Facebook Insights – svarene du ikke får
Utsnitt av Facebook dashboard
I forrige uke delte Jørgen sin frustrasjon med Facebook Insight, og krysset fingrene for at den nye versjonen ville bli kraftig forbedret. Nå er den nye versjonen av Facebook Insight tilgjengelig, og selv om den nok er bedre, er det fremdeles store mangler i en del sammenhenger.
Alle firmaer og organisasjoner er forskjellige. Hva slags innsikt og analyse som er riktig avhenger hva man ønsker å oppnå. Man kan derfor ikke skjære alle bedrifter over en kam i forhold til hva slags analyse de bør gjør, men fra et forretningsperspektiv er det de 3 store forretningsmålene man bør fokusere på:
- Øke inntekt
- Redusere kostnad
- Forbedre kundetilfredshet
Facebook skal kanskje ikke bidra til å øke alle 3 forretningsmålene, men om ikke Facebook bidrar til noen av målene, bør man ta en timeout for å evaluere og justere kurs.
Øke inntekt
Erfaringsmessig er Facebook best til å assistere et salg, og ikke så veldig god til å “close salget”. Uansett om du er en kommersiell virksomhet eller ikke er min mening at det er riktig å analysere og rapportere denne siden av Facebook.
Ulempen er at dette er informasjon du må innhente på andre måter, og da mest sannsynlig fra webanalyseverktøyet ditt (for du måler vel salg, konverteringer eller leads generert av nettstedet ditt?).
Redusere kostnad
Reduserie kostnad kan innebære så mangt, og hvordan dette skal evalueres avhenger av hvorfor man er tilstede på Facebook. For noen vil en del av regnestykket være hvor mye det koster å nå x-antall på Facebook (Reach) versus andre kanaler, mens for andre vil det være knyttet til å drive kundeservice.
Om kundeservice er viktig kan et spørsmål være “hva koster det å drive kundeservice på Facebook”? Reduserer det andre kostnader slik som telefonhenvendelser, eller øker det faktisk kostnadene våre fordi vi får flere henvendelser som må besvares? Viktige målinger her kan være hvor mange innlegg vi versus andre skriver, og hvordan er trenden.
Tallene finnes der, men det er en tidskrevende jobb å finne de.
Forbedre kundetilfredshet
Facebook (og sosiale medier) har kanskje først og fremst vist seg som et medium som egner seg bra for enkel kundesupport. Kundesupporten foregår stort sett på Facebook-veggen, og i analyse av dette kommer virkelig Facebook Insight til kort.
Facebook Insight viser kun innlegg du har startet og reaksjon på dine innlegg. Supportspørsmål, samt ros og ris, kommer veldig ofte til uttrykk gjennom innlegg startet av andre enn deg.
Analyse av veggen kan derfor innebære en manuell sentiment-analyse. Her kommer alle analyseverktøy til kort fordi det krever en manuell innsats, men Facebook Insight gir oss virkelig ikke noe hjelp her.
For å kunne analysere og få innsikt om hvordan Facebook bidrar til å redusere kostnad, øke inntekt eller forbedre kundetilfredshet står vi altså overfor sammesetting av data fra flere kilder og masse manuelt arbeid hvor Facebook Insight er svært lite til hjelp.
Et slags svar på våre bønner heter API og automatisering
Om du må analysere og sette sammen informasjonen over manuelt hver uke eller måned, vil du antagelig ikke få tid til så mye annet. Heldigvis kan det meste automatiseres fordi at alle tjenester og verktøy med respekt for seg selv har et API, så også Facebook.
Dette innebærer at vi selv kan velge hvilke data vi ønsker å rapportere og kombinere. Etter å ha testet mange forskjellige verktøy, har jeg kommet frem til at Excel er det beste verktøyet til dette basert på fleksibilitet. Under er et eksempel hvor data fra Facebook og Google Analytics er kombinert, og hvor alt unntatt sentiment-analyse er automatisert.
Men selv sentiment-analyser kan effektiviseres ved hjelp av Facebook sitt API. I forbindelse med generering av dataene til dashbordet, lages det samtidig en Excel-fane med alle innlegg i valgt tidsperiode. «Våre» innlegg utheves, og innlegg «vi» har startet gis en annen bakgrunnsfarge. Det gjør det enklere å identifisere, vurdere og score innleggene. Summeringen gjør Excel automatisk.
Men som overskriften tilsier, dette er et slags svar fordi dette har en bakside. Å bygge denne typen dashbord og rapporter er ganske krevende. Før vi i det hele tatt kan begynne å bygge, må vi vite hva vi ønsker å få svar på. Hva er våre KPIer? Hvilke data fra APIet trenger vi, og hva slags data må vi kombinere? Må vi hente data fra flere verktøy? Hvordan presentere denne informasjonen på en fornuftig måte slik at innsikten blir forstått og brukt til optimalisering og handling?
