Facebookin analytiikkatyökalut ovat kehittyneet viimeisen puolen vuoden aikana huimasti. Viimeistään Facebookin oman Facebook Analytics työkalun lanseeraus on nostanut Facebookin analytiikan oikeasti relevantiksi kilpailijaksi ehkä tunnetuimmalle analytiikkaratkaisulle Google Analyticsille.
Ennen kuin mennään itse Facebookin analytiikkatyökaluun on kuitenkin syytä kerrata perusasiat Facebookin tarjoaman analytiikan ympärillä.
Monesti ihmetellään kuinka Facebookin analytiikka antaa erilaisia lukuja kuin Googlen analytiikka. Usein hätäinen johtopäätös voi olla se, että Facebook väärentelee tarkoituksella lukuja, vaikka oikeasti kysymys on vain erilaisista mittaustavoista ja attribuutiomalleista.
Attribuutiomallit: Miten Facebook ja Google raportoivat tuloksia?
Epäselvyyksien välttämiseksi määritellään ensin muutamat termit.
- Konversio: Konversio on haluttu tavoite, johon asiakasta ohjataan. Se voi olla esimerkiksi sähköpostilistalle liittyminen, tuotteen lisääminen ostoskoriin, osto tai muu vastaava. Konversio voi siis olla käytännössä mikä tahansa mitattava tavoite.
- Attribuutiomalli: ”Attribuutiomalli on sääntö tai sääntöjen joukko, joka määrää myyntien tai konversioiden hyvittämiestä konversioreittien kosketuspisteille.” –Google.
Attribuutiomallilla tarkoitetaan siis sitä, että minkälainen painotus annetaan konversiota edeltäville vaiheille ja mille kanavalle annetaan kunnia konversiosta.
Miten Google Analyticsin ja Facebookin attribuutiomallit sitten eroavat toisistaan?
Google Analyticsissa sekä Facebookin analytiikassa on molemmissa mahdollista käyttää erilaisia attribuutiomalleja.
Google Analyticsista löytyy oma mallinvertailu työkalu:
Facebookista löytyy oma jaksojen vertailu, tosin hieman suppeampana:
Googlen analytiikassa oletusarvoinen attribuutiomalli on viimeisen klikkauksen attribuutio, eli kaiken kunnian saa kanava, josta asiakas on päätynyt viimeiseksi sivulle ennen konversiota.
Facebookissa oletusarvoinen attribuutiomalli taas on 28 päivän klikkaus ja 1 päivän näyttö. Eli käytännössä Facebook raportoi kaikki konversiot, jotka tapahtuvat 28 päivää mainoksen klikkauksesta ja 1 päivän mainoksen näytöstä.
Käytännössä tämä tarkoittaa siis sitä, että jos henkilö klikkaa ensin Facebookin kautta sivuille, mutta ei osta ja klikkaa viikon päästä Google Adwordsin kautta sivuille ja ostaa, niin Googlen Analytiikassa oletuksena konversio merkataan Google Adwordsille ja Facebookissa Facebook-mainokselle.
Siitäpä herääkin kysymys, että onko tämä konversio nyt sitten Adwordsin vai Facebookin ansiota ja missä suhteessa?
Miten Facebookin analytiikka toimii?
Ennen kuin pureudutaan siihen, miten attribuutiomalleja kannattaa hyödyntää, niin käydään parin esimerkin kautta läpi miten Facebookin analytiikka ja raportointi toimii.
1. Asiakas klikkaa mainosta tänään ja ostaa viikon päästä. Mille päivälle konversio kirjaantuu Facebookissa?
Suurin osa tuntuu ajattelevan, että konversio on aina sillä päivällä jolloin itse konversio tapahtuu, mutta Facebook itseasiassa raportoi konversion sille päivälle, jolloin henkilö on klikannut mainosta – tai vaihtoehtoisesti nähnyt mainoksen, jos käytetään näyttökonversioita attribuutiomallissa.
Facebook-mainonta voi siis näyttää tässä hetkessä tappiolliselta, mutta kun katsotaan samoja tuloksia 2 viikon päästä voi mainonta ollakin kannattavaa. Tämä on tuttu tilanne erityisesti ostoprosessin alkupäässä, tavoiteltaessa uusia yleisöjä, etenkin jos hyödynnetään myös sähköpostimarkkinointia.
Tämä aiheuttaa myös usein sekaannuksen Googlen analytiikan ja Facebookin analytiikan välillä. Google Analyticsissa voi olla jonain päivänä 10 konversiota, joista viimeisen klikkauksen attribuutiolla vain yksi on merkattu Facebookille, kun taas Facebookissa kaikki konversiot on merkattu Facebookin aikaansaannoksiksi, mutta ne jakautuvat 2 viikon aikajänteelle.
Kumpi näistä analytiikoista on oikeassa? Molemmat, ne vain mittaavat attribuutiota eri tavalla.
2. Asiakas klikkaa mainosta tänään ja huomenna, ja konvertoi viikon päästä. Mille päivälle konversio kirjaantuu?
Viimeinen kontakti ottaa Facebookissa aina kunnian konversiosta. Tämä taas aiheuttaa joissain tilanteissa sen, että kun retargetointia ja kylmään yleisöön kohdennettua mainontaa tehdään samanaikaisesti, retargetointi kerää hedelmät kun taas muu mainonta näyttää tappiolliselta.
3. Asiakas klikkaa puhelimellaan verkkokauppaan ja ostaa myöhemmin illalla pöytäkoneeltaan. Miten konversio kirjaantuu?
Facebook tunnistaa erilaiset laitteet samaksi henkilöksi, mikäli kyseinen henkilö on kirjautunut molemmilla laitteilla Facebookiin tai johonkin Facebook-kirjautumista hyödyntävään sovellukseen. Facebook ei siis tunnista eri laitteilla tehtäviä toimintoja 100-prosenttisesti, mutta kuitenkin melko luotettavasti.
Sekaannusta tällaisissa tapauksissa aiheuttaa kuitenkin Google Analytics ja sen raportointi. Google Analyticsin cross device tracking ei nimittäin ole läheskään Facebookin veroinen, ja niimpä tällaisissa tilanteissa Google Analytics ei useinkaan osaa yhdistää Facebookia ostokseen, ei edes eri attribuutiomalleilla.
4. Facebook näyttää kymmeniä konversioita, mutta Google Analytics ei osaa merkata yhtäkään konversiota Facebookille. Mistä on kysymys?
Tämä ongelma on usein kaksisyinen. Yleisin ongelma on se, että liikennettä ei ole utm-tägätty. Jotta Google Analytics tunnistaa Facebookin liikenteen lähteenä, täytyy linkit utm-tägittää. Esimerkkinä Facebookista meidän etusivuille johtava linkki:
https://sdm.fi/?utm_source=social-paid&utm_medium=Facebook&utm_campaign=Aleksiblogitesti
Jotta Google Analytics siis tunnistaa Facebookin liikenteen lähteenä, täytyy linkin perässä olla utm-tägi, joka sisältää parametrin ”utm_medium=Facebook”. Yllä olevassa linkissä näkyy myös ”utm_source=social-paid”, joka tarkoittaa sitä, että kyseessä on sosiaalisessa mediassa tapahtuva maksullinen mainonta. Linkin lopussa oleva ”utm_campaign=Aleksiblogitesti” taas tarkoittaa kampanjaa, josta klikkaus on peräisin.
Jokaisesta Facebookista tulevasta linkistä tulisi siis löytyä utm-tagi, joka määrittelee sen, että kysymyksessä on Facebookista tuleva liikenne. Näin Google Analytics ymmärtää liikenteen lähden Facebookiksi ja tällöin analytiikka osaa myös merkata konversiot oikein Facebookille.
Mitäs sitten, jos utm-tägit ovat kunnossa, mutta Facebookissa näkyy silti 28 konversiota, joista yksikään ei näy Google Analyticsissa Facebookille merkattuna? Toinen selitys on aikaisemmin mainittu laitteiden välinen kauppa, jota Google ei tunnista yhtä hyvin kuin Facebook – mutta näin suurissa lukemissa kysymys tuskin kuitenkaan on siitä.
Yleisin ongelma tällaisissa tilanteissa on erilaisen attribuutiomallin käyttäminen Facebookissa, eli käytännössä näyttökonversioiden mukaan ottaminen attribuutioon.
Oletuksena Facebook laskee mainoksien ansioksi myös 1 päivän mainoksen näytöstä tulleet konversiot, mutta Googlen analytiikka ei mainosten näytöstä saatavaa dataa kuitenkaan saa Facebookista, josta taas syntyy ero eri alustojen välillä.
Mikäli haluaa siis vertailla Googlen analytiikkaa Facebookin analytiikan kanssa, kannattaa vaihtaa Facebookin attribuutiomalli klikkauksiin pohjautuvaksi. Ja jos haluaa verrata Google Analyticsin last click -attribuutiota Facebookin vastaavaan dataan, kannattaa ottaa Facebookista mukaan vain 1 päivän klikkaukset. 1 päivän klikkauksen ja last clickin välilläkin on eroja, sillä ne eivät mittaa attribuutiota identtisesti, mutta ne ovat lähimpänä toisiaan Googlen ja Facebookin analytiikkojen välillä.
Mitä attribuutiomallia kannattaa käyttää Facebookissa mahdollisimman luotettavan datan saamiseksi?
Henkilökohtaisesti suosittelen 28 päivän klikkiattribuution käyttämistä oletusasetuksena, Facebookin oletusasetuksen (28 päivän klikkaukset + 1 päivän näytöt) sijasta.
Näyttökonversioiden arvoa on yksinkertaisesti aika hankala mitata, enkä osaa niiden arvoa suoranaisesti sanoa. Facebook-fiidissä näytettävällä mainonnalla on näyttökonversioilla huomattavasti suurempi arvo kuin sidebar-näytöillä saavutettavissa konversioissa.
Ja vastaavasti kylmissä yleisöissä on näyttökonversioilla huomattavasti suurempi vaikutus kuin uudelleen markkinoinnissa (remarketing), mutta mitään absoluuttista tästä ei voi sanoa.
Esimerkiksi vähänkin suuremman volyymin verkkokaupassa Facebookin dynaamisilla tuotemainoksilla saavutetaan sidebarista usein jopa 100-kertaista mainostuottoa, jos lasketaan mukaan näyttökonversiot. Eli jokainen sijoitettu euro tuo 100 euroa myyntiä. Sama luku on klikkiattribuutiolla usein kuitenkin vain 10–20 eli sijoitettu euro tuo 10–20 euroa myyntiä.
Käytännössä mainonnalle raportoitavissa tehoissa voi siis olla kymmenkertaisia tai jopa satakertaisia eroja riippuen attribuutiomallista, jonka takia kannattaa olla tarkkana sen kanssa, mitä attribuutiomallia käytetään.
Facebook Analytics
Mennään sitten itse Facebookin analytiikkaan, joka on vielä toistaiseksi melko lapsen kengissä.
Facebook Analytics on suunniteltu alun perin selkeästi sovelluksia varten, mutta on jo nykyisellään siinä tilassa, että sitä voi hyödyntää jossain määrin attribuutiomallinnoksissa verkkosivustollakin.
Mitä Facebookin analytiikka sitten mahdollistaa, mitä Google Analytics ei mahdollista? Facebookissa näet nimenomaan Facebookissa tapahtuvien toimintojen vaikutuksen konversioihin. Esimerkiksi vaikuttaako videon katselu Facebookissa oston todennäköisyyteen?
Vaihtoehtoisesti Facebookin analytiikalla voi mallintaa asiakkaan ostopolkua Facebookin ja verkkosivuston välillä. Esimerkiksi käykö henkilö katsomassa Facebook-sivua ennen tarjouspyynnön jättämistä?
Tällä hetkellä Facebook Analytics on vielä lähempänä Googlen mobiilisovelluksille suunnattua analytiikkatyökalua Firebasea, mutta ajan myötä Facebook Analytics tulee varmasti kehittymään relevantiksi kilpailijaksi Google Analyticsille.
Jo nykyiselläänkin Facebook Analytics toki jo sitä on, mikäli on valmis näkemään paljon vaivaa analytiikan hallinnointiin. Henkilökohtaisesti en kuitenkaan näe tätä vielä järkevänä, paitsi tapauksissa, joissa halutaan yhdistää dataa verkkosivustolta, Facebookista ja mobiilisovelluksesta. Näissä tapauksissa Facebook Analytics on jo loistava työkalu.
Verkkosivustodatan suhteen Facebook Analyticsin suurin ongelma on se, että kaikki mitattavat asiat täytyy määritellä pixelin avulla, sillä analytiikka ei mahdollista suodattamista esimerkiksi urlin perusteella. Käytännössä jos haluaa siis mitata vaikka kävijämäärää tietyllä sivustolla Facebook Analyticsissa, täytyy tuolle sivustolle määrittää oma content view -eventti Facebook pixelillä.
Jokaiselle sivulle oman eventin määrittely ja eventtien kategorisointi on taas niin työlästä, että se tekee Facebook analytiikasta toistaiseksi monissa tilanteissa täysin turhan, joskin kategoria tason seurantaan sivustolla Facebook analytics taipuu jo mainiosti.
Yhteenveto Facebook-analytiikasta
Facebookin tarjoama analytiikka on teknologialtaan hyvin samankaltaista kuin Googlen vastaava. Sekä Google Analytics että Facebook toimii evästepohjaisesti. Facebookilla on omat vahvuutensa ja Googlella omansa.
Molempien alustojen tarjoamaa analytiikkaa kannattaa ehdottomasti hyödyntää, samalla kuitenkin muistaen, että kaikki analytiikka on vain suuntaa antavaa, ei absoluuttista faktaa.
Evästepohjainen seuranta toimii kohtuullisen luotettavasti, mutta yleisin arvio on, että se raportoi noin 20 % alakanttiin. Tämä johtuu siitä, että ihmiset hyppivät laitteilta toiselle ilman, että sitä tunnistetaan, tai ihmiset käyttävät erilaisia evästeiden käyttöä estäviä sovelluksia, kuten Adblockeria.
Tämä ei kuitenkaan poista sitä, etteikö kaikkea kannattaisi pyrkiä mittaamaan optimaalisten tulosten saavuttamiseksi.
”What gets measured gets accomplished.”
Tai vaikka ideaalia ei saavutettaisikaan, niin ainakin saadaan dataa siitä mikä toimii ja mikä ei, tässä hetkessä.
Mikäli kiinnostuit Facebookin analytiikasta ja erityisesti Facebookin analytiikkatyökalusta, voit käydä lukemassa lisää Facebookin Analyticsin omasta blogista.
Jos kiinnostus Facebook-markkinointia kohtaan heräsi muuten, voit käydä lukemassa aiheesta lisää verkkolehdestämme!
Tilaa digitaalisen markkinoinnin hiljainen tieto sähköpostiisi
Julkaistu 10.07.2017
Päivitetty 24.02.2026
