A legjobb adatelemző és online kutatási eszközök

Ebben a cikkben összegyűjtöttem neked a legjobb adatelemző és online kutatási eszközöket. Ha online bizniszed (vagy akár csak simán egy weblapod van), ezek használatával sokat megtudhatsz a közönségedről, látogatóidról, felhasználóidról:

• Mit, hogyan és miért csinálnak?
• Hogyan tudsz nekik jobban segíteni és jobb szolgáltatást nyújtani?
• És persze, hogy emiatt hogyan fognak nálad több pénzt költeni?

Az adatelemző eszközök három szintje

2012 óta foglalkozom adatelemzéssel és ezalatt sok-sok projektben vettem részt. Megtanultam, hogy különböző méretű és különböző életszakaszban levő online üzleteknek különböző igényei lehetnek. Ezért ebben a cikkben három szintre osztottam a különböző kutatási és analitikai eszközöket.

1. Belépő szint. Itt olyan egyszerű és nagyszerű szoftvereket és szolgáltatásokat mutatok, amelyeket ha ma indítottad a bizniszedet, már akkor is hasznosítani tudsz. (Sőt, némelyik már-már kötelezően ott kell hogy legyen az online marketing arzenálodban.)
   
2. Középszint. Ezek már eggyel magasabb szintű eszközök lesznek. Lehet, hogy nem pont az első években lesz rájuk szükséged — de ha te már eleve haladóbb szinten vagy (pl. stabil 7-számjegyű havi bevételed van), akkor előbb-utóbb meg kell ismerkedned velük is.
   
3. Profi szint. A szó legszorosabb értelmében. Itt olyan adatelemző eszközöket sorolok fel, amelyekkel gyakran teljes munkaidőben, dedikáltan adatelemzők és data scientist-ek dolgoznak. E cikk olvasóinak csak kb. 2-3%-a fogja konkrétan használni ezeket a módszereket. De azért nem árt, ha tudod, hogy a jövőben hova futhatnak ki a kutatási projektjeid.

És akkor lássuk is a listát!

Belépő szintű adatelemző eszközök

Google Analytics:

A legnépszerűbb online analitika szoftver. Ingyenes, majdnem mindenki ismeri és majdnem minden weboldalon telepítve is van. Ha nálad nincs, akkor gyorsan pótold a hiányosságot.

A Google Analytics ingyenes (legalábbis KKV szinten biztosan), mégis megfelelően jó és részletes áttekintést ad arról, hogy mi történik a weblapodon vagy a mobil appodban.

Hotjar:

A Hotjar (INGYENES; [fizetős csomag $29/hónap áron]) egy minden-egy-helyen típusú felhasználói-viselkedés-elemző szolgáltatás.

A három leghasznosabb funkciója:

1. hőtérképes elemzések (bármelyik fő- vagy aloldaladra)
2. felhasználói munkamenet rögzítése (igen, videóra tudod venni egyesével azt, hogy hogyan mozgatják az egerüket a felhasználóid a weboldalon — természetesen anonimizálva és szenzitív adatok kitakarásával)
3. ún. exit-intent kérdőívek (megkérdezheted a látogatód, hogy miért hagyta el vásárlás nélkül az oldaladat).

Google Tag Manager:

Ez szintén egy Google termék. És szintén ingyenes.

A Google Tag Manager egyébként nem kifejezetten analitikához és kutatáshoz lett kitalálva… Sokkal inkább arra, hogy a különböző követőkódjaidat (pl. a Google Analytics JavaScript követőkódját) egy tiszta és rugalmas struktúrában tudd a weboldaladon elhelyezni.
A Tag Manager-t is már érdemes egészen a kezdetektől használni olyan szoftverek beágyazásához, mint pl. a Google Analytics vagy a Hotjar.

5 másodperces tesztelés:

Mi lehet egy új látogatónak az első benyomása az oldaladról? Természetesen ezt is lehet kutatni.
Például az ún. 5 másodperces tesztelés nevű módszertannal.

Nem is olyan bonyolult: öt másodpercre megmutatod az oldaladat potenciális látogatóknak (szigorúan a célcsoportodból válogatva őket), és utána olyan kérdéseket teszel fel nekik, minthogy: „Mit gondolsz, mit árul ez a cég?”.
Ha azt a választ kapod, amire számítottál, akkor örülsz… Ha nem, akkor lehet, hogy ideje az üzeneteid vagy dizájnod újragondolásának.

Természetesen 5 másodperces tesztelést könnyedén szervezhetsz és csinálhatsz magadtól is… De létezik erre is egy webes szolgáltatás: a fivesecondtest.com (INGYENES [vagy $1/felhasználó]).
Náluk azért kell fizetni, hogy ha ők hoznak neked tesztalanyokat. De ezt megoldhatod magadnak is (pl. a saját email listáddal vagy Facebook csoportokban kutakodva is). Utóbbi esetben ingyenes használhatod a szoftverüket.

Itt egy gyors demó arról, hogy hogy néz ki egy öt másodperces teszt egy tesztalany szemével:

UX tesztelés:

A felhasználói viselkedés egy ún. kvalitatív kutatási módszertan. Ez azt jelenti, hogy itt nem sok felhasználó adatait nézed egyszerre (mint a Google Analytics-ben vagy a Hotjar-ban), hanem egy-egy hús-vér felhasználóval beszélsz élőben.

Nyilvánvaló előnye ennek a módszernek, hogy sokkal jobban megismerheted a felhasználóidat, ügyfeleidet, látogatóidat. A hátránya, hogy nagyon kicsi mintád lesz. (Egy körben általában ~5 felhasználóval szoktunk tesztelni.)
Persze a UX tesztelés ennél bonyolultabb, és megvan a saját kis módszertana (erről itt olvashatsz). De eszköz-szempontból a lényeg, hogy ezt is tudod magadtól is csinálni: felhasználókat hívhatsz az irodádba vagy akár Skype-on is beszélhetsz velük.

Ha nemzetközi bizniszed van, akkor (az 5-mp teszteléshez hasonlóan) használhatsz online szolgáltatásokat, akik szereznek neked jó tesztalanyokat.
Ezekből a kedvenceim a UserTesting és a Userfeel.
Habár mindkettejük relatíve drága (legalábbis magyar árviszonyokban nézve) – UserTesting: $49/tesztalany; Userfeel: $49/tesztalany.

Google Sheets (vagy Excel):

Természetesen ne maradjon le a listáról az emberiség kedvenc ingyenes táblázatkezelő megoldása se.
Akármennyire is szuperek a fent (vagy a továbbiakban) említett eszközök, a Google Sheets (vagy Excel) táblázatait lehetetlen kiszorítani az üzletmenetből.

Egyszerű elemzésekhez, .csv fájlok gyors áttekintéséhez és kis adathalmazok gyors grafikonná alakításához még mindig ez a legtökéletesebb eszköz.

Középszintű adatelemző eszközök

Google Optimize:

Amikor egy online üzlet elkezd növekedni, mindenképpen érdemes energiát fordítania arra, hogy rendbe tegye a konverziós arányait az oldalain. Viszont egy eleve jól menő üzletnél ez akár rizikós is lehet.

Képzeld magad elé, hogy van egy főcímed, ami működik, de azért nem vagy vele 100%-ig elégedett. Vajon ha lecseréled, az új verzió jobb vagy rosszabb konverziót fog hozni? Vagy esetleg nem változik semmi? A választ persze senki sem tudhatja biztosan.

Viszont ennek a mérésére a tökéletes módszertan az A/B tesztelés. Online üzleteknél könnyedén megoldható, hogy a felhasználók 50% a régi főcímedet lássa, egy másik 50% pedig az újat. Így már könnyen összehasonlíthatod, hogy melyik verzió teljesít jobban.

És a legjobb, hogy már erre is létezik ingyenes eszköz: a Google Optimize. Ezzel A/B tesztelhetsz főcímeket, szövegeket, képeket, gombfeliratokat, színeket, teljes landing oldalakat… egyszóval mindent.

Google Data Studio:

Amikor növekszik egy online vállalkozás, az is egyre fontosabb, hogy egy helyen legyenek láthatóak a különböző (havi, heti, napi) riportok és főmérőszámok.

Az egyik kedvenc megoldásom erre az ingyenes Google Data Studio.
Nem egy remek példát tudok a magyar piacon (is) arra, hogy pl. egy-egy ügynökség Google Data Studio-ban automatizálta az ügyfeleinek a havi jelentéseit: egy helyre hozta a Google Ads, Google Analytics, Facebook reklám, Search Console és esetleg saját SQL adatbázisból származó adatait.

Így nem kell többé különböző helyekről, havi rendszerességgel összebindzsizni az adatokat és egy giga-PPT-be beolvasztani mindent.
A Google Data Studio-ban minden automatikusan befrissül, amikor kell.
És természetesen ezt cégen belül is tudod használni. Például, ha te csak annyit csinálsz benne, hogy 5 Google Analytics riportot egy fülre hozol (és úgy vizualizálod, ahogyan neked a legátláthatóbb), már azzal nagyon sok időt és energiát spórolhatsz. Ráadásul ez az eszköz is ingyenes.

Fizetős versenytársa, amit érdemes még megnézni: Tableau.

Mixpanel:

A Mixpanel (és versenytársai: KissMetrics, Amplitude, stb.) olyanok, mint a Google Analytics, egy nagy különbséggel: az adatpontok hozzá vannak rendelve a felhasználókhoz.

Ezáltal nem csak azonosítani tudod, hogy ki mit csinált a weboldalon, de láthatod azt is, hogy melyik felhasználód felé mit kéne éppen kommunikálnod.
Például: láthatod, hogy ki hagyta ott a kosarát vásárlás előtt, vagy hogy valaki 10-szer megnézte ugyanazt a terméket, de még mindig nem vásárolt.

Szóval ez nem csak egy fejlettebb analitikai eszköz, de egy (alapszintű) marketing-automatizáció is.

Ez jól hangzik, viszont hadd tegyek hozzá pár fontos dolgot:

• A Mixpanel legtöbb funkciója csak akkor lesz hasznos neked, ha vannak bejelentkezett felhasználóid.
  (Tehát pl. egy webshop általában nem sok mindent tud vele kezdeni.)
• Ahogy szoktam mondani: az elmúlt években 5 Mixpanel bevezetést láttam… és 5 Mixpanel kivezetést is.
  Sok ember csalódik a Mixpanelben — és joggal.
  Az egyszerű és ígéretes felszín alatt (tapasztalatom szerint) egy bonyolult, sok munkát és energiát igénylő megoldás rejlik.
  Akkor meg sokan inkább maradnak a „butább”, de egyszerűbb Google Analytics-nál — vagy rögtön továbbmennek a profi eszközökre. (Lásd lentebb.)
• A Mixpanel drága (0-$1.000). Felhasználó számtól és aktivitástól függően, havi sok száz dollárra is kóstálhat a számla.
• Ráadásul a marketing automatizáció részt egyik-másik hírlevél szoftver ügyesebben megoldja, mint a Mixpanel.

Szóval összességében, bár a listából nem hagyhattam ki, de én lebeszélnélek a Mixpanel-ről. (És az összes versenytársáról is.)

A profik adatelemző eszközei

A legtöbb gyorsan növekvő (pl. nemzetközi) cég életében eljön az a pont, amikor az eddig felsorolt analitikai és kutató eszközök már nem szolgálják ki. Vagy túlságosan drágává válnak — vagy egyszerűen csak nem elég részletesek az elemzések, amiket nyújtanak.

Ekkor jön a „profi szint”: a cég felvesz egy adatos szakembert, aki elkezdi felépíteni a cég saját belsős adatbázisát.
Ez természetesen rengeteg kódolással és fejlesztéssel jár — sokszor nem is egy, hanem több ember dolgozik egy ilyen a projekten.
(Pl. az itthon már mindenki által ismert Prezinek kb. 10 fős data science csapata van.)

De van az a szint, ahol ez a befektetett munka már bőven megtérül: a részletesebb elemzések jobb üzleti döntéseket segíthetnek elő – ez pedig természetesen profit formájában realizálódik.

Arról nem is beszélve, hogy fejlettebb Machine Learning és Prediktív Analtikia projektekről is szinte kizárólag csak akkor beszélhetünk, ha van saját adatbázisod. (Ezekről nagyon részletesen beszélek a magyar nyelvű online data science képzésemben.)

Viszont most nézzük, hogy ha megvan ez a saját adatinfrastruktúra, akkor ahhoz milyen adatelemző eszközökkel lehet hozzányúlni:

SQL:

Az SQL az a nyelv, amit még akkor is érdemes lenne megtanulnod, ha nem nem is akarsz adatelemző vagy adattudós lenni.
Az SQL lényegében olyan, mint egy felturbózott Excel. Ugyanúgy strukturált, 2-dimenziós táblákban tárolja az adatot, de (az Excel-hez képest) sokkal nagyobb, akár 100.000.000+ soros adathalmazokat is tud kezelni.
Ráadásul mindezt gyorsan és rugalmasan teszi. Cserébe viszont meg kell tanulnod, hogy hogyan lehet SQL lekérdezéseket írni:

SELECT * FROM tablazat WHERE felhasznalo = “profi”;

Ez persze kicsit nehezebb, és elvontabb gondolkodást igényel.

Az SQL-ben nem látod az egész táblát és nem tudsz csak simán kattintani-és-húzni a kurzorral, mint ahogy azt Excel-ben megszokhattad.
Ezzel együtt is igaz, hogy az SQL egy nagyon-nagyon hasznos nyelv: sok cég használja, sok adatelemző eszközbe be van építve alapból — és a CV-ben is kifejezetten jól mutat, ha egy akármilyen IT céghez felvételizel.

(A legtöbb SQL nyelv (pl. a postgreSQL) ingyenes és nyílt forráskódú.)

Python:

A Python egy elég komplex programozási nyelv.
Nem csak data science-hez használható, de az biztos, hogy az adatos szakembereknek az egyik legnagyobb kedvence.

Tökéletes strukturált (pl. táblázatos) és strukturálatlan adatok (pl. írott szövegek) feldolgozására.
De amiért igazán sokan szeretik az az, hogy rengeteg ingyenes bővítménye van. Ezekben megtalálható az összes manapság divatos gépi tanulásos és prediktív analitikai modul.
Minden, amit csak el tudsz képzelni: statisztikai számításoktól kezdve, az egyszerűbb machine learning algoritmusokon (pl. regressziós modellek, döntési fák) át, egészen a bonyolultabb koncepciókig (pl. deep learning és neurális hálók).

Természetesen, ugyanúgy mint az SQL-hez, a Python-hoz is csak kódolással tudsz hozzányúlni, úgyhogy itt is az első lépés az, hogy magadra szedj egy kis alapvető Python-kódolói tudást.

(A Python és a bővítményei ingyenesek és nyílt forráskódúak.)

R:

Van egy harmadik adatelemző nyelv, amit sokan szeretnek.
Ez az R.

Az R nagyon hasonló a Python-hoz, és amit meg tudsz csinálni az egyikben, azt többnyire meg tudod csinálni a másikban is. Viszont tapasztalataim szerint az R logikáját egy kezdőnek kicsit nehezebb megérteni és megtanulnia.

Szóval indulásként én mindig a Python-t ajánlom helyette. De ha szeretnéd kipróbálni, jó hírem van: ez a nyelv is ingyenes és nyílt forráskódú.

Összefoglalás

Szóval ezek az adatelemző és kutatási eszközök, amit online üzletekkel foglalkozó szakembereknek ajánlok.

• Ha még kisebb a céged, mindenképpen a belépő szinten kezdd, és onnan lépkedj előre szépen lassan – pl. amikor eléred a határait egy-egy eszköznek.
• Ha a belépő szinten már túl vagy, próbáld ki a fejlettebb szoftvereket (Google Optimize, Google Data Studio vagy Tableau).
• Ha pedig kifejezetten adatelemző vagy data scientist pályára szeretnél lépni, akkor a profi megoldásokkal (SQL, Python) ismerkedj meg! Ezekhez találsz nagyon sok oktató és segédanyagot az angol nyelvű blogomon, itt: data36.com.