Blog

Dataindsigt: Forretningens fremtid kan være skjult i jeres data

At udvikle (gode!) digitale løsninger er svært. Der er en million beslutninger, der skal træffes. Hvordan finder man ud af, hvilke der er rigtige, og hvilke der er forkerte? Og ud af alle de rigtige beslutninger, hvilken er den bedste? Mange løsninger er efterhånden blevet udviklet på baggrund af mavefornemmelser. Men med de nuværende muligheder for direkte indsigt i brugeradfærd kan vi få et smartere, mere præcist grundlag at træffe beslutninger på.

Product analytics viser, hvordan brugerne i virkeligheden opfører sig i din løsning, fremfor hvad de fortæller dig, at de gør. Det giver mulighed for at få et bredere perspektiv end spørgeskemaer og interviews, der kan være præget af bias, og kun repræsenteret af få, udvalgte brugere. Med data om brugeradfærd kan vi i realtid, og i langt større skala se, i hvilket omfang løsningen opfylder brugernes behov. Den direkte indsigt i brugeradfærd er en måde at risikominimere beslutninger og arbejde med et faktuelt grundlag fremfor mavefornemmelser, når det kommer til indsatser.  

Med product analytics kan man besvare spørgsmål som: 

  • Hvad er de generelle brugerkarakteristikker?  
  • Hvordan skaber løsningen værdi for brugeren? 
  • Hvilke features anvendes, og hvilke gør ikke?  
  • Varierer brugen på tværs af brugergrupper? 
  • Kommer nye brugere igang med at bruge systemet? 
  • Hvad kendetegner de mest aktive brugere, og gør at de fortsætter med at bruge det? 
  • Hvor falder brugere fra? 

Forbedring af løsninger er forbedring af forretningen  

Der er altså ikke ét gyldent spørgsmål, som man skal besvare for at udvikle gode digitale løsninger. I stedet er det vigtigt at analysere anvendelsen fra mange vinkler, og bruge denne viden til at imødekomme brugernes behov bedst muligt. Og når vi arbejder med digital transformation i Ditmer, så kommer vores systemer så tæt på kerneforretningen som man kan komme. Her kan viden om systemet bruges til at forbedre forretningen på flere måder: 

Højere kundetilfredshed

Ved at bruge data til at skabe en bedre brugeroplevelse (sikre en nem onboarding og udførelse af opgaver), kan det give en højere kundetilfredshed, en højere omsætning pr bruger/kunde, bedre fastholdelse af brugere/kunder og en bedre konkurrenceevne.

Optimering af nuværende processer

Data kan bruges til at optimere forskellige flows i systemet med fokus på en højere og hurtigere gennemførelse. Dette kan resultere i en effektivisering af de nuværende processer.

Opnå flere loyale kunder

Ved at opnå indsigt i de mest aktive brugere/kunder og hvad der kendetegner deres adfærd, kan denne viden bruges til at gå efter nye, loyale kunder

Målrette indsatser med maksimal effekt

Med data kan man opnå indsigt i omfanget af forskellige udfordringer, og derved de steder, hvor indsatser vil have den største effekt. Dette medfører, at man ikke spilder ressourcer på indsatser med minimal effekt, og i stedet kan prioritere dem med størst udbytte.

Hvordan, hvor meget og hvor ofte systemet bruges har altså en stor effekt på forretningen, og der er derfor meget at vinde ved at dykke ned i denne viden. Men disse data er ikke noget værd i sig selv – først når de bruges til at guide beslutninger, realiserer de deres værdi. 

At indsamle data er ikke nok i sig selv 

Mange påstår at de er data-drevet. De praktiserer "data"-delen ved at indsamle en masse data, men de glemmer at fokusere på den anden del af ordet: "drevet". En god tommerfingerregel er, at hvis du har et datapunkt, som du ikke kan handle på, så er det der måles en dårlig metrik. De kommer til at støje, og du kommer til at spilde ressourcer  at analysere data, der giver minimal indsigt i anvendelsen af din løsning. Gode metrikker skal i stedet informere, guide, forbedre løsningen og hjælpe med at træffe beslutninger. Hvis I ikke kan svare på spørgsmålet "Hvad vil vi gøre anderledes baseret på denne information?", så skal I ikke bekymre jer for meget om metrikken. 

Man snakker ofte om "vanity metrics" som betegnelse for dårlige metrikker – de virker imponerende, men er svære at handle på når det kommer til stykket. Sådanne metrikker kan kendetegnes ved at være konstant voksende af natur (peger opad mod højre i en graf), hvor mere altid føles bedre, men de fortæller egentlig ikke noget om brugeroplevelsen.  

Eksempler på dårlige metrikker:

Antal brugere

Tallet kan stige, men det siger intet om hvor succesfuld løsningen er. Der kan være mange, der reelt set ikke anvender løsningen.

Antallet af downloads

Et download alene er ikke ensbetydende med at brugeren har opnået værdi.

Page views

Fortæller ikke noget om brugerne finder det de søger på de specifikke sider. Tværtimod, kan et højt tal indikere at de ikke gør.

Tid per side

Man kan fejlagtigt tolke den som et højt engagement, men en lang tid er langt fra ensbetydende med en positiv oplevelse (med mindre det er et decideret mål for brugeroplevelsen som fx YouTube)

Men hvilke metrikker skal man så måle på? Hos Ditmer har vi udviklet vores eget framework til identificering af de rigtige metrikker. De mest værdifulde metrikker er nemlig eksterm kontekst-specifikke, og skal skræddersyes til den enkelte løsning og brugskontekst. Man kan stille sig selv følgende spørgsmål for at identificere det mest centrale for dataindsamlingen:  

  • Hvilken adfærd har vores loyale brugere, og måler vi på det? 
  • Har vi alle forskellige personaer repræsenteret? 
  • Hvad vil være mest risikabelt at tage fejl omkring, og måler vi på det? 
  • Er alle centrale handlinger i brugerrejsen repræsenteret i metrikkerne? 
  • Kan vi ud fra datene se, om vi er på rette spor med løsningen? 

Gode metrikker er ikke magi. De kan ikke fortælle dig, hvad du specifikt skal gøre, når kun 10% af brugerne er aktive dagligt. De kan desuden heller ikke fortælle dig hvorfor. Der er mange ting man kan gøre for at undersøge, hvorfor brugerne ikke anvender systemet, eller for at forsøge at påvirke metrikken i en positiv retning. Men pointen er, at du gør noget baseret på den data du indsamler. Brugeren opnår ikke værdi gennem mange sidevisninger, så hvorfor måle løsningens succes på den måde? 

Sådan kommer I i gang 

 

I har en softwareløsning, og kunne tænke jer mere indsigt i hvordan den bliver brugt med henblik på at opnå en bedre udnyttelse, mere salg, og/eller højere medarbejder/kunde/bruger-tilfredshed. I forhold til brugeradfærd kan det komme til udtryk som et ønske om at få flere brugere i gang, forhøje deres aktivitet, og/eller blive bedre til at fastholde dem.

Når behovet er på plads, skal I finde ud af, om I vil have en samarbejdspartner, der både kan hjælpe med at udpege de rigtige metrikker, implementere tracking-værktøjet, indsamle data og analysere dem, samt identificere og implementere tiltag – eller varetage processen selv. Om I skal samarbejde med en partner eller ej (her vil Ditmer selvfølgelig være en oplagt mulighed), vil en stor del af den første fase være juridiske afklaringer omkring brugersamtykke og værktøjet, der tracker. Uanset hvad, skal der ikke være nogen tvivl om at det – med det rette værktøj og implementering – kan lade sig gøre at indsamle data fuldstændig anonymt, have kontrol og hvad og hvor data opbevares og stadig opnå de nødvendige indsigter.  

Hvis man ikke ved meget om sine brugere, så kræver det heller ikke meget data før man opnår ny viden. Herfra kan der identificeres nye tiltag med løsningen, men det kan også være indsatser udenfor løsningen selv – opfølgning ved brugere, marketingtiltag for at skabe opmærksomhed omkring en overset feature, eller en målrettet salgsindsats for at opnå flere brugere, der deler fællestræk med de mest aktive brugere. Så det er bare med at komme i gang med at opnå læringer, og bruge fakta-baserede indsigter til at guide beslutninger fremadrettet. 

Nysgerrig efter mere?

Nysgerrig efter mere?

Modtag vores viden og erfaringer med digitalisering, skriv dig på listen og modtag løbende inspiration til dit arbejde med digitalisering.