Pokladem Superweeku jsou lidi
Pět dní nabitých přednáškami, z nichž dobrých 90 % dosahovalo špičkové kvality, by dalo zabrat samo o sobě. Lokalita na kopci uprostřed ničeho však přirozeně vede ke kumulaci účastníků v lobby baru nebo wellness — a debatám o všem od analytiky přes práci s klienty až po tipy na dovolenou v Austrálii. Mozek jede naplno prakticky nonstop a i když jsem svou první účast na Superweeku pojal jako zimní dovolenou, potřeboval bych ještě týden navíc, abych si vše probral v hlavě a dopřál trošku skutečného odpočinku.
Tyto neformální rozhovory jsou koneckonců největším přínosem celého týdne. Oproti jiným špičkovým událostem v oboru, jako je třeba Marketing Festival, je Superweek komorní. Účast lehce přesahuje stovku mozků a právě díky oněm večerům je snadné se s většinou z nich seznámit a zapovídat. Velké stoly v restauraci navíc vedly k tomu, že i uťáplý introvert mého kalibru snídá s tvůrci Google Tag Manageru, obědvá s tvůrcem Da Vinci Tools a večeří s moderátory podcastu Digital Analytics Power Hour.
Legální versus Etické
Digitální analytiku v Proof & Reason řeším primárně z technického pohledu. Proto jsem byl sám překvapen tím, že ve mně nejvíce rezonovala filozofičtější témata týkající se ochrany soukromí a nakládání s daty. O tomto tématu se trochu více rozepsal Lukáš Čech z EtNetery Activate.
K etickým tématům doporučuji prostudovat Contract for the Web. Tím, jak svá data v budoucnosti možná budou moci zpeněžit i běžní uživatelé, se zabývá například projekt Solid Tima Bernerse-Leeho
Význam tématu symbolicky stvrdila aféra společnosti Avast. V půli týdne vyšlo najevo, že sbíral data o chování svých uživatelů na internetu a přeprodával je skrze společnost Jumpshot. Celý případ a vyjádření představitelů Avastu se staly jedním z hlavních konverzačních témat.
3 body, které si odnáším o etice v datech
- To, že něco technicky jde, neznamená, že to musíme/můžeme dělat. To, že něco dovoluje (nebo nezakazuje) zákon, neznamená, že je to etické, morální a OK. A už vůbec neexistuje jedna správná cesta. Například evropské GDPR a kalifornský CCPA vychází z podobných principů, ale nejsou navzájem 100% kompatibilní.
- Osobní údaje mají větší cenu, než si běžní uživatelé myslí. Možná už brzy část jejich hodnoty dostaneme zpátky, třeba díky projektu Solid zmíněnému výše.
- Ochranu uživatelů na sebe postupně berou prohlížeče. Cookie lišty se tak snad už brzy stanou minulostí.
Zpátky k učebnicím matematiky
Julien Coquet celý týden zahájil velmi „povzbuzujícím“ talkem You’ll never be a data scientist, my son. Naštěstí to nebylo tak apokalyptické. Jen to chce vrátit se k matematice (což může trochu bolet, jak naznačuje volný překlad podtitulku přednášky: „anebo možná jo, ale bude to těžký jako prase“).
Zatímco dříve komunitou rezonovalo téma „technicky orientovaného markeťáka“ a všichni se učili JavaScript a Python, aby mohli sami nasazovat měření a automatizovat rutinní činnosti, dnes se dostáváme k tomu, že se analytik neobejde bez matematiky.
Svým způsobem to ale dává smysl. Mezi buzzwordy dnešní doby patří A/B testování a Machine Learning. Existují sice nástroje, které většinu práce udělají za vás, je lehké si vše naklikat — ale bez dobré znalosti základů je snadné data dezinterpretovat a v data-driven labyrintu zahnout do uličky, která nevede k pokladu, ale do smrtící pasti.
Není však nutné si hned osvěžovat matice a diferenciální počet. Velkou hodnotu analytik přidá, když spočítá přínosy A/B testování jako Ton Wesseling či správně zvolí, zda místo A/B testu nezkusit „multi-armed bandits“ jako Matt Gershoff.
3 tipy, jak navázat vztah s matematikou
- Vraťte se k učebnicím ze střední a VŠ. V angličtině překvapivě dostačují tituly z řady „for dummies“. Zdarma (a legálně) si můžete stáhnout učebnici Mathematics for Machine Learning.
- Naučte se rozdíl mezi statistickými chybami typu I a II. A zamyslete se nad nimi, až vám nějaký nástroj bude tvrdit, že si je na 99 % jistý, že varianta B v testu zvítězila nad variantou A.
- Jisté jsou jen daně a smrt. Proto v reportech pracujte s nejistotou a odhady uvádějte spíše v intervalech než „přesných“ číslech.
Události a uživatelé v centru dění
Nebyl by to však Superweek, kdyby se mezi tématy neobjevilo něco techničtějšího.
Jednou z oznámených novinek bylo tzv. server-side spouštění měřicích kódů v Google Tag Manageru. Cílem je (mimo jiné) zrychlit web pro uživatele. Servírování značek ze serveru také znamená, že do jisté míry půjde obejít adblocky a podobné nástroje. Na druhou stranu to ovšem bude klást vyšší nároky na morálku markeťáků a důslednou práci se souhlasy uživatelů — to, že něco jde udělat, ještě neznamená, že to udělat máme.
Google Analytics v polovině roku 2019 představily nástroj s novou filozofií měření App + Web. Datový model založený na návštěvách a zhlédnutích stránky vyměňuje za model založený na uživatelích a událostech (eventech). Tedy stejný princip, jaký funguje ve Firebase a většině jiných analytických nástrojů pro mobilní analytiku. I když je A+W stále v betě, od léta ušel kus cesty a dává smysl je nasadit jako sekundární měření pro alternativní náhled na data. Podrobnosti najdete třeba v návodu na nasazení od Kristy Seiden.
Další výhodou je nativní import surových dat „zdarma“ do Google BigQuery. Znamená to, že data už nejsou neměnná a agregovaná tak, jak to diktuje rozhraní Google Analytics. Můžete si je tedy reportovat podle sebe. Je však třeba doplnit, že i když je import dat jako takový zdarma, BigQuery je zadarmo použitelné jen do určité míry a aktivní práce s větším objemem dat už bude něco stát.
3 body, na které u App + Web myslet
- Zatím neumí spoustu věcí. Nasazujte tedy jako sekundární měření.
- Oproti Google Analytics však umí spoustu jiných věcí. Třeba klikání na externí odkazy změříte bez nutnosti umět JavaScript nebo měřit přes Google Tag Manager.
- I když je zatím zdarma, práce s daty v BigQuery může nějaké náklady vytvořit. Pro Google je to tedy elegantní model, jak Analytics přiměřeně zpeněžit i webům, kterým se placené GA360 nevyplatí.
Myslete na lidi
Můžete začít tím, že svá data budete vizualizovat a prezentovat tak, abyste snížili kognitivní zátěž příjemců informací. Třeba podle tipů Toma Wilsona.
Ještě lepší však je uvědomit si, že většinu lidí nezajímají data, ale vhledy a výsledky. Analýza samotná ve většině případů není cílem, ale cestou. Překvapilo mě, pro kolik lidí toto byla zásadní informace — a přitom třeba Avinash Kaushik proti reportujícím opičkám brojí už pěkně dlouho.
Část přednášek a neformálních hovorů se pak točila kolem pojmu customer-centricity — a to nejen ve vztahu firem k zákazníkům, ale i agentur ke klientům. I když jsme v Proof & Reason nastavení velmi proklientsky a náš design proces je založen na důkladném vyptávání se, je fajn si občas připomenout, jak se ptát lépe, chápat potřeby klienta a vůbec řídit agenturu.
3 akceschopné tipy
- V dashboardech maximalizujte poměr dat ku balastu. Jednoduchá pomůcka: kdyby vám docházel inkoust v tiskárně, co z grafu můžete vyhodit?
- Většinu zákazníků nezajímají parametry vrtačky, ale snadno udělaná díra ve zdi. Data a grafy by tedy neměly být jediným výstupem práce skutečného analytika.
- Ujistěte se, že s klientem mluvíte stejným jazykem, řešíte stejný problém a máte podobné cíle. K tomu je potřeba umět se dobře ptát.
Za rok zase
Superweek byla velice intenzivní zkušenost. Pro evropské analytiky asi neexistuje lepší příležitost, kde čerpat a sdílet své know-how. Spolehlivě funguje jako motivátor a výlet mimo komfortní zónu. A nic nepomáhá v networkingu tolik jako úprk před jiskrami z velké vatry.
Střípky z konference sledujte na Twitteru pod hashtagem #SPWK. Všechny prezentace dal dohromady Marek Lecián. Galerii najdete na Facebooku a na YouTube se brzy objeví první videa — zatím můžete čerpat inspiraci z minulých ročníků.
Článek připravil: Jan Kadlec, datový analytik
