Miten rakentaa markkinoinnin datavarasto?
Business Development Lead, Google Cloud Platform
Tiedätkö mikä on yrityksesi ROMI? Osaatko kohdentaa markkinointibudjettisi niin, että saat siitä täyden hyödyn irti? Jos asiakkaittesi ostokanavia on useita, miten monikanavainen markkinointi konvertoituu ostoiksi verkkokaupassa ja kivijalassa?
Useimmissa yrityksissä kaikki tämä data on olemassa, mutta hajautunut kymmeniin eri markkinoinnin ja myynnin järjestelmiin. Jos tunnistat näitä haasteita omassa työssäsi, markkinoinnin datavarasto voi auttaa.
Mikä on markkinoinnin datavarasto?
Markkinoinnin datavarasto tuo kaiken asiakashankintaan liittyvän datan yhteen paikkaan. Yritys saa täydellisen omistajuuden markkinoinnin ja myynnin dataan, ja täyden näkyvyyden koko historiatietoon. Datavarasto on rakennettu suurien informaatiomassojen mylläämiseen, joten se on performanssiltaan ylivertainen, kun taas Excelistä loppuu puhti jo alle vuoden historiadatalla.
Datavaraston käyttöönotto saattaa kuulostaa järeältä projektilta, mutta se ei sitä enää tänä päivänä ole. Seuraavalla kuuden stepin ohjeistuksella (jota myös itse käytämme projekteissamme) pääset rakentamisessa alkuun.
1. Kirkasta liiketoiminnan tarve
Ensimmäinen askel on selvittää, miksi markkinointisi ylipäätään tarvitsee datavarastoa. Liiketoiminnan ja strategian kannalta syy voi olla esimerkiksi juuri se että saadaan näkyvyys kaikkeen yrityksen markkinoinnin ja myynnin informaatioon. Moni yritys esim. ei kykene laskemaan ROMIa, erilaisten kampanjoiden onnistumista mitataan osittain fiilispohjalta. Keskitetty datavarasto mahdollistaa lukemattomasti raportointia ja analytiikkaa, kuten asiakkaan elinkaaren arvon mittaamista, eri kanavien konversioiden vertailua ja tehokkaampaa segmentointia.
Omaa dataa voi alkuun yrittää pyöritellä taulukkolaskennassa, tämä voikin olla luonnollinen tapa Excel-orientoituneille ihmisille paremmin hahmottaa datan mahdollisuuksia. Kun dataa ja datalähteitä on paljon, spreadsheetin suorituskyvyn rajat tulevat kuitenkin nopeasti vastaan, ja jos yrityksen visiona on laajemminkin datavetoinen liiketoiminta, sitä ei yksinkertaisesti voi rakentaa exceleiden ympärille.
2. Tunnista datalähteet
Seuraavaksi tarvitaan lähdedata, jonka avulla liiketoiminnan kysymyksiin aletaan selvittämään vastauksia. Tyypillisiä markkinoinnin datalähteitä ovat mainonta-alustat ja sosiaalinen media esim. Google Ads ja Facebook Ads, joista saadaan ulos data mainontaan käytetyistä euroista. Myynnin tietolähteistä tavallisia ovat verkkokaupat, kivijalkamyymälöiden kassajärjestelmät, CRM:t ja Google Analytics. Myynnin järjestelmistä nähdään putken toinen pää, eli markkinointieurojen konvertoituminen myynniksi tai muuksi halutuksi asiakkaan toiminnaksi.
Datalähteiden määrällä ei hyvin suunnitellussa kokonaisuudessa ole rajaa. Liikkeelle kannattaa lähteä kevyesti, esim. yhdellä tai kahdella lähteellä ja rakentaa sen päälle lisää. Samalla ratkaisun hyödyt tulevat pienellä panostuksella esiin, ja uusia toimintatapoja päästään harjoittelemaan.
3. Valitse markkinoinnin datavarasto
Datavarasto on datavetoisen markkinoinnin ydin – datan pitkäaikainen säilytyspaikka sekä analytiikan ja raportoinnin moottori. Vanhemmassa maailmassa datavarastot rakennettiin yrityksen omille palvelimille – projektit olivat tyypillisesti pitkiä ja raskaita ja palvelinten ylläpito kallista. Tänä päivänä on onneksi saatavilla kymmenittäin pilvipohjaisia ratkaisuja, joiden käyttöönotto tapahtuu yksinkertaisen web-käyttöliittymän kautta minuuteissa.
Markkinoiden kustannustehokkain ja suorituskyvyltään paras data warehouse on Googlen BigQuery, joka kuuluu Google Cloud Platformiin. BigQuery skaalautuu automaattisesti kilotavuista petatavuihin ja sen saa käyttöön kuka tahansa Google-tunnukset omistava. BigQuery tukee myös kokeilevaa kehitystä hyvin sillä se tarjoaa ensimmäiset 10 gigatavua kuukaudessa ilmaiseksi. Kahden datalähteen platformia pyörittää parilla kympillä kuukaudessa. Gappsin uudet asiakkaat saavat Googlen kautta 500€ krediittejä Googlen palveluiden pyörittämiseen.
Kerromme lisää BigQuerystä tässä blogitekstissä.
4. Integraatiot
Kun datavarasto ja ensimmäiset datalähteet valittu, on aika rakentaa yhteys näiden välille. Integraatioiden rakennus on tyypillisesti dataprojektin teknisin ja vaikein osuus, joskin nykyään on tarjolla palveluita, joilla integraatioiden tekeminen onnistuu ilman riviäkään koodia. Esimerkiksi Supermetrics tarjoaa valmiit integraatiopalikat useaan tunnettuun markkinoinnin ja myynnin lähdejärjestelmään, kuten Google Analytics ja Salesforce. Supermetricsin tukemiin lähdejärjestelmiin integraation saa rakennettua alle tunnissa, ja palvelu huolehtii automaattisesti datan päivityksestä ja virheiden hallinnasta.
Jos lähdejärjestelmääsi ei löydy markkinoilta valmista integraatiota, kuten usein on erityisesti vanhempien ja “eksoottisempien” sovellusten kanssa, on aina mahdollista rakentaa integraatio itse. Tällöin kannattaa turvauta osaavan kumppanin apuun. Liikkeelle kannattaa kuitenkin lähteä mahdollisimman yksinkertaisesti, eli suosia datalähteitä joihin on saatavilla valmiit integraatiot.
5. Valitse raportointityökalu
Raportointi- ja BI-työkaluilla saadaan datasta haluttu informaatio irti ja luodaan liiketoiminnan tarpeeseen osuvat raportit ja dashboardit. Dashboardit ovat jatkuvasti kytkettyjä datavarastoon ja näkymät päivittyvät automaattisesti datan muuttuessa. Raportointityökalun valinta riippuu paljon käyttäjien preferensseistä, ja usein yrityksissä onkin jo jokin BI softa (esim. Qlik, Tableau) käytössä. Suosittujen BI-työkalujen lisenssit eivät ole softalisenssien halvimmasta päästä, jos haluaa (jälleen kerran) lähteä mahdollisimman kevyesti liikkeelle, kannattaa harkita Google Data Studiota, joka kuuluu Google Cloudiin ilman lisämaksua.
6. Aloita kevyesti ja opettele uutta toimintatapaa
Teknisessä mielessä aloitus on siis nykyään helppoa, ja pilvipalvelut mahdollistavat kustannustehokkaan skaalauksen suurille datamäärille. Samaan aikaan pitää muistaa, että ollaan kehittämässä täysin uudenlaisia toimintatapoja ja luomassa datavetoisen markkinoinnin kulttuuria. Uutta toimintaa pitää jatkuvasti opetella arjessa tai teknisen ratkaisun tuomat hyödyt jäävät saamatta.
Markkinoinnin datavaraston rakennuksessa olennaista on muistaa aloittaa pienellä panoksella, jonka jälkeen sitä voi lähteä kehittämään ja mittaamaan saavutettuja hyötyjä. Sopiva proof-of-concept voisi esimerkiksi olla:
- 2 datalähdettä
- Google Cloudista BigQuery käyttöön (Gappsin kautta otettaessa saa mukana 500 €:lla ilmaisia krediittejä sen käyttöön)
- Integraatiot Supermetricsilla (jossa 14 päivän ilmainen kokeilu)
- 2-3 markkinoinnin dashboardia Google Data Studiolla.
Tämän setupin saa pystyyn parissa päivässä.
Apua datavarastoinnin aloittamiseen
Me autamme mielellämme Proof-of-Conceptin suunnittelussa ja toteutuksessa, sparraamme liiketoiminnan tavoitteiden kanssa, vastaamme teknisestä setupista ja kehitämme dashboardeja markkinoinnin käyttöön. Olemme mukana jatkuvassa kehityksessä, jos PoCin jälkeen päätätte lähteä systemaattisesti kehittämään datavetoisen markkinoinnin kulttuuria.