Neplaťte zbytečně za špatné kampaně. Změřte si pravdivá a relevantní čísla

Jan Hornych ze společnosti Cross Masters a Pavel Pajkrt z agentury H1.cz se potkali už před lety při práci na různých projektech. Společné úvahy o tom, do čeho by se mohli pustit dál, je zhruba před rokem přivedly na myšlenku vytvořit nástroj, který automatizuje hlídání kvality a změn v datech o chování zákazníků na webových stránkách.

S každou návštěvou webové stránky se měří velké množství údajů o tom, co na ní daný návštěvník dělá. Jaké články čte, na jaké produkty se dívá a kupuje nebo dokonce i to, jak pohybuje myší. Tato data lze použít nejen pro zlepšování funkčnosti webové stránky, ale i pro zvýšení efektivity online marketingu. A marketingové systémy jsou často na těchto datech doslova životně závislé, protože s nimi lze reklamní kampaně optimalizovat.

Představme si například, že firma každý měsíc dává velký balík peněz do PPC kampaní (z anglického pay per click, tedy platba za kliknutí: jedná se o formu internetové reklamy, kdy inzerent platí za reklamu, až na ní někdo klikne), které propagují nějaký produkt. Vše nasvědčuje tomu, že tato reklama generuje úžasný obrat, ale skutečnost může být jiná. Často se totiž nepřijde na to, že v měření prodejů je chyba, a tak se v investicích do této kampaně pokračuje dál — i když ve skutečnosti by vložené investice udělaly mnohem lepší službu jinde.

„Neustále jsme naráželi na to, že potřebujeme kontrolovat, jestli měřicí nástroje na webech našich klientů pracují správně a jestli čísla, která od nich dostáváme, jsou pravdivá. Dřív jsme to zdlouhavě dělali ručně, proto jsme začali přemýšlet, jak si to zjednodušit a posunout se o krok dál. Výsledkem je technologie Waaila (Web Analytics Artificial Inteligence Analyzers), kterou nemůže svým klientům nabídnout žádná jiná agentura v České republice,“ popisuje šéf analytického oddělení společnosti H1.cz Pavel Pajkrt novou službu.

Když jsou věci jinak, než vypadají

Waaila využívá umělé inteligence — nebo lépe řečeno strojového učení — k předpovídání toho, jak by se sledované parametry měly vyvíjet v čase. Systém hlídá, jestli jsou hodnoty splněné, nebo jestli nastala nějaká anomálie, zda se něco změnilo.

„Dám příklad. Klient, třeba e-shop, spustí novou verzi webu a těší se na příval objednávek. Jenže společně s tím poškodí existující měření, a pro určitou skupinu zákazníků přestane fungovat například měření přidání zboží do košíku. Marketingové systémy se tak domnívají, že zákazník se stále rozmýšlí, co si koupí, přestože již objednávku dokončil a zboží má na cestě. Kvůli tomu, že data nejsou pravdivá, je chování marketingových systémů ovlivněné — nehledě na zmatečnou komunikaci se zákazníkem. Navenek tedy vše vypadá úplně jinak, než to ve skutečnosti je,“ uvádí Hornych.

A to je přesně ten okamžik, kdy na scénu vstupuje nová technologie. Ta využívá statistické algoritmy, které mají prostřednictvím natrénovaného modelu odhalit, zda je něco špatně. Průběžně kontrolují, jestli se „měřená realita“ blíží očekávané skutečnosti nebo ne. Pokud systém zjistí, že přišel jiný výsledek, než se v předpovědi očekávalo, vydá upozornění, které prověří specialista.

Velká úspora času i peněz

Potenciál novinky je značný, mimo jiné i z hlediska časové úspory. H1.cz má zhruba stovku klientů — kdyby se měla provádět u každého z nich pečlivá kontrola manuálně, zabere to tři hodiny na klienta denně. Vynásobíme-li to stokrát, dostaneme neskutečné objemy náročné, zdlouhavé a hlavně nudné práce. Pomocí nové metody z algoritmu vypadne jen deset patnáct kritických bodů, jimž je třeba se individuálně věnovat.

Know-how nového systému spočívá v určení, kde leží rozlišovací prahy. Například u jednoho klienta může být stabilní úroveň nějaké měřené hodnoty kolem šedesáti procent a bude to pro něj v pořádku. U jiného klienta, který má na svém e-shopu běžně hodnoty kolem třiceti procent, by to už při čtyřiceti procentech mohlo značit anomálii a měl by to začít aktivně řešit.

Měřené hodnoty se navíc mění podle dne, hodiny i typu stránky. Stanovit, kde onen rozlišovací práh leží a zda je to pro danou firmu ještě v pořádku, nebo už se anomálií z měření je třeba zabývat, je pro desítky či stovky klientů velice náročné.

Ideální řešení našli v cloudu

Na začátku projektu hledaly Cross Masters a H1.cz technologii, která by jim pomohla rychle dosáhnout výsledku, a to bez velkých nákladů na infrastrukturu. Našli ji v cloudovém řešení Azure v kombinaci s nástrojem Machine Learning (ML) Studio.

„Na ML Studiu je skvělé, že jde vlastně o drag & drop nástroj, ve kterém se lze dobrat slušného výsledku velice rychle. Je ideální pro méně technicky zaměřené klienty, kteří si jednoduchý predikční model mohou sestavit velmi snadno sami. A to nejlepší je, že takovýto model je možné na stisknutí jednoho tlačítka zabalit a publikovat jako webovou službu. Otevřenost těchto cloudových technologií mi přijde opravdu úžasná,“ pochvaluje si Hornych.

Na vývoji se podílelo celkem osm lidí, po čtyřech z každé firmy. Cross Masters zajišťovali vývoj, H1.cz pak dodala vhled z pohledu klienta a definování jeho potřeb. „O definici všemožných pravidel, samotného algoritmu a konkrétních čísel, jak se algoritmus má chovat, se postarali naši lidé v čele s předním českým odborníkem na tuto problematiku Miroslavem Peckou,“ popisuje analytik H1.cz.

Na závěr oba specialisté naznačují, kam by svůj nový projekt rádi posouvali dál: jednak by ho vedle bezplatného Google Analytics rádi nasadili i na vyspělejší placené analytické platformy, u kterých klienti už vnímají důležitost kvality dat, jednak by se rádi dopracovali i k hlubším analýzám jiného typu. „Aby nástroj dával věci do souvislostí a sám dokázal říct: teď se výborně prodávají řekněme košile, což je ale divné, protože když se košilím takhle dařilo posledně, prodávaly se podobně i kravaty. Nenastal někde nějaký problém? Neběží třeba někde reklama na košile a jejich doplňky, které už nejsou na skladě,“ uzavírají oba jednohlasně.