Het komt zelden voor dat databestanden afkomstig uit verschillende bronnen gelijk zijn aan elkaar of dat al je metingen goed zijn ingesteld. Met als gevolg dat een poging om datagedreven te werken juist meer vragen oproept dan beantwoordt. Wil je datagedreven werken, dan is datakwaliteit enorm belangrijk. Maar wat houdt dat precies in? En wanneer is het goed genoeg om er je dagelijkse besluiten op te baseren? Zes tips uit de praktijk.
Tekst: Reinier Koolmees
1. Kijk naar de trend van een bepaalde periode
Absolute aantallen vertellen slechts één kant van het verhaal. Bekijk dus ook altijd de trend van een bepaalde periode. Het kan zijn dat er tussentijds een issue is opgetreden en dit wordt alleen zichtbaar in een trendgrafiek.
2. Controleer op afwijkingen
Controleer op afwijkingen ten opzichte van de norm (anomalies), stel desnoods rapportages in voor de belangrijkste KPI’s en breid deze uit met automatische alerts.
3. Doe een A/A-test
Wanneer je het analytics-pakket ook gebruikt om A/B-testen te analyseren, voer dan vooraf een A/A-test uit om te bepalen of de data goed worden geregistreerd en de bezoekers juist worden verdeeld.
4. Gebruik een analytics debugger
Gebruik een analytics debugger (bij voorkeur eentje die wordt aangeboden door de analytics vendor zelf) om de image requests te analyseren die worden verstuurd naar je analytics-pakket.
5. Ga nooit alleen uit van de betrouwbaarheid van de ontvangende kant
Als alle metingen zijn ingesteld, zijn we geneigd snel naar de data te kijken om te zien of er gegevens binnenkomen en er vervolgens de conclusie aan te verbinden dat de data ook kloppen. Dit is een misverstand. Ga nooit alleen uit van de betrouwbaarheid van de ontvangende kant. De versturende kant is namelijk belangrijker. Vanaf de cliënt kan er veel misgaan. Er kunnen in de praktijk meerdere requests tegelijk worden verstuurd op één enkele actie (trigger). Men noemt dit ook wel inflated data of het genereren van fake pageviews.
6. Documenteer alles
Als er dingen in je analytics-opzet zijn veranderd, zorg er dan voor dat dit goed gedocumenteerd wordt. Op die manier is de kennis over de implementatie niet van jou afhankelijk, maar dat weet de rest van de organisatie ook wat er gebeurd is en waarom er eventuele afwijkingen te zien zijn in de data.
Utopie
Ondanks herhaaldelijke inspanningen blijft de volledige of perfecte analytics-implementatie een utopie. Het belangrijkste is dat de data die verzameld worden kloppen. Blijf dus vooral niet te lang hangen in het perfectioneren van al je metingen. Uiteindelijk moet je ermee aan de slag om er achter te komen wat er wel en wat er niet klopt. Het beschermen van de datakwaliteit is iets waar je constant aan werkt.
Webanalisten
Dit artikel is geschreven door Reinier Koolmees, analytics and optimization expert bij Online Dialogue, voor het online analyse- en optimalisatieplatform Webanalisten.nl. Het volledige artikel is hier te lezen.
Er is op dit moment 0 keer gereageerd op:
Conversietip: 6 tips voor datakwaliteit
Je kunt niet meer reageren op dit artikel.