Yleisön ymmärtäminen & analytiikka

Examples – How to Turn Data into Actionable Insight in a Newsroom

These 18 slides are a presentation I gave in Helsinki Wednesday in an event organized by EzyInsights, titled ”How Magazines and Broadcasters Succeed on Digital”. I’ll put the slides here in my blog so that the internet can find them. To be clear: actionable insight in this context simply means any concrete way that data can help make better content. And to be more clear: least consumed content does not mean you should not do it – but you should maybe try and do it differently.

Näyttökuva 2017-11-28 kello 17.29.57

Näyttökuva 2017-11-29 kello 14.43.04

Näyttökuva 2017-11-28 kello 18.02.53Näyttökuva 2017-11-28 kello 17.30.44Näyttökuva 2017-11-28 kello 17.30.51Näyttökuva 2017-11-28 kello 17.30.57Näyttökuva 2017-11-28 kello 17.31.05Näyttökuva 2017-11-28 kello 17.31.13Näyttökuva 2017-11-28 kello 17.31.23

Näyttökuva 2017-11-29 kello 9.24.03.pngNäyttökuva 2017-11-28 kello 17.31.35Näyttökuva 2017-11-28 kello 17.31.43Näyttökuva 2017-11-28 kello 17.31.50Näyttökuva 2017-11-28 kello 17.31.57Näyttökuva 2017-11-28 kello 17.32.04Näyttökuva 2017-11-28 kello 17.32.10Näyttökuva 2017-11-28 kello 17.32.18Näyttökuva 2017-11-28 kello 17.32.25

 

Normaali
Yleisön ymmärtäminen & analytiikka

Näin Aller personoi nettisivusi ja rikastaa tiedon rahaksi – blogivieraana yhtiön datapomo Sini Kervinen

sini-kervinen.jpg

Hyvällä asenteella saa aikaan mitä vain. Se on jopa tärkeämpää kuin spesifi osaaminen, sanoo Sini Kervinen.

ESIPUHE: Heinäkuussa kerrottiin, että Aller sai Googlelta 300 000 euron lisärahoituksen Rikastamo.fi-verkkosivustoon, joka koostuu datan visualisointi- ja analysointityökalusta. Sini Kervinen on yksi Rikastamo.fi:n emo-operaation Rikastamon perustajista. Rikastamo on Allerin määritelmän mukaan “yhdistelmä Allerin onlineverkostoista, tilaajakannasta ja Allerin kumppaneiden datasta muodostettuja kuluttajakohderyhmiä, jotka kertovat suomalaisten kiinnostuksen kohteista ja ostoaikeista”.

Datan rikastaminen tarkoittaa, että asiakkaiden käyttäytymistä pyritään ymmärtämään paremmin. Minua kiinnosti selvittää, mitä se tarkoittaa konkretian tasolla Allerissa – mediayhtiössä, joka yhdistetään brändinä yhä useammin dataan. Toivoin myös kuulevani, mitkä asiat ovat onnistumisen mittaamisen ytimessä.

Tanskalainen Aller omistaa Suomessa mm. Suomi24-keskustelupalstan ja Seiskan.

Tittelisi Aller Media Oy:ssä on “Head of Business Operations, Data & Digital Solutions” Kertoisitko työnkuvastasi? Mitä arkeesi kuuluu?

– Työnkuvani on aika monipuolinen. Tällä hetkellä vedän sellaista yksikköä kuin Refinery Operations Center. Aller on perustanut uuden datatekemisen yksikön jossa rikastetaan, kerätään ja hyödynnetään dataa talon sisällä, mainonnassa ja yritysten strategisessa kehityksessä. Tiimissäni tehdään datakohdennettua mainontaa, datan rikastamista ja datayhteistöitä. Kaupallistamme myös dataa Maikkari-yhteistyön myötä, jossa Aller ja MTV ovat siis yhdistäneet datansa. Suomi 24:ään teemme palveluita, joilla pystytään tavoittamaan kuluttajia.

”Vuosi sitten olimme New Yorkissa Googlella käymässä ja siellä asiantuntijat kertoivat, että he tietävät kourallisen yrityksiä, jotka tekevät vastaavaa, mitä me silloin teimme.”

– Meillä on nyt alkamassa mielenkiintoinen uusi vaihe, joka vaikuttaa työnkuvaani. Rikastamoa on pyöritetty noin puolitoista vuotta, ja nyt rakennamme tiimini voimin visualisointityökalua, jossa ajatuksena on, että eri lähteistä keräämämme data saadaan mahdollisimman selkeään ja ymmärrettävään muotoon. Taustalla on motto, että data kuuluu kaikille. Tästä on innostuttu Allerissa pohjoismaisesti niin paljon, että Data Refinery on päätetty nyt yhtiöittää omaksi yhtiökseen. Vastaan tässä uudessa yhtiössä kansainvälisesti skaalautuvasta teknologiasta ja sen lisäksi palveluista.

”Taustalla on motto, että data kuuluu kaikille.”

Voitko kertoa konkreettisesti, mistä data tulee ja miten se muuttuu segmenteiksi eli kohderyhmiksi?

– Lähtökohtaisesti pyrimme muuttamaan datan sellaiseen muotoon, joka kuvaa kuluttajaa monipuolisena kokonaisuutena. Emme usko, että kukaan haluaa tulla kohdelluksi yhden negatiivisen tai yhden positiivisen asian kautta, vaan nimenomaan kokonaisuutena. Yksi tiedon keräämisen kivijalka verkossa on Suomi24:n keskustelut, mistä saamme kuluttajavertailua. Nyt mukaan ovat tulleet myös MTV:n sivustot. Meillä on olemassa myös Allerin asiakastietokanta, jossa on Seiskan 25-vuotisen historian ansiosta erittäin kattava otanta suomalaisia, kolme miljoonaa markkinointiluvallista henkilöä.

”Yksi tiedon keräämisen kivijalka verkossa on Suomi24:n keskustelut.”

– Lisäksi saamme datakumppanuuksien kautta tietoa mm. väestörekisterijärjestelmästä ja Trafista. Nämä kaikki tiedot yhdistetään monipuoliseen onlinekäyttäytymistietoon ja voimme esimerkiksi ymmärtää, millaisesta lomasta tietyn perhetaustan omaavat segmenttiryhmät haaveilevat, kuinka herkästi ne ostavat tuotteita tai ovatko ne kiinnostuneet uudesta Volvosta tai millä autolla ne ajavat tällä hetkellä.

Eli siellä on osaksi taustalla nettiselaimista tuleva evästetieto?

– Kyllä.

– Emme kuitenkaan seuraa, mitä joku tietty selain tekee, vaan dataa käytetään segmentteinä, joissa otanta on riittävän suuri. Koko teknologiassa kaikkein tärkein asia on itse rakentamamme DAP eli Data Analyzation Platform, jonka tehtävä on kerätä ja yhdistää tiedot niin, että niitä pystytään jatkokäyttämään uuden tietosuoja-asetuksen mukaisesti (EU:n yleistä tietosuoja-asetusta aletaan soveltaa toukokuussa 2018 – tässä Ylen juttu aiheesta).

Miten ainutlaatuisena pidätte tällaista tapaa kerätä tietoa?

– On se aika ainutlaatuinen. Online-datan ympärillä pyörii paljonkin innovaatioita, mutta tällainen yhdistely asiakasrekisterin kanssa on erittäin harvinaista. Vuosi sitten olimme New Yorkissa Googlella käymässä ja siellä asiantuntijat kertoivat, että he tietävät kourallisen yrityksiä, jotka tekevät vastaavaa, mitä me silloin teimme. Ja siitä on tultu jo eteenpäin.

– Perinteisesti onlinemarkkinoinnissa on kerätty kohderyhmiä niin, että on tietty teknologia, jolla on kerätty esimerkiksi selaimesta tietoa niin, että jos selain on käynyt urheilusivulla, oletetaan, että hän on kiinnostunut urheilusta. Meidän käyttämämme teknologian avulla saadaan tietoa, että tämän selaimen lapsi on luultavasti kiinnostunut aloittamaan luisteluharrastuksen. Eli pelkästään online-käyttäytymisestä saatava tieto on paljon kehittyneempää. Tähän kun yhdistetään vielä muut muuttujat, kuten asuinpaikka- ja demografiatiedot, niin saamme kuluttajasta kokonaiskuvan.

”Voimme esimerkiksi ymmärtää, millaisesta lomasta tietyn perhetaustan omaavat segmenttiryhmät haaveilevat”

“Selaimen lapsi” kuulostaa hauskalta sanayhdistelmältä…kyse on siis tosiaankin mallintamalla saadusta tiedosta?

– Se tehdään mallintamalla, kyllä. Otanta on niin suuri, että Suomen väestö tulee mallinnetuksi hyvinkin kattavasti.

– Allerissa talonsisäisesti käytämme tätä suosituksissa – esimerkiksi Idealista on media, joka räätälöityy jokaiselle henkilölle eri lailla tämän käyttäytymisen mukaan. Media räätälöityy lukijan kiinnostuksen mukaan, mutta jättää sinne myös sopivan marginaalin, että on mahdollisuus lukea myös muuta, useammankin lehden sisältöä.

”Esimerkiksi Idealista on media, joka räätälöityy jokaiselle henkilölle eri lailla tämän käyttäytymisen mukaan.”

Tämäntyyppinen suosittelu ei kai ole ihan uusinta uutta?

– Se on uutta, että koko sisältö muokkautuu monipuolisesti, on yli 400 000 avainsanaa joiden mukaan voidaan personoida. Sellaisia “lue näitä seuraavaksi”-suosituksia sivuston reunoilla on ollut käytössä jo pidempään.

– Idealistassa oli muuten jännää se, että koetimme ensin personoida sivun pelkästään henkilön kiinnostuksen mukaan. Se on sama kuin aluksi Facebookissa, algoritmi menee tylsäksi. Sinne on pakko tulla vaihtelua ja näin teimmekin.

Miten Allerin omat työntekijät hyödyntävät dataa?

– Mediamyynti on pitkään tehnyt myyntiä niin, että myydään pääasiallisesti vain datakohdennettua mainontaa. Ei myydä enää pelkkää mediaa. Sisällöntuotannossa meillä on työkalut, joilla pystymme näkemään, mistä lukijat ovat kiinnostuneita ja mitä sisältöjä on liian vähän, jotta voimme tuottaa niitä lisää ja sillä tavalla nostaa näiden medioiden kannattavuutta.

– Ja sitten myymme myös eräänlaista asiantuntijapalvelua. Paljon on yrityksiä jotka elävät vanhentuneiden markkinatutkimusten tiedoilla siitä, millaisia niiden asiakkaat ja kohderyhmät ovat – annamme yrityksille tietoa siitä, mikä heidän reaaliaikainen online-asiakaskuntansa on tai millainen heidän asiakasrekisterikantansa on.

Miten olette Allerissa huomioineet sen, jos asiakas sanoo, että en ymmärrä mitään, vaikka miten vääntäisitte datasta rautalankaa?

– Oikeastaan datan visualisointityökalu perustuu nimenomaan tuolle ajatukselle. Ja sille, että aika pitkään kaikki datan ympärillä puhuminen tapahtui tietylle suppealle kohderyhmälle. Haluamme panostaa heihin, joilla on dataa ja jotka keräävät paljon dataa, mutta jotka eivät tiedä, miten sitä hyödyntää.

– Haluamme luoda työkalun, joka toimii ihan tavallisille ihmisille, jotka eivät datasta ymmärrä. Työkalun on oltava sellainen että se innostaa: kun leikit luvuilla, ne elävät reaaliajassa ja kun etsit jotain tietoa, saatkin paljon enemmän mitä ymmärsit etsiä.

Esimerkiksi FB on tunnetusti aarreaitta kuluttajan käyttäytymisen tutkimiseen. Mikä on somedatan rooli visualisointityökalussa?

– Se on roadmapilla, mutta ei ensimmäisessä vaiheessa. Meidän datallahan pystyy jo tekemään esimerkiksi Facebook-mainontaa niin, että ajaa tiettyjä asiakasrekistereitä ristiin ja sitä kautta hyödyntää. Näin päin se on käytössä, mutta ei ole tarkoitus kerätä tässä vaiheessa sen kummallisempaa.

Dataan saattaa liittyä myös ennakkoasenteita – luullaan esimerkiksi, että se tappaa luovuuden, vaikka oikein käytettynä data ja intuitio yhdistyvät mitä upeimmalla tavalla. Oletko joutunut perustelemaan tekemisiäsi epäilijöille?

– En kauhean paljon, ehkä eniten on tullut vastaan sellaista, että hyötyjä ei ole ymmärretty, kun ei ole ollut mitään konkreettista mihin tarttua. On ajateltu, että tämä data on “noiden muiden” hommaa tai että data on vain analytiikkaa. Minusta kuitenkin tuntuu, että ajatusmaailma on menossa oikeaan suuntaan. On ollut esimerkiksi kirjoittelua intuitiojohtamisesta datan rinnalla.

– Olen itse ollut datan kanssa tekemisissä koko työhistoriani ja nähnyt monia järjestelmiä, jotka tekevät esimerkiksi sellaisia mallinnuksia, joissa on todella paljon ilmaa välissä. Minulle on tärkeää, että ne teknologiat ja asiat joista puhun ovat sellaisia, joiden taustalla voi seistä. Ja että data on oikeasti sellaista, jonka perusteella voi tehdä toimenpiteitä. Tietynlaista skeptisyyttä voisi jopa olla vähän enemmän.

”Minulle on tärkeää, että ne teknologiat ja asiat joista puhun ovat sellaisia, joiden taustalla voi seistä. ”

Samoja lukujakin voidaan tulkita eri tavalla, kukin omista lähtökohdistaan?

– Joo. Muutamia vuosia sitten kun piti tehdä excelillä näitä juttuja, niin sillähän saa saman asian näyttämään erilaiselta riippuen tulokulmasta. Kun itsenikin piti perustella asioita niillä välineillä, niin se korosti selkeyden tarvetta, että mihin kysymykseen halutaan vastaus. Ja että se data on tullut oikeista paikoista. Muuten mikä tahansa vastaus voi näyttää ihan miltä vaan.

Mitä dataohjautuvuus sinulle tarkoittaa?

– Otetaan tietoa oikeista asioista suhteessa siihen, mitä yritetään saada selville. Kaiken a ja o on teknologian ja inhimillisyyden yhdistäminen. Teknologioita on paljon ja ne tekevät paljon meidän puolestamme, mutta siellä on aina inhimillinen asiantuntija tekemässä sen jatkojalostuksen. En tiedä yhtään teknologiaa, joka pystyisi antamaan valmiita toimintaohjeita.

”Kaiken a ja o on teknologian ja inhimillisyyden yhdistäminen.”

Miltä näyttää tulevaisuus 10 vuoden päästä?

– Tekoälyhän on jo osin mukana mutta tulee lisääntymään, se voi auttaa saamaan tietoa esimerkiksi käyttömotiiveista. Itseäni ehkä teknologiaominaisuuksiakin enemmän kiinnostaa se, että tämä on monelle suomalaiselle mahdollisuus kansainväliseen tekemiseen ja bisnekseen. Voimme työskennellä digitaalisesti ympäri maailman ja silloin se todellinen asenne ja osaaminen on mikä merkitsee. Odotan innolla, millaista se on 10 vuoden päästä.

Millainen matka tämä “datakyvykkyyden”, kuten sitä itse kutsutte, rakentaminen on ollut?

 Asenteella on iso merkitys. Meillä oli mukana muutama henkilö tosi hyvällä asenteella, intensiivisesti mutta nöyrästi, niin että he pystyivät myös kuuntelemaan muiden mielipiteitä, eikä ollut koskaan mitään muiden yli jyräämistä. Joskus mietimme ryhmässä, mitkä olivat pahimpia epäonnistumisia matkan varrella, eikä niitä tullut mieleen. Se oli niin automaatio, että niistä opittiin, hyvän kautta.

”Hyvällä asenteella saa aikaan mitä vain.”

– Kun ihmiset vaihtuvat ja on erilaisia yhteistyökumppaneita, niin jotenkin se asenne nousee kaikessa yli spesifin osaamisen. Hyvällä asenteella saa aikaan mitä vain.

Sini Kervinen on Numeroiden takaa -blogin toinen blogivieras. Ensimmäinen oli Ylen Head of Customer Experience, Jaakko Lempinen. Hänen ajatuksiaan analytiikan tulevaisuudesta voit lukea täältä.

Numeroiden takaa on helmikuussa 2017 perustamani blogi, joka käsittelee onnistumisen mittaamista kansantajuisesti. Julkaisen blogin FB-sivulla myös materiaalia, joista en erikseen bloggaa, käyhän seuraamassa! Minusta eli kirjoittajasta löydät lisätietoa tämän blogin esittelysivulta, tai laajemmin mutta englanniksi Newswhip-analytiikkayhtiön tuoreesta haastattelusta täältä.

Normaali
Yleisön ymmärtäminen & analytiikka

Analytiikan tulevaisuus on siinä, kenen elämään oikeasti vaikutit, sanoo blogivieras Jaakko Lempinen

Jaakko_Lempinen-photo

Lempisen Jaakko.

Se on täällä! Nimittäin Numeroiden takaa -blogin kolmekuukautisen historian ensimmäinen henkilöhaastattelu. Jututin kollegoideni parissa analytiikkaguruksikin tituleerattua Jaakko Lempistä, joka työskentelee Ylessä tittelillä Head of Customer Experience. Jaakko vastaa asiakaskokemuksesta eli miettii, miten asiakkailla eli sisältöjen katselijoilla, kuuntelijoilla ja lukijoilla olisi mahdollisimman hyvät oltavat. Hän tuli Yleen viime vuonna A-lehdistä, missä vastasi konsernin datan ja analytiikan kehityksestä.

Kerrotko hieman työnkuvastasi?

– Hahmotan sen arvon ympärille. Hyvä asiakaskokemushan muodostuu siitä, kun asiakkaan odotukset ylitetään. Esimerkiksi Applen on nykyään vaikea ylittää asiakkaiden odotukset, koska iPhonelta odotetaan niin valtavasti. Jotta odotukset voidaan ylittää, pitää tietää, mitä asiakas odottaa eli mitä asioita hän arvottaa. Jos tiedämme mitä asiakas arvostaa, voimme purkaa osiin asiat, jotka siihen vaikuttavat. Sen jälkeen tiedämme, mitkä asiat meidän pitää tehdä hyvin, jotta onnistuisimme ylittämään nämä asiakkaan odotukset.

Jotkut puhuvat datasta, jotkut analytiikasta ja jotkut data-analytiikasta, mutta puhutaan me nyt selkeyden vuoksi analytiikasta. Mitä analytiikka sinulle määritelmällisesti tarkoittaa?

– Analytiikan tehtävä on arvon luominen asiakkaalle. Mitä analytiikka sitten käsitteenä on, niin minulle se jakautuu kolmeen osaan eli deskriptiiviseen, prediktiiviseen ja preskriptiiviseen

Eli suomeksi?

Deskriptiivinen on sitä tutuinta eli operatiivisen toiminnan kuvaamista analytiikan keinoin. Katsotaan tehtyä työtä ja mikä tieto hyödyttää, jotta voidaan luoda paremmin arvoa asiakkaalle, tai ylipäätään tehdä työtä helpommin. Tällä hetkellä kovassa nousussa on prediktiivinen puoli eli ennustava tieto, jossa ihmisiä eli asiakkaita katsomalla pyritään selvittämään, mihin he ovat suunnilleen menossa, jotta voisimme paremmin ymmärtää esimerkiksi, millaisia tuotteita he tulevaisuudessa aikovat käyttää. Pitää siis katsoa vähän pidemmälle kuin nykyhetkeen, esimerkiksi puolen vuoden päähän. Preskriptiivinen taas on autonomista ihmisestä riippumatonta analytiikkaa. Esimerkiksi robottijournalismissa robotti voi tiedostaa, että tietynlaisia juttutyyppejä, vaikka jääkiekkotuloksia tietyltä alueelta, pitäisi olla enemmän. Robotti osaa kirjoittaa jutun, tarjoilla sen ja lähettää vielä notifikaation.

Markkinoinnin automaatio on myös tätä preskriptiivistä analytiikkaa?

– Kyllä, täydellisessä maailmassa. Nykyään vielä liian usein deskriptiivisen analytiikan jatke.

Miten sisältötaloissa on mielestäsi kehitytty onnistumisen mittaamisessa?

– Oma historiani mediataloissa ulottuu vuoteen 2006 eli 11 vuoden taakse. Haluaisin sanoa, että kehitys on ollut tasaista kuin eteenpäin vievä virta, mutta kyllä se on enemmän ollut vaihtelevaa: on tullut äkillisiä muutoksia esimerkiksi johtamismalleihin tai lehden levikkiin tai ohjelmien katsojamääriin, mikä on pakottanut sisällöntuottajat ja organisaatiot miettimään uudestaan, miten asioita pitäisi tehdä ja tässähän analytiikka on ollut kuin lähde janoiselle tai pullo, mihin on viimeisillä voimilla tartuttu. Enenevässä määrin käännytään nykyään kuitenkin analytiikan puoleen jo aikaisessa vaiheessa, että mitä oikeastaan pitäisi tehdä. Siinä on se isoin muutos. Alkuvaiheessa iso osa työstä kului ihan vain sen selittämiseen, miksi se analytiikka on tärkeää. Sellaista ei onneksi enää niin paljon ole.

Selittäminen on ehkä muuttunut sellaiseksi, jossa kerrotaan, miten analytiikkaa pitäisi tulkita oikein?

– Joo. Jos puhutaan rooleista, mistä hyvä analytiikkatiimi muodostuu, niin nykyäänhän kovassa nosteessa ovat data scientistit ja data engineerit. Kyllä mä enenevässä määrin tahtoisin puhua myös sinunkin tyyppisistä rooleista (Ylen uutis- ja ajankohtaistoiminnan audience editor, joka on ison osan ajasta läsnä sisällöntekijöiden arjessa), joissa ollaan hyvin lähellä toiminnan muuttamista. Joku muistaakseni eilen käytti termiä intervention consultant tai vastaava, jonka tehtävä on keskeyttää toimintamalli, muuttaa toiminta ja poistua. Uskon itse enemmän sellaiseen tavallaan vierihoitomalliin.

Eli käytännössä niin, että tullaan, tehdään jotain ja tullaan viisi kertaa uudestaan? Toistetaan, toistetaan, toistetaan…(naurua).

– Joo. Sitä se on, toistoa.

Ylessäkin on aikaa sitten siirrytty klikkien tuijottamisesta palveluissa käytetyn ajan tuijottamiseen, mikä on trendi maailmalla. Sinun lempisanontojasi on, että ”it is not about the time spent but about the time well spent”. Mitä sillä tarkoitat?

– Se johtaa juurensa vaikuttavuuteen. Kaupallisella puolella minua hieman häiritsi mainoskontakteista puhuminen. Yhtäkkiä kaikki oli liidejä (potentiaalisia asiakkaita), ja vieläkin se mua vähän riivaa. Jos lasketaan yhden tuotteen kohdalla sujuvasti yhteen esimerkiksi kaikki katsojamäärät eri alustojen videoista ja puhutaan miljoonien katsojamääristä, niin se on ihan ok ja ymmärrän miksi näin tehdään, mutta ongelma on se, että mikä on ollut sen sisällön vaikuttavuus. Mihin olet oikeasti vaikuttanut? Montako ihmistä siellä toisessa päässä on, joiden elämä on jollain tapaa muuttunut?

– Minua häiritsee ajatus, että lasketaan hienonkuuloisilla termeillä kontakteja, kun pitäisi laskea arvoa. Vähän aikaa sitten kuuntelin podcastia, jossa puhuttiin siitä miksi tavoitteet on perseestä. Se on hieno ajatus, koska ne on! Kun ihmisille antaa tavoitteita, ne tekevät niitä tavoitteita. Tarkoitan, että on väärin sanoa että tee juttu, jota luetaan keskimäärin viisi minuuttia. Siinä unohtuu, mikä sen jutun merkitys on lukijalle. Siksi toivoisin, että keskustelisimme enemmän siitä, miten voisimme todentaa sisällön arvoa ja millaisilla tavoitteilla saavutetaan suurempi arvo.

Kai sen arvonkin täytyy olla tarkkaan mitattavissa?

– Totta kai, kaiken pitäisi olla. Mutta tavoitteet ja mittarit olisi ylipäänsä hyvä mieltää välineurheiluksi, ne ovat vain väline parempaan lopputulokseen.

Jotta onnistumista voidaan mitata, tavoitteiden täytyy olla ylipäänsä mitattavissa ja sellaisia, että mahdollisimman moni voi niihin aidosti sitoutua. Tämä yhtälö ei välttämättä ole simppelein mahdollinen kun tehdään luovia sisältöjä. Miten sisältötaloissa osataan mielestäsi asettaa tavoitteita ylipäänsä?

– Me olemme menneet tässä paljon eteenpäin ja erityisesti meillä halutaan mennä eteenpäin. Se on hirveän tärkeää. Oikeaa vastausta ei ole, vaan pitää ymmärtää, mikä tukee parhaalla mahdollisella tavalla sekä sisällöntuotantoa että arvon muodostumista siellä vastaanottavassa päässä. Nyt me ajattelemme vielä aika paljon, mitä meidän omassa päässä tapahtuu. Tavoitteiden ei niinkään tarvitse olla isoja kuin vaikuttavia.

Miten arvoa voi mitata tulevaisuudessa?

– Riippuu kontekstista. Tulevaisuuden mittaaminen on sekoitus uudentyyppisen käytösdatan ja laadullisen datan mittaamista. Käsitys arvosta muodostetaan sitä kautta. Meidän pitää tietää nykyistä enemmän sisällönkulutuksen motiiveista ja konteksteista ja yhdistää se dataan, jota saamme sisältöjen käytöstä.

Laadullinen tarkoittaa, että ihmisiltä kysytään, mitä mieltä he ovat, mikä tuntuu joskus hassulta, koska kaikki eivät vastaa läheskään sen mukaan, mikä heidän todellinen käyttäytymisensä on (”en lue iltapäivälehtiä” —> oikeasti luet). Eikö nykyään jo aika hyvin osata verrata kysyttyä ja mitattua dataa toisiinsa?

– Suurin ongelma on, että ne ovat kauhean kaukana toisistaan. Kyselydata liittyy toiseen kohderyhmään, toisiin käyttäjiin ja toisiin tilanteisiin. Eli jos sinulta kysytään syytä johonkin jota olet tehnyt kuukausi sitten, vastaus saattaa olla nyt aivan toinen kuin tapahtumahetkellä. Kyse ei ole pelkästään tietojen yhdistelemisestä, vaan myös tiedonkeruusta. Ne pitäisi tuoda yhteen, jotta voisimme seurata, miten ihmisten vastaukset alkavat muuttua, kun muutamme omaa toimintaamme.

Onko se mielestäsi hyvin tuotettua arvoa sisältötalossa, jos on X määrä porukkaa, joka aina vaan jaksaa palata takaisin? Tapakäyttö siis.

– Kyllä. Mutta se voi olla myös huonoa arvoa. Jos palaa useasti, johtuuko se siitä että asiakas ei ole ensimmäisellä kerralla löytänyt etsimäänsä? Vai onko se niin, että se on hänen tapakäyttöään? Meidän on pyrittävä koko ajan ymmärtämään, miksi ihmiset käyttäytyvät niin kuin käyttäytyvät. Tämä liittyy myös palvelussa käytettyyn aikaan. Onko viisi minuuttia jutussa vietettyä aikaa huonompi kuin 10 minuuttia? Entä jos on hitaampi lukija? Keskiarvojen sijaan pitäisi kyetä puhumaan ihmisistä.

Tuo on hyvä pointti. Buzzfeedin datapomo totesi hiljattain, että väestön tuijottamisesta meni teho, yksilö on nyt kuuminta hottia. Ihmisiä ei voi keskiarvoistaa. Pystyykö analytiikka koskaan huomioimaan sitä, että ihmiset ovat yksilöitä?

– Kyllä, uskon niin.

Usein tuntuu, että yritetään oppia onnistumisista pikemminkin kuin epäonnistumisista, vaikka jälkimmäinen olisi hedelmällisempää. Vaikkapa Facebook-sisällöissä epäonnistumisista oppiminen tuntuu korostuvan. Miten hyvin osaamme oppia epäonnistumisistamme?

– Kun puhutaan sosiaalisesta mediasta, monesti tulee mieleen että siinä tekemisessä on sisäänrakennettuna kulttuuri, että on ok epäonnistua. Ehkä muussa mediassa se tahtoo mennä niin, että lähtökohtaisesti onnistutaan ja jos ei onnistuta, kyllä data kertoo meille, miksi onnistuimme. Meidän pitäisi rohkeammin myöntää, mitä ei ainakaan ensi kerralla kannata tehdä. Tämä on vaikea aihe siksi, että onnistumisen pakko on juurtunut aavistuksen liian syvälle.

Mitä pitäisi tehdä, että datasta oppimisesta tulisi luonteva osa yrityskulttuuria?

– Jos puhutaan visiotason työstä, se vaatii sitoutumista koko organisaatiossa ihan ylintä ja alinta kerrosta myöten. Samalla pitäisi ymmärtää uudella tapaa myös tavoitteiden ja mittareiden roolit toiminnan ohjaamisessa. Ja tietenkin sitä, että ymmärretään tavoitteiden ja dataohjautuvuuden välinen symbioosi. Läpinäkyvyys ja tiedonkulku on todella tärkeää.

 

 

 

Normaali