Jeg forestiller mig, at der er mange marketingfolk derude, som dagligt flytter rundt på kolonner og rækker i et Excel ark for at få indblik i deres forretning. Med dette indlæg vil jeg slå et slag for at bruge business intelligence programmer til at samle data fra mange kilder og dermed nemmere og hurtigere få det fulde overblik over din marketingaktivitet.
Der findes et utal af business intelligence værktøjer, nogle nemmere at bruge end andre. Fælles for dem alle er, at de kræver en god underliggende datastruktur, hvilket ofte også er det mest tidskrævende at opsætte.
I denne artikel vil jeg vise dig, hvordan du kan bruge Amazon Quicksight til at analysere dine markedsføringsaktiviterer på tværs af Facebook og Google Ads.

Jeg forestiller mig, at du som læser, arbejder som affiliate publisher og har en eller flere websites med kampagnelinks, eller at du måske arbejder som media-buyer i en virskomhed, der operer på mange forskellige kanaler. Vigtigst af alt er at du spilder massere af din tid på at opsætte Excel ark, som du ellers kunne have brugt på at lukke aftaler, forhandle bedre priser, lave nye kreativer eller på andre måder skalere din forretning.

At overgå fra regneark til et dashboard værktøj kan virke som en uoverskuelig process, men hold snuden i sporet det skal nok betale sig, når du er blevet fortrolig med dit nye værktøj.

Lad som om du er affiliate marketer

For at vise hvordan man kan lave et overskueligt dashboard i Quicksight, har jeg genereret tre forskellige og fuldstændigt tilfældige datasæt, som vi kan arbejde med. Disse datasæt udspringer af den fiktive situation,, du står i lige nu – spil med på legen: Du er affiliate publisher og har lavet en hjemmeside, der sammenligner mobiltelefonabonnementer. Alle links på denne sammenligning går gennem et affiliatenetværk, som betaler dig for hver ny kunde, telefonselskabet får. I din sammenligning indgår seks telefonselskaber: YouSee, Telmore, Oister, OK Mobil, Glad Mobil og CBB Mobil.

Da du lige har startet din hjemmeside op, har den ikke mange organiske besøgende. Derfor køber du kliks fra Facebook (CPM) og Google Ads (CPC) (Adwords) i håb om, at de brugere, der kommer ind på din hjemmeside, vælger at skifte mobilabonnement. Du kan altså tjene penge, hvis trafikken, du køber, er billigere end det, du tjener gennem affiliatenetværket. Figuren nedenfor viser brugernes vej fra bannervisning til konvertering. Der er mange steder i processen, efter brugeren har klikket på en annonce, hvor brugeren kan ombestemme sig og alligevel ikke skifte telefonabonnement. Denne handling udgør din risiko som affiliate publisher, da du har betalt for et klik på Facebook eller Google, men ikke kommer til at tjene penge fra affiliate netværket.

De konkrete tal i datasættene er tilfældigt genereret og har kun lidt hold i virkeligheden. At købe traffik fra Facebook eller Google er forbundet med risici, hvilket gør det endnu vigtigere at have brugbare værktøjer til at overvåge omkostninger, indtjening og profit. Nederst i artiklen kan du downloade datasættet.

Hvad er AWS QuickSight?

Quicksight er et relativt nyt business intelligence værktøj udviklet af Amazon Web Services (AWS). Da jeg prøvede QuickSight for et par år tilbage var mit første indtryk, at det ikke var et komplet værktøj, der kunne konkurrere med de mange andre værktøjer på markedet f.eks. Tableau eller Qlik. Dog har AWS tilføjet mere funktionalitet til programmet og QuickSight nærmer sig nu et fuldblods dashboard værktøj.

Fordele:
QuickSight er udviklet af AWS, som altid er garant for kvalitet og stabilitet. QuickSight kører udelukkende i din browser og stiller derfor ikke store krav til din computerkraft. Det betyder også, at QuickSight kan håndtere kæmpe datamængder, som du ellers ikke ville kunne analysere på din arbejdscomputer.

QuickSight spiller rigtig godt sammen med andre produkter fra AWS, og hvis din virksomhed allerede køber IT arkitektur hos AWS, bør du helt klart prøve QuickSight.

Med QuickSight behøver du ikke tænke over hastigheden på din underliggende datakilde. Er din databaseserver langsom, kan du importere dit datasæt ind i SPICE. SPICE er den motor, som Quicksight bruger til at ordne og indeksere datasæt til nem hurtig analyse. Hvert datasæt importeret ind i SPICE kan fylde op mod 25 gb!

Ulemper:
Der findes intet program til Mac eller Windows – Quicksight er undelukkende browser baseret.

Med Quicksight er det ikke muligt at “blende” datasæt sammen ligesom det er i Tableau. Hver graf eller tabel du laver, kan derfor kun være baseret på ét datasæt.

QuickSight har ikke så mange connectors som andre værktøjer. Derfor kan du ikke automatisk importere Facebook data eller Google data. Hvis du vil have data ind fra andet end flade filer eller databaser, skal du derfor have fat i en programmør.

Desværre er det ikke muligt at lave noget så simpelt som trendlinjer på grafer. Trendlinjer er ekstremt nyttige til afgøre tendenser i data; “Er min omkostning stigende ?” eller “er min CPC faldende?”. Det er egentlig lidt underligt at simple analyseelementer ikke kan laves nemt i Quicksight, men at komplekse Machine Learning analyser nemt kan foretages i QuickSight.

QuickSight understøtter kun 4 af de største valutaer og dermed ikke danske kroner. I dashboardet har jeg valgt at benytte dollars som valuta, kun fordi datasættet er det pure opspin og ikke har hold i en virkelig marketingkampagne.

Opsætning af datastrukturen

Det mest optimale, og der hvor fordelen ved business intelligence dashboards virkelig indtræffer, er når datasæts automatisk opdateres fra deres pågældende kilder. Da formålet med denne artikel er at vise, hvordan man kan lave brugbare dashboards, vil jeg imidlertidigt holde mig til at uploade en simpel CSV fil og lade den udgøre datakilden.

I fremtiden vil jeg nok kaste mig ud i at skrive en artikel om, hvordan man automatisk henter Facebook og Google Ads rapporter ind i Quicksight.

Datasættets vigtigste kolonner. Hver række har en unik dato og Ad ID kombination og består af data fra Facebook Ads og Google Ads. Omsætning er koblet sammen med annonceindkøbet gennem sub-ID tracking, som er muligt gennem de fleste affiliatenetværk.

Importer fil og tilføj kolonner

Billedet ovenfor viser importprocessen fra start til slut. Vælg først, at din datakilde skal bestå af en statisk fil. Hvis du vælger at importere Excel (xlsx) filer, anbefaler jeg, at du laver et ark, hvor der kun er statiske værdier, altså ingen formler.

Når filen er scannet, kan du vælge, hvilket ark du vil importere. Dernæst kan du ændre datatyper (Int, Decimal, Date osv.) og udregne ekstra felter som du vil bruge. På billede 2) kan du se, jeg har udregnet profitten: commission – cost.

På billede 3) ses et overblik over datasættet. Det fylder omkring 700 kb. og består af 2191 rækker, hvoraf alle af dem er importeret korrekt i SPICE. Du kan altid gå tilbage og ændre på datasættet – hvis du dog allerede har lavet analyser på baggrund af datasættet, anbefaler jeg ikke at ændre kolonnenavne eller slette beregnede felter.

Analysér, Analysér, Analysér

Puha – nu er data importeret, og vi er klar til at tegne grafer, lave tabeller og forstå vores forretning bedre!

Lad os tage et kig på det færdige dashboard og dernæst disikere det i dets mange elementer én efter én.

Ved hjælp af parametre kan man i QuickSight nemt tilføje filtre og gøre sine analyser dynamiske. Øverst i dashboardet har jeg gjort det muligt at vælge periode for analysen. Det er oplagt at tilføje yderligere filtre som f.eks. kampagnenavne, medienavne, adset navne osv.

Figur 2) Omkostningsfordeling

Måske har du lagt en plan for dit indkøb af traffik til din nye mobilabonnement hjemmside. I din plan står der måske også, hvor mange penge du ønsker at bruge på hvert medie, og derfor er det selvfølgelig relevant at følge med i, om det går som planlagt.

Dette lagkagediagram viser, hvordan dine omkostninger fordeler sig. I den fulde periode er ca. 22% af budgettet brugt på Google Ads og de resterende 78% på Facebook.

Figur 3) CPC og EPC

Earnings Per Click (EPC) er en af de vigtigste KPI’er for en affiliate marketer. EPC bør benyttes, når du som publisher skal vælge, hvor du vil sende din traffik hen. EPC tager både højde for, hvilken commission du får på den pågældende kampagne, og hvad konverteringsraten er på den.

EPC = Commission / Clicks

Den gennemsnitlige EPC for Facebooktrafik er 0.5 kr., og for Google Ads er den hele 7.87 kr. For hvert klik, der kommer fra Google, tjener vi altså 7.87 kr. og for hvert klik fra Facebook tjener vi 0.5 kr.

Som du nok kan regne ud, udgør EPC ikke hele historien, da klikpriserne ligeledes varierer fra medie til medie. Cost Per Click (CPC) er henholdsvis 17.23 kr. for Google Ads og 0.42 kr. for Facebook.

CPC = Cost / Clicks

Kigger man blot på EPC, kan man henledes til at tro, at det meget bedre kan betale sig at købe traffik fra Google Ads, da indtjening er mere end 15 gange højere. Dog overstiger klikpriserne fra indtjening, og derfor er Google Ads ikke umiddelbart en god forretning. Klikomkostningerne på Facebook er dog lavere end indtjeningen og dermed en god forretning.

Graf nr. 4 viser udviklingen i EPC over tid. Grafen er vigtig, fordi den fortæller os, om vi får mindre ud af den traffik, vi køber. Er grafen nedadgående, er der behov for et fald i CPC for, at indtjeningen kan følge med.

Der er stor forskel på klikpriserne på tværs af medier, men som regel er der positiv sammenhæng mellem klikpriserne og konverteringsraten. Derfor er det vigtigt at monitorere både CPC og EPC.

Figur 1) Profit over tid + Forecast

Denne graf afslører en nye funktion i Quicksight Enterprise udgaven – nemlig Machine Learning Forecasts. Grafen i sig selv er simpel – den viser profitten per dag fra start til slut. Nogle dage er indtjeningen god, og andre dage taber vi penge på vores lille affiliate forretning. Samlet set laver vi et lille overskud, men forhåbentlig kan dette dashboard luge ud i de dårlige traffikkilder og øge overskudet.

De side 14 dage af grafen er ude i fremtiden! Ja du læste rigtig – QuickSight kan automatisk, og kun baseret på en simpel tidsserie, forudsige vores overskud de næste 14 dage. Desværre går vores forretning ikke en lys fremtid i møde, så vi må hellere få vendt skuden i en fart.

Figur 5) Hvor leverer vi mest volume ?

Når du skal forhandle bedre priser på dine affiliate kampagner, er det vigtigt at vide, hvor du leverer flest leads. Graf nr. 5 er ganske simpel og viser blot, at vi leverer størstedelen af vores leads til YouSee, dernæst Telmore, som også ejes af YouSee osv.

Det er nemt at ændre grafen til at vise den procentvise fordeling f.eks. ved at lave søjlediagrammet om til et lagkagediagram.

Figur 6) Tabellen

Tabellen nederst på dashboardet er nok den vigtigste og mest informative af alle elementer på dashboardet. Har du ikke tid, lyst eller mulighed for at opsætte et dashboard, bør du som minimum konstruere denne tabel i et regneark. Lad os se, hvilke informationer vi kan hive ud af tabellen, og hvordan man kan fortolke på dem:

CTR%: Click-Through-Rate er, hvor stor en andel af de brugere, som får vist din annonce, der faktisk klikker på den. I dette tilfælde varierer CTR ikke meget på tværs af de forskellige medier eller adset/adgroups. Annoncerne er nogenlunde lige gode til at tiltrække kliks.

Conv%: Konverteringsraten er, hvor mange der konverterer ud af alle dem, der klikker. Generelt er konverteringsraten højere for vores Google traffik – men husk, det er prisen også! Muligvis køber vi billigere klik fra Facebook, fordi vores opslag går viralt og får noget organisk reach.

Dækningsbidrag: Hvis tallet er positivt, tjener du penge penge på dit adset/adgroup. Et dækningsbidrag på 25% betyder, at profitten er 25% højere end omsætningen. Vi ser, at 3 adsets fra Facebook har høje dækningsbidrag og ingen adgroups fra Google har positive dækningsbidrag.

De resterende søjler i tabellen er selvforklarende eller allerede belyst tidligere i denne artikel. CPC og EPC kolonnerne fortæller en hel del om trafikkilderne – tag et kig på dem og se, hvad du kan konkludere.

Konklusion

Vores lille fiktive forretning er nu blevet gennemsnigtig takket være et dashboard i AWS Quicksight. Analysen har vist os, at traffikken fra Google Ads ikke er profitabel, og det er nødvendigt at få CPC’en. Der er mange måder at købe billigere ind på Google Ads f.eks. ved højere relevans score, keywords med mindre konkurrence osv.

Facebook traffikken derimod ser profitabel ud for 3 ud af de i alt 6 adsets. De resterende 3 adsets har samme CPC som de profitable adsets, men væsentligt lavere EPC. Det kan være, at den tekniske opsætning er forkert på disse adsets, da konverteringsraten er meget lav.

Der er et utal af forskellige tabeller, grafer og forudsigelser, man kan lave, når først data er tilgængeligt i QuickSight. Jeg har valgt at lave et lille udsnit af disse muligheder og opfordrer til du selv roder med et datasæt. Du kan downloade mit eksempel datasæt her.