Du har tittat i din analys. Trafiken har ökat med 20 %. Konverteringarna står still. Du vet vad som hände (deskriptiv), du vet varför (diagnostisk) och du kan förutsäga nästa månad (prediktiv). Men du vet fortfarande inte vad du faktiskt ska göra åt det.
Preskriptiv analys svarar på den frågan: vilken konkret åtgärd bör du vidta, med allt du vet om din data? Den här artikeln går igenom hur preskriptiv analys fungerar och när den hjälper dig att fatta bättre beslut.
Preskriptiv analys använder din data för att rekommendera konkreta åtgärder. Den går längre än "vad hände", "varför hände det" och "vad händer härnäst". Den säger "så här bör du göra".
De tre typerna av analys bygger på varandra: deskriptiv ger faktan, diagnostisk förklarar den och prediktiv förutspår framtiden. Preskriptiv säger: "Med allt det i åtanke, optimera för det här resultatet. Gör så här."
För en webbplatsägare är preskriptiv analys skillnaden mellan att förstå sin data och att agera på den med självförtroende.
Så skiljer sig preskriptiv analys från de andra
Deskriptiv analys visar att 500 besökare kom den här veckan. Diagnostisk analys visar att 350 kom från ett blogginlägg du publicerade. Prediktiv analys förutspår 600 besökare nästa vecka om trafiken fortsätter växa.
Preskriptiv analys säger: "Din konverteringsgrad för bloggbesökare är 8 %. För direktbesökare är den 2 %. Ditt mål är 100 konverteringar den här månaden. Satsa mer på bloggtrafik och dra ner på betalda annonser." Det är en konkret rekommendation utifrån din data.
Utan preskriptivt tänkande har du fakta och prognoser men inget ramverk för beslut. Med det pekar datan mot det som faktiskt spelar roll.
Logiken bakom preskriptiva rekommendationer
Preskriptiv analys fungerar genom att fråga: "Vilket resultat vill jag ha?" Sedan arbetar du bakåt.
Steg 1: Definiera målet tydligt
Vad försöker du optimera? Mer intäkter? Fler leads? Högre konverteringsgrad? Lägre avvisningsfrekvens? Du måste namnge målet innan datan kan rekommendera hur du når dit.
Många webbplatsägare hoppar över det här. De tittar på analys utan ett tydligt mål. Det är som att fråga "vad ska jag göra?" utan att säga "för att uppnå vad?" Svaret blir alltid olika beroende på vad du optimerar för.
Steg 2: Identifiera vad som faktiskt driver resultatet
Om ditt mål är 100 leads i månaden och du just nu får 50, vad driver leads? Formulärinskick. Var sker formulärinskicken? På din kontaktsida och på landningssidor. Vem fyller i formulären? Besökare som kom via sökning (6 % konvertering) jämfört med besökare från annonser (2 % konvertering).
När du delar upp det ser du vad som faktiskt spelar roll: söktrafik konverterar bättre. För att få fler leads behöver du mer söktrafik.
Steg 3: Rekommendera åtgärder som gör skillnad
Nu kan du ge preskriptiva rekommendationer: publicera mer SEO-vänligt innehåll (ger söktrafik), förbättra din kontaktsida (fler fyller i formuläret) eller pausa annonser som presterar dåligt (slutar slösa budget på trafik som konverterar lite).
Varje rekommendation hänger direkt ihop med ditt mål genom din data.
Hur preskriptiva rekommendationer faktiskt ser ut
Preskriptiv analys är ingen magi. Det är strukturerat tänkande kring din data. Här är verkliga exempel.
Rekommendation: Öka trafiken från din bästa källa
Din data visar: besökare från organisk sökning konverterar till 5 %, betalda annonser till 2 % och hänvisningstrafik till 8 %.
Rekommendation: Fokusera på hänvisningstrafik. Den konverterar bäst. Bygg fler partnerskap, bli omnämnd på andra webbplatser eller skapa innehåll som delas.
Rekommendation: Åtgärda den trasiga sidan
Din data visar: besökare tillbringar 3 minuter på din startsida, 90 sekunder på din prissida och 45 sekunder på din jämförelsesida.
Diagnos: folk lämnar jämförelsesidan för snabbt. Rekommendation: skriv om den sidan. Gör jämförelsen tydligare. Du förlorar intresserade besökare.
Rekommendation: Sluta slösa pengar på det som inte fungerar
Din data visar: Kampanj A kostar 2 $ per klick och konverterar till 3 %. Kampanj B kostar 1 $ per klick och konverterar till 0,5 %.
Rekommendation: pausa Kampanj B. Den är billigare men fungerar inte. Varje dollar du lägger på Kampanj B är en dollar du inte lägger på Kampanj A, som faktiskt ger intäkter.
Rekommendation: Testa innan du skalar upp
Din data visar: besökare från nyhetsbrev A klickar sig vidare till 15 %. Besökare från nyhetsbrev B klickar sig vidare till 4 %.
Rekommendation: Nyhetsbrev A är värt att satsa på. Innan du skalar upp det kan du testa att skicka det oftare eller till en större lista. Ditt lilla test fungerar. Bygg ut försiktigt och håll koll på måtten.
Gränserna för preskriptiv analys
Preskriptiv analys är kraftfull men har gränser. Förstå dem så att du inte litar för blint på rekommendationerna.
Data kan bara rekommendera det den kan mäta
Din analys kan inte mäta effekten av att en konkurrent lanserar en ny produkt, en marknadsförändring eller ändrade kundattityder. Preskriptiva rekommendationer fungerar bra inom din webbplats. De fungerar sämre för yttre faktorer utanför din data.
Tidigare mönster garanterar inte framtida framgång
Din data kan visa att bloggtrafik konverterar utmärkt i dag. Det betyder inte att den alltid gör det. Sökalgoritmer ändras. Din bransch förändras. En rekommendation som bygger på historiska data kan bli fel när förutsättningarna ändras.
Testa alltid preskriptiva rekommendationer innan du satsar allt på dem.
Optimering för ett mål kan skada ett annat
Datan säger: "Konverteringar är ditt mål, så sänk avvisningsfrekvensen." Du gör det svårare för tillfälliga besökare att lämna sidan (tar bort utgångar, lägger till pop-ups). Konverteringarna ökar men ditt varumärkes rykte tar skada av irriterade användare.
Preskriptiv analys optimerar det du mäter. Den kan inte ta hänsyn till det du inte mäter.
Bra data kräver bra frågor
Skräp in, skräp ut. Om ditt mål är vagt ("förbättra prestandan") eller din data är ofullständig (du följer inte något viktigt) blir preskriptiva rekommendationer opålitliga.
Så använder du preskriptivt tänkande utan avancerade verktyg
Du behöver ingen avancerad programvara för att tänka preskriptivt. Du behöver tydligt tänkande.
Skriv ner ditt mål
Inte "få företaget att växa." Något konkret: "öka månadsintäkterna från 5 000 $ till 7 500 $" eller "sänk avvisningsfrekvensen från 60 % till 45 %."
Fråga: vad driver det här målet?
För intäkter: vad konverterar? Vem konverterar bäst? Var kommer de ifrån?
För avvisningsfrekvens: vilka sidor har hög avvisningsfrekvens? Vem lämnar först? Vad skiljer sidor med låg avvisningsfrekvens?
Använd din data för att svara
Ta fram en enkel rapport. Segmentera din trafik. Jämför mått. Du letar efter den största spaken, den förändring som flyttar ditt mål mest.
Rekommendera åtgärden
Vad bör du göra utifrån det du hittade? Mer av det som fungerar, mindre av det som inte gör det, eller åtgärda det som är trasigt.
Det är preskriptiv analys. Inga avancerade verktyg behövs.
När preskriptiv analys spelar störst roll
Preskriptivt tänkande är mest värdefullt när du har begränsad tid eller budget. Du kan inte göra allt. Datan visar vad du ska prioritera.
Du har 1 000 $ att lägga på marknadsföring. Preskriptiv analys säger: "Din data visar att bloggtrafik konverterar dubbelt så bra som annonser. Satsa på bloggtillväxt, inte annonser." Det är en tydlig riktning.
Du har en vecka på dig att förbättra konverteringarna. Preskriptiv analys säger: "Din kassasida har 40 % avbrott. Din produktsida har 2 %. Åtgärda kassan." Du vet var du ska fokusera.
Utan preskriptivt tänkande gissar du. Med det pekar din data mot det som spelar störst roll.
Vanliga frågor
Skiljer sig preskriptiv analys från prediktiv analys?
Ja. Prediktiv analys visar vad som kommer att hända (500 besökare nästa månad). Preskriptiv analys visar vad du ska göra åt det (fokusera på bloggtrafik eftersom den konverterar bättre). Prediktiv analys förutspår framtiden, preskriptiv rekommenderar åtgärder. Med WEMASYs webbplatsbyggare kan du ställa in det direkt på din webbplats.
Behöver jag särskilda verktyg för preskriptiv analys?
Nej. Alla analyssystem som låter dig segmentera data och jämföra mått kan stödja preskriptivt tänkande. WEMASYs analys låter dig dela upp besökare efter källa, jämföra konverteringsgrader och se vilka sidor som konverterar bäst. Det är allt du behöver.
Vad gör jag om preskriptiv analys rekommenderar något som strider mot min intuition?
Testa det. Din intuition kan ha rätt, din data kan vara ofullständig eller vilseledande. Men om rekommendationen bygger på tydlig data är den värd att testa innan du avfärdar den. Data avslöjar ofta mönster som vi inte ser intuitivt.
Kan preskriptiv analys säga åt mig att göra något oetiskt?
Data kan rekommendera det som maximerar ditt mål utan att ta hänsyn till etik. Du är människan, det är du som bedömer. Om datan säger att "manipulativ design ökar konverteringarna" måste du avgöra om det är den sortens tillväxt du vill ha. Preskriptiv analys är ett verktyg, och du ansvarar för hur du använder det.
Hur ofta ska jag uppdatera mina preskriptiva rekommendationer?
Minst varje månad. Din data förändras hela tiden. En rekommendation som var rätt förra månaden kan vara fel den här månaden om dina trafikkällor ändrats eller en kampanj har tagit slut. Gå igenom och uppdatera regelbundet.
Vad gör jag om jag har flera konkurrerande mål?
Du måste välja ett att optimera för, eller sätta en viktning. Du kan inte samtidigt maximera intäkter och minimera kostnader om de krockar. Preskriptiv analys fungerar bäst med ett tydligt huvudmål. Sekundära mål är avvägningar.