Yritysten onni on se, että ihmiset käyttävät digitaalisia kanavia. Digikanavat tuovat markkinointiin ja myyntiin neljä hyötyä, jotka ovat täysin ylivertaisia muihin kanaviin verrattuna:
1. Toimenpiteiden ja asiakkaiden tarkka mittaaminen (ei kuitenkaan 100%:sen tarkka)
2. Materiaalien muuttaminen ja optimoiminen kesken kampanjan
3. Rahan allokointi reaaliajassa tuottaviin toimintoihin
4. Polku mainoksen näkemisestä ostoksen tekemiseen on parhaimmillaan vain sekunteja

Se, että olemme parhaiden joukossa käyttämään tämän päivän markkinointityökaluja, ei yksinään riitä parhaisiin tuloksiin. Tässä blogisarjassa pyrin käymään läpi asioita, joita emme voi oppia näiden työkalujen käyttöohjeista.

Puolijumalamme nimeltä testaaminen

Moni digimarkkinoinnista innostunut tekijä hehkuttaa testaamisen nimeen. Halutaan luoda jatkuvasti erilaisia A/B -testejä verkkosivuille ja sähköpostikampanjoissa halutaan testata kaikkea mahdollista. Valtaosa näistä testaamisista on kuitenkin täysin turhia ja ohjaavat meitä itse asiassa jopa väärään suuntaan.

Moni on varmaan ainakin ohimennen nähnyt, että monen sähköpostijärjestelmän ohjeissa mainitaan etteivät he suosittele testaamista mikäli vastaanottajia on alle 5000. Syy tähän on niin kutsuttu ”Law of small numbers”. Tämän teorian on tehnyt tunnetuksi Nobel -palkittu ja yksi eniten lainattu tutkija Daniel Kahneman. Itse asiassa hänen tutkimuksensa ja kirjansa ”Thinking Fast and Slow”pitäisi olla jokaiselle liike-elämässä työskentelevälle pakkoluettavaa.

 

Kausaalisuuden tavoittelu tuplaa virheet

Ennen kuin mennään itse testaamiseen, on tuotava esiin eräs toinen asia nimeltä kausaalisuus. Kahnemanin omien ja hänen lähteinään käyttämiensä tutkimusten mukaan kaikkeen meidän toimintaamme liittyy vahvasti se, että meille ihmisille on luonnollista pyrkiä löytämään kaikesta kausaalisuutta. Kun näemme tuloksen ja sen aiheuttaneen toimenpiteen, haluamme uskoa toimenpiteen aiheuttavan saman tuloksen myös jatkossa.

Todellisuudessa kyseessä on itse asiassa varsin usein pelkkä sattuma. Sattuman tunnustaminen ja hyväksyminen ei ole meille luontaista. Janoamme kausaalisuutta.

”Kausaalisuuden näkeminen siellä, missä sitä ei oikeasti ole, ajaa meidät helposti pahoihin ja kalliisiin ajatusvirheisiin.”

Pienet määrät kasvattavat virheen mahdollisuutta

Moni meistä osaa arvostaa tutkimuksia, joissa kohderyhmä on suuri. Silti Kahnemanin tavoin myös itse olen huomannut, ettei ihmisiä arjen ratkaisuissa ja oman totuuden muodostamisessa kiinnosta kohderyhmän koko laisinkaan. Kausaalisuuden näkeminen siellä, missä sitä ei oikeasti ole, ajaa meidät helposti pahoihin ja kalliisiin ajatusvirheisiin. Nobel -voittaja Kahneman on huomannut tutkimuksissaan, että useat tutkijatkin sortuvat pienen kohderyhmän aiheuttamiin äärimmäisiin tuloksiin. Hyvin todennäköistä on siis se, että me päätyöksemme jotain muuta tekevät, sorrumme samoihin virheisiin.
Monet ajattelevat, että jos 100 ihmisen kohderyhmä on tutkimuksen mukaan sitä mieltä, että Snapchat on käytetyin palvelu, niin koko kansa on samaa mieltä. Siispä kohdistamme toimiamme Snapchattiin, koska tutkimustulos kertoi meille kausaalisuudesta: jos olet suomalainen, niin käytät Snapchattia.

Edellä mainitulla kohderyhmän koon sivuuttamisella ollaan todella vaarallisilla vesillä. Kerron nyt miksi kohderyhmän kokoa ei pidä ikinä sivuuttaa. Käytän tässä samaa esimerkkiä kuin Nobel -voittaja Kahneman ja sen jälkeen annan pari käytännön esimerkkiä liittyen markkinointiin.

Astiassa on sama määrä punaisia ja valkoisia palloja. Sami nostaa neljä palloa ja laittaa ne takaisin. Sen jälkeen Matti nostaa 7 palloa ja laittaa ne takaisin. Tätä jatketaan useita kertoja. Kaikki me ymmärrämme, että pitkässä juoksussa molempia värejä nostetaan keskimäärin saman verran astiasta.
Se, että yhdellä nostokerralla nousee pelkästään saman värisiä palloja on todella äärimmäinen tulos ja antaa täydellisen väärän kuvan siitä mikä on pallojen todellinen suhde astiassa. Samilla on 12,5%:n todennäköisyys saada yhdellä nostokerralla neljä samanväristä palloa, vastaava luku on Matilla 1,56%:ia. Samilla on siis 8 -kertainen mahdollisuus saada äärimmäinen tulos, koska hänen kohderyhmänsä on pienempi kuin Matilla.

Jos sallimme vain yhden nostokerran, jonka perusteella pitää arvioida pallojen suhde astiassa, niin Samilla on 12,5%:n mahdollisuus nostaa 4 samanväristä palloa. Tällöin on varsin loogista arvioida, että astiassa on joko pelkästään tai huomattavasti enemmän punaisia palloja verrattuna valkoisiin.

Sen lisäksi, että pienillä numeroilla testaaminen on monesti turhaa työtä, se ajaa meitä helposti tekemään virheellisiä päätöksiä.

”Law of small numbers” käytännössä: sähköpostimarkkinointi

Kuten aiemmin sanoin, useiden menestyneiden markkinointijärjestelmien perustajat ovat lukeneet nämä samat jutut ja sen vuoksi he suosittelevat testaamista vasta kun kohderyhmä on tarpeeksi suuri.

Otetaan lähtökohdaksi se, että meillä on 2000 asiakkaan sähköpostilista. Haluamme testata tälle määrälle kahta eri otsikkoa, joissa toisessa on hymiö. Tässä testilistassa olkoon 100 ihmistä, jotka ovat äärimmäisen mieltyneitä hymiöihin, mutta emme vain tiedä ketkä ne ovat.

”Otsikot hymiöillä toimivat paremmin kuin ilman hymiötä. Syy tähän oli kuitenkin se, että testiryhmämme oli pieni ja se mahdollisti meille tämän äärimmäinen tuloksen.”

Testaamisen aluksi meidän on määritettävä testiryhmän koko. Jos valitsemme ryhmän kooksi 100 ihmistä, on meillä suurempi todennäköisyys saada testiryhmäämme äärimmäinen tulos verrattuna jos valitsisimme 1000 ihmisen testiryhmän. 1000 ihmisen testryhmä antaisi melkoisen luotettavan tuloksen siitä kuinka moni listamme jäsenistä pitää hymiöistä.

100 ihmisen lista voi siis todennäköisemmin pitää sisällään juuri niitä, jotka pitävät hymiöistä, vaikka ne ovat vain pieni vähemmistö koko listassa. Jos näin kävisi, niin testituloksen perusteella lähettäisimme valtaosalle ”väärän” otsikon ja heikentäisimme kokonaistuloksiamme.

Kaikista suurin virhearviointi olisi se, että näkisimme väkisin kausaalisuuden testimme perusteella ja olisimme vakuuttuneita, että hymiöt toimivat loistavasti listaamme ja tämän vuoksi käytämme niitä aina jatkossa. Otsikot hymiöillä toimivat paremmin kuin ilman hymiötä. Syy tähän oli kuitenkin se, että testiryhmämme oli pieni ja se mahdollisti meille tämän äärimmäinen tuloksen.

 

Miten Law Of Small Numbers soveltuu Facebook -mainontaan?

Moni markkinoija haluaa Facebookissa testata aina useita eri mainoksia samalle kohderyhmälle varsin kepeällä budjetilla. Lopputuloksena tästä saadaan se, että samalle kohderyhmälle näytetään omien viiden mainoksen lisäksi useiden kilpailijoiden mainoksia. Tässä esimerkissä en kuitenkaan huomioi kilpailijoita vaan havainnolistan pelkästään omien eri variaatioiden testaamista (näin herkullista tilannetta ei kuitenkaan ikinä ole, että kohderyhmäsi näkisi vain omat mainoksemme).

Kohderyhmämme koko on 45000 ihmsistä. Valitsemme budjetiksi sellaisen, jolla tavoitamme tästä kohderyhmästä 3000 ihmistä päivässä. Tämä 3000 on siis meidän testiryhmämme, jonka tulosten perusteella yritämme tavoittaa koko 45000 ihmisen joukon. Kuten jo huomaat, mahdollistaa alkutilannekin pienen testiryhmän koon vuoksi äärimmäiset tulokset. Mitä tapahtuu jos teet useita eri versioita mainoksestasi tälle testiryhmälle?

Lopputuloksena on se, että yhä pienempi ryhmä näkee testiversiosi. Todennäköisyys sille kasvaa, että juuri ne ihmiset jotka pitävät hymiöistä näkevät sen mainostekstin, missä on hymiöitä. Tämän äärimmäisen tuloksen perusteella päätät näyttää hymiöitä kaikille, vaikka suurimpaan osaan muusta kohderyhmästä eivät hymiöt vaikuta – ainakaan positiivisesti.

 

Osaavat markkinoijat puhuvat ”listan/kohderyhmän lämmittämisestä”

Osaavat markkinoijat eivät tee hirveästi testejä pienille listoille, sillä he ymmärtävät edellä käsitellyt ongelmat. Sen sijaan he ajattelevat sähköpostilistaa tai Facebook -kohderyhmää jatkuvasti optimoitavana kokonaisuutena.

Konkreettisesti se tarkoittaa sitä, että koko listalle lähetetään yksi meili, jotta nähdään koko listan reaktio siihen. Tätä samaa toistetaan jatkuvasti ja oikeiden työkalujen avulla voidaan todeta, että ”tämä lista taitaa tykätä hymiöistä otsikoissa”.

Facebookissa tämän tekstin esimerkin mukaisessa tilanteessa järkevä toimintatapa on näyttää kohderyhmälle ensin yhtä mainosta ja jos se ei aiheuta haluttua tulosta, niin sitten testataan toista. Näin toimimalla saadaan tarkempaa dataa suuremmasta osasta kohderyhmää ja minimoidaan pienten kohderyhmien mahdollistamia äärimmäisiä tuloksia.

Paljon kampanjoita pyörittävät tekijät alkavatkin oppimaan nopeasti, että minkälaiset sisällöt toimivat millekin kohderyhmälle ja pystyvät näin ollen soveltamaan olemassa olevaa tietoa helposti asiakkaalta toiselle.

Todellisuudessa on äärimmäisen paljon muuttujia, jotka vaikuttavat ihmisten käyttäytymiseen ja saamiimme testituloksiin (eli dataan). Muuttujia on niin paljon, että usein äärimmäisen hyvin onnistuneiden kampanjoiden tulokset eivät edes perustu onnistuneeseen datan analysointiin vaan ihan puhtaasti onneen. Moni kollega saattaa olla sitä mieltä, että edellinen lause on asiantuntijalta typerästi sanottu. Itse uskon kuitenkin siihen, että asiantuntijoita käytetään sen vuoksi, että heidän kanssaan onnistuminen on todennäköisempää, mutta ei silloinkaan taattua.

Onnen merkitys onkin itse asiassa monen tutkijan, kuten Nobel -voittaja Kahnemanin, mielestä yksi tosiasioista, joita meidän on ihmisinä vaikea hyväksyä. Siksi käsittelen seuraavassa tekstissäni onnen merkitystä markkinoinnissa ja myynnissä.