fresh data - vi sætter strøm til vores analyser
Bliv klogere på hvad vores Lead SEO Consultant, Christopher Hofman Laursen, har at sige om vores Fresh Data projekt. Få viden om hvad projektet handler om, fordelene ved det og hvordan man sætter det op i praksis.
Christopher deler ud af sin viden
Vi har fået os en god og lærerig snak med Christopher, hvor han har delt ud af sin viden indenfor det, vi kalder ”Fresh Data”. Vi spurgte ham bla. om, hvad definitionen for Fresh Data er, fordelene ved at bruge det og hvordan man sætter et projekt op i praksis.
Hvis du er nysgerrig på at få svar på disse spørgsmål, så læs med nedenfor.
Vi spurgte, christopher fortæller...
Hvad er Fresh Data?
Data som kontinuerligt bliver opdateret i analyser er Fresh Data. Vi er gået fra at lave analyser med statiske datasæt – et øjebliksbillede – til at vi konstant kan opdatere data. De kan opdateres om 1 time, 1 dag eller om en måned. Det kommer helt an på kundens behov. Man har tidligere kun brugt en søgeordsanalyse i et defineret tidsrum, fordi placeringer af søgeord ændrer sig. Du ligger i top 3 på Google på et vigtigt søgeord i denne måned, og i næste måned ligger du måske på side 2. Det ændrer ens strategiske tilgang til at arbejde med data, og den statiske analyse vil ikke være relevant længere.
Det, som vi ønsker, er at have dugfriske data til rådighed, som gør, at vi har bedre indsigter til at træffe de rigtige beslutninger. Det sker, når vi sætter ”strøm” til vores analyser. Vi kan derfor konstant gå ind og opdatere vores data, når vi har brug for at arbejde med dem. Dét er essensen af vores Fresh Data projekt.
hvad er Fordelene?
Der er flere fordele ved Fresh Data. For det første får vi langt mere korrekt information, inden vi går ud og tager en beslutning. Der er derfor langt større chance for, at vi tager den helt rigtige beslutning, fordi datagrundlaget er i orden.
Den anden fordel er, at vi centraliserer data, når vi arbejder med Fresh Data. Det vil sige, at alt data kommer til at ligge i Google BigQuery. Det ligger derfor et centralt sted, og dermed ikke på en eller andens desktop eller på et fællesdrev, hvor ingen kan finde det. Det bliver mere og mere vigtigt, at data ligger centralt og sikkert. Også af GDPR hensyn.
Det bliver meget nemmere at dele viden, fordi Fresh Data visualiseringen kommer til at ligge centralt i Power BI appen. Med Power BI appen kan man give adgang til alle medarbejdere på forskellige adgangsniveauer. Det er en super god måde til at nedbryde siloer, når de forskellige siloer kan bruge hinandens data.
Det fjerde punkt er, at hvis der er en nøgleperson, som forlader virksomheden, så tager de ikke alt deres viden med sig. Og hvis en ny person begynder – f.eks. en praktikant der kun skal være der i 3 måneder – så kan vedkommende lynhurtigt komme i gang med at kigge på data til deres specifikke opgave. Du kan altså starte derfra, hvor den anden slap. Det er normalt et sted, hvor en virksomhed taber rigtig meget viden.
Den sidste fordel er, at man centraliserer sit markedsføringsdata ét sted i stedet for at sprede det ud. På sådan en platform kan du faktisk blande data fra forskellige discipliner, som giver helt nye indsigter. På SEO-fronten blander jeg data fra PPC for bedre at forstå, hvilke søgeord, der konverterer. PPC kan lave samme øvelse. Hvilke søgeord i Google Search Console har potentiale til at konvertere, som vi endnu ikke har budt på på Google Ads. Eller hvad med at se på budskaber der virker på Facebook, for at forstå, hvordan vi kan forbedre title og metabeksrivelse med de ord, USPer og udtryk, som virker? Det ender med at blive en platform som alle kan bruge, og det er demokratisering af data. Der er nemlig mange medarbejdere, som i dag har et langt tyndere beslutningsgrundlag, fordi de ikke har adgang til data.
hvordan sætter man et Fresh Data projekt op?
Der er forskellige måder at gøre det på, vi mener selv at vi har fundet den optimale løsning ift. de kunder, som vi arbejder med.
Vi har vores datakilder. Det kan være Google Analytics, Google Search Console, Zendesk data, salgsdata etc. Vi bruger et R script til at lave et udtræk af det data, vi har brug for fra de forskellige kilder. Så sørger vi for at trække data over i Google BigQuery og behandle det. Nu har vi det ønskede og transformerede data i skyen. Nu har vi aktiveret data.
Visualiseringen foregår i Power BI, hvorfra vi kan gå ind og trække det data ud som vi har brug for. Det bruger vi bl.a. til at svare på kritiske spørgsmål. Medarbejderne i virksomheden kan derefter tilgå data online via Power BI appen.
Hvis du vil vide mere om hvad Power BI kan, så læs mere her.