La începutul anului, treceam în revistă principalele niveluri din analytics: descriptive, diagnostic, predictive și prescriptive analytics. Observam de atunci că majoritatea activităților din digital analytics se încadrează la descriptive analytics. Haideți să aflăm mai multe despre acesta!
Dar ce este descriptive analytics? Nu este o surpriză că sunt multe definiții diferite, dar cel mai mult mi-a plăcut cea care vede în descriptive analytics sinergia dintre date și decizii. Pentru asta, primul pas este obținerea de date de o calitate bună. Da, la fel ca în web analytics.
În funcție de problemele pe care încearcă să le rezolve, avem 3 tipuri de descriptive analytics:
Exploratory Research
Atunci când problema este ambiguă, precum motivele din spatele unor vânzări mai slabe într-o anumită promoție, se folosește acest tip de research. Este un prim pas și de obicei oferă doar un prim răspuns sau chiar o bănuială. Este totuși un pas important în rezolvarea unei probleme. Rezultatele pot fi privite ca ipoteze care să fie testate ulterior.
Analiza mesajelor din social media sau alte comunități online pot fi surse de date în exploratory research.
Descriptive Research
Descriptive analytics, descriptive research… lucrurile pot fi confundate, mai ales că acest tip de analiză răspunde la întrebări descriptive J
În această fază se caută răspunsuri la probleme bine cunoscute. De exemplu, cine sunt clienții concurenței? Răspunsurile sunt și ele solide, de regulă bazate pe cifre. Descriptive research se folosește de cele mai multe ori atunci când se caută răspunsuri la întrebările venite de la management.
Tipurile de date folosite în această analiză pot fi active (precum studiile de piață) sau pasive (precum analiza de la punctul de vânzare, posibilă inclusiv în magazinele online).
Causal Research
Prin descriptive research avem răspunsurile la întrebări, însă nu putem afla și cauzalitatea. Rezultatele se datorează schimbărilor făcute în ultimul timp? Cu descriptive research vedem corelația, cu casual research, după cum îi spune și numele, aflăm dacă a fost cauzalitate.
Pentru a stabili cauzalitatea nu este suficient numai să stabilim impactul unei variabile asupra altei variabile, dar trebuie și să ne asigurăm că nu există alte variabile care le influențează pe primele două.
O metodă populară pentru a stabili cauzalitatea în mediul online este A/B testing-ul.