Dlaczego ślepe ufanie danym to dziś błąd strategiczny? Pułapka Data-Driven

Przez ostatnią dekadę rynek marketingu edukował klientów na temat istoty analizy danych i podejmowania decyzji na ich podstawie. Bycie firmą Data-Driven stało się standardem – zbudowaliśmy kulturę, w której managerowie nie mieli odwagi i siły przebicia, aby podejmować decyzje bez poparcia danych w tabeli czy zielonych wykresów w dashboardach.

Takie podejście jest też naturalne z punktu widzenia psychologii. Zjawisko zwane błędem automatyzacji mówi o tym, że ludzki umysł na tendencję do faworyzowania sugestii pochodzących z systemów zautomatyzowanych, nawet jeśli ignorują one zdrowy rozsądek. Manager łatwiej zaufa błędnemu wykresowi z GA4, niż intuicji doświadczonego handlowca, ponieważ opieranie się na danych zdejmuje z nas psychiczne poczucie odpowiedzialności.

Dziś takie podejście obarczone jest sporym ryzykiem – zmuszamy managerów do podejmowania decyzji w oparciu o dane, które są niepełne i zaburzone, o czym więcej za chwilę.

Jako CMO lub osoba analizująca dane marketingowe musisz mieć świadomość, że dane zawarte w GA4 mają sporo braków, wynikających z kilku różnych powodów.

1. Próbkowanie danych w GA4 i polityki prywatności (Data Thresholds i Sampling)

Polityka RODO i Consent Mode v2 sprawiają, że jeśli użytkownik odrzuci ciasteczka lub ich nie zaakceptuje, system nie zbiera żadnych danych o jego wizycie na stronie – tak jakby po prostu go nie było. Dotyczy to sesji, eventów, konwersji – zupełny brak danych. Oprócz tego, Google Analytics 4 celowo ukrywa część danych, stosując tzw. Data Thresholds, aby chronić prywatność mniejszych grup. Niektóre dane są też estymowane za pomocą machine learningu.

2. Inwazja sztucznego ruchu botów AI

W raporcie GA4 widzisz, że na Twojego bloga weszło 10 000 użytkowników w ciągu ostatnich 28 dni, ale nikt nic nie kupił. Opierając się tylko na tych liczbach, nasuwa się wniosek, że artykuł nie sprzedaje i nadaje się do zmiany. Jednak po głębszej analizie może się okazać, że 6 000 z tych wejść to były sesje wygenerowane przez crawlery trenujące modele AI, np. GPTBot, które nie są realnymi użytkownikami, więc oczywiście nie mogły dokonać konwersji.

Dlatego analizując dane z GA4 musisz mieć z tyłu głowy, że dla bardziej precyzyjnego obrazu danych należy odflitrowywać ruch powodowany przez boty AI. Opierając decyzje jedynie w oparciu o Data-Driven, możesz nieświadomie optymalizować stronę pod roboty, a nie pod ludzi.

3. Dark Social, czyli niewidzialny lejek w mediach społecznościowych

Wielu klientów B2B podejmuje decyzje w zamkniętych społecznościach – na grupach na Facebooku, na Slacku, WhatsAppie, LinkedInie, albo w ogóle korzystając z poleceń ustnych. Moment decyzyjny, który zapada poza Twoją stroną, jest trudny do zmierzenia. Jeśli ktoś usłyszał o Twojej firmie od znajomego, który był na Twoim webinarze, wpisze adres strony i skonwertuje jako Direct, czyli wejście bezpośrednio na stronę. Jeśli podejmiesz decyzję na podstawie danych, że Twoje webinary nie są skuteczne i utniesz na nie budżet, możliwe, że zaburzysz w ten sposób lejek sprzedażowy. Dlatego musisz zbierać dane o atrybucji także na inne sposoby, np. bezpośrednio od klientów.

Data-Driven, czyli podejście oparte na samych danych, ewoluowało w proces Data-Informed. Polega on dosłownie na byciu zaznajomionym z danymi, jednak do świadomości liczb i wykresów dodajemy logiczne myślenie i szukamy przyczyn, które stoją za danymi – w ten sposób rezultatem takiego procesu myślowego jest właśnie Data Insights, czyli wniosek łączący logikę biznesową z danymi.

Przyszłość każdego marketingowca to bycie analitykiem, który opiera się nie tylko na samych danych. Data Insights to połączenie:

• danych (jakie rezultaty osiągamy)
• z kontekstem (dlaczego tak się dzieje)
• i logiką biznesową (co to oznacza dla firmy).

Jak wykorzystywać takie podejście w codziennej pracy? Przyjrzyjmy się temu na przykładzie:

Sytuacja: Ruch z artykułu spadł aż o 30% z miesiąca na miesiąc.

Data-Driven: Podejście oparte na Data-Driven dało by jasny, choć błędny sygnał: “Artykuł wymaga przebudowy, optymalizacji i dodania większej liczby słów kluczowych, bo cyfry wyraźnie spadają”.

Data Insights: Z kolei analityka zgodnie z zasadą Data Insights, na której opieramy się też w Delante, wymagałaby sprawdzenia kontekstu. Po weryfikacji okazałoby się, że Google wprowadziło aktualizację i wycięło bezwartościowy ruch powodowany przez zagraniczne boty. Ruch faktycznie będzie mniejszy, ale po dodatkowej weryfikacji w CRM klienta dowiedzielibyśmy się, że współczynnik konwersji wzrósł o 15%.

Wniosek: Na podstawie Data Insights odrzucilibyśmy Vanity Metric w postaci samych sesji, a artykuł pozostałby bez zmian z uwagi na fakt, że współczynnik konwersji wzrasta.

Zapamiętaj 3 kroki kluczowe w podejściu Data Insights – analiza surowych danych, rozszerzenie kontekstu i znalezienie powodów, a dopiero na końcu wyciągnięcie wniosków. Czerwone wykresy ruchu nie zawsze muszą oznaczać coś złego, a bez dodatku logicznego myślenia i operując na suchych danych, nie będziesz w stanie podejmować racjonalnych decyzji biznesowych.