Duomenų analitika verslui: nuo ko pradėti ir kaip priimti sprendimus pagal skaičius

Pirmadienio rytas. Vadovas klausia: „Iš kur praeitą mėnesį atėjo užklausos?“

Rinkodaros specialistas atsidaro GA4, reklamos paskyrą ir CRM. Trys sistemos – trys skirtingi skaičiai.

Pažįstama situacija? Duomenų turite daug, o atsakymo nėra.

Problema retai būna įrankiuose. Dažniausiai trūksta aiškaus klausimo, teisingo matavimo ir įpročio pagal skaičius priimti sprendimus. Dėl to reklamos biudžetas keliauja ten, kur „atrodo, kad veikia“.

Šiame gide parodysiu, kaip duomenų analitika veikia mažoje ir vidutinėje Lietuvos įmonėje. Sužinosite 4 analitikos tipus, 8 metodus, kokių įrankių iš tikrųjų reikia ir kaip per 7 žingsnius pradėti nuo nulio.

Šis vadovas – ITMA žinyno analitikos skyriaus pagrindas. Kiekviena tema plačiau aprašyta atskirame straipsnyje, visas nuorodas rasite skyriuje Visos temos.

Kas yra duomenų analitika?

Duomenų analitika – tai procesas, kai neapdoroti duomenys paverčiami atsakymais: kas įvyko, kodėl įvyko, kas tikėtina ir ką daryti.

Versle ji naudojama pardavimams, rinkodarai, gamybai, logistikai ir finansams.

Pažiūrėkime į pavyzdį.

Tarkime, e. parduotuvė mato, kad spalį pardavimai krito 18 %. Aprašomoji analitika tai užfiksuoja. Diagnostinė parodo, kad krito tik pirkimai telefonuose – iškart po naujo krepšelio dizaino.

Sprendimas – grąžinti seną krepšelio žingsnį ir abu variantus patikrinti testu.

Analitika verslui naudinga tik tada, kai baigiasi veiksmu. Ataskaita, kurios niekas neskaito, nėra analitika. Tai archyvas.

Kodėl analitika svarbi mažai įmonei?

Mažai įmonei klaidingas sprendimas kainuoja proporcingai daugiau nei korporacijai.

Paskaičiuokime. Per mėnesį reklamai skiriate 1 000 €. Pusė biudžeto eina kanalui, kuris neatneša užklausų. Per metus tai 6 000 €.

Net paprasta analitika tokius nuostolius parodo per kelias savaites. Nereikia nei duomenų mokslininko, nei brangių sistemų.

Kuo skiriasi duomenų analitika, duomenų analizė ir statistika?

Šie terminai dažnai vartojami kaip sinonimai, bet jų apimtis skiriasi.

Statistika – mokslo šaka ir metodų rinkinys. Duomenų analizė – konkretus darbas su duomenų rinkiniu. Duomenų analitika – visas procesas nuo rinkimo iki sprendimo.

O kai žmonės Google ieško „statistika“?

Dažniausiai jiems reikia arba oficialių duomenų (Valstybės duomenų agentūros, Eurostat), arba metodų savo duomenims suskaičiuoti. Šiame vadove kalbame apie antrąjį atvejį – kaip įmonė analizuoja savo duomenis.

Kokie yra 4 duomenų analitikos tipai?

Duomenų analitika skirstoma į keturis tipus pagal tai, į kokį klausimą atsako. Kiekvienas kitas tipas sudėtingesnis ir reikalauja daugiau duomenų.

Ir čia daug kas suklysta.

Įmonės nori iškart DI prognozių, nors neturi patikimo užklausų šaltinio matavimo. Prognozuojamoji ir nurodomoji analitika prasminga tik tada, kai pirmieji du lygiai veikia ir duomenimis pasitikima. Dauguma Lietuvos MVĮ dar neišnaudoja net aprašomosios analitikos.

Kokie duomenų analizės metodai naudojami versle?

Verslui dažniausiai pakanka 8 duomenų analizės metodų. Daugumą jų galima atlikti GA4, Looker Studio ar Excel, o sudėtingesnei statistinei duomenų analizei naudojamas Python, R arba SQL.

Kokybiniai ir kiekybiniai metodai

Kiekybiniai metodai atsako „kiek“, kokybiniai – „kodėl“. Geriausi sprendimai gimsta, kai juos derinate.

Pavyzdys: GA4 parodo, kad 70 % lankytojų palieka formą nepateikę. Šilumos žemėlapiai ir Hotjar parodo priežastį – žmonės užstringa ties privalomu telefono lauku.

Vienas skaičius pasako, kur skauda. Kitas įrankis – kodėl.

Kada reikia statistinio reikšmingumo?

Statistinis reikšmingumas reikalingas, kai lyginate du variantus ir norite žinoti, ar skirtumas nėra atsitiktinis. Įprastas slenkstis – 95 % pasikliovimo lygis.

Mažame sraute skirtumas „3 užklausos prieš 5“ dar nieko nereiškia. Kaip apskaičiuoti reikiamą imtį, rasite A/B testavimo gide.

Kas yra antrinių duomenų analizė?

Antrinių duomenų analizė – tai kitų surinktų duomenų panaudojimas savo klausimui atsakyti. Pirminius duomenis renkate patys (svetainės analitika, apklausos), o antrinius imate iš viešų šaltinių.

Lietuvoje naudingi antriniai šaltiniai:

• ✓Oficialiosios statistikos portalas (Valstybės duomenų agentūra) – gyventojai, įmonės, mažmeninė prekyba, IRT naudojimas.
• ✓Eurostat – palyginimas su kitomis ES šalimis.
• ✓Registrų centras – juridinių asmenų duomenys, finansinės ataskaitos.
• ✓Google Trends – paieškos susidomėjimo dinamika ir sezoniškumas.
• ✓DataReportal – interneto ir socialinių tinklų naudojimo apžvalgos pagal šalis.

Antriniai duomenys ypač vertingi rinkos analitikui, kuris prieš paleidžiant naują produktą vertina rinkos dydį ar konkurentus.

Kokius duomenis renka verslas?

Tipinė Lietuvos įmonė turi 5–8 duomenų šaltinius, bet jie retai sujungti.

Kaip tai atrodo praktiškai?

Tarkime, Kauno metalo konstrukcijų gamintojas gauna 40 užklausų per mėnesį. GA4 rodo, kad pusė jų – iš Google Ads. Bet CRM atskleidžia, kad sandoriais tampa daugiausia užklausos iš organinės paieškos.

Gamybos ir B2B įmonėms svarbiausias ryšys – tarp svetainės užklausos ir sandorio CRM. Be jo nežinote, kuri reklama atnešė ne tik užklausą, bet ir pelningą užsakymą.

Kai standartinių sistemų nepakanka, kuriama nuosava. Apie tai rašome straipsnyje informacinės sistemos verslui: kurti ar pirkti.

Kokie įrankiai reikalingi verslo duomenų analitikai?

Mažos įmonės verslo duomenų analitikai užtenka nemokamo Google įrankių rinkinio ir vieno kokybinio įrankio. Mokamos BI platformos prasmingos, kai duomenų šaltinių daugiau nei 5 ir ataskaitas naudoja keli skyriai.

Kaip įrankiai susijungia?

Atskirai kiekvienas įrankis rodo tik dalį vaizdo. Kartu jie veikia kaip grandinė:

1. Google Tag Manager svetainėje fiksuoja įvykius: formų pateikimus, skambučius, pirkimus.
2. Google Analytics 4 šiuos įvykius kaupia ir priskiria kanalams.
3. Google Search Console prideda organinės paieškos duomenis, kurių GA4 nemato.
4. UTM žymos užtikrina, kad naujienlaiškių, socialinių tinklų ir partnerių srautas būtų priskirtas teisingai.
5. Looker Studio ataskaitos sujungia viską į vieną vadovo skydelį.

WordPress svetainėse dalį integracijų galima įdiegti įskiepiais, pvz., Site Kit by Google ar slapukų sutikimo įskiepiais. Kuriuos rinktis ir kurių vengti, aptarėme straipsnyje geriausi WordPress įskiepiai verslo svetainei.

Kokius rodiklius (KPI) sekti?

Rodiklius rinkitės pagal verslo modelį, o ne pagal tai, ką įrankis rodo pagal nutylėjimą.

ROAS (angl. return on ad spend) – pajamų ir reklamos išlaidų santykis. Jei 1 000 € reklama atnešė 4 000 € pajamų, ROAS lygus 4.

Vienam vadovo skydeliui užtenka 5–7 rodiklių. Daugiau rodiklių nereiškia daugiau aiškumo. Dažniausiai tai reiškia mažiau sprendimų.

Kas yra konversija?

Konversija (angl. conversion) – tai vertingas lankytojo veiksmas: pirkimas, užklausa, skambutis, registracija.

GA4 terminologijoje tai vadinama pagrindiniu įvykiu (angl. key event). Kaip juos sukonfigūruoti formoms, skambučiams ir el. laiškams, rodome gide apie GA4 įvykius ir konversijas.

Jei konversijos nesukonfigūruotos, visa kita analitika netenka prasmės. Todėl konversijų konfigūracija – pirmas darbas prieš bet kokią ataskaitą.

Nuo ko pradėti: 7 žingsnių planas

Duomenų analitiką pradėkite nuo verslo klausimų ir matavimo plano. Įrankius diekite tik po to.

Šis planas tinka įmonei, kuri turi svetainę ir naudoja bent vieną reklamos kanalą.

1. Užrašykite 3–5 verslo klausimus. Pvz., „Kuris kanalas atneša pigiausią kvalifikuotą užklausą?“, „Kodėl krepšelį palieka 75 % pirkėjų?“.
2. Sudarykite matavimo planą. Lentelėje: tikslas → KPI → įvykis → kur fiksuojamas. Vienas lapas, ne 30 puslapių.
3. Įdiekite pagrindą. GTM, GA4 su konversijomis, Search Console ir slapukų sutikimo sprendimas su Google Consent Mode v2.
4. Sutvarkykite šaltinių žymėjimą. Google Ads automatinis žymėjimas, UTM visiems kitiems kanalams, vieninga pavadinimų taisyklė.
5. Sujunkite su CRM ar e. parduotuve. Bent rankiniu būdu kas mėnesį: kiek užklausų tapo sandoriais pagal šaltinį.
6. Sukurkite vieną skydelį. Looker Studio ataskaita su 5–7 KPI, atnaujinama automatiškai.
7. Įveskite peržiūros ritmą. 30 minučių kas savaitę ir 2 valandos kas mėnesį: ką matome, kodėl, ką darome. Sprendimus užsirašykite.

Šis planas taip pat yra pirmas verslo skaitmenizacijos žingsnis. Kol procesai nematuojami, neaišku, kuriuos automatizuoti pirmiausia.

O kaip skaityti tą skydelį ir ką rodyti vadovui? Tam skirtas atskiras gidas – rinkodaros ataskaitos vadovui.

Kiek kainuoja analitikos įdiegimas?

Patys įrankiai daugeliu atvejų nemokami. Mokate už specialisto darbą.

Lietuvoje bazinis GA4 ir GTM įdiegimas su konversijomis dažniausiai kainuoja nuo kelių šimtų eurų. Visas sprendimas su CRM integracija ir skydeliais – nuo tūkstančio eurų ir daugiau, priklausomai nuo šaltinių skaičiaus.

ITMA skaitmeninės rinkodaros paslauga su matavimu ir ataskaita prasideda nuo 500 €/mėn. vienam kanalui, pilna kanalų sistema su analitika – nuo 2 000 €/mėn. Tikslią analitikos įdiegimo kainą pateikiame įvertinę duomenų šaltinių ir konversijų skaičių. Neteisingai įdiegtas GA4 dažnai skaičiuoja konversijas dvigubai arba visai nemato skambučių, todėl biudžetas atitenka ne tiems kanalams; specialistas sekimą sutvarko taip, kad kiekviena forma, skambutis ir laiškas būtų priskirti šaltiniui, ir nebereikia gaišti valandų lyginant nesutampančias ataskaitas.

Ką dirba duomenų analitikas?

Duomenų analitikas – specialistas, kuris verslo klausimą paverčia duomenų užklausa, atlieka analizę ir pateikia išvadą su rekomenduojamu veiksmu.

Anglų kalba – data analyst, todėl Lietuvoje dažnai sakoma ir „data analitikas“.

Pagrindinės užduotys

• ✓Rinkti ir valyti duomenis iš skirtingų sistemų.
• ✓Kurti ataskaitas ir skydelius.
• ✓Atlikti vienkartines (angl. ad hoc) analizes: kodėl pasikeitė rodiklis.
• ✓Planuoti ir vertinti eksperimentus.
• ✓Pristatyti išvadas vadovams paprasta kalba.

Reikalingi įgūdžiai

Duomenų analitikas, rinkos analitikas ar agentūra?

Rinkos analitikas daugiausia dirba su antriniais duomenimis ir tyrimais apie rinką bei konkurentus. Duomenų analitikas dirba su įmonės vidiniais duomenimis.

Mažai įmonei etatinis analitikas dažnai per brangus.

Duomenų analitika ir BDAR: ką būtina žinoti

Analizuodami svetainės lankytojų elgseną, Lietuvoje privalote laikytis BDAR ir Elektroninių ryšių įstatymo.

Analitikos slapukams reikia aktyvaus lankytojo sutikimo. Asmens duomenų apsaugą prižiūri Valstybinė duomenų apsaugos inspekcija (VDAI).

Praktiniai reikalavimai:

• ✓Slapukų sutikimas prieš analitiką. Analitikos ir reklamos žymos neturi įsijungti, kol lankytojas nesutiko.
• ✓Google Consent Mode v2. Nuo 2024 m. kovo Google jo reikalauja EEE šalyse, jei naudojate Google Ads auditorijas ir konversijų matavimą.
• ✓Jokių asmens duomenų analitikoje. El. pašto adresų, vardų ar telefonų negalima siųsti į GA4 ar įrašyti į URL.
• ✓Duomenų saugojimo terminas. GA4 nustatykite tokį terminą, kokį numato jūsų privatumo politika.
• ✓Sesijų įrašų maskavimas. Šilumos žemėlapių įrankiuose formų laukų turinys turi būti paslėptas.

Rezultatas? Dalis lankytojų lieka nematomi.

Tai ne klaida, o realybė. Sprendimus priimkite pagal tendencijas ir santykius, o ne pagal absoliučius skaičius. Dalį prarastų duomenų galima atgauti server-side sekimu, bet sutikimo reikalavimo jis nepanaikina.

7 dažniausios duomenų analitikos klaidos

Dažniausia klaida – ne techninė, o organizacinė: duomenys renkami, bet niekas pagal juos nepriima sprendimų.

Štai klaidos, kurias matome dažniausiai:

1. Nesukonfigūruotos konversijos. GA4 įdiegtas, bet fiksuoja tik peržiūras.
2. Dvigubas skaičiavimas. GA4 kodas įdiegtas ir tiesiogiai, ir per GTM – lankytojų skaičius padvigubėja.
3. UTM žymos vidinėse nuorodose. Jos nutraukia sesiją ir iškreipia šaltinius.
4. Tuštybės rodikliai (angl. vanity metrics). Džiaugiamasi lankytojų augimu, nors užklausų skaičius nesikeičia.
5. Išvados iš per mažos imties. Dvi savaitės ir 20 konversijų – per mažai sprendimui apie kanalą.
6. Koreliacija laikoma priežastimi. Pardavimai augo, kai paleidote reklamą, bet tuo pačiu metu prasidėjo sezonas.
7. Duomenys niekur nesaugomi ilgiau. Pakeitus agentūrą ar programuotoją, prarandama prieiga ir istorija.

Paskutinė klaida ypač skaudi.

Visų paskyrų (GA4, GTM, Search Console, Ads) savininkė turi būti įmonė, o partneriai gauna tik naudotojo teises. Kaip tai padaryti, žingsnis po žingsnio rodome instrukcijoje kaip pridėti administratorių prie Google Analytics.

Šeštoji klaida susijusi ir su kanalų vertinimu. Kodėl skirtingos sistemos tą patį pardavimą priskiria skirtingiems kanalams, paaiškiname straipsnyje atribucijos modeliai: data-driven ir last click.

Ką rodo ITMA patirtis?

ITMA (IT ir skaitmeninės rinkodaros agentūra Kaune, veikianti nuo 2017 m.) tinklalapio duomenų analitiką diegia kiekvienam svetainės, e. parduotuvės ar reklamos projektui. Be jos negalėtume įrodyti rezultatų.

Per 200+ projektų pastebėjome: klientai dažniausiai klausia ne „kiek lankytojų“, o „kiek užklausų ir iš kur“.

Šie skaičiai įmanomi tik tada, kai prieš projektą užfiksuojama pradinė būsena, o po jo – tie patys rodikliai tuo pačiu metodu.

Visos temos

Kiekviena analitikos sritis aprašyta atskirame straipsnyje:

Dažniausiai užduodami klausimai

Kas yra duomenų analitika paprastais žodžiais?

Duomenų analitika – tai skaičių naudojimas sprendimams priimti. Surenkate duomenis apie pardavimus, klientus ar svetainę, juos sutvarkote ir ieškote atsakymų: kas veikia, kas ne ir ką keisti. Mažai įmonei tai gali būti viena Looker Studio ataskaita, kurią vadovas peržiūri kas savaitę.

Kuo skiriasi duomenų analizė ir duomenų analitika?

Duomenų analizė – konkretus darbas su duomenų rinkiniu: valymas, skaičiavimai, interpretacija. Duomenų analitika – platesnė sąvoka, apimanti visą ciklą nuo klausimo ir duomenų rinkimo iki sprendimo ir jo poveikio matavimo. Praktikoje terminai dažnai vartojami kaip sinonimai.

Kokie yra pagrindiniai duomenų analizės metodai?

Versle dažniausiai naudojami aprašomoji statistika, segmentavimas, piltuvo analizė, kohortų analizė, koreliacija ir regresija, laiko eilučių analizė, A/B eksperimentai ir kokybinė analizė. Pirmuosius keturis galima atlikti GA4 ir Looker Studio be programavimo, kitiems dažnai reikia SQL ar Python.

Ar mažai įmonei reikia duomenų analitiko?

Etatinio analitiko dažniausiai nereikia. Mažai įmonei pakanka teisingai įdiegto matavimo, vieno automatinio skydelio ir mėnesinės peržiūros su išoriniu partneriu. Etatinis duomenų analitikas tampa prasmingas, kai turite kelis duomenų šaltinius, didelę e. parduotuvę ar reguliarius eksperimentus.

Kokius įrankius naudoti pradedant?

Pradėkite nuo keturių nemokamų Google įrankių: Google Analytics 4, Google Tag Manager, Google Search Console ir Looker Studio. Prie jų pridėkite Microsoft Clarity arba Hotjar elgsenai analizuoti. Mokamos BI sistemos, tokios kaip Power BI, reikalingos tik tada, kai duomenų šaltinių daugėja.

Ar analitika legali be slapukų sutikimo?

Lietuvoje analitikos slapukams reikia lankytojo sutikimo pagal Elektroninių ryšių įstatymą ir BDAR. Be sutikimo galite rinkti tik būtinus techninius duomenis. Google Consent Mode v2 leidžia dalį duomenų modeliuoti, kai lankytojas nesutinka, tačiau asmens duomenų į analitikos įrankius siųsti negalima.

Per kiek laiko analitika duoda naudos?

Pirmos įžvalgos atsiranda per 2–4 savaites po teisingo įdiegimo, kai susikaupia pakankamai duomenų. Patikimoms tendencijoms ir sezoniškumui reikia 3–12 mėnesių duomenų. Todėl matavimą verta įdiegti kuo anksčiau, net jei analizę planuojate vėliau.

Išvada

Duomenų analitika verslui prasideda ne nuo brangių sistemų. Ji prasideda nuo kelių aiškių klausimų, teisingai sukonfigūruotų konversijų ir reguliarios peržiūros.

Ką galite padaryti šiandien? Užsirašykite 3 klausimus, į kuriuos norėtumėte gauti atsakymą kitą pirmadienį. Tada patikrinkite, ar GA4 juos jau gali atsakyti.

O kurio skaičiaus jums labiausiai trūksta priimant sprendimus?

Jei jums reikia tik įrankio įdiegimo, rinkitės Google Analytics įdiegimo paslaugą.