1. Spark de dårlige kunder ud med PURIGADO metoden
Er alle kunder gode – og skal man blot gå efter at få så mange kunder som muligt?
Den tilgang har i hvert fald været ved at køre flere virksomheder i graven. Derfor har nogle virksomheder med fordel vendt en underskudsforretning til en overskudsforretning ved PURIGADO metoden.
Navnet kommer af følgende:
PUrpose – definer hvad du gerne vil have dine kunder skal gøre for dig
RIte of passage – hvilke kunder opfylder PUrpose og giver dig værdi som virksomhed.
GAme over – fjern de dårlige kunder
DO it again – hold den gode hygiene
2. Bedre Google søgning: Billedresultater og SEO
Flere og flere ser på billedresultater, når de søger efter produkter, de vil købe. Her i 2019 bruger Google Machine Learning til at forstå indholdet på siderne og sågar også, hvad selve billeder indeholder.
Alligevel kan man med fordel hjælpe Google på vej. Det gør man bl.a. ved:
- at have billedstierne med i sit sitemap
- at have alt-tekster, der beskriver, hvad der er på billedet eller i det mindste en billedtekst under billedet på siden
Hertil kommer struktureret data på siden også til at gøre en større forskel i fremtiden. Struktureret indhold er information om siden i en forudbestemt standard. Med det vil Google fx vide, at siden omhandler et produkt eller en opskrift eller artikel. Den information deler Google så direkte i billedsøgningen. Kunden kan derfor også direkte se, om billedet refererer til fx et produkt eller en opskrift mv. Det gør billedsøgning endnu mere brugbar for kunderne.
Dette er blot et lille eksempel på de ting, som Google hele tiden gør for at forbedre deres produkt. Google har omkring 1000 opdateringer om året, så søgning altid bliver forbedret. Et godt bud er, at du selv altid er med i små 10 betatestændringer, hvor google så vurderer effekten af dem for at se, om ændringerne skal ud til alle brugere.
Det er derfor super vigtigt, at kernen i din søgemaskineoptimering ligger i at give værdi til mennesker. Hav godt beskrivende indhold – både tekst, billeder og video, der gør kunderne klogere og hjælper dem med deres mål. Det er den slags indhold Google, med al deres konstant nye teknologi, forsøger at forstå og herefter fremhæve for deres kunder – dig.
3. Machine Learning (AI) 2019
Overordnet siger man, at AI er til PowerPoints, men når du skal bruge det i praksis, kalder man det Machine Learning.
Barrieren for at begynde at arbejde med Machine Learning bliver hastigt lavere. Bare for et års tid siden, kom man ikke uden om at skulle kode for at dykke ned i emnet. I fremtiden bliver det mere et spørgsmål om at benytte standardinterfaces til at samle og bearbejde data til de svar, du gerne vil have fra maskinen.
Hvis du gerne vil forstå de overordnede principper – der måske er det eneste, der skal til i fremtiden, så har Finland lavet en god introduktion til deres egne borgere, som de venligst har delt med resten af verden.
Ellers er her lidt tips fra dem, der allerede nu har kodet sig vej til brugbare resultater:
- Brug ikke 6 måneder på at bygge den perfekte infrastruktur op. Start med en forretningside og få testet værdien af ideen så nemt som muligt. Ellers kan du ende med en masse arbejde, der ikke giver værdi.
- De rigtige KPI´er er svære at opsætte. De udgør nemlig den retning som maskinen skal optimere. Det samme med de data du bruger til maskinen. For meget ukritisk data, som ikke har en afgørende forskel for dine KPI´er, kan give en del falske positiver.
- Data skal ikke være helt uberegnelige. Maskinen finder mønstre gennem regler. En af de populære regler er formet som et Decision Tree, hvor data filtreres gennem en række forgreninger. Hver af disse forgreninger skal gerne påvirke en stor mængde af data. Et stort system med masser af forgreninger, hvor mange forgreninger ikke rigtigt filtrerer særligt store mængder, vil blot gøre systemet langsomt. Hertil kan du ende i en masse falske mønstre eller mønstre, som man ikke kan forklare efterfølgende.
4. Analytics i det hele taget: Hvad rører sig?
- Data er det nye olie. Det er det, som holder det moderne samfund kørende og det, som krige kan blive startet for. Data – og brugen af data – er bestemt kraftfuld, så derfor er et af de store emner også ansvarlig benyttelse af data – både for mennesker og når mennesker sætter maskiner til det. Analytikere har længe haft denne etikkode. Men nu har Montreal i Canada også fremsat en deklaration for etisk brug af AI.
- Når du skal tage beslutninger, vil det være skønt, hvis de ender i værdi. Det har en omkostning at reducere uvished, og man kan aldrig fjerne den helt. Men hvor meget er du villig til at risikere for at sikre, at du har ret? Svaret på det er den mængde penge, som god data er værd for dig.
- Husk at værdien af Analytics er negativ. Værdien af de beslutninger, man tager, er positive. Så hvis du ikke tager beslutninger på baggrund af Analytics, så har du negativ Analytics værdi.
- Lav ikke test for at få bedre CR men for at lære. Den viden, du får, kan du bruge til at skabe langt mere værdi.
5. Status på GTM og Google Mobile Analytics
- Mobile Analytics bliver strømlinet gennem Firebase-strukturen, så det er den eneste mulighed fremadrettet. Den er dog ikke helt udbygget endnu, så særligt eCommerce kommer til at mangle, indtil det er på plads.
- Tag Manager har en række udvidelser i skuffen til at udvikle egne tagtyper, så man ikke behøver at bruge Custom HTML. Hertil vil der også blive indbygget gennemsigtighed, så man kan se, hvor meget koden i tagget potentielt kan påvirke resten af sitet. Udviklere får desuden også mulighed for at styre, hvor meget indholdet i Tag Manager kan påvirke resten af sitet i det hele taget.
6. Databrønde
Hæld alle dine data fra dine forskellige kilder direkte ned i en stor brønd. Det kan være dine websitedata, Adwords, Facebook, Youtube, Trello osv. Grundtanken er, at data i modsætning til et Data Warehouse ikke er strukturerede. Her kan data så ligge, indtil du er interesseret i en indsigt fra disse data. Når du vil bruge indsigter, så trækker du data ud i fx BigQuery for at analysere på det. Herfra kan du endda sende det videre til Machine Learning for at finde mønstre i forhold til bestemte mål.
Det er bestemt store muligheder gemt i denne tilgang, men det er noget mere krævende at sætte op end blot Google Analytics. Samtidig skal du have indkøbt en række systemer til at håndtere det – dog ikke i nærheden af de priser som Enterprise Google Analytics eller Adobe Analytics kører.
Slutteligt kræver det også en del mere hos de folk, som skal analysere på data i databrønden end dem, som ellers kan finde indsigter i Google Analytics.
Man skal dog passe på med databrønde. Man kan nemlig uforvarende komme til at samle små informationsmængder, som sammen kan pege på et konkret menneske – og dermed har man forbrudt sig mod GDPR-regler.