Varför du bör lita på data (och inte magkänslan) för framgång inom e-handel

Läs utskriften:

Vi testar att skriva ut våra poddavsnitt med hjälp av ett program. Ursäkta eventuella stavfel eftersom roboten inte har rätt 100 % av gångerna.

Francois Marchand: Data. Det finns så otroligt mycket data där ute. Vad händer när siffrorna krockar med din affärsintuition? Har siffrorna alltid rätt? Hur spårar och tillämpar du datainsikter för att fatta bättre beslut? Det är bra frågor, eller hur? 

Välkommen till The Ecomm Manager Podcast. Vårt uppdrag är att hjälpa dig lyckas med din e-handelsresa genom användbara råd från experterna som har nått stora framgångar. Jag är din programledare, Francois Marchand. 

I dag har jag sällskap av Matt Ranta. Han är ansvarig för digital transformation, e-handel och strategi på Nimble Gravity. Vi ska prata om varför du bör lita mer på data än på magkänslan för att lyckas med e-handel. Stanna kvar för att upptäcka bästa praxis kring datainsamling och analys inom e-handel, vilka mätvärden e-handelschefer ofta förbiser och hur data är avgörande för att få företaget att växa.

Vi är väldigt glada att ha dig med i programmet i dag, Matt. Välkommen till The Ecomm Manager Podcast. 

Matt Ranta: Ja, tack så mycket för att jag fick komma. Jag ser fram emot samtalet. Jag uppskattar verkligen möjligheten. 

Francois Marchand: Låt oss prata lite om dig och vad du gör på Nimble Gravity. För dem som inte känner dig: Vad är Nimble Gravity, först och främst? Och hur började du arbeta med företaget?

Matt Ranta: Absolut. Nimble Gravity är en grupp konsulter och ett samarbetsinriktat team av experter som brinner för kraften i data. Vi tror att data i många fall, nästan alltid, är mer värdefullt än åsikter. Vi försöker tillämpa det inom de områden där vi arbetar, nämligen e-handel, strategi för digital transformation, datavetenskap, analys och även teknik. 

Det innebär bland annat att vi sätter samman ingenjörsteam som arbetar med programvaruprodukter för företag. Vi har funnits i ungefär tre år. Jag började på organisationen eftersom den består av flera gamla vänner och tidigare kollegor. Många av oss arbetade tillsammans på ett tidigare företag, Arrow Electronics, och hittade sedan tillbaka till varandra. Det är väldigt roligt. 

Francois Marchand: Vad gör en ansvarig för digital transformation, e-handel och strategi egentligen? 

Matt Ranta: Det är en bra fråga. Det kan innebära ganska många olika saker. Allt från att hjälpa ett nystartat varumärke att lansera sin allra första webbplats till att komma in och ge råd åt en organisation som befinner sig i en omfattande digital transformationsprocess, baserat på de erfarenheter vi har fått från sådana processer tidigare. Vi kan hjälpa till att identifiera var utmaningarna finns, vilka plattformar vi har använt eller inte använt och varför, samt hjälpa företaget genom olika urvalsprocesser.

Ur ett strategiskt perspektiv kan det handla om att utvärdera organisationens kompetens och förstå hur saker fungerar där, att arbeta med agila metoder och att coacha organisationen i detta. Det kan sträcka sig hela vägen till managementkonsulttjänster och företagsstrategi av det slag man kan se hos större organisationer, som någon av de typiska konsultfirmorna i Big Four.

Francois Marchand: Ni arbetar med många företag. Hur många kunder har Nimble Gravity just nu? 

Matt Ranta: Vi delar inte det exakta antalet, men det rör sig om tiotals. Inte hundratals. Jag skulle säga ett större antal tiotal, och de är väldigt varierade. Vi arbetar med en organisation som skyddar vilda djur och hjälper till att övervaka djurlivets aktivitet samt verksamheten i reservat, naturvårdsområden och liknande. 

Organisationen tillhandahåller programvara till personalen som övervakar anläggningen eller markområdet och hjälper dem att sköta arbetet. Vi arbetar också med klädvarumärken, stora organisationer inom medicinsk distribution och alla möjliga andra typer av företag. Kundgruppen är mycket varierad. Vi fokuserar inte enbart på exempelvis fintech eller biomedicin. Vi har en mycket blandad grupp kunder, så arbetet är väldigt intressant. 

Francois Marchand: Du nämnde data, vilket uppenbarligen är något du arbetar mycket nära. Det är något som Nimble Gravity är experter på. Att gå på djupet i data är det vi vill prata om i dag: varför bör man lita på data inom e-handel i stället för på magkänslan när det gäller att nå framgång? 

Det kan handla om att bygga ett varumärke från grunden, maximera försäljningen eller optimera mycket specifika delar av verksamheten. Låt oss prata lite om det. 

Matt Ranta: Jag kan ge dig ett mycket konkret exempel på en möjlighet som jag fick under en period i min karriär. När jag började på Arrow Electronics kom vi in som en grupp personer för att genomföra en digital transformation och påskynda företagets digitala tillväxt.

Många av oss kom från branscher utanför elektroniska komponenter. Därför hade vi inte nödvändigtvis någon förståelse för hur ingenjörer tänker, trots att de i praktiken är konsumenterna av produkter för elektroniska komponenter. Jag hade kanske en förståelse för vanliga konsumenter inom konsumentelektronik, alltså personer som köper tv-apparater och liknande.

För andra kunde det ha handlat om en annan bransch eller disciplin, till exempel sportartiklar. Vi började därför testa annonser, bland annat displayannonsering i medier kopplade till elektroniska komponenter där vi visste att ingenjörer befann sig, samt på webbplatser av samlartyp och liknande.

Vi använde tekniker och tankemodeller från de branscher där vi hade arbetat tidigare. Vi hade stora uppmaningar till handling och ljusa, färgstarka annonser för att fånga målgruppens uppmärksamhet och få dem att interagera med annonserna. Men gissa vad?

De avskydde det. Ingenjörer tycker inte alls om sådant. Vi upptäckte att de i stället föredrog annonser som smälte in i bakgrunden och kanske innehöll ett kopplingsschema för en elektronisk komponent. Det är inte den typ av sak man vanligtvis skulle lägga in i en traditionell annons riktad till konsumenter.

De föredrog dessa annonser så mycket att klickfrekvensen för displayannonser, om du känner till området, vanligtvis är ganska låg. Den ligger ofta på tiondels procent. Vi fick hundratals procent högre klickfrekvens på annonserna som vi trodde skulle fungera. Sedan började vi få två, tre och till och med upp till fem procents klickfrekvens på displayannonserna med kopplingsscheman som smälte in i bakgrunden och inte hade någon uppmaning till handling alls.

Det gick alltså helt emot det man vanligtvis skulle tro. Det är precis därför man måste testa saker. Man måste undersöka data och förstå vad som verkligen händer, eftersom kunderna kommer att berätta det för dig. Du kan inte alltid utgå från dina förutbestämda fördomar eller magkänslan och förvänta dig att resultatet ska bli hundraprocentigt positivt eller innebära en stor förbättring av det du gör i dag.

Francois Marchand: Innebar det mycket A/B-testning? Behövde ni göra ett koncepttest för att komma fram till den slutsatsen? 

Matt Ranta: Ja, det gjorde vi verkligen. Vi arbetade med både interna och externa partner som förstod ingenjörernas sätt att tänka lite bättre. Vi genomförde A/B-testningen och fick fram resultaten. Sedan fortsatte vi att utveckla och förbättra de annonser som fungerade och fortsatte att testa dem, eftersom vi upptäckte att vi blev bättre ju mer vi upprepade processen.

Francois Marchand: Vi pratade om klickfrekvens och andra mätvärden som kan användas inom e-handel. Det är förstås ett viktigt mätvärde när vi talar om landningssidor, displayannonser och liknande. Men vilket vanligt mätvärde brukar e-handelsföretag eller företagsägare ofta förbise, och varför är det så viktigt?

Matt Ranta: Det är en bra fråga. Det finns faktiskt en grupp på tre mätvärden som jag ofta tänker på och som förbises. De hänger ihop i hur man beräknar dem: andelen återkommande köp, köpfrekvensen och tiden mellan köpen. Det är sådant som blir synligt i RFM-analyser och liknande.

Anledningen till att jag tycker att de är så viktiga och att man till och med bör beräkna dem på kundnivå, så att man sedan kan skapa olika kohorter, är att man får en förståelse för när köp sker. Särskilt när det gäller förbrukningsvaror, där människor kommer att köpa igen över tid, kan man förstå vad man behöver göra för att kommunicera med kunderna.

I tidigare roller visste jag att det i genomsnitt tog 121 dagar innan 85 procent av min köpande population hade gjort ett andra köp. De gjorde ett köp dag ett och kom sedan tillbaka på dag 121 för sitt andra köp. Då visste jag att om jag hade en kohort personer som hade nått dag 100 utan att ha gjort sitt andra köp, borde jag kommunicera med dem. 

Jag borde skicka ett erbjudande till dem. Jag borde visa dem meddelanden när de besöker webbplatsen. De borde få ett mejl från mig, eller något annat, för att tidigarelägga köpaktiviteten. Om de hade nått dag 121 eller längre behövde jag i stället en strategi för att behålla dem eller aktivera dem igen. 

Jag behövde börja placera dem i en annan e-postsekvens, eller något liknande. Jag behövde använda remarketinglistor för sökannonser, alltså Google Ads, för att återmarknadsföra till dem så att de såg oss när de sökte efter samma sak, om de hade glömt var de hade köpt den och så vidare.

Sådana saker hjälper dig verkligen att växa genom data och genom den sekundära uppsättning mätvärden som många inte uppmärksammar, tror jag. 

Francois Marchand: Det här är alltså sådant man mäter med hjälp av olika verktyg. Man kan göra det via sitt CRM-system, sina instrumentpaneler och så vidare. Vilka typer av verktyg använder du för att följa mätvärden som återköpsfrekvens, köpfrekvens och liknande? Finns det några som gör arbetet enklare för e-handelschefer? 

Matt Ranta: Det här kommer kanske att låta konstigt, men Excel är faktiskt ett bra verktyg för den här typen av analys. Om du har en relativt hanterbar mängd köphistorik för kunder fungerar det bra. Om du har en miljon poster måste du däremot förmodligen flytta dem till en stord datamiljö, något som kan läsa in och omvandla fler än en miljon poster. Det gäller exempelvis om du har fem miljoner köp registrerade bland dina kunder eller tio eller tjugo miljoner. 

Därefter vill du skapa instrumentpaneler och rapporter i den plattform du föredrar, oavsett om det är Tableau, Looker eller något liknande. Där kan du arbeta med datavetenskapsteamet för att ta fram beräkningarna och sedan få dem presenterade i regelbundet uppdaterade rapporter. 

Det finns bra handledningar på nätet om hur man beräknar köpfrekvens eller genomför RFM-analyser. Båda metoderna kan hjälpa dig att nå den nivå du behöver.

Företag som Amazon har dessutom publicerat information på Amazon Science om hur de modellerar återkommande köp och hur de arbetar med detta. Du kan läsa om det och lära dig av personer som har gjort det tidigare, se hur du själv kan gå till väga och vilka riktvärden de har fått fram.

Det finns alltså mycket bra material där ute, men alla verktyg för dataomvandling som du känner dig bekväm med är en bra utgångspunkt. 

Francois Marchand: Om du driver ett litet eller medelstort företag och inte befinner dig på företagsnivå fungerar Excel förmodligen bra. Google Kalkylark fungerar antagligen också. Men om du ska skala upp och börja sälja stora volymer är det förmodligen då du bör investera i de prenumerationsbaserade verktygen eller SaaS-verktygen som kan hjälpa dig till nästa nivå. Stämmer det? 

Matt Ranta: Ja, absolut. 

Francois Marchand: Hur kan uppföljning av den här datan hjälpa dig att få företaget att växa? Vi pratade om skalning. Om du vill skala upp, hur gör du då? 

Matt Ranta: Den här typen av data ger dig all möjlig värdefull information. Den kan användas i prognoser eftersom du förstår när en kohort kunder som har gjort sitt första köp sannolikt kommer att göra sitt andra köp.

Du kan ta med det i framtida prognoser och samtidigt ta hänsyn till vad du gör för att påverka utvecklingen. Under samma period får du ju också in nya kunder som gör sitt första köp. Du får därför en baslinje för när de potentiellt kommer att köpa igen.

Ur ett marknadsföringsperspektiv kan du börja föreslå tidpunkter för e-postutskick till särskilda kohorter, möjliga budskap på webbplatsen eller någon annan typ av utgående kommunikation. Du kan till och med använda direktreklam fungerar fortfarande utmärkt. Du kan skicka automatiserade vykort baserat på data från dina system. 

Du placerar ett erbjudande i någons faktiska brevlåda och ger personen ett tidsbegränsat specialerbjudande på webbplatsen. Om du behöver kan du få in intäkterna tidigare genom att skapa incitament för den här typen av beteende.

Det ger dig också möjlighet att skapa återvinningsmejl och försöka återaktivera kunder genom särskilda erbjudanden. Dessutom kan du göra det på ett intelligent sätt. I stället för att skicka ett återvinningsmejl till hela kohorten som inte har gjort ett andra köp vet du vilka i den mindre gruppen som bör få det och när.

Du kanske därför inte skickar ett erbjudande på tio procent till en kund som sannolikt skulle ha köpt igen ändå. Du skickar i stället ett erbjudande på tio procents rabatt till en kund som kanske har glömt bort dig eller börjat titta någon annanstans. På så sätt ger du inte bort pengar i onödan.

Det finns många smarta sätt att göra detta på och det kan påverka hela verksamheten och den totala lönsamheten. Det är en fantastisk uppsättning mätvärden att följa. 

Francois Marchand: Du får uppenbarligen bättre avkastning på investeringen om du inte slösar pengar på marknadsföringsinsatser, särskilt om du arbetar med fysisk marknadsföring där det kostar att skicka ut material. Att spara pengar är viktigt.

Matt Ranta: Verkligen. För ett nytt, ungt och litet företag som försöker växa är det enormt viktigt. 

Francois Marchand: Är det ett bra sätt att bygga prenumerationsmodeller? Vi pratar ju om att känna till återköpsfrekvensen och hur lång tid det tar innan någon köper igen. Kan man bygga en prenumerationsmodell utifrån den datan?

Matt Ranta: Absolut, och det beror på vissa saker. Om du exempelvis har ett färdigförpackat kosttillskott som du vill att människor ska prenumerera på och en burk med 120 tabletter som är avsedd att tas tre gånger om dagen, har du en bestämd period efter vilken personen behöver en ny förpackning.

Men om du talar om förbrukningsvaror som människor använder i olika mängder, exempelvis ansiktskräm, kan en person trycka ut väldigt mycket ur behållaren medan en annan är mer sparsam.

Du kan börja hitta data som visar att ni bör skicka produkten var 45:e dag eller var 60:e dag, baserat på den största delen av kundgruppen. Det kan också handla om livsmedel som människor konsumerar på olika sätt. Sådana data kan vara fantastiska för att fastställa rätt intervall, föreslå det för kunderna och ge dem ett passande pris. Så ja, det är en bra poäng. 

Francois Marchand: Tack för det. Jag uppskattar dina synpunkter, eftersom vi får många frågor om prenumerationsmodeller och om de fungerar bra. Amazon använder dem mycket. Men om du driver ett mindre företag och vill börja erbjuda den typen av modell vill du inte slösa tid på att erbjuda en produkt som människor inte behöver köpa igen på en gång. Det här är alltså ett bra sätt att följa upp det. 

Matt Ranta: Absolut. 

Francois Marchand: Kan man nå framgång genom att lita på magkänslan i stället för på data?

Matt Ranta: Jag älskar den frågan. För det första finns det faktiskt data som säger ja. Det vore dumt av mig att ignorera det och säga nej. Jag tänker på innovation och kreativa områden. Jag tror att vi kommer att se mycket mer data inom dessa två områden i takt med att vi fortsätter vår resa med AI, maskininlärning och allt djupare analyser inom livets alla områden. 

Men när man arbetar med innovation finns det ofta brist på data och mycket som är okänt. Titta på iPhone. Den har varit en otrolig och enorm framgång på alla sätt. Om du går tillbaka till när projektet startade på Apple och ser på de personer som var involverade fanns det visserligen ett visst intresse för handdatorer och liknande. 

Men det fanns inte nödvändigtvis tillräckligt mycket marknadsdata som kunde visa att man verkligen borde satsa på att skapa en iPhone. Om du frågade någon: ”Skulle du vilja att vi kombinerade en miniräknare och en videokamera?” skulle personen förmodligen svara nej. ”Jag ser ingen anledning till att ni ska göra det.”

Det finns ingen data som till hundra procent kan bevisa att det är rätt väg. Där kommer magkänslan och intuitionen in. Det handlar om en förståelse för hela marknaden och psykologin på marknaden. Personer som driver innovation och arbetar kreativt, till exempel med musik, måste ibland lita på magkänslan.

Vissa människor vet helt enkelt vad som blir en hitlåt. Det finns visserligen AI och liknande som kan analysera sådant och även skriva om hitlåtar, men jag tror fortfarande att kreativa människor kommer att behöva vara delaktiga. De som arbetar inom det området måste fortsätta lita på magkänslan. 

Francois Marchand: Om du ska skapa en helt ny produkt eller bygga en ny kategori, vilket är viktigt inom teknik och för nya produkter, finns det ingen data som hjälper dig att komma fram till det. Eller gör det? Kan du titta på andra företag eller varumärken som framgångsrikt har uppfunnit något nytt och se hur deras data utvecklades?

Matt Ranta: Till viss del kan du det. Du kan definitivt se deras process. Du kan se försöken och misstagen de gick igenom. Du kan se hur de kom fram till idéer, hur de testade dem och så vidare. Det finns data som kan vägleda dig på den väg du bör välja.

Men det finns inte nödvändigtvis någon som tidigare har gått exakt den väg du själv ska gå och som kan fungera som en hundraprocentig guide. Jag tror att det handlar om en kombination av båda delarna. 

Francois Marchand: Tror du att AI, som är ett så aktuellt ämne, kommer att göra dataanalys mer förutsägande? Blir man bättre på att driva företag om man börjar använda AI-verktyg för att analysera data? 

Matt Ranta: Ja, hundra procent. Jag tror att AI kommer att hjälpa oss dit och att du får ett bättre företag om du använder AI inom dataanalys och liknande områden.

Det dyker redan upp verktyg som gör detta och som hjälper människor med exakt det du frågar om. Det jag vill varna för är att det fortfarande måste finnas en mänsklig inblandning. Jag tror inte att AI har nått en punkt där det är helt fritt från fel. Titta till exempel på CNET.

De hade skrivit artiklar med AI och artiklarna innehöll en mängd faktafel. Det uppmärksammades, och de var tvungna att gå tillbaka, skriva om och korrigera dem samt markera dem på ett annat sätt. Jag tror att mänsklig medverkan även fortsättningsvis kommer att vara nödvändig.

Man måste kontrollera att allt har gått rätt till och skapa tillförlitlighet och förtroende för ett visst system eller verktyg. Betyder det att man därefter kan låta bli mänsklig inblandning hundra procent av tiden? Kanske, men inte nödvändigtvis. Jag skulle fortfarande uppmuntra människor att gå tillbaka och kontrollera processerna.

Skriver du bra kod med hjälp av AI? Kanske. Är den full av fel eftersom de data som AI:n har analyserat också innehåller fel? Ja, förmodligen. Därför behöver någon korrekturläsa den. Om något som ChatGPT har tränats på hela internet, vet både du och jag att det finns bra produktionskod där ute, men också uppsvälld kod som inte är särskilt bra.

Om du inte har tagit bort den biasen från datamängden och träningen finns det inget sätt att på ett trovärdigt sätt säga att koden alltid kommer att vara hundra procent värdefull och användbar och kan publiceras utan att någon någonsin granskar den. 

Francois Marchand: Precis. Internet är fullt av alla andras magkänslor. Det tar oss tillbaka till början. Finns det något annat som du tycker är viktigt att dela med dig av om din erfarenhet av att använda data som beslutsunderlag, för alla e-handelschefer och företagsägare som lyssnar?

Matt Ranta: Det är en bra fråga. Jag tror att det kanske också går tillbaka till organisationens verktyg, tankesätt och kultur. En annan sak jag vill lyfta fram är att snabbhet är avgörande när man analyserar och granskar data.

Du måste förbereda dig själv och organisationen för att snabbt läsa in, bearbeta och analysera data om du verkligen vill få ut dess kraft. Om du använder en uppsättning verktyg och utser personer att genomföra analyser som tar tolv månader eller något liknande, vilket förmodligen är orimligt lång tid för vissa av de saker vi pratade om, kommer du inte att få fram det värde du behöver. Du måste fundera på hur processen kan bli mycket snabbare.

Behöver ni anställa mer kompetens? Behöver ni skaffa andra verktyg? Behöver ni helt enkelt använda ett verktyg som ni känner er mer bekanta med? Vad det än är: skapa förutsättningar för snabbhet och kombinera det med synsättet att data är bättre än åsikter. Då är du på rätt väg. 

Francois Marchand: Vilket är ditt viktigaste råd för att bli en framgångsrik e-handelschef? Jag tror att du redan har nämnt det, men om du kan ge oss ett kort råd: vad är ditt viktigaste tips? 

Matt Ranta: Mitt viktigaste råd för att bli en bra e-handelschef och hjälpa företaget att växa är att verkligen titta på data och gå på djupet i all analys. Var inte rädd. Sätt igång och granska data, testa och upprepa processen för att skapa verklig tillväxt.

Det är något som dina kunder visar genom sina handlingar i all din analys, oavsett om den är kvalitativ eller kvantitativ. Det är det viktigaste du bör göra just nu. 

Francois Marchand: På tal om verktyg och rekommendationer kommer vi att ha med allt detta i programanteckningarna. Om du vill ta del av Matts rekommendationer skickar Matt några länkar till oss. Vi har också länkar till andra artiklar från The Ecomm Manager. Jag vill även nämna att Matt och jag hade en bra intervju där vi pratade om hur man bygger en framgångsrik e-handelswebbplats. Du kan läsa den hos The Ecomm Manager, och den kommer också att finnas i programanteckningarna. 

Matt, var kan människor följa ditt arbete och hålla sig uppdaterade om allt du gör med Nimble Gravity och utanför Nimble Gravity?

Matt Ranta: De två bästa platserna är Nimble Gravitys webbplats, nimblegravity.com, och LinkedIn. Ta kontakt med mig eller följ mig på LinkedIn så får du all den informationen. 

Francois Marchand: Matt, tack så mycket för att du var med i dag. Det har varit väldigt trevligt att prata data med dig. Nu vet vi att magkänslan är bra när det handlar om att skapa, uppfinna och konceptualisera de produkter man vill lansera i världen.

Men när du väl kommer till nästa steg, när du vill skala upp och växa, ska du titta på data. Titta på hur resultaten ser ut för saker som återköpsfrekvens, köpfrekvens och klickfrekvens för dina annonser. Det är de mätvärden som spelar roll. Jag tycker att Matt har bekräftat det i dag. 

Tack igen för att du var med i The Ecomm Manager Podcast.

Matt Ranta: Tack så mycket för att jag fick komma. Jag uppskattar det verkligen. Det var ett fantastiskt samtal. 

Francois Marchand: Tack så mycket. Vi ses nästa gång.