”Big data on kuin teini-ikäisten seksi: kaikki puhuvat siitä, kukaan ei oikeastaan tiedä miten sitä tehdä, mutta on varma siitä että muut tietävät ja tekevät sitä.”
Näin tiivisti käyttäytymistieteen professori Dan Ariely Big Datan ja sen käytön. Kulttuurialoillakin on jatkuva paine Big Datan tehokkaaseen käyttöön. Paine johtaa kalliiden analyysien ostamiseen konsulttifirmoilta ja saa asentamaan sometileihin tietoa analysoivia sovelluksia, joiden raportteja kukaan ei ehdi lukea. Tietoa on nykyään niin paljon, että ongelmaksi muodostuu se, miten valita relevanttia dataa ja analysoida se niin, että siitä on oikeasti hyötyä. Toisaalta tietämällä mitä etsii ja miten etsiä voi pienelläkin vaivalla saada merkittäviä tuloksia. Oman kokemukseni mukaan analytiikan tulosten äärellä tuntee tosiaan oleva teini uuden ja jännän edessä. Data tarjoaa aina yllätyksiä, vaikka kuinka uskoisi olevansa kokenut konkari joka tuntee niin alansa kuin kohderyhmänsäkin. Big Datan oikeanlaisesta seuraamisesta hyötyvät siksi niin museot, galleriat kuin yksittäiset taiteilijatkin.
Hyödyllisen tiedon voi karkeasti jakaa kahteen ryhmään: helposti käsillä olevaan ja helposti käytettävään sekä hieman suunnitelmallista etsimistä vaativaan ja hankalammin analysoitavaan tietoon. Ensimmäiseen ryhmään kuuluu kotisivuston ja somesivustojen ilmainen analytiikka, esim. google Analytics, Facebook Insights & fb-mainosten hallinta, Instagram insights ja Twitter Analytics. Tieto on näissä valmiiksi analysoidussa muodossa, mutta pienellä jatkoanalyysilla saa syvemmän ja kokonaisvaltaisemman kuvan. Seurata kannattaa ainakin
-
- kävijöiden demografisia tietoja eri kanavissa. Ketkä ovat museon/gallerian someasiakkaita? Löytyykö näistä kohderyhmiä joita ei ole tavoitettu muuten, potentiaalisia uusia asiakasryhmiä? Mistä somesivujen seuraajat ovat kotoisin? Kannattaisiko suunnata markkinatoimenpiteitä/suunnitella näyttelyä/ etsiä verkostoja seuraajien maanosaan, maahan kaupunkiin? Tavoittavatko eri somesivut erilaisia kohderyhmiä?
- tietoja orgaanisten julkaisujen menestyksestä ja niiden herättämistä reaktioista. Minkätyyppiset julkaisut toimivat parhaiten? Mistä tykätään ja mikä ärsyttää? Millaiset julkaisut herättävät eniten keskustelua?
- tietoja maksetun sometoiminnasta menestyksestä. Millä kustannustehokkuudella mainonta on saavuttanut kohderyhmänsä? Onko kohderyhmien välillä eroja? Millaisia eroja on mainostyyppien välillä?
- Tietoja siitä mistä kävijät tulevat sivuille/ sometileille. Löytävätkö ihmiset sivustoon googlaamalla, Pinterestistä, google Addsin vai kenties jonkin artikkelin kautta? Nämä tiedot tarjoavat usein yllätyksiä, esimerkiksi kuvataiteilijan kotisivulle suuri osa liikenteestä voi tulla yhden hyvin levinneen Pinterest-kuvan kautta. Kävijäliikennetiedot tarjoavat arvokasta tietoa siitä, mihin kannattaa somettamisessa ja mahdollisessa markkinoinnissa panostaa.
- tietoa parhaista ajoista julkaista. Lähes joka viikko julkaistaan uusi tutkimus juuri siitä parhaasta julkaisuajasta ja viikonpäivästä. Oikeasti parhaat ajat julkaista riippuvat aina yleisöstä ja tiedot siitä milloin yleisösi on eniten paikalla löytyvät analytiikasta. Julkaisujen ajoittaminen (&ajastaminen) näihin aikoihin kannattaa.
Helpollakin saa hyvää Big Datan ollessa kyseessä. Oheisilla tiedolla pysyy perillä siitä missä mennään ja niiden avulla voi tarvittaessa myös tarkistaa suuntaa. The Brooklyn Museolle nämä kevytanalyysitiedot riittivät jopa strategian muuttamisen pohjaksi. Museon somestrategiana oli houkutella museoon New Yorkin kulttuurinnälkäisiä globaaleja turistimassoja. Strategia ei saavuttanut tavoitteitaan ja museon somevastaavat etsivät analytiikasta syitä siihen. Google- & someanalytiikat auttoivat museota ymmärtämään seuraajiensa/kohderyhmänsä löytyvän lähempää, Brooklynista ja lähistöltä. Julkaisuistakin menestyivät parhaiten paikallisuutta korostavat. Museo omaksui roolikseen paikallisen yhteisön identiteetin vahvistamisen ja alkoi uudessa menestyksekkäässä somestrategiassaan nostaa esille mm. brooklynilaisia taiteilijoita.
Haastavamman Big Datan ystävien kannattaa höristää korviaan sosiaaliselle kuuntelulle. Sosiaalisella kuuntelulla tarkoitetaan itseä ja kilpailijoita koskevien somekeskustelujen seuraamista. Älämölöstä erottaa oleellisen keskustelun esimerkiksi hakemalla sopivilla hashtageillä ja seuraamalla alaa koskevia avainsanoja. (Vaikkapa Mona Lisa seuraisi hashtagejä #monalisa, #lagiogonda ja ehkä avainsanoja Leonardo da Vinci & portrait & smile) Helpoiten tämä käy somen hallintaohjelmien (Hootsuite, Agora Pulse, Sprout Social) tai sosiaaliseen kuunteluun erikoistuneiden sovelluksien kautta (brandwatch, IFTTT ). Sosiaalinen kuuntelu auttaa pysymään askeleen edellä kilpailijoita. Se auttaa myös tilanteessa jossa ole aavistustakaan missä ollaan ja minne mennään.
Kulttuuriala on jättänyt paikkatiedot seinäruusun asemaan Big Datan markkinoilla. Suotta. Paikkatietoja käyttämällä voi museo esimerkiksi kohdentaa markkinointia paikkakunnalla lomaileville turisteille jotka eivät välttämättä tunne museota entuudestaan. Toinen, hieman haastavampi tapa käyttää paikkatietoja on museon/gallerian asiakkaiden kulkureittien seuraaminen esim. iBeaconin tai Eddystonen avulla. Mikä saa museokävijät pysähtymään, millaisten teosten luo palataan, millaista reittiä suositaan? Tämän halusi selvittää mm. The Art Institute of Chicago. He ottivat tehtävää varten käyttöön iBeaconin ja yllättyivät. Yksi suosituimmista huoneista missä vierailtiin paljon ja vietettiin eniten aikaa oli pieni Edgar Degas huone. Tiedon pohjalta he aloittivat markkinoimaan Degas huonetta hyvin tuloksin.
Big Datalla on suuri nimi ja siitä liikkuu suuria puheita, mutta pienillä teoilla voi Big Datan kanssa saada paljon aikaa. Vaikka ongelmatilanteissa voi massiivisempi ulkopuolisen toimijan tekemä data-analyysi olla paikallaan, perus Excel-taidoilla ja kevyellä analyysilla pääsee Big Datan kanssa pitkälle. Parhaimmillaan kärsivällinen analyysi johdattaa Big Datan rivien väliin, auttaa saamaan intuitiivisen otteen toiveista, peloista ja unelmista suurten puheiden ja tietomäärän taustalla.