som gjør dem spesielle. Vi har fått bedre innsikt for å gi brukerstøtte, identifisere brukere som holder på å dette av, og oppdage nye vekstmuligheter. Det har også hjulpet med å identifisere hvilke funksjoner som er mest verdifulle for våre beste brukere/kunder.
Utover dette har jeg også brukt snittet på tvers av alle brukere til å kalkulere en totalscore for hver løsning. Dette har vært helt fantastisk for å se om det vi gjør faktisk fører til engasjement.
Denne prosjektet har ikke bare forenklet måten jeg analyserer data på, men har også bidratt til bedre beslutningstaking og strategiutvikling. Alle på mitt team nå bedre rustet til å forstå våre brukere og forbedre våre tjenester.
