Pulpity nawigacyjne wspierające działania

Raport odpowiada raz na jedno, z góry określone pytanie, natomiast dashboard jest żywym interfejsem, do którego użytkownicy wracają, aby podejmować decyzje. Najlepsze dashboardy nie są zrzutami danych, lecz są projektowane tak, aby skłaniać do konkretnego działania.

Przed rozpoczęciem budowy należy zapytać: kto będzie to czytać, jaką decyzję podejmie i jak często? Dashboard bez przypisanej decyzji jest dekoracją, której nikt nie otworzy ponownie.

Narzędzia BI, Looker Studio, Looker, Tableau i Power Bi, łączą się z warstwą martów, nigdy z surowymi tabelami. Wykonują zapytania na modelowanych danych objętych nadzorem, dzięki czemu każdy wykres korzysta z tych samych poprawnych definicji.

Aby zwiększyć wydajność i ograniczyć koszty, należy kierować dashboardy do wstępnie zagregowanych tabel warstwy martów, a nie do tabel zdarzeń zawierających miliardy wierszy. Dashboard, który przy każdym odświeżeniu ponownie skanuje surowe zdarzenia, działa wolno i jest kosztowny.

Każdy wykres wymaga uwagi, dlatego należy wybierać metryki powiązane z decyzjami. W marketingu podstawowy zestaw obejmuje wydatki, ROAS, CAC, współczynnik konwersji i LTV, a także tempo realizacji budżetu.

Należy odróżniać wskaźniki wyprzedzające (kliknięcia, CTR) od opóźnionych wyników (przychody, LTV). Metryki wyprzedzające pozwalają działać wcześniej, a opóźnione potwierdzają rezultaty. Dobry dashboard pokazuje oba rodzaje i wyraźnie je oznacza.

Dashboard należy zbudować jak piramidę. W górnym wierszu powinno znaleźć się kilka najważniejszych KPI wraz ze zmianą względem poprzedniego okresu. Środkowa część rozbija je według kanału lub kampanii. Dolna część zawiera szczegółowe tabele umożliwiające przejście do dalszych szczegółów.

Szanuje to sposób, w jaki ludzie czytają: najpierw szybko sprawdzają podsumowanie, a następnie zagłębiają się tylko tam, gdzie coś wygląda nieprawidłowo. Zmuszanie odbiorców do szukania najważniejszej liczby to najczęstszy błąd w dashboardach.

Sama liczba nie ma znaczenia. ROAS równy 3.2 jest dobry lub zły tylko w odniesieniu do celu, poprzedniego okresu albo wartości referencyjnej. Każdą metrykę należy zawsze uzupełniać kontekstem: porównaniem, trendem lub linią celu.

Należy pokazywać różnice względem poprzedniego okresu, próg docelowy oraz wykres typu sparkline przedstawiający najnowszą historię. To właśnie kontekst zmienia liczbę w decyzję: zwiększyć inwestycje, ograniczyć wydatki czy niczego nie zmieniać.

Interaktywność pozwala jednemu dashboardowi odpowiadać na wiele pytań. Selektory zakresu dat, filtry kanałów i kampanii oraz przechodzenie do szczegółów po kliknięciu pozwalają odbiorcy przejść od najważniejszej wartości do jej przyczyny bez tworzenia nowego raportu.

Należy ustawić rozsądne wartości domyślne, takie jak ostatnie 30 dni i wszystkie kanały, aby dashboard był użyteczny od pierwszego załadowania. Filtry powinny być oczywiste; ukryte elementy sterujące pozostają niewykorzystane i powodują niejasność co do zakresu prezentowanych liczb.

Wykres należy dopasować do pytania. Trendy w czasie przedstawia się za pomocą wykresów liniowych, porównania kategorii za pomocą wykresów słupkowych, a relację części do całości za pomocą słupków skumulowanych (rzadko wykresów kołowych). Duże pojedyncze liczby (karty wyników) sprawdzają się w przypadku najważniejszych KPI.

Należy unikać podwójnych osi, efektów 3D i tęczowych palet, ponieważ wprowadzają w błąd. Koloru należy używać oszczędnie i konsekwentnie: jeden kolor na kanał we wszystkich wykresach, aby odbiorcy musieli nauczyć się legendy tylko raz.

Wolny dashboard podkopuje zaufanie, a użytkownicy przestają go otwierać. Szybkość zapewniają zapytania do małych, wstępnie zagregowanych martów, ekstrakty BI lub buforowanie oraz ograniczenie częstotliwości automatycznego odświeżania.

W BigQuery należy partycjonować i klastrować bazowy mart, a w przypadku ciężkich agregacji rozważyć widoki zmaterializowane. Celem jest dashboard, który ładuje się w kilka sekund, a nie taki, który przy każdym odświeżeniu generuje rachunek na setki dolarów.

Najbardziej użyteczne dashboardy aktywnie wysyłają informacje, a nie tylko czekają na ich odczytanie. Alerty progowe (ROAS spadł poniżej 2.0, tempo wydatków przekroczyło budżet) powiadamiają właścicieli e-mailem lub na Slacku natychmiast po wystąpieniu problemu.

Wykrywanie anomalii idzie o krok dalej i automatycznie sygnalizuje statystycznie nietypowe wahania. Alert, który dociera do specjalisty ds. zakupu mediów o 9:00, znacznie szybciej prowadzi do działania niż wykres, na który nikt akurat nie zajrzał.

Istnieje napięcie między umożliwieniem wszystkim samodzielnej eksploracji a ściśle zaprojektowanymi widokami dla kadry zarządzającej. Samodzielna eksploracja skaluje się dobrze, ale wiąże się z ryzykiem niespójnych i błędnych analiz; widoki kuratorowane są wiarygodne, lecz tworzą wąskie gardła związane z obsługą próśb.

Dojrzałe rozwiązanie polega na tym, aby widoki dla kadry zarządzającej i zarządu tworzyć na podstawie objętych nadzorem martów, a analitykom udostępnić warstwę samodzielnej eksploracji opartą na tych samych zaufanych modelach. Obie grupy korzystają z jednego źródła prawdy.

Dashboard prowadzi do działania tylko wtedy, gdy odwołuje się bezpośrednio do jego realizacji. Wnioski należy łączyć z kolejnymi krokami: notatką wyjaśniającą, co zrobić przy spadku ROAS, linkiem do menedżera kampanii lub grupami odbiorców reverse-ETL utworzonymi na podstawie tych samych danych.

Należy mierzyć także sam dashboard: czy użytkownicy go otwierają i czy zmieniają się podejmowane decyzje? Nieużywany dashboard, choćby był piękny, nie spełnia swojego jedynego zadania.

Interesariusz mówi, że karta wyników ROAS pokazująca „3.2” nie pomaga zdecydować, czy zwiększyć wydatki. Jakie rozwiązanie będzie najskuteczniejsze?

Dashboardy skłaniające do działania zaczynają się od decyzji, korzystają z objętych nadzorem tabel warstwy martów (nigdy z surowych tabel) i pokazują KPI powiązane z decyzjami, takie jak ROAS, CAC i LTV. Należy budować je jak piramidę: najważniejsze KPI, rozbicia, a następnie szczegółowe dane dostępne po przejściu do szczegółów.

Każdą metrykę należy łączyć z kontekstem, stosować uczciwe kodowanie wizualne, zapewniać szybkość dzięki wstępnej agregacji i buforowaniu oraz wysyłać alerty progowe. Na koniec trzeba domknąć pętlę, mierzyć wykorzystanie i łączyć wnioski z kolejnymi krokami.