Marketinganalyse forklaret: de tre typer analyse, datastakken, nøgletal pr. kanal, attribution, privatliv og hvorfor trafik fra AI ofte fejlklassificeres.

På denne side
Kort fortalt
marketinganalyse er at indsamle, sammenkoble og analysere data fra alle marketingkanaler for at forstå, hvad der driver resultater, og hvor du skal investere næste gang. Den virker på tre niveauer: beskrivende (hvad skete der), diagnosticerende (hvorfor skete det) og prediktiv (hvad vil sandsynligvis ske). En solid opsætning kombinerer et indsamlingslag (analyse, annonceplatforme, CRM), et lagringslag og et visualiseringslag, bruger klare nøgletal pr. kanal, accepterer attributionens grænser, respekterer privatlivsreglerne og adskiller trafik fra AI-assistenter, som standardrapporter ofte fejlklassificerer.
Vil du vide mere? Spørg
Hurtig quiz
Hvilken måde at måle din marketing på passer dig?
Sorank matcher dine svar
Test det i 3 dage på dit eget site, og se, hvor du står på Google, ChatGPT og de andre AI'er.
Start prøveperiode på 3 dage3 dage gratis, derefter stopper du, når du vil. 90 dages garanti: resultater eller pengene tilbage.
Marketinganalyse besvarer spørgsmål, som hvert enkelt værktøj ikke kan besvare alene: hvilken kanal bringer kunder, der bliver, hvad en lead koster, når alle kontaktpunkter er talt med, og hvilket indhold der bidrager til salg. Formålet er at understøtte beslutninger om budget og indhold.
| Type | Spørgsmål | Eksempel | Typiske værktøjer |
|---|---|---|---|
| Beskrivende | Hvad skete der? | Organisk trafik voksede 20% i sidste kvartal | Google Analytics, rapporter fra annonceplatforme, dashboards |
| Diagnosticerende | Hvorfor skete det? | Væksten kom fra fem nye guides, der rangerer på Google | Udforskninger, segmenter, Search Console, kohorteanalyse |
| Prediktiv | Hvad vil sandsynligvis ske? | I dette tempo dækker organiske leads halvdelen af pipelinen om et år | Prognoser, marketing mix-modeller, machine learning |
Nogle teams tilføjer et fjerde niveau, præskriptiv analyse, som anbefaler handlinger (flyt budget fra kanal A til kanal B). Den bygger på, at de tre andre er pålidelige.
Når datamængden vokser, samler teams data i et regneark og senere i et data warehouse (BigQuery, Snowflake og lignende) ved hjælp af connectors, der synkroniserer hver kilde dagligt. GA4 tilbyder en gratis eksport til BigQuery, som fjerner begrænsninger fra sampling og kvoter ved analyse.
Dashboards i Data Studio (tidligere Looker Studio), Power BI, Tableau eller et rapporteringsværktøj omsætter data til nogle få sider, som hvert team læser. Vores sammenligning af de bedste værktøjer til webanalyse dækker indsamlingsdelen.
| Kanal | Aktivitetsnøgletal | Resultatnøgletal |
|---|---|---|
| SEO | Visninger, gennemsnitlig placering, klikrate | Organiske sessioner, leads, omsætning fra organisk |
| Synlighed i AI (GEO) | Brandomtaler og citater i AI-svar | Sessioner fra AI-assistenter, brandede søgninger |
| Betalt søgning og sociale medier | Visninger, klik, pris pr. klik | Pris pr. erhvervelse, afkast af annonceudgifter |
| Levering, åbningsrate, klikrate | Konverteringer og omsætning pr. e-mail | |
| Sociale medier (organisk) | Rækkevidde, engagement, delinger | Profilbesøg, sessioner, leads |
| Indhold | Udgivne sider, læsetid | Assisterede konverteringer, tilmeldinger til nyhedsbrev |
Ud over kanalerne forbinder to forretningsnøgletal markedsføring med økonomien: kundeerhvervelsesomkostningen (CAC) og kundens livstidsværdi (LTV). Et forhold mellem LTV og CAC, der ligger klart over 1, betyder, at erhvervelsen betaler sig selv. Vores gratis beregner for forholdet mellem LTV og CAC regner det for dig. Derefter forbedrer du andelen af besøgende, der konverterer, med optimering af konverteringsrate.
Attribution fordeler æren for en konvertering mellem de kontaktpunkter, der kom før den. De vigtigste modeller er:
Attribution ser kun sporede klik. For det større billede bruger teams også marketing mix-modellering, for eksempel med Meridian, Googles open source-model, som estimerer hver kanals effekt ud fra aggregerede data over tid, og inkrementalitetstest, som sammenligner en gruppe, der er eksponeret for en kampagne, med en gruppe, der ikke er.
Svaret er førstepartsdata (CRM, nyhedsbrev, indloggede brugere), server-side tagging, samtykketilstand hvor det er relevant, og at acceptere, at rapporter viser tendenser frem for nøjagtige totaler.
Når ChatGPT, Gemini, Perplexity eller Copilot anbefaler et brand, kan tre ting ske. Brugeren klikker på et citeret link, og besøget vises som en henvisning fra assistentens domæne, blandet med andre henvisninger, medmindre du opretter en dedikeret kanal. Brugeren kopierer brandnavnet og søger på det i Google, og besøget vises som organisk eller brandet søgning. Eller brugeren skriver adressen direkte, og besøget havner under direkte trafik. Den usynlige del kaldes ofte mørk AI-trafik.
For at måle den bedre: gruppér AI-henvisninger i en brugerdefineret kanal, følg udviklingen i brandede søgninger i Search Console, tilføj et felt med “Hvordan hørte du om os?” til formularer, og følg dit brands omtaler i AI-svar direkte med et værktøj til synlighed i AI.
Marketinganalyse er nyttig, når den kobler hver kanal til omsætning, indrømmer, hvad sporing ikke kan se, og fører til en beslutning hver måned. For at vokse de organiske kanaler og AI-kanalerne, som analyse ofte undervurderer, udgiver Sorank optimerede artikler på autopilot og følger, hvor ofte ChatGPT, Claude og Gemini nævner dit brand, med en gratis prøveperiode på 3 dage.
Webanalyse måler, hvad der sker på en hjemmeside eller i en app: besøg, sider, begivenheder, konverteringer. Marketinganalyse er bredere: den forbinder webdata med data fra annonceplatforme, CRM, e-mail, sociale medier og salg for at forstå markedsføringens samlede effekt. Webanalyse er en af dens datakilder.
Start med den datadrevne model, hvis din konto har nok konverteringer, og sammenlign den med sidste klik for at se, hvilke kanaler der åbner rejser. Ingen model er helt sand, så brug attribution til at sammenligne kanaler over tid, og bekræft vigtige budgetbeslutninger med inkrementalitetstest eller marketing mix-modellering.
Ikke i starten. Små teams kan arbejde med Google Analytics, Search Console, rapporter fra annonceplatforme og et dashboardværktøj. Et data warehouse bliver nyttigt, når du kombinerer mange kilder, har brug for historik ud over værktøjernes lagringstid, eller vil koble marketingdata med CRM og omsætning på kundeniveau.
DE PRØVEDE SORANK, FØR DU GJORDE DET
