WhatsApp Business API ger mer data än appen WhatsApp Business, men mindre än de flesta varumärken tror. Du får leveransgrad, läsgrad och svarsgrad. Intäktsattribution, kundvärde kopplat till WhatsApp-aktivitet och jämförelser mellan kanaler kräver extra arbete utöver det API:et ger själv. Om du förstår gränsen mellan vad API:et rapporterar automatiskt och vad du måste bygga själv slipper du besvikelsen över att vänta dig mer än plattformen ger. Du missar heller inte det som faktiskt finns.
Vad WhatsApp Business API rapporterar själv
API:et ger en fast uppsättning datapunkter på meddelandenivå och samtalsnivå. När du vet exakt vad som finns kan du bygga realistisk rapportering utan att lita på funktioner som inte existerar.
Statusdata per meddelande
För varje meddelande som skickas via API:et returnerar WhatsApp en statusuppdatering i varje steg av leveransen. Följande statusar finns:
- Skickat: meddelandet har lämnat API:et och ligger i WhatsApps leveranssystem
- Levererat: meddelandet har nått mottagarens enhet
- Läst: mottagaren har öppnat meddelandet (bara om mottagaren har läskvitton påslagna)
- Misslyckat: meddelandet kunde inte levereras, med en felkod som visar orsaken
Statusarna kommer som webhooks. Det betyder att API:et skickar uppdateringen till ditt system i realtid, så du behöver inte fråga efter den. Att fånga och spara de här webhook-händelserna är grunden för analys på meddelandenivå. Utan ett system som tar emot och loggar dem försvinner datan.
Mätvärden på samtalsnivå
Förutom status för enskilda meddelanden ger API:et data på samtalsnivå via sina analysändpunkter. Du kan se antal samtal per kategori (marknadsföring, tjänst, autentisering, service), per tidsperiod och per land. Det är användbart för att hålla koll på kostnader (hur många debiterbara samtal som fanns i varje kategori) och för att följa volymen över tid. Du får ingen data om enskilda samtal. Det finns ingen ändpunkt som returnerar hela texten i tidigare samtal eller utfallet av ett visst utbyte. Innehållet går att ta emot i realtid via webhooks, men det sparas inte och går inte att hämta via API:et i efterhand om inte ditt eget system fångar det.
Mallars resultat
För meddelandemallar som används i utgående kampanjer ger API:et samlad data: hur många gånger varje mall skickades, levererades, lästes och fick svar. Datan finns på mallnivå, inte per mottagare. Du ser hur en mall presterade i stort, men inte vilka kontakter som läste eller svarade. Mallarnas resultat är viktiga för att se vilka format och vilket innehåll som fungerar hos publiken. De ger underlag för att bestämma vilka mallar du behåller, förbättrar eller tar bort.
Kvalitetsbetyg för telefonnumret
API:et visar kvalitetsbetyget för företagets telefonnummer. WhatsApp uppdaterar det utifrån hur kunderna agerar: blockeringar, anmälningar och avregistreringar påverkar betyget. Betyget har tre nivåer (högt, medel, lågt) och styr direkt hur många meddelanden kontot får skicka. Om du följer kvalitetsbetyget via API:et eller kontrollpanelen i Business Manager ser du tidigt om kvaliteten sjunker. Då hinner du hitta orsaken innan din skickkapacitet minskar. Ett fall från högt till medel är en varning. Ett fall till lågt kräver att du genast tar reda på grundorsaken och åtgärdar den.
Vad API:et inte rapporterar
Det här saknas i API:ets egen rapportering:
- Samtalens innehåll: text från tidigare meddelanden går inte att hämta via API:et när samtalsfönstret har stängts, om du inte sparat den själv
- Intäktsattribution: det finns ingen inbyggd koppling mellan ett WhatsApp-samtal och ett köp som följer efter
- Agenternas prestation: svarstider, lösningsgrad och kvalitetsbetyg per agent följs inte av API:et
- Publikens egenskaper: WhatsApp ger ingen data om kontakternas ålder, kön eller plats
- Jämförelsetal: API:et säger inte hur dina resultat står sig mot branschens genomsnitt
Samtalsanalys: så presterar dina flöden
Kör du automatiska samtalsflöden (chattbottar, välkomstserier, kvalificeringsflöden) måste du förstå hur kontakterna rör sig genom dem. Då ser du var flödena fungerar och var de brister.
Hur många som tar sig igenom flödet
Genomförandegraden är andelen kontakter som startade ett samtalsflöde och nådde målet utan att hoppa av på vägen. Hög genomförandegrad betyder att flödet är tydligt, relevant och lätt att följa. Låg genomförandegrad betyder att kontakterna lämnar innan de får sin lösning. Om du följer genomförandegraden per flöde och över tid ser du om en ändring gjorde flödet bättre eller sämre. Bestäm målet innan du bygger flödet. I ett supportflöde kan det vara "ärendet löst". I ett kvalificeringsflöde kan det vara "kontakten lämnad till säljteamet".
Avhoppsanalys: var kontakterna ger upp
Avhoppsanalysen visar exakt vilket steg i flödet kontakterna oftast lämnar. Många avhopp i ett visst steg är ett pålitligt tecken på att något är fel just där. Meddelandet är rörigt, alternativen passar inte vad kontakten behöver, svaret kräver för mycket arbete eller väntan på svar (i hybridflöden) är för lång. Åtgärden beror på diagnosen. Ett rörigt meddelande behöver skrivas om. En meny med fel alternativ behöver byggas om. Ett för krångligt steg behöver förenklas. Gör en avhoppsanalys av varje flöde efter de första två veckorna och sedan varje månad. Då blir flödena bättre i stället för sämre över tid.
Andel överlämnade samtal och skälen till dem
Överlämningsgraden är andelen automatiska samtal där en människa behövde ta över. En låg andel är inte automatiskt bra. Om chattboten hanterar frågor som borde lämnas över (svåra klagomål, säljsamtal med högt värde, känsliga kontoärenden) betyder en låg andel att automatiken tar för stor plats. En hög andel betyder att automatiken inte klarar de situationer den byggdes för. Den mest användbara datapunkten är inte andelen utan skälen. Om du sorterar skälen varje vecka ser du vilka situationer boten behöver bli bättre på och vilka som alltid ska ligga hos människor.
Svarstider genom samtalet
I hybridflöden där automatiska steg varvas med svar från människor visar svarstiden i varje steg var förseningarna uppstår. Ett automatiskt steg som tar tre sekunder och ett mänskligt steg som tar 45 minuter i samma flöde ger en ojämn upplevelse. Svarstiden per steg visar vilka steg som är långsamma. Då kan du rikta förbättringar mot bemanning, vidarebefordran eller hur mycket som automatiseras. Målet är inte lika svarstid i varje steg, eftersom automatik alltid är snabbare än människor. Målet är att de mänskliga stegen inte förstör den snabbhet kunden upplevde i de automatiska.
Jämförelse mellan flöden
Varumärken kör oftast flera samtalsflöden samtidigt: ett välkomstflöde för nya kontakter, ett supportflöde för inkommande frågor, ett kvalificeringsflöde för säljförfrågningar och ett flöde som väcker kontakter som tystnat. Om du jämför genomförandegrad, avhopp och överlämningar mellan flödena ser du vilka som behöver mest uppmärksamhet och vilka som presterar så bra att de är värda att kopiera. Ett supportflöde med 85 procent genomförande och ett kvalificeringsflöde med 40 procent visar var du ska lägga arbetet innan du skalar upp något av dem.
Bygg en komplett analysmiljö för WhatsApp
Du får en komplett bild av WhatsApp när du kombinerar API:ets egen rapportering med data från samtalsplattformen, CRM-systemet och webbutiken eller orderhanteringen. För att bygga det måste du bestämma hur datan fångas, lagras och kopplas ihop.
Fånga och spara webhook-händelser
API:et skickar statusuppdateringar för meddelanden som webhooks i realtid. Om de inte fångas och sparas försvinner datan. Grunden är en webhook-mottagare som loggar varje statushändelse i en databas. Loggen bör som minst ha meddelande-ID, mottagarens telefonnummer, tidpunkt, status och eventuell felkod för misslyckade meddelanden. Den här råa loggen är sanningskällan som alla mätvärden på meddelandenivå räknas fram från. Utan den får du leverans- och läsgrad bara från API:ets färdigräknade analysändpunkter. De ger sammanfattningar, men inte den detaljerade data som behövs för djupare analys.
Koppla WhatsApp-data till CRM
När du kopplar samtalsdata till kontaktposterna i CRM kan du analysera per kontakt: hur många samtal en viss kontakt har haft, hur varje samtal slutade och hur köphistoriken ser ut i förhållande till engagemanget på WhatsApp. Kopplingen kräver en gemensam identifierare, oftast telefonnumret, som finns i båda systemen så att posterna går att para ihop. När det är gjort kan du ställa frågor över systemgränserna. Vilka kontakter i WhatsApp-listan har också köpt de senaste 90 dagarna? Vilka har haft ett samtal men inte köpt ännu? Vilka har högst engagemang på utskick?
Intäktsattribution genom datamiljön
För att koppla intäkter till WhatsApp-samtal behöver du en länk mellan samtalshändelsen och köphändelsen. Det renaste sättet är ett samtals-ID som skickas med till kassan när en försäljning startar i ett WhatsApp-samtal. Då kan köpet märkas med WhatsApp som källa i orderhanteringen. Går inte det tekniskt kan du använda ersättningsmetoder, till exempel unika rabattkoder per utskick, betalningslänkar med UTM-taggar eller att agenten loggar försäljningskällan i CRM. De ger en uppskattning. Jämför de intäkter som kopplas till WhatsApp varje månad med vad kanalen kostar (API-avgifter, teamets tid, plattformskostnader). Då får du den avkastningsberäkning som motiverar fortsatt satsning.
Analysplattformar och översikter
Rådata i databaser går inte att använda för marknadsförings- eller kundupplevelseteamet utan ett rapportlager ovanpå. Du kan bygga rapportlagret på olika sätt:
- Analysvyn som ingår i plattformen hos din WhatsApp Business-leverantör (Solution Provider), som täcker de mätvärden leverantören följer
- Ett BI-verktyg kopplat till det datalager där webhook-händelser och CRM-data ligger, så att du kan göra egna rapporter och frågor över flera system
- Rapportering i kalkylblad för mindre verksamheter, där du exporterar data från API:ets analysändpunkter och sammanställer den för hand
Rätt val beror på datamängden, vilka tekniska resurser du har och hur ofta datan behöver uppdateras. En stor API-verksamhet med tusentals samtal per dag behöver ett riktigt BI-verktyg. En mindre verksamhet klarar sig med schemalagda exporter och ett välstrukturerat kalkylblad.
Lagringstid och sekretess
WhatsApp-data som du sparar i din egen analysmiljö omfattas av samma sekretesskrav som andra kunduppgifter. Hur länge samtalsloggar, kontaktposter och resultatdata får sparas bör du bestämma utifrån dataskyddsreglerna på varje marknad där du verkar. Data som inte behövs längre ska raderas enligt ett fast schema i stället för att sparas för alltid. När en kontakt ber om att få sina uppgifter raderade måste raderingen gälla analysmiljön lika väl som CRM och alla andra anslutna system. Det är mycket enklare att hålla ordning om du bygger in radering i analysmiljön från början än om du gör det i efterhand.
Gör data till beslut
En analysmiljö som ger data men inte ändrar några beslut är dyr infrastruktur utan avkastning. För att göra WhatsApp-data till operativa och strategiska beslut behöver du en fast rytm för genomgångar och en tydlig koppling mellan signaler och åtgärder.
Veckogenomgången: operativa beslut
Veckogenomgången tar upp de mätvärden som kan ändras snabbt och behöver åtgärdas direkt. Det här kollar du varje vecka: leverans- och läsgrad för veckans kampanjer, resultat för nya mallar, kvalitetsbetyg och trend, överlämningsgrad i automatiska flöden och genomsnittlig tid till första svar. Varje mätvärde ska ha ett gränsvärde. Över gränsen behövs ingen åtgärd. Under gränsen följer en bestämd utredning och åtgärd. Veckogenomgången ska ta högst 30 minuter om rapporteringen är rätt uppsatt och gränsvärdena är bestämda i förväg.
Månadsgenomgången: strategiska beslut om kanalen
Månadsgenomgången handlar om trender, attribution och fördelning av resurser. Frågor att ställa varje månad: växer den medgivna publiken i rätt takt, följer intäkterna från WhatsApp målet, vilka automatiska flöden presterar dåligt och hur ska vi förbättra dem, vilka målgrupper ger högst svarsgrad och vad betyder det för riktningen, och hur står kostnaden per förvärvad kund på WhatsApp sig mot andra kanaler den här månaden? Genomgången ska ge tre till fem konkreta beslut eller åtgärder för nästa månad, var och en med en namngiven ansvarig och ett slutdatum.
Använd A/B-testdata för att förbättra mallar och flöden
Mallarnas resultat från API:et är råmaterialet för systematiska A/B-tester. Du testar en variant av en mall, till exempel med ny inledning, ny uppmaning, annan sändtid eller annan mediatyp, och jämför resultaten före och efter ändringen. Då får du belägg för vilken version som är bäst. I samtalsflöden kan du testa ett omarbetat steg mot originalet och jämföra avhoppen just i det steget. Då ser du hur stor förbättringen är. Varje testresultat, oavsett om varianten vann eller originalet höll, ökar er kunskap om vad som funkar för just er publik. Om du för en testlogg över varje experiment och dess resultat slipper du testa sådant som redan är prövat.
Koppla analysen till innehåll och kampanjplanering
WhatsApp-datan bör mata direkt in i planeringen av innehåll och kampanjer. Mallar som fått hög svarsgrad i tidigare kampanjer är värda att bygga vidare på. Ämnen som gav flest inkommande samtal visar vad publiken är mest intresserad av. Sändtider som gav bäst läsgrad visar när framtida kampanjer ska schemaläggas. Frågor som kommit upp om och om igen i supportsamtal pekar på luckor i innehållet som du kan fylla i förväg i utskick eller flöden. Analysdatan är mest värdefull inte på egen hand utan som en ständig återkoppling som gör varje ny kampanj mer relevant och bättre tajmad än den förra.
Rapportera API-analys till ledningen
När du rapporterar till ledningen ska du översätta tekniska mätvärden till affärsspråk. Leveransgrad och webhook-fördröjning säger ingenting till en senior beslutsfattare. Intäkter kopplade till WhatsApp, kostnad per förvärvad kund jämfört med andra kanaler och nöjdhet från enkäter efter samtal gör det. Gör en sammanfattning på en sida varje månad med tre till fem mätvärden på affärsnivå, med trendpilar som visar om varje värde blev bättre eller sämre sedan förra månaden. Då får ledningen det de behöver för att bedöma kanalen utan att kunna något om hur API:et fungerar. Målet är en rapport som tydligt visar om satsningen på WhatsApp ger avkastning och vad som görs för att förbättra det som inte fungerar.
Vi använder en WhatsApp Business-leverantör. Sköter den analysen åt oss, eller måste vi bygga egen?
De flesta leverantörers plattformar har en inbyggd analysvy som täcker de mätvärden de följer: leverans- och läsgrad, antal samtal per kategori, mallarnas resultat och ibland genomförandegrad i flöden. Det räcker för den löpande uppföljningen. Där leverantörens analys inte räcker är rapportering över flera system: att koppla WhatsApp-data till poster i CRM, att koppla intäkter till enskilda samtal eller att jämföra WhatsApp med andra kanaler. Då behöver leverantörens data exporteras och kombineras med data från andra system, för hand eller med ett BI-verktyg. Kolla vad leverantörens analysvy täcker innan du bestämmer dig för att bygga mer rapportering.
Vår läsgrad har sjunkit stadigt de senaste tre månaderna. Vad ska vi undersöka?
Sjunkande läsgrad har oftast en av tre orsaker. För det första kan publiken bli mindre engagerad: kontakter som tackade ja för länge sedan och inte längre använder WhatsApp aktivt, eller som har varumärkets nummer men inte längre är intresserade. För det andra kan kontakterna få meddelandena utan att ha sparat numret, vilket tar bort det personliga intrycket och minskar lusten att öppna. För det tredje kan du ha ökat antalet utskick så mycket att kontakterna börjar nedprioritera dina meddelanden. Gå igenom listan efter kontakter som inte läst något på 60 dagar, kolla om de senaste anmälda har sparat numret och se om frekvensen har ändrats under perioden då läsgraden föll.
Hur ser vi vilka kontakter som svarade på ett utskick utan att gå igenom varje samtal för hand?
Via API:ets webhook-system. När en kontakt svarar på ett meddelande som ingick i ett utskick innehåller webhooken för det inkommande meddelandet ID:t på det ursprungliga utskicksmeddelandet. Om ditt system sparar utskicken med deras meddelande-ID och loggar inkommande meddelanden med ID:t på det meddelande de svarar på kan du fråga datan och se exakt vilka kontakter som svarade på ett visst utskick. Det kräver en webhook-mottagare och en databas som sparar händelserna. Utan den miljön måste du följa upp svaren för hand i samtalsplattformen, och det är inte praktiskt i större skala.
Vi vill veta vilket av våra samtalsflöden som har flest avhopp. Hur tar vi reda på det utan hjälp av en utvecklare?
De flesta plattformar för WhatsApp-chattbottar har flödesanalys i sin kontrollpanel som visar hur många kontakter som kom in i varje steg och hur många som gick vidare till nästa. Den trattvyn per steg gör avhoppen synliga utan egen analys. Om plattformen inte har det kan du kolla om den låter dig exportera samtalsdata. I ett kalkylblad med samtal och utfall kan du se vilket som var det sista steget som nåddes före avhopp. Har du ingen av delarna är det snabbaste att fråga leverantören vilken flödesanalys som finns i plattformen, så vet du vad som går att göra utan extra utveckling.
Vår WhatsApp-analys är utspridd på tre plattformar: leverantörens kontrollpanel, vårt CRM och vårt webbutikssystem. Hur samlar vi ihop den?
Du kan samla ihop den på olika sätt, från enkelt till avancerat beroende på tekniska resurser. Det enklaste är en manuell export varje månad från varje system till ett gemensamt kalkylblad som en person sköter och som ni går igenom tillsammans. Ett mer robust sätt är ett integrationsverktyg som hämtar data från varje systems API enligt schema och lägger den i en gemensam databas, där du bygger en enda översikt. Det manuella sättet fungerar i liten skala. Det automatiska behövs när datamängden eller hur ofta ni går igenom den gör manuell sammanställning ohanterlig. Börja enkelt och gå över till automatik när det manuella arbetet blir flaskhalsen.
Hur räknar vi ut avkastningen på vår WhatsApp-verksamhet för att motivera fortsatt satsning?
För att räkna avkastning behöver du två tal: vad WhatsApp kostade och vad det gav. På kostnadssidan: API-avgifter, avgifter till leverantörens plattform, personaltid som läggs på WhatsApp (uppskattad i timmar gånger timkostnad) och eventuella kostnader för verktyg eller utveckling. På intäktssidan: försäljning som direkt kan kopplas till WhatsApp-samtal, återköp från kunder som väckts på nytt via WhatsApp och sparade supportkostnader för frågor som löstes på WhatsApp men annars hade krävt en dyrare kanal (telefon, besök). Intäktssidan är svårare att göra exakt, men även en försiktig uppskattning av kopplade intäkter mot de fulla kostnaderna ger tillräcklig bild för att kunna motivera satsningen.