Måling af kunderejsen: hvilke data kan du bruge?

Kunderejsen som måleobjekt: hvad skal du egentlig måle?

Kunderejsen er de touchpoints, en kunde møder fra første inspiration til køb og videre til genkøb.

Den bør måles i tre lag: adfærd (hvad kunden gør), konvertering (hvad det fører til) og relation (om kunden vender tilbage). Lagene opstår på forskellige tidspunkter og kræver hver sin datakilde.

Vælger du kun ét lag, ser du enten trafik, salg eller fastholdelse – ikke rejsen.

Ifølge analysevirksomheden Kynetic har kunder i gennemsnit 6-10 online touchpoints fra inspiration til køb. Flere undersøgelser peger på op mod 50, hvis kunden ikke kender brandet i forvejen.

Kynetic beskriver samtidig, at kunderejserne er blevet længere og skifter mellem Google, mails, medier og forskellige enheder.

Praktisk betyder det, at samme person kan se en annonce, vende tilbage via e-mail, læse på mobilen og købe på computeren.

Måler du kun sidste klik, ser det ud, som om den sidste kanal skabte kunden. Dataindsamlingen skal derfor kunne følge samme person over tid – ikke tælle hver kanal for sig.

Førstepartsdata fra web og kampagner

De mest konkrete data kommer fra dine egne digitale kanaler: webanalyse af sessioner, sidevisninger, scroll og klik; tracking af events som formularudfyldelser og gennemførte køb; UTM-parametre, der mærker kilde, medium, kampagne og indhold; og landingssidernes konverteringsrater.

Det er data, du selv ejer og selv kan definere.

UTM-mærkning kombineret med landingssider gør det muligt at sammenligne på tværs af indsatser: hvilke annoncer, e-mails, søgeord og links der sender trafik, og hvilke der efterfølgende fører til konvertering.

Fordi rejsen skifter mellem kanaler, viser mærkningen ikke kun den sidste kanal, men også hvor kunden kom ind.

Webanalyse viser adfærd – ikke hensigt og ikke relation. Samtykkevilkår, cookies og login-begrænsninger begrænser, hvad du kan se på tværs af enheder.

Brug derfor webanalysen til det, den er stærkest til: at identificere hvilke sider, sekvenser og touchpoints der går forud for en konvertering. Kombinér den med data om, hvem der faktisk kom tilbage.

CRM-data: køb, genkøb og kundeloyalitet

CRM-data giver tidsserier pr. kunde: købshistorik, abonnementsstatus og fornyelser, gentagne køb og tidligere henvendelser. Den datatype belyser forholdet over tid, hvor webanalysen typisk belyser enkeltbesøg.

Den grundlæggende måling er genkøb. Jan Lundquist refererer til Byron Sharps bog How Brands Grow (2014), hvor loyalitet primært bruges i betydningen genkøb: at kunden køber samme brand igen, handler ind samme sted igen eller fornyer sit abonnement igen.

Derfor er genkøbsrate, fornyelsesrate og købsfrekvens centrale CRM-tal for kunderejsen.

Loyalitetsbegrebet skal nuanceres. Sharps pointe er ifølge Lundquists gengivelse, at kunder er polygamt loyale. CRM-tallene skal derfor læses som andele og frekvenser – hvor stor en del af kundens køb du henter, og hvor ofte – ikke som et fast tilhørsforhold.

Lundquist gengiver samtidig Sharps anbefaling om, at væksten primært findes blandt de illoyale kunder, og at massemarkedsføring er vejen dertil.

Bygger du udelukkende din måling på de loyale kunder i CRM'et, ser du ikke det marked, du kan vokse ind i.

Loyalitetsprogrammer som datakilde

Et loyalitetsprogram med medlemsprofiler identificerer kunden og gør det muligt at knytte efterfølgende adfærd til samme person.

Platformen Yotpo beskriver programmerne som strategiske aktiver til at indsamle førstepartsdata, forstå kundeadfærd og skabe rentabel, langsigtet vækst.

For kunderejsen er de interessante data dem, der siger noget om relationen frem for transaktionen: hvad kunden engagerer sig i mellem køb, hvilke præferencer aktiviteten viser, og om engagementet holder over tid.

Yotpo fremhæver, at moderne programmer anerkender kunderne for deres engagement, ikke bare deres forbrug, og at de dyrker fællesskab og eksklusiv værdi frem for kun transaktionsbelønninger.

Signalkvaliteten afhænger af programmets design. Yotpo peger på, at grundlæggende pointsystemer ofte er generiske, passive, mangler umiddelbar værdi og er nemme at kopiere.

For målingen betyder det, at et simpelt pointsystem mest producerer transaktionsdata af samme type som CRM'et, mens programmer med engagement og eksklusiv værdi producerer relationssignaler.

Yotpo anbefaler at spore en række KPI'er for programmet – men dataene har først værdi, når de kan kobles til fastholdelse over tid.

Lead- og livscyklusdata: fra formular til kunde

En leadmagnet er et værdifuldt stykke indhold – en e-bog, et webinar, en skabelon eller en guide – som tilbydes i bytte for kontaktoplysninger, typisk en e-mailadresse.

Ifølge resultsdriven.io er målet at opbygge en liste over interesserede potentielle kunder og pleje dem, indtil de bliver betalende kunder.

Det giver tre typer data til de tidlige faser af rejsen: formularudfyldelsen (hvilket tilbud, fra hvilken kilde – herunder UTM-mærkning), e-mailadfærd som åbninger og klik samt lead scoring, der vægter profil- og adfærdsoplysninger mod hinanden.

Tilsammen kan de sige noget om interesse, modenhed og sandsynlig konverteringsvej.

Værdien ligger i koblingen fremad. Et lead, der kom ind via en bestemt leadmagnet, kan følges gennem den videre e-mailkommunikation og frem til et eventuelt køb.

Dermed viser det, hvilke tidlige touchpoints der har sammenhæng med senere salg – data som hverken webanalysen eller CRM'et alene kan levere.

Samlede data på tværs af kanaler: dashboards og analyse

Hvis webanalyse, CRM, loyalitetsdata og leaddata ligger i hver sin platform, får du fire delbilleder: hvad folk gjorde på sitet, hvad de købte, hvad de engagerede sig i, og hvad de indtastede i en formular.

Da rejsen ifølge Kynetic skifter mellem Google, mails, medier og enheder, kan delbillederne ikke uden videre sættes sammen til en rejse.

Løsningen er at samle kilderne i BI- og marketing-dashboards med en fælles kundenøgle og fælles definitioner af KPI'er, så samme kunde kan følges på tværs af touchpoints.

Kynetic arbejder med at sikre "den rette tracking på tværs af kanaler" og med BI og marketing dashboards.

Målet beskrives som at analysere hele kunderejsen på tværs af alle touchpoints – uden siloer, med fuld transparens og højere relevans.

Kynetic henviser til, at data-drevne virksomheder i gennemsnit performer tre gange bedre end ikke-data-drevne virksomheder, og at over 70 pct. af topledere i højt-performende virksomheder ser dataanalyse som vigtigt.

Tallene er leverandørens.

Dataetik, datakvalitet og ansvar

Siden 2021 har det ifølge Digitaliseringsstyrelsen været lovpligtigt for store danske virksomheder at redegøre for dataetik i deres årsrapporter.

Styrelsens analyse af 3.673 årsrapporter fra 2022 og 2023 viser, at 84 pct. af de store virksomheder forholdt sig til dataetik i 2023, og at halvdelen af Danmarks største virksomheder i både 2022 og 2023 rapporterede, at de har en dataetisk politik.

Analysen viser også, at virksomheder forstår dataetik forskelligt: nogle ser det i sammenhæng med GDPR, mens andre i højere grad har fokus på kunstig intelligens og medarbejderdata.

"Dataetik" er derfor ikke en fast størrelse, du kan låne færdig – du må selv definere, hvad der gælder for indsamling og brug af kundedata i din kunderejsemåling.

Datakvalitet kan håndteres som en valideringsopgave. Digitaliseringsstyrelsen lod ChatGPT analysere samtlige 3.673 årsrapporter og validerede resultaterne med manuel stikprøvekontrol på 100 tilfældigt udvalgte afsnit.

Derefter blev dataopbevaring og krydsning foretaget i et lukket miljø hos Danmarks Statistik.

Fremgangsmåden illustrerer to principper, der også gælder for kundedata: validér automatiserede eller aggregerede resultater mod et manuelt udsnit, og hold styr på, hvor data behandles og krydses.

Digitaliseringsstyrelsens vejledning i dataetik ligger på Virksomhedsguiden og omfatter blandt andet hjælp til at udarbejde dataetiske retningslinjer, bruge dataetik i udvikling af algoritmer, en tjekliste om digital ansvarlighed til ledelsen eller bestyrelsen og konkrete værktøjer til dataetik.

Sådan vælger du de rigtige data til din kunderejse

Start med forretningsmålet, ikke datakilden.

Beslut først, hvilke få KPI'er der skal flyttes – for eksempel genkøbsrate, konverteringsrate eller andel af leads, der bliver kunder – og vælg derefter de kilder, der kan belyse dem.

Ellers ender du med dashboards, ingen bruger.

En praktisk prioriteringsrækkefølge: 1) egne kanaler med korrekt tracking, UTM-mærkning og webanalyse, fordi det er hurtigst og billigst at komme i gang med. 2) CRM med købs- og fornyelseshistorik til genkøbs- og loyalitetsmål.

3. Leaddata fra formularer, leadmagneter og e-mailadfærd til de tidlige faser. 4) Engagementsdata fra et loyalitetsprogram, hvis du har et.

Grundreglen er at kombinere adfærdsdata – hvad folk gør lige nu – med relationsdata om, hvorvidt de kommer igen.

Undgå at drukne i data. Kynetic fremhæver, at de mange tilgængelige data kan gøre analyser tidskrævende, og at det ofte er komplekst at samle data på tværs af kanaler – men vurderer samtidig, at det ikke nødvendigvis behøver at være svært.

Begræns dig derfor til én fælles kundenøgle og et lille antal KPI'er, og udvid først kilderne, når de første er valideret og kan kobles sammen.