A WhatsApp Business API több adatot termel, mint a WhatsApp Business app, de kevesebbet, mint a legtöbb márka gondolná. A kézbesítési, olvasási és válaszarányok elérhetők. A bevétel hozzárendelése, a WhatsApp-tevékenységhez kötött ügyfél-élettartamérték és a csatornák közötti összehasonlítás viszont több munkát igényel, mint amit az API alapból ad. Ha érted, hol ér véget az, amit az API magától jelent, és mit kell köré építeni, elkerülöd a csalódást, hogy többet vártál a platformtól, és azt is, hogy kihagyod, amit valójában megad.
Mit jelent az API alapból
Az API üzenet- és beszélgetésszinten meghatározott adatpontokat ad. Ha pontosan tudod, mi érhető el, reális riportot építhetsz, olyan képességekre támaszkodás nélkül, amelyek nincsenek a platformban.
Üzenetszintű státuszadatok
Minden API-n át küldött üzenetről a WhatsApp a kézbesítés minden szakaszában státuszfrissítést küld. A lehetséges státuszok:
- Elküldve: az üzenet elhagyta az API-t, és a WhatsApp kézbesítési rendszerében van
- Kézbesítve: az üzenet megérkezett a címzett eszközére
- Elolvasva: a címzett megnyitotta az üzenetet (csak akkor elérhető, ha a címzettnél be van kapcsolva az olvasási visszaigazolás)
- Sikertelen: az üzenetet nem lehetett kézbesíteni, a hibakód megadja az okot
Ezek a státuszok webhookként érkeznek, vagyis az API valós időben küldi a státuszfrissítést a márka rendszerének, nem kell lekérdezni. Ezeknek a webhook-eseményeknek az elfogadása és tárolása az üzenetszintű analitika alapja. Ha nincs olyan rendszer, amely fogadja és naplózza őket, az adat elvész.
Beszélgetésszintű mutatók
Az egyes üzenetek státusza mellett az API az analitikai végpontjain beszélgetésszintű adatot is ad. A mutatók között van a beszélgetések száma kategória (marketing, szolgáltatási, hitelesítési, ügyfélszolgálati), időszak és ország szerint. Ez az adat a költségkezeléshez hasznos (hány számlázható beszélgetés volt az egyes kategóriákban), és a forgalmi trendek elemzéséhez. Egyes beszélgetésekről nem ad adatot: nincs olyan végpont, amely visszaadná a korábbi beszélgetések teljes szövegét vagy egy adott párbeszéd kimenetelét. A beszélgetések tartalma valós időben webhookokon át elérhető, de utólag nem tárolja és nem kérhető le az API-ból, kivéve, ha a márka saját rendszere rögzíti.
Sablonteljesítmény-mutatók
A kimenő kampányokban használt üzenetsablonokról az API összesített teljesítményadatot ad: hányszor küldték el, kézbesítették, olvasták el és válaszoltak rá az egyes sablonokra. Ez az adat sablonszintű, nem címzettszintű. Megmondja, hogyan teljesített a sablon összességében, de azt nem, hogy mely kontaktok olvasták el vagy válaszoltak rá. A sablonok teljesítményadata kulcsfontosságú annak megállapításához, mely üzenetformák és tartalmi megközelítések működnek a közönségnél, és megalapozza a döntést, melyik sablont tartsd meg, optimalizáld vagy vond ki.
A telefonszám minőségi besorolása
Az API megmutatja a céges telefonszám minőségi besorolását, amelyet a WhatsApp az ügyfelek reakciói alapján frissít: a letiltások, bejelentések és leiratkozások mind beleszámítanak. A besorolásnak három szintje van (magas, közepes, alacsony), és közvetlenül befolyásolja a fiókra érvényes üzenetküldési korlátokat. Ha az API-n vagy a Business Manager felületén figyeled a minőségi besorolást, korán észreveheted a romlást, és kivizsgálhatod az okot, mielőtt csökken az üzenetküldési kapacitásod. A magasról közepesre esés figyelmeztetés, az alacsonyra esés azonnali beavatkozást kér: meg kell találni és ki kell javítani a kiváltó okot.
Amit az API nem jelent
Az API saját riportjának fontos hiányai:
- A beszélgetések tartalma: a korábbi üzenetek szövege a beszélgetési ablak lezárulta után nem kérhető le az API-ból, ha nem tároltad külön
- Bevétel-hozzárendelés: nincs beépített kapcsolat a WhatsApp-beszélgetés és egy későbbi vásárlás között
- Ügyintézői teljesítmény: az egyes ügyintézők válaszideje, megoldási aránya és minőségi pontszáma nem követhető az API-ban
- Közönség-demográfia: a WhatsApp nem ad életkori, nemi vagy helyadatot a kontaktokról
- Összehasonlító viszonyítási pontok: az API nem mondja meg, hogyan áll a teljesítményed az iparági átlaghoz képest
Beszélgetés-analitika: a folyamatok teljesítményének megértése
Ha automatizált beszélgetési folyamatokat futtatsz (chatbotok, üdvözlő sorozatok, minősítő folyamatok), elengedhetetlen megérteni, hogyan haladnak végig rajtuk a kontaktok, hogy lásd, hol működnek, és hol buknak el.
Folyamat-befejezési arány
A folyamat-befejezési arány azoknak a kontaktoknak az aránya, akik elindítottak egy beszélgetési folyamatot, és a megadott végpontig eljutottak, félúton való lemorzsolódás nélkül. A magas befejezési arány azt jelzi, hogy a folyamat világos, releváns és könnyen követhető. Az alacsony azt, hogy a kontaktok a megoldás előtt kiszállnak. Ha folyamatonként és időben követed a befejezési arányt, látod, hogy a változtatások javították vagy rontották a teljesítményt. A végpontot még a folyamat felépítése előtt meg kell határozni: egy ügyfélszolgálati folyamatnál ez lehet a „probléma megoldva", egy minősítő folyamatnál a „kontakt átadva az értékesítésnek".
Lemorzsolódás-elemzés: hol hagyják abba a kontaktok
A lemorzsolódás-elemzés megmutatja, a folyamat melyik lépésén hagyják abba a leggyakrabban a kontaktok. Ha egy adott lépésnél magas a lemorzsolódás, az megbízható jel, hogy ott valami nincs rendben: az üzenet zavaros, a felkínált lehetőségek nem felelnek meg annak, amire a kontaktnak szüksége van, a kért válasz túl sok erőfeszítés, vagy (hibrid folyamatoknál) túl hosszú a válaszra várakozás. A javítás a diagnózistól függ. A zavaros üzenetet át kell írni. A rossz opciókat kínáló menüt át kell szervezni. A túl bonyolult feladatot egyszerűsíteni kell. Ha minden folyamaton az élesítés utáni első két hét után, majd havonta lemorzsolódás-elemzést végzel, a folyamatok javulnak, nem romlanak az idővel.
Átadási arány és az átadás okai
Az átadási arány azoknak az automatizált beszélgetéseknek az aránya, amelyeket egy ügyintézőnek kellett átvennie. Az alacsony átadási arány önmagában nem jó: ha a chatbot olyan kérdéseket is kezel, amelyeket át kellene adnia (összetett panaszok, nagy értékű értékesítési beszélgetések, érzékeny fiókügyek), az alacsony arány azt jelenti, hogy az automatizálás túlterjeszkedik. A magas átadási arány azt jelenti, hogy az automatizálás alulteljesít azokban a helyzetekben, amelyekre épült. A leghasznosabb adat nem maga az arány, hanem az átadás oka. Ha hetente kategorizálod az okokat, kiderül, mely helyzeteket kell a chatbotnak jobban kezelnie, és melyek maradjanak végleg embernél.
Válaszidő-eloszlás a beszélgetés során
Hibrid folyamatoknál, ahol az automatizált lépések váltakoznak az emberi válaszokkal, ha minden szakaszban méred a válaszidőt, látod, hol keletkeznek késések. Ha egy automatizált lépés három másodperc, egy emberi pedig 45 perc ugyanazon a folyamaton belül, az következetlen élményt ad. A lépésenkénti válaszidő-eloszlás megmutatja, melyek lassúak, így célzottan javíthatod a létszámot, az irányítást vagy az automatizálás lefedettségét. A cél nem az, hogy minden lépés egyformán gyors legyen, hiszen az automatizálás eleve gyorsabb az embernél, hanem hogy az emberi lépések ne vezessenek be olyan késést, amely aláássa az automatizált lépésekben megtapasztalt gyorsaságot.
Folyamatok közötti teljesítményösszehasonlítás
A márkák általában egyszerre több beszélgetési folyamatot futtatnak: üdvözlő folyamatot az új kontaktoknak, ügyfélszolgálati szűrőt a beérkező kérdésekre, minősítő folyamatot az értékesítési megkeresésekre, újraaktiváló folyamatot az elmaradt kontaktoknak. Ha összehasonlítod a befejezési arányokat, a lemorzsolódási mintákat és az átadási arányokat, kiderül, melyik folyamatra kell a legtöbb figyelem, és melyik teljesít olyan szinten, amelyet érdemes másolni. Ha az ügyfélszolgálati szűrő befejezési aránya 85 százalék, az értékesítési minősítőé pedig 40 százalék, tudod, hova kell a fejlesztési energiát fordítani, mielőtt bármelyiket tovább skálázod.
Teljes WhatsApp-analitikai rendszer felépítése
Az API saját riportja, a beszélgetési platform, a CRM és a webshop- vagy rendeléskezelő rendszer adatai együtt a WhatsApp teljesítményének teljes képét adják. Ennek felépítéséhez döntéseket kell hozni az adatrögzítésről, a tárolásról és az integrációról.
Webhook-események rögzítése és tárolása
Az API az üzenetstátusz-frissítéseket valós időben, webhookként kézbesíti. Ha ezeket nem rögzíted és nem tárolod, az adat elvész. Az analitikai rendszer alapja egy webhook-fogadó, amely minden státuszeseményt adatbázisba naplóz. A naplónak legalább ezt kell rögzítenie: az üzenet azonosítóját, a címzett telefonszámát, az időbélyeget, a státuszt és a sikertelen üzeneteknél a hibakódot. Ez a nyers napló az igazság forrása, amelyből minden üzenetszintű mutató kiszámítható. Nélküle a kézbesítési és olvasási arány csak az API előre összesített analitikai végpontjain át érhető el, amelyek összefoglalót adnak, de nem azt a részletes adatot, amely a mélyebb elemzéshez kell.
A WhatsApp-adatok összekötése a CRM-mel
Ha a WhatsApp-beszélgetések adatait összekapcsolod a CRM kontaktrekordjaival, megteremted a kontaktszintű analitika alapját: hány beszélgetése volt egy adott kontaktnak, mi lett az egyes beszélgetések kimenetele, milyen a vásárlási előzménye a WhatsApp-aktivitásához képest. Ehhez következetes azonosító kell, általában a telefonszám, amely mindkét rendszerben megvan, és lehetővé teszi a rekordok párosítását. Párosítás után rendszerek közötti lekérdezések is lehetségesek: mely WhatsApp-listás kontaktok vásároltak az elmúlt 90 napban, mely kontaktok beszéltek már WhatsAppon, de még nem vásároltak, melyeknek a legmagasabb az elköteleződési arányuk a körüzeneteknél.
Bevétel-hozzárendelés az adatrendszeren át
Ahhoz, hogy a bevételt WhatsApp-beszélgetésekhez rendeld, kapcsolat kell a beszélgetési esemény és a vásárlási esemény között. A legtisztább megoldás egy beszélgetésazonosító, amelyet a rendszer átad a fizetési oldalnak, amikor WhatsApp-beszélgetésből indul az eladás, így a vásárlás a rendeléskezelőben WhatsApp-forrással címkézhető. Ahol ez technikailag nem megoldható, közelítő módszerek adnak becslést: egyedi kuponkód körüzenetenként, UTM-mel címkézett fizetési linkek, az ügyintézők által a CRM-ben rögzített értékesítési források. Ha havonta összeveted a WhatsAppnak tulajdonított bevételt a csatorna működtetésének költségével (API-díjak, csapatidő, platformköltségek), megkapod a megtérülés-számítást, amely indokolja a további befektetést.
Analitikai platformok és vezérlőpultok
Az adatbázisokban tárolt nyers adat riportréteg nélkül nem érhető el a marketing- vagy ügyfélélmény-csapatnak. A riportréteg megépítésének lehetőségei:
- A WhatsApp Business Solution Provider platformba épített analitikai vezérlőpult, amely a szolgáltató által követett mutatókat fedi le
- Üzleti intelligencia eszköz, amely a webhook-eseményeket és CRM-adatokat tároló adattárházhoz kapcsolódik, egyedi riportokkal és rendszerek közötti lekérdezésekkel
- Táblázatalapú riportolás kisebb működésnél, ahol az API analitikai végpontjairól exportálod az adatot, és kézzel kombinálod
A helyes választás az adatmennyiségtől, a rendelkezésre álló technikai erőforrásoktól és attól függ, milyen gyakran kell frissíteni az adatot. A naponta több ezer beszélgetést kezelő nagy API-működésnek rendes BI eszköz kell. Egy kisebb működés elboldogul ütemezett exportokkal és jól felépített táblázattal.
Adatmegőrzés és adatvédelmi kötelezettségek
A márka saját analitikai rendszerében tárolt WhatsApp-beszélgetési adatra ugyanazok az adatvédelmi kötelezettségek vonatkoznak, mint a többi ügyféladatra. A beszélgetési naplók, kontaktrekordok és teljesítményadatok megőrzési idejét minden működési piacon az érvényes adatvédelmi szabályozás szerint kell meghatározni. Amire már nincs szükség, azt meghatározott ütemezés szerint törölni kell, nem megőrizni határozatlan ideig. Ha egy kontakt kéri az adatai törlését, a törlésnek ki kell terjednie az analitikai rendszerre, a CRM-re és minden más csatlakoztatott rendszerre. Az adattörlést sokkal könnyebb fenntartani, ha az elejétől beépíted az analitikai infrastruktúrába, nem utólag.
Az adatból döntés lesz
Az az analitikai rendszer, amely adatot termel, de nem változtat a döntéseken, drága infrastruktúra megtérülés nélkül. Ahhoz, hogy a WhatsApp-analitika működési és stratégiai döntésekké váljon, meghatározott áttekintési ritmus és világos kapcsolat kell az adatjelzések és a teendők között.
A heti adatáttekintés: működési döntések
A heti áttekintés azokat a mutatókat fedi le, amelyek gyorsan változhatnak, és gyors figyelmet igényelnek. A heti ellenőrzések: a heti kampányok kézbesítési és olvasási aránya, az újonnan indított sablonok teljesítménye, a minőségi besorolás állapota és trendje, az automatizált folyamatok átadási aránya és az átlagos első válaszidő. Minden mutatóhoz tartozzon küszöbérték: a küszöb felett nincs teendő, alatta meghatározott vizsgálat és válasz következik. A heti áttekintés legfeljebb 30 percet vegyen igénybe, ha a riportolás jól van beállítva, és a küszöbök előre meg vannak határozva.
A havi stratégiai áttekintés: csatornadöntések
A havi áttekintés a trendeket, a hozzárendelést és az erőforrás-elosztást fedi le. A havi kulcskérdések: a feliratkozott közönség a célnak megfelelően nő-e, a WhatsApp-bevétel hozzárendelése a céllal együtt halad-e, mely automatizált folyamatok teljesítenek alul, és mi a terv a javításukra, mely közönségszegmensek adják a legmagasabb válaszarányt, és ez mit jelent a célzásra, és hogyan viszonyul a WhatsApp ügyfélszerzési költsége a többi csatornához ebben a hónapban. A havi áttekintés eredménye három-öt konkrét döntés vagy teendő a következő hónapra, mindegyiknek megnevezett felelőse és határideje legyen.
A/B tesztadatok használata a sablonok és folyamatok javítására
Az API sablonteljesítmény-adata adja a nyersanyagot a rendszeres A/B teszteléshez. Ha tesztet futtatsz egy sablonváltozaton (megváltoztatod a nyitó sort, a cselekvésre hívást, a küldés idejét vagy a médiatípust), és összehasonlítod a változtatás előtti és utáni teljesítményadatot, bizonyítékot kapsz arra, melyik változat jobb. A beszélgetési folyamatoknál egy módosított lépés tesztelése az eredetivel szemben, a lemorzsolódás összevetésével azon a lépésen, számszerűsíti a javulást. Minden teszteredmény, akár a változat nyert, akár az eredeti maradt, gyarapítja a tudást arról, mi működik az adott közönségnél. Ha teszttörténetet vezetsz, amely rögzíti az egyes kísérleteket és eredményüket, nem teszteled újra, amit már kipróbáltál.
Az analitika összekötése a tartalom- és kampánytervezéssel
A WhatsApp-analitika adata közvetlenül táplálja a tartalom- és kampánytervezést. Érdemes építeni azokra a sablonokra, amelyek a korábbi kampányokban magas válaszarányt értek el. Azok a témák, amelyek a legtöbb beérkező beszélgetést hozták, megmutatják, mi érdekli a közönséget a legjobban. A legjobb olvasási arányt hozó kampányidőzítés megmondja, mikor ütemezd a következő kampányokat. Az ügyfélszolgálati beszélgetésekben ismétlődően felmerülő kérdések tartalmi hiányokra utalnak, amelyeket körüzenetekben vagy folyamatokban előre kezelhetsz. Az analitikai adat nem önmagában a legértékesebb, hanem folyamatos visszacsatolásként, amely minden következő kampányt relevánsabbá és jobban időzítetté tesz az előzőnél.
Az API-analitika jelentése a vezetésnek
A WhatsApp API analitikájáról szóló vezetői jelentés a technikai mutatókat üzleti nyelvre fordítja. A kézbesítési arány és a webhook-késleltetés nem érdekes egy felsővezetőnek. A WhatsAppnak tulajdonított bevétel, a más csatornákhoz képest mért ügyfélszerzési költség és a beszélgetés utáni felmérések elégedettségi pontszáma viszont igen. Ha összeállítasz egy egyoldalas havi összefoglalót három-öt üzleti szintű mutatóval, trendjelzőkkel, amelyek mutatják, javult vagy romlott-e az előző hónaphoz képest, a vezetés megkapja, amire szüksége van a csatorna értékeléséhez, anélkül, hogy értenie kellene az API működését. A cél olyan jelentés, amelyből világos, hogy a WhatsApp-befektetés megtérül-e, és mit tesznek a teljesítmény javításáért ott, ahol nem.
Egy WhatsApp Business Solution Provider szolgáltatót használunk. Elintézi helyettünk az analitikát, vagy saját rendszert kell építenünk?
A legtöbb Solution Provider platformban van beépített analitikai vezérlőpult, amely az általuk követett mutatókat fedi le: az üzenetek kézbesítési és olvasási arányát, a beszélgetések számát kategóriánként, a sablonok teljesítményét, néha a folyamatok befejezési arányát. Ez elég a működési figyelemhez. Ott marad el a szolgáltató analitikája, ahol rendszerek közötti riport kell: a WhatsApp-adatok CRM-rekordokhoz kötése, a bevétel egyes beszélgetésekhez rendelése vagy a WhatsApp összehasonlítása más csatornákkal. Ezekhez a szolgáltató adatát exportálni kell, és más rendszerek adataival kombinálni, kézzel vagy BI eszközzel. Mielőtt eldöntöd, építesz-e további riportinfrastruktúrát, nézd meg, mit fed le a szolgáltatód vezérlőpultja.
Az olvasási arányunk az elmúlt három hónapban folyamatosan csökken. Mit érdemes megvizsgálni?
A csökkenő olvasási arány általában három ok valamelyike. Először: a közönség kevésbé elkötelezett, vagyis olyan kontaktok, akik régen iratkoztak fel, és már nem használják aktívan a WhatsAppot, vagy megvan nekik a márka száma, de már nem érdeklődnek. Másodszor: a kontaktok megkapják az üzeneteket, de nem mentik el a számot, ami csökkenti az üzenet személyes jellegét és a megnyitási kedvet. Harmadszor: az üzenetek gyakorisága olyan szintre nőtt, hogy a kontaktok háttérbe szorítják a márka üzeneteit. Nézd át a listát azokra a kontaktokra, akik 60 napja nem olvastak el üzenetet, vizsgáld meg a friss feliratkozók számmentési állapotát, és ellenőrizd, változott-e a gyakoriság a csökkenés időszakában.
Hogyan követhetjük, mely kontaktok válaszoltak egy körüzenetre, anélkül, hogy kézzel átnéznénk minden beszélgetést?
Az API webhook-rendszerén át. Ha egy kontakt egy körüzenet részeként küldött üzenetre válaszol, a beérkező üzenet webhookja tartalmazza az eredeti körüzenet azonosítóját. Ha a rendszered tárolja a körüzenet-küldéseket az üzenetazonosítóikkal, és a beérkező üzeneteket annak az üzenetnek az azonosítójával naplózza, amelyre válaszolnak, lekérdezheted, pontosan mely kontaktok válaszoltak egy adott körüzenetre. Ehhez webhook-fogadó és az események tárolására szolgáló adatbázis kell. Ilyen infrastruktúra nélkül a válaszkövetést kézzel kell végezni a beszélgetési platformon, ami nagy léptékben nem járható.
Szeretnénk tudni, melyik beszélgetési folyamatunkban a legmagasabb a lemorzsolódás. Hogyan derítjük ki fejlesztői segítség nélkül?
A legtöbb WhatsApp chatbot platform a vezérlőpultjában folyamat-analitikát ad, amely megmutatja, hány kontakt jutott el a folyamat egyes lépéseihez, és hányan léptek tovább a következőre. Ez a lépésszintű tölcsérnézet egyedi elemzés nélkül láthatóvá teszi a lemorzsolódást. Ha a platform ezt nem adja alapból, nézd meg, engedi-e a beszélgetési adatok exportját: a beszélgetések és kimenetelük táblázatából kiderül, melyik volt az utolsó lépés a megszakítás előtt. Ha egyik sem áll rendelkezésre, a leggyorsabb megoldás megkérdezni a Solution Providert, milyen folyamat-analitika érhető el a platformon további fejlesztés nélkül.
A WhatsApp-analitikánk három platformon szétszórva van: a Solution Provider vezérlőpultján, a CRM-ünkben és a webshop-rendszerünkben. Hogyan vonjuk össze?
Az összevonás lehetőségei az egyszerűtől a bonyolultig terjednek, a technikai erőforrásoktól függően. A legegyszerűbb a havi kézi export minden rendszerből egy közös táblázatba, amelyet egy ember vezet, és közösen néztek át. Robusztusabb megoldás egy adatintegrációs eszköz, amely ütemezetten lehúzza az adatot minden rendszer API-jából, és egy központi adatbázisba tölti, amelyből egyetlen vezérlőpult épül. A kézi módszer kis léptékben működik, az automatikus akkor kell, amikor az adatmennyiség vagy az áttekintés gyakorisága miatt a kézi összevonás kivitelezhetetlenné válik. Kezdd egyszerűen, és akkor lépj automatizálásra, amikor a kézi folyamat szűk keresztmetszetté válik.
Hogyan számoljuk ki a WhatsApp-működésünk megtérülését, hogy indokolni tudjuk a további befektetést?
A megtérüléshez két szám kell: mennyibe került a WhatsApp, és mit hozott. A költségoldalon: API-díjak, Solution Provider platformdíjak, a WhatsAppra fordított munkaidő (becsült órák szorozva az órabérrel), valamint az eszköz- és fejlesztési költségek. A bevételi oldalon: a WhatsApp-beszélgetésekhez közvetlenül rendelt eladások, a WhatsAppon át újra megszólított ügyfelek megtartási bevétele, és az ügyfélszolgálati megtakarítás azokon a kérdéseken, amelyeket WhatsAppon oldottak meg, és amelyek másképp drágább csatornát (telefon, személyes) igényeltek volna. A hozzárendelés oldalát nehezebb pontossá tenni, de a hozzárendelt bevétel akár óvatos becslése is a teljes költséghez mérve elég képet ad egy védhető befektetési érvhez.