Hvorfor du bør stole på dataene (og ikke magefølelsen din) for å lykkes med netthandel

Les transkripsjonen:

Vi prøver ut å transkribere podkastene våre ved hjelp av et program. Tilgi eventuelle skrivefeil, siden roboten ikke er korrekt 100 % av tiden.

Francois Marchand: Data. Det finnes så enorme mengder data der ute. Hva skjer når tallene kolliderer med forretningsintuisjonen din? Har tallene alltid rett? Hvordan følger du opp og bruker funn fra dataene til å ta bedre beslutninger? Det er gode spørsmål, ikke sant? 

Velkommen til The Ecomm Manager Podcast. Målet vårt er å hjelpe deg med å lykkes på netthandelsreisen din gjennom nyttige råd fra ekspertene som har oppnådd stor suksess. Jeg er programlederen din, Francois Marchand. 

I dag har jeg med meg Matt Ranta. Han er leder for fagområdet digital transformasjon, netthandel og strategi hos Nimble Gravity. Vi skal snakke om hvorfor du bør stole mer på dataene enn magefølelsen din for å lykkes med netthandel. Følg med for å oppdage beste praksis for innsamling og analyse av data innen netthandel, hvilke nøkkeltall netthandelsansvarlige ofte overser, og hvordan data er avgjørende for å få virksomheten din til å vokse.

Vi er veldig glade for å ha deg med i programmet i dag, Matt. Velkommen til The Ecomm Manager Podcast. 

Matt Ranta: Ja. Tusen takk for invitasjonen. Jeg ser frem til samtalen. Jeg setter først og fremst pris på muligheten. 

Francois Marchand: La oss snakke litt om deg og det du gjør hos Nimble Gravity. For dem som ikke kjenner deg: Hva er Nimble Gravity? Og hvordan begynte du å jobbe med dette selskapet?

Matt Ranta: Ja, absolutt. Nimble Gravity er en gruppe rådgivere og et samarbeidende team av eksperter som brenner for kraften i data. Vi mener at data i mange tilfeller – nesten alle – er bedre enn meninger. Vi prøver å innarbeide dette i områdene vi arbeider med, som er netthandel, strategi for digital transformasjon, datavitenskap, analyse og også utvikling. 

Det innebærer blant annet å sette sammen utviklingsteam som kan arbeide med programvareprodukter for selskaper. Vi har eksistert i rundt tre år. Jeg begynte i organisasjonen fordi den består av en gruppe tidligere venner og kolleger, helt ærlig. Mange av oss jobbet sammen i en tidligere organisasjon, Arrow Electronics, og har senere funnet veien tilbake til hverandre. Det er veldig morsomt. 

Francois Marchand: Hva gjør egentlig en leder for fagområdet digital transformasjon, netthandel og strategi? 

Matt Ranta: Ja, det er et godt spørsmål. Det kan være ganske mange forskjellige ting. Det kan være alt fra å hjelpe en ny merkevare med å lansere sitt aller første nettsted, til å komme inn som rådgiver for en organisasjon som er midt i en omfattende digital transformasjon, basert på erfaringene våre fra slike prosesser tidligere. Vi kan bidra med å identifisere utfordringer, vurdere hvilke plattformer vi har brukt eller ikke brukt, og kanskje hvorfor, samt hjelpe dem gjennom ulike utvelgelsesprosesser.

Fra et strategiperspektiv kan det handle om å vurdere organisasjonens kompetanse og forstå hvordan ting foregår der, arbeide med smidige arbeidsmetoder og innføre dette i organisasjonen. Det kan også gå helt inn i ledelsesrådgivning og ledelsesstrategi, slik man gjerne ser hos større virksomheter, som et av de typiske konsulentselskapene i de fire store.

Francois Marchand: Du arbeider med mange selskaper. Hvor mange kunder har Nimble Gravity akkurat nå? 

Matt Ranta: Vi deler ikke det nøyaktige antallet, men det er snakk om et tosifret antall. Ikke et tresifret antall. Et høyt tosifret antall, vil jeg si, og de er svært forskjellige. Vi arbeider med én organisasjon som beskytter dyreliv og bidrar til å overvåke dyreaktivitet og aktivitet i reservater, verneområder og lignende. 

De gir programvare til de ansatte som overvåker dette anlegget eller landområdet, hva det enn måtte være, og hjelper dem med driften. Vi arbeider også med klesmerker, store medisinske distribusjonsorganisasjoner og alle mulige andre typer virksomheter. Kundemassen er svært variert. Vi fokuserer ikke bare på for eksempel finansteknologi eller biomedisin. Vi har en svært mangfoldig kundegruppe, så arbeidet er ganske interessant. 

Francois Marchand: Du nevnte data. Det er åpenbart noe du arbeider svært tett med, og noe Nimble Gravity er eksperter på. Å gå inn i dataene – og det er vel det vi skal snakke om i dag: Hvorfor bør du stole på dataene i netthandel fremfor magefølelsen når målet er å lykkes?

Enten det betyr å bygge en merkevare fra grunnen av, maksimere salget eller optimalisere helt spesifikke deler av virksomheten. La oss snakke litt om det. 

Matt Ranta: Jeg kan gi deg et svært konkret eksempel på en mulighet jeg fikk presentert på et tidspunkt i karrieren. Da jeg begynte i Arrow Electronics, ble vi hentet inn som en gruppe personer for å bidra til en digital transformasjon og akselerere den digitale veksten deres.

Mange av oss kom fra bransjer utenfor elektroniske komponenter. Vi hadde derfor ikke nødvendigvis en forståelse av hvordan ingeniører tenkte – og de er i praksis forbrukerne av produkter for elektroniske komponenter. Vi hadde kanskje en forståelse av typiske forbrukere innen mitt fagområde, forbrukerelektronikk, altså personer som kjøper TV-er eller lignende.

For andre kunne det ha vært en annen disiplin eller bransje, sportsutstyr eller noe tilsvarende. Vi kom derfor inn og begynte å teste annonser, blant annet bannerannonser, i medier knyttet til elektroniske komponenter som vi visste at ingeniører besøkte, samt samlesider og lignende.

Vi brukte teknikker og tankemodeller fra bransjene vi hadde arbeidet i tidligere. Vi hadde tydelige handlingsoppfordringer, sterke og fargerike annonser og slike ting som skulle fange oppmerksomheten til disse menneskene og få dem til å samhandle med annonsene. Vel, gjett hva?

De hatet dette. Ingeniører liker ikke slikt i det hele tatt. Det vi fant ut, var at de faktisk foretrakk annonser som gikk mer i ett med bakgrunnen, og som kanskje inneholdt et koblingsskjema for en elektronisk komponent – ikke akkurat den typen innhold man vanligvis ville brukt i en tradisjonell B2C-annonse.

De foretrakk disse annonsene så sterkt at hvis du vet noe om klikkfrekvenser for bannerannonser, vet du at de vanligvis er ganske lave. De ligger gjerne på tideler av en prosent. Vi fikk altså klikkfrekvenser på flere hundre prosent på annonsene vi trodde skulle fungere. Deretter begynte vi å få to, tre og til og med opptil fem prosent klikkfrekvens på bannerannonsene som hadde koblingsskjemaer som gikk i ett med bakgrunnen, og som ikke hadde noen handlingsoppfordring i det hele tatt.

Dette var altså fullstendig kontraintuitivt sammenlignet med det man vanligvis ville tro. Og det er nettopp derfor du må teste ting. Du må undersøke dataene og forstå hva som faktisk skjer, fordi kundene dine vil fortelle deg det. Du kan ikke alltid ta utgangspunkt i forhåndsbestemte fordommer eller magefølelse og forvente at resultatet blir hundre prosent positivt og en stor forbedring av det du gjør i dag.

Francois Marchand: Innebar det mye A/B-testing? Måtte dere gjennomføre en prøveimplementering for å komme frem til den konklusjonen? 

Matt Ranta: Ja, det gjorde vi. Vi samarbeidet med både interne og eksterne partnere som forsto hvordan ingeniører tenkte, litt bedre. Vi gjennomførte A/B-testingen og fikk bekreftet resultatene. Deretter fortsatte vi å akselerere arbeidet og videreutvikle annonsene som fungerte, samtidig som vi fortsatte å teste dem, fordi vi stadig fant ut at vi ble bedre jo mer vi gjentok og forbedret prosessen.

Francois Marchand: Vi snakket om klikkfrekvenser og andre målinger vi kan bruke innen netthandel. Det er selvsagt et viktig mål når vi snakker om landingssider, bannerannonser og så videre. Men hvilket vanlig nøkkeltall har netthandelsvirksomheter eller bedriftseiere en tendens til å overse, og hvorfor er det så viktig?

Matt Ranta: Godt spørsmål. Det finnes faktisk en gruppe på tre nøkkeltall som jeg ofte tenker på, og som gjerne blir oversett. De påvirker hverandre i beregningen av andelen gjentatte kjøp, kjøpsfrekvensen og tiden mellom kjøpene. Dette er den typen ting som avdekkes gjennom RFM-analyser og lignende.

Grunnen til at jeg mener disse er svært viktige, og at du bør beregne dem helt ned på kundenivå slik at du kan opprette kohorter, er at du får en forståelse av når kjøpene skjer. Dette er spesielt viktig for forbruksvarer, der folk kommer til å kjøpe på nytt over tid, slik at du forstår hva du bør gjøre når det gjelder kommunikasjon med kundene.

I tidligere roller visste jeg at det i gjennomsnitt gikk 121 dager før 85 prosent av kjøperne mine hadde gjennomført et kjøp nummer to. De gjorde et kjøp på dag én, og på dag 121 kom de tilbake og gjennomførte sitt andre kjøp. Da visste jeg at dersom jeg hadde en kohort av personer som hadde kommet til dag 100 uten å foreta sitt andre kjøp, burde jeg kontakte dem. 

Jeg burde sende dem et tilbud. Jeg burde vise dem meldinger når de kom inn på nettstedet. De burde få en e-post fra meg – hva det enn måtte være – alt dette for å fremskynde kjøpsatferden. Og dersom de hadde nådd dag 121 eller gått forbi den, trengte jeg en strategi for å beholde dem, eller en strategi for å aktivere dem på nytt. 

Jeg måtte begynne å plassere dem i en annen e-postsekvens, eller hva det måtte være. Jeg måtte sørge for at jeg brukte RLSA, altså Google Ads, til å målrette dem på nytt, slik at de så meg når de handlet etter det samme, dersom de tilfeldigvis hadde glemt hvor de kjøpte det, eller hva det måtte være.

Denne typen ting hjelper deg virkelig med å vokse gjennom data, ved hjelp av et sekundært sett med nøkkeltall som mange etter min mening ikke følger godt nok med på. 

Francois Marchand: Dette er altså den typen ting man måler ved hjelp av bestemte verktøy. Du kan gjøre det gjennom CRM-systemet ditt, dashbordene dine og så videre. Hvilke verktøy bruker du for å følge nøkkeltall som andelen gjentatte kjøp, kjøpsfrekvensen og lignende på en god måte? Og finnes det noen verktøy som faktisk gjør jobben enklere for netthandelsansvarlige? 

Matt Ranta: Dette kommer kanskje til å høres sprøtt ut, men Excel er faktisk et godt verktøy for denne typen analyse. Hvis du har en forholdsvis håndterlig mengde kjøpshistorikk for kundene, fungerer det helt fint. Hvis du derimot snakker om én million oppføringer, må du sannsynligvis flytte dataene inn i et stordata-miljø, altså noe som kan ta inn og omforme mer enn én million oppføringer. Hvis du har fem millioner kjøpsoppføringer fordelt på kundene dine, eller ti eller tjue millioner, trenger du noe slikt. 

Deretter vil du sette opp dashbord og rapportering gjennom den plattformen du foretrekker, enten det er Tableau, Looker eller noe annet, der du samarbeider med datavitenskapsteamet ditt for å finne ut hvordan beregningene skal gjøres, og deretter får dem inn i rapporter som oppdateres regelmessig. 

Du kan finne slike ting på nettet. Jeg kan gi deg noen lenker som vi kan dele med lytterne, men det finnes gode veiledninger for hvordan man beregner kjøpsfrekvens, og hvordan man gjennomfører RFM-analyser. Begge deler vil få deg dit du trenger å være.

Selskaper som Amazon har også publisert informasjon om Amazon Science om hvordan de modellerer gjentatte kjøp, og hvordan de gjør dette. Du kan slå opp dette og lære av personer som har gjort det før, se hvordan du selv kan gjøre det, og hvilke referanseverdier de fikk og som du kan se etter.

Det finnes altså mange gode ressurser der ute, men ethvert dataomformingsverktøy du er komfortabel med, er et godt sted å begynne. 

Francois Marchand: Hvis du driver en liten eller mellomstor virksomhet, og ikke er på konsernnivå, fungerer Excel sannsynligvis fint. Google Regneark fungerer sannsynligvis også. Men hvis du skal skalere og begynne å selge i stort volum, er det sannsynligvis da du bør investere i abonnementsbaserte verktøy eller SaaS-verktøy som kanskje kan ta deg til neste nivå. Stemmer det? 

Matt Ranta: Ja, absolutt. 

Francois Marchand: Hvordan kan det å følge med på disse dataene hjelpe deg med å utvikle virksomheten, siden vi snakket om skalering? Hvis du ønsker å skalere, hvordan gjør du det? 

Matt Ranta: Denne typen data kommer til å gi deg all mulig nyttig informasjon. Den kan inngå i prognosene dine, fordi du forstår når en kohort av kunder som har gjort sitt første kjøp, sannsynligvis kommer til å gjøre sitt andre kjøp.

Du kan legge dette inn i fremtidige prognoser, sammen med det du gjør for å påvirke utviklingen i mellomtiden. Samtidig får du inn nye kunder som gjør sitt første kjøp. Du har derfor et grunnlag du forstår, når det gjelder når de potensielt kommer til å kjøpe igjen.

På markedsføringssiden kan du begynne å se på anbefalte tidspunkter for e-post til bestemte kohorter, mulige budskap på nettstedet ditt eller ulike former for utgående kommunikasjon. Du kan til og med bruke direkte post fungerer fortsatt svært godt. Du kan sende ut automatiserte postkort basert på dataene i systemene dine. 

Du legger et tilbud i en faktisk postkasse og gir noen et tidsbegrenset spesialtilbud på nettstedet ditt. Hvis du trenger det, kan du få inntekter tidligere ved å gi folk et insentiv. Det gir deg også muligheten til å opprette e-poster for å vinne tilbake kunder, slik at du arbeider med reaktivering og gir folk bestemte tilbud.

Det gir deg også muligheten til å gjøre dette på en intelligent måte. I stedet for å sende en e-post for å vinne tilbake alle i en kohort som ikke har gjort et kjøp nummer to, vet du hvilke personer som bør få tilbudet, og når de bør få det. Dermed sender du kanskje ikke et tilbud på ti prosent til en kunde som sannsynligvis ville kjøpt igjen uansett.

Du sender et tilbud på ti prosent rabatt til en kunde som kanskje har glemt deg, har begynt å se et annet sted eller noe annet, og dermed gir du ikke bort penger som du ikke trengte å gi bort. Det finnes mange smarte måter å gjøre dette på, og det kan påvirke hele virksomheten og den samlede lønnsomheten. Det er derfor en fantastisk gruppe nøkkeltall å se på. 

Francois Marchand: Du får selvsagt sannsynligvis bedre avkastning på investeringen hvis du ikke sløser bort penger på markedsføringstiltakene, spesielt hvis du bruker fysisk markedsføring der det faktisk koster penger å sende ut materiell. Det er viktig å spare penger.

Matt Ranta: Absolutt. For en ny, ung og liten virksomhet som prøver å vokse, er det svært viktig. 

Francois Marchand: Er dette en god måte å bygge abonnementsmodeller på? Vi snakker åpenbart om å kjenne andelen gjentatte kjøp og hvor lang tid det tar før noen kjøper igjen. Kan du bygge en abonnementsmodell basert på disse dataene?

Matt Ranta: Ja, det kan du, og det avhenger av noen ting. Hvis du har et ferdigpakket kosttilskudd eller noe annet du ønsker at folk skal abonnere på, og flasken inneholder 120 tabletter som skal tas tre ganger om dagen, har du en bestemt periode før kunden trenger en ny pakke.

Men hvis du snakker om forbruksvarer som folk kanskje ikke bruker like mye av, for eksempel ansiktskrem, kan én person være svært raus med mengden de pumper ut av beholderen, mens en annen er litt mer sparsom.

Du kan begynne å finne data som viser at dere bør sende dette hver 45. dag, eller at det bør være hver 60. dag, basert på den største delen av kundegruppen. Det kan også være mat som folk bruker på forskjellige måter. Slike data kan være fantastiske for å finne riktig tidspunkt, anbefale dette til kundene og gi dem muligheten og prisen som passer. Så ja, det er et godt poeng. 

Francois Marchand: Takk for det. Jeg setter pris på innspillet, for vi får mange spørsmål om abonnementsmodeller og om de fungerer godt. Amazon gjør åpenbart dette ganske mye. Men hvis du er en mindre virksomhet som ønsker å begynne å tilby en slik modell, vil du ikke kaste bort tiden på å tilby et produkt som folk ikke trenger å kjøpe på nytt med det første. Dette er altså en god måte å følge med på det på. 

Matt Ranta: Absolutt. 

Francois Marchand: Kan du noen gang stole mer på magefølelsen enn dataene når målet er å lykkes?

Matt Ranta: Jeg liker dette spørsmålet. For det første finnes det faktisk data som sier ja. Det ville derfor være dumt av meg å ignorere det og si nei. Det jeg vil trekke frem, er innovasjon og kreative fagområder. Jeg tror vi kommer til å se mye mer data rundt disse to områdene etter hvert som vi fortsetter reisen med kunstig intelligens, maskinlæring og stadig dypere innsikt i alle livets områder. 

Men når du arbeider med innovasjon, mangler det ofte data, og det finnes mye ukjent. Se på iPhone. iPhone har vært en utrolig og enorm suksess på alle områder. Hvis du går tilbake til tidspunktet da prosjektet oppsto hos Apple, og ser på menneskene som var involvert, fantes det riktignok en viss interesse for håndholdte datamaskiner og lignende. 

Men det fantes ikke nødvendigvis nok markedsdata til å vise at man burde satse på å lage en iPhone. Hvis du spurte noen: «Ville du likt det hvis vi kombinerte en kalkulator og et videokamera?»

Ville de sannsynligvis svart: «Nei, egentlig ikke. Jeg ser ingen grunn til at dere skal gjøre det.» Det finnes ingen data som kan bevise det hundre prosent. I stedet handler det om magefølelse og intuisjon. Det handler om en forståelse av hele markedet og psykologien i markedet hos mennesker som virkelig driver innovasjon og arbeider kreativt, for eksempel med å lage musikk. 

Noen mennesker vet bare hva som blir en hitlåt. Det finnes riktignok kunstig intelligens og lignende som kan analysere dette og skrive hitlåter på nytt, men jeg tror fortsatt at mennesker kommer til å være kreativt involvert i slike ting, og at de som arbeider innenfor dette feltet, fortsatt må stole på magefølelsen. 

Francois Marchand: Hvis du skal skape et helt nytt produkt eller bygge en ny kategori – vi snakker om kategoriskaping, som er viktig innen teknologi og for nye produkter – finnes det ingen data som kan hjelpe deg med å finne ut av det, eller gjør det? Kan du se på andre selskaper eller merkevarer som har funnet opp noe nytt, og se hva slags data de hadde underveis?

Matt Ranta: Til en viss grad kan du det. Du kan definitivt se prosessen deres. Du kan se prøvingen og feilingen de gikk gjennom. Du kan se hvordan de kan ha utviklet ideer, testet dem og gjort lignende ting. Det finnes altså data som kan informere om veien du bør gå. Men det finnes ikke nødvendigvis noen som allerede har gått nøyaktig den veien du skal gå, og som kan fungere som en hundre prosent veileder.

Jeg tror det handler litt om begge deler. 

Francois Marchand: Tror du at kunstig intelligens, som er et så aktuelt tema, kommer til å gjøre dataanalysen mer prediktiv? Vil det gjøre deg til en bedre virksomhet hvis du begynner å bruke verktøy for kunstig intelligens til å analysere dataene? 

Matt Ranta: Hundre prosent. Jeg tror kunstig intelligens vil få oss dit, og at du blir en bedre virksomhet hvis du bruker kunstig intelligens innenfor dataanalyse og lignende.

Det finnes allerede verktøy som gjør dette, og som hjelper folk med akkurat det du spør om. Det jeg vil advare mot, er at det fortsatt må finnes et nivå av menneskelig medvirkning. Jeg tror ikke kunstig intelligens har nådd et punkt der den er hundre prosent feilfri. Se for eksempel på CNET. 

De har skrevet artikler med kunstig intelligens, og artiklene inneholdt svært mange faktiske feil. De ble kritisert, måtte gå tilbake og skrive dem om og korrigere dem, og merke dem på en annen måte. Jeg tror fortsatt at menneskelig medvirkning kommer til å være nødvendig.

Du kommer til å måtte kontrollere om alt skjedde riktig, og skaffe deg sikkerhet og tillit til et bestemt system og verktøy. Betyr det at du deretter kan utelate menneskelig inngripen hundre prosent av tiden? Kanskje, men ikke nødvendigvis. Jeg vil fortsatt oppfordre folk til å gå tilbake og kontrollere prosessene.

Skriver du god kode ved hjelp av kunstig intelligens? Kanskje. Er den full av feil fordi skjevhetene i dataene den undersøkte, også er fulle av feil? Ja, det er den sannsynligvis. Du trenger derfor sannsynligvis noen som korrekturleser den. Hvis noe som ChatGPT er trent på hele internett, vet både du og jeg at det finnes god og velfungerende produksjonskode der ute, men også oppblåst og lite god kode.

Med mindre du har fjernet skjevhetene i datasettet og opplæringen, finnes det ingen måte du autentisk kan si at dette alltid kommer til å produsere hundre prosent verdifull og brukbar kode som vi bør publisere uten at noen noensinne ser på den. 

Francois Marchand: Det stemmer. Internett er fullt av alle andres magefølelser. Det bringer oss tilbake til begynnelsen. Er det noe annet du mener er viktig, og som du vil dele om erfaringen din med å bruke data til å informere beslutninger, for alle netthandelsansvarlige og bedriftseiere som kanskje lytter der ute?

Matt Ranta: Det er et godt spørsmål. Jeg tror det kanskje også handler om verktøy, tankesett og organisasjonskultur. Det andre jeg vil trekke frem, er at hurtighet er avgjørende når du analyserer og ser på data. Du må derfor legge til rette for at du og organisasjonen kan ta inn, bearbeide og analysere data raskt, slik at dere virkelig får utnyttet kraften i dem.

Hvis du skal bruke et verktøy og tildele personer oppgaven med å gjennomføre disse analysene, og det tar tolv måneder eller noe tilsvarende, som sannsynligvis er urimelig lang tid for noen av tingene vi snakker om, kommer du ikke til å hente ut den verdien du faktisk trenger. Du må vurdere hvordan dere kan gjøre prosessen mye raskere.

Handler det om å ansette mer ekspertise? Få andre verktøy? Bruke et verktøy dere kjenner bedre? Hva det enn måtte være, må du legge til rette for hurtighet og kombinere det med synspunktet om at data er bedre enn meninger. Da er du på riktig vei. 

Francois Marchand: Hva er ditt viktigste råd for å bli en vellykket netthandelsansvarlig? Jeg tror du allerede har nevnt det, men kan du gi oss et raskt og konkret råd – ditt viktigste råd? 

Matt Ranta: Mitt viktigste råd for å bli en god netthandelsansvarlig og bidra til å utvikle virksomheten din, er å se på dataene og gå grundig inn i all analysen. Ikke vær redd. Gå inn og begynn å se på dataene, og test og forbedre arbeidet basert på dem for å skape reell vekst. Det er noe kundene dine viser deg gjennom handlingene sine i all analysen din, enten den er kvalitativ eller kvantitativ, og det er det viktigste du bør gjøre akkurat nå. 

Francois Marchand: Når vi først snakker om verktøy og anbefalinger, finner du alt dette i shownotatene. Hvis du er på jakt etter Matts anbefalinger, sender Matt oss noen lenker. Vi har også lenker til andre artikler fra nettstedet The Ecomm Manager. Jeg vil også nevne at Matt og jeg hadde et flott intervju der vi diskuterte hvordan man bygger et vellykket netthandelsnettsted. Du kan se nærmere på det hos The Ecomm Manager, og det vil også finnes i shownotatene. 

Matt, hvor kan folk følge arbeidet ditt og holde oversikt over alt du gjør med Nimble Gravity og utenfor Nimble Gravity?

Matt Ranta: De to beste stedene er egentlig nettstedet til Nimble Gravity, nimblegravity.com, og LinkedIn. Ta kontakt med meg eller følg meg på LinkedIn, så får du all den informasjonen. 

Francois Marchand: Matt, tusen takk for at du ble med oss i dag. Det har vært en fornøyelse å snakke med deg om data. Nå vet vi at magefølelse er bra når det handler om å skape, finne opp og utvikle ideene til produktene du ønsker å lansere i verden.

Men når du kommer til neste steg, når du vil skalere og vokse, bør du se på dataene. Se på resultatene dine når det gjelder ting som andelen gjentatte kjøp, kjøpsfrekvens og klikkfrekvens på annonsene dine. Dette er nøkkeltallene som betyr noe. Og jeg tror, Matt, at du har bekreftet dette i dag. 

Takk igjen for at du var med i The Ecomm Manager Podcast.

Matt Ranta: Tusen takk for invitasjonen. Jeg setter virkelig pris på det. Dette var en flott samtale. 

Francois Marchand: Tusen takk. Vi høres neste gang.