Sanni Huuskonen Sosiaalisen median mainonnan kohdentaminen kuluttajan ostopolun optimoinnissa Vaasa 2025 Markkinoinnin ja viestinnän akateeminen yksikkö Digitaalisen markkinoinnin kandidaatintutkielma Digitaalisen markkinoinnin koulutusohjelma 2 VAASAN YLIOPISTO Markkinoinnin ja viestinnän akateeminen yksikkö Tekijä: Sanni Huuskonen Tutkielman nimi: Sosiaalisen median mainonnan kohdentaminen kuluttajan ostopolun optimoinnissa Tutkinto: Kauppatieteiden kandidaatti Koulutusohjelma: Digitaalisen markkinoinnin koulutusohjelma Opintosuunta: Työn ohjaaja: Digitaalinen markkinointi Ari Huuhka Valmistumisvuosi: 2025 Sivumäärä: 47 TIIVISTELMÄ: Digitaalisten alustojen kasvu, verkkokauppojen suosio ja yritysten mahdollisuus kohdentaa mainokset tarkasti kuluttajadatan perusteella ovat mahdollistaneet kuluttajan ostopolun optimoinnin, jonka tavoitteena on käyttäjän ostopolun tehostaminen. Tutkimuksen tarkoituksena on näin ollen analysoida, miten sosiaalisen median kohdennetun mainonnan avulla voidaan tehostaa kuluttajien ostopolkua verkossa ja ohjata heidät suorittamaan haluttu toimenpide verkkokaupassa. Tulokset osoittavat, että kohderyhmää hyvin kuvaava käyttäjäprofilointi ja tarkasti valitut kohdennusparametrit tuottavat käyttäjän mieltymyksiä vastaavia mainoksia. Tällaiset mainokset kiinnittävät käyttäjän huomion, luovat ostotarpeen, nopeuttavat päätöksentekoprosessia ja parantavat klikkaus- sekä konversioasteita. Puutteellisesti kohdennetut mainokset puolestaan voivat heikentää ostopolun etenemistä, mikä saattaa johtaa mainosväsymykseen ja lisätä yksityisyyden huolia. Jotta käyttäjät saadaan lopulta suorittamaan haluttu toimenpide, on tunnistettava keskeiset kosketuspisteet konversioihin vaikuttamiseksi. Tämä edellyttää myös verkkosivun ja käyttäjäkokemuksen optimointia. Huomioitavaa tutkimuksessa on lisäksi se, että kuluttajan ostopolku verkossa ei kaikissa tapauksissa etene suoraviivaisesti, vaan sitä kuvataan dynaamisella P2P-mallilla, jonka ymmärtäminen on merkittävää tutkimuksen tarkoituksen kannalta. Tarkastelussa ovat myös case-yritysten maksettujen mainosten kohdennusparametrit, joiden perusteella analysoidaan, millä tavoin yritykset pyrkivät tavoittamaan oikean kohdeyleisön. Havaintojen perusteella yritykset hyödynsivät demografisia kohdentamisen parametreja, mutta eivät hyödyntäneet kohdentamisen koko potentiaalia. AVAINSANAT: mainonnan kohdentaminen, sosiaalinen media, konversio-optimointi, digitaalinen markkinointi, verkkokauppa, verkkokaupan ostopolku 3 Sisällys 1 Johdanto 5 1.1 Tutkimuksen tarkoitus ja tavoitteet 6 1.2 Tutkimuksen rajaukset ja rakenne 7 1.3 Tutkimuksen keskeiset käsitteet 9 2 Mainonnan kohdentaminen sosiaalisessa mediassa 11 2.1 Mainonnan kohdentamisen määritelmä 11 2.2 Käyttäjäprofilointi ja kohdentamisen parametrit 12 2.3 Keskeiset vaiheet 13 2.4 Vaikutukset kuluttajan ostopolkuun 16 2.4.1 Positiiviset vaikutukset 17 2.4.2 Negatiiviset vaikutukset 18 2.5 Yhteenveto 19 3 Verkkokaupan ostopolku konversio-optimoinnissa 21 3.1 Verkkokaupan erityispiirteet 21 3.2 Ostopolun vaiheet 23 3.3 Konversio-optimointi 25 3.4 Yhteenveto teoreettisesta viitekehyksestä 29 4 Case: Sosiaalisen median mainonnan kohdentaminen verkkokauppayritysten markkinointitoimissa 31 4.1 Nellyn kohdennettu mainonta Metan mainoskirjastoissa 31 4.2 ICANIWILL kohdennettu mainonta TikTokin mainoskirjastossa 34 4.3 Mainosten vertailu ja analyysi 37 5 Johtopäätökset 39 Lähteet 42 4 Kuvat Kuva 1. Yhteenvetokuvio teoreettisesta viitekehyksestä. 30 Kuva 2. Nelly.com mainoksen tiedot Metan mainoskirjastossa. 32 Kuva 3. Nellyn käyttämät kohdennusparametrit. 33 Kuva 4. Instagramin kohdennetun mainoksen palautekysely. 33 Kuva 5. Tiedot mainoksen nähneistä demografisten tietojen mukaan. 34 Kuva 6. ICIW mainos TikTokin mainoskirjastossa. 35 Kuva 7. ICIWn kohdentamisparametrit. 36 Kuva 8. TikTokin vaihtoehtoiset kohdentamisparametrit. 36 Taulukot Taulukko 1. Mainonnan kohdentamisen keskeiset vaiheet. 15 Taulukko 2. Verkkokaupan ostopolun teoreettiset päävaiheet. 25 5 1 Johdanto Nykypäivänä markkinoijilla on mahdollisuus hyödyntää valtavia määriä dataa kuluttajista, mikä on mahdollistanut yrityksille kohdennetun mainonnan toteuttamisen tarkasti rajattuihin kohderyhmiin (Bimpikis ja muut, 2016, s. 705). Tämä on merkittävää kuluttajan ostopolun tehostamisen kannalta, sillä kohdennettu mainonta ohjaa relevantit kuluttajat ostopolulle lisäten todennäköisyyttä sille, että he suorittavat halutun toimenpiteen eli konversion. Tutkimusaihe on ajankohtainen, sillä digitaalisten alustojen nopea kasvu viime vuosina on mahdollistanut uusien mainonnan muotojen kehittämisen, mutta samalla se on lisännyt ja monimutkaistanut kuluttajien odotuksia (Abbasi, 2025, s. 127). Digitaalisuuden myötä verkkokaupoista on muodostunut yrityksille keskeinen liiketoimintakanava. Tämä on merkittävää, sillä yhä useampi tekee ostoksensa verkkokaupoissa. Fortune Business Insightsin ennusteiden mukaan verkkomainonnan markkina-arvon arvioidaan nousevan yli 400 miljardiin dollariin vuoteen 2026 mennessä (Ullah ja muut, 2023, s. 652). Tämä tekee kohdennetusta mainonnasta ratkaisevan tärkeää yritysten liikevaihdon kasvun kannalta (Ullah ja muut, 2023, s. 652). Kuluttajan verkkokaupan ostopolun tehostamiseen liittyy keskeisesti konversio- optimointi. Sillä tarkoitetaan verkkokaupan käyttöliittymän suunnittelua siten, että kävijät saadaan mahdollisimman tehokkaasti suorittamaan halutun toiminnon, kuten ostoksen tekemisen tai asiakastilin rekisteröimisen (Miikkulainen ja muut, 2020, s. 44). Ostopolun tehostamisen kannalta konversio-optimointi on verkkokauppayrityksille olennaista, sillä kilpailu asiakkaista on kovaa ja pienetkin parannukset verkkosivuilla voivat vaikuttaa merkittävästi muun muassa yrityksen myyntiin ja asiakastyytyväisyyteen. Sosiaalisen median kohdennetun mainonnan rooli ostopolun optimoinnissa on houkutella potentiaaliset asiakkaat sivustolle, kun taas konversio-optimoinnin tehtävänä on muuttaa sivustolla vierailleet kävijät maksaviksi asiakkaiksi. 6 Sosiaalisen median mainonnan kohdentamiseen liittyy kaksi keskeistä vaihetta, jotka ovat mainoksen luonti (ad creation) ja mainoksen toimitus (ad delivery). Prosessiin liittyy kuitenkin myös haasteita, jotka voivat pahimmillaan karkottaa potentiaalisia asiakkaita, mikäli kohdennetut mainokset eivät ole heille relevantteja. Onnistuneella kohdentamisella on siksi suuri merkitys relevantin asiakasvirran houkuttelemisessa verkkosivustolle. Tätä tukevat myös tutkimustulokset, joiden mukaan tehokas sosiaalisen median mainonta lisää merkittävästi kuluttajien ostoaikomuksia (Kashyap ja muut, 2024, s. 1). 1.1 Tutkimuksen tarkoitus ja tavoitteet Tutkimuksen tarkoituksena on analysoida, miten sosiaalisen median kohdennetun mainonnan avulla voidaan tehostaa kuluttajien ostopolkua verkossa ja ohjata heidät suorittamaan haluttu toimenpide verkkokaupassa. Aihetta tarkastellaan yrityksen näkökulmasta, ottaen huomioon kohdennetun mainonnan positiiviset ja negatiiviset vaikutukset. Lisäksi tutkimuksessa pyritään tunnistamaan keskeiset sosiaalisen median kohdennetun mainonnan vaiheet sekä hahmottamaan, miten käyttäjäprofiileja muodostetaan ja mitkä ovat kohdentamisen keskeiset parametrit. Tarkastelun kohteena ovat tämän lisäksi verkkokaupan ostopolun erityispiirteet, kuluttajan ostopolun vaiheet verkossa sekä konversio-optimointi. Tutkimuksen ensimmäisenä tavoitteena on analysoida, mitä mainonnan kohdentaminen sosiaalisessa mediassa tarkoittaa ja millainen yhteys sillä on kuluttajan ostopolun tehostamiseen. Tutkimuksessa perehdytään mainonnan kohdentamisen määritelmään ja vaiheisiin tarkastellen sitä sosiaalisen median kontekstissa. Lisäksi tarkastellaan käyttäjäprofiilien muodostaminen ja kohdentamisen parametrit. Tutkimuksessa pyritään myös selvittämään kohdennetun mainonnan sekä positiiviset että negatiiviset vaikutukset kuluttajan kiinnostuksen herättämisessä ja ostopolun etenemisessä. 7 Tutkimuksen toisena tavoitteena on analysoida, mitä konversio-optimoinnilla tarkoitetaan ja millainen merkitys sillä on verkkokaupan ostopolussa. Tämä tavoite on keskeinen, sillä konversio-optimointi kytkeytyy vahvasti verkkokaupan ostopolun eri vaiheisiin. Tarkastelun kohteena on konversio-optimoinnin käsite sekä ne ostopolun rakenteelliset tekijät, jotka voivat vaikuttaa konversion parantamiseen. Lisäksi tarkastellaan verkkokaupan erityispiirteitä ja käyttäjän ostopolun vaiheet verkkoympäristössä. Tutkimuksen kolmantena tavoitteena on analysoida, millaisia kohdentamisen parametreja verkkokauppabrändit hyödyntävät sosiaalisen median mainoksissaan. Tämä tavoite tukee kokonaiskuvan muodostamista siitä, millä tavoin esimerkkiyritykset pyrkivät tavoittamaan oikean kohdeyleisönsä. 1.2 Tutkimuksen rajaukset ja rakenne Tässä tutkimuksessa tarkastellaan mainonnan kohdentamista sosiaalisen median kontekstissa. Rajaus on perusteltu, sillä mainonnan kohdentaminen sosiaalisen median kanavien kautta on yksi keskeisistä asiakasvirran lähteistä verkkosivuille. Vaikka mainontaa voidaan kohdentaa myös muiden keinojen avulla, keskitytään tässä tutkimuksessa mainonnan digitaaliseen puoleen. Asiakasvirtaa voidaan hankkia myös esimerkiksi hakukoneoptimoinnin, uutiskirjemarkkinoinnin, hakusanamainonnan ja muiden digitaalisen markkinoinnin keinojen avulla, mutta nämä rajataan tämän tutkimuksen tarkastelun ulkopuolelle. Tutkimuksen näkökulma kohdistuu yrityksen kannalta olennaisiin tekijöihin, erityisesti siihen, miten sosiaalisen median kohdennetulla mainonnalla voidaan muuttaa verkkosivun vierailijat maksaviksi asiakkaiksi. Tekoälyn roolia käsitellään lyhyesti osana mainonnan kohdentamisen vaiheita, mutta se ei ole tutkimuksen painopiste. Verkkokaupan ostopolun analysoinnissa puolestaan keskitytään peruspiirteisiin, jotka vaikuttavat konversio-optimointiin. Konversio-optimointia tarkastellaan erityisesti 8 verkkokaupan näkökulmasta, vaikka käsite kattaa yleisellä tasolla kaikki digitaaliset markkinointitoimet, joiden tavoitteena on saada käyttäjä suorittamaan jokin ennalta määritelty toimenpide. Tutkimuksen rakenne koostuu viidestä luvusta. Ensimmäisenä on johdanto, jossa käsitellään tutkimuksen taustaa, ajankohtaisuutta sekä tutkimuksen tarkoitusta. Johdanto koostuu kolmesta alaluvusta, joissa käsitellään tutkimuksen tarkoitus ja tavoitteet, tutkimuksen rajaukset ja rakenne sekä viimeisenä tutkimuksen keskeiset käsitteet. Toisessa ja kolmannessa luvuissa keskitytään teoreettiseen viitekehykseen. Näissä kahdessa luvussa vastataan tutkimuksen kahteen ensimmäiseen tavoitteeseen. Ensin käsitellään mainonnan kohdentamista sosiaalisessa mediassa ja sen yhteyttä kuluttajan ostopolun tehostamiseen, minkä jälkeen tarkastelun kohteena on verkkokaupan ostopolku konversio-optimoinnin näkökulmasta. Toisen luvun jälkeen esitetään tiivis yhteenveto kappaleen keskeisistä teemoista, ja kolmannen luvun lopussa on yhteenveto koko teoreettisesta viitekehyksestä. Neljäs luku kattaa tutkimuksen empiirisen osion ja siinä vastataan kolmanteen tavoitteeseen. Luvussa analysoidaan havainnollistavien esimerkkien avulla kahden case- yrityksen sosiaalisen median mainonnan kohdentamisen parametreja. Tavoitteena on analysoida ja vertailla yritysten hyödyntämiä kohdentamisen keinoja teoreettisessa viitekehyksessä esiteltyihin parametreihin. Viidennessä luvussa edellisten lukujen keskeiset havainnot kytketään toisiinsa ja esitetään johtopäätökset. Luvussa tarkastellaan tutkimuksen tuloksia teoreettisesta ja liikkeenjohdollisesta näkökulmasta. Lisäksi siinä tarkastellaan tutkimuksen rajoitteita ja esitetään jatkotutkimusehdotukset. Tutkimuksessani olen hyödyntänyt ChatGPT-5 tekoälytyökalua. Hyödynsin tekoälyä erityisesti tutkimusprosessin alkuvaiheessa aiheenvalintaa pohtiessani. Lisäksi hyödynsin sitä rakenteen suunnittelussa, englanninkielisten artikkeleiden kääntämisessä, 9 ilmaisun viimeistelyssä sekä kieliopillisten virheiden tarkistamisessa. Olen myös hyödyntänyt Keenious-tekoälytyökalua relevanttien tieteellisten lähteiden etsimiseen tutkimusta varten. Tekoäly on toiminut apuvälineenä tutkimusprosessissa, mutta sen käyttö on ollut vastuullista. Vastuu työn sisällöstä ja laadusta kokonaisuudessaan on itselläni. 1.3 Tutkimuksen keskeiset käsitteet Aridorin ja muiden (2024, s. 1446) mukaan mainonnan kohdentaminen (social media targeted advertising) sosiaalisen median kontekstissa tarkoittaa kuluttajien datasta saatujen tietojen hyödyntämistä, mikä mahdollistaa tarkasti kohdennetun mainonnan. Kuluttajista saadaan runsaasti dataa sosiaalisen median alustoilta, sillä he jakavat demografisia tietoja, henkilötietoja ja verkkokäyttäytymisdataa (Aridor ja muut, 2024, s. 1446). Mainonnan kohdentamisen tavoitteena on luoda yrityksen kohderyhmälle relevantteja mainoksia. Al Khaldyn (2024, s. 252) mukaan konversio-optimoinnilla (conversion rate optimization, CRO) tarkoitetaan verkkosivuilla kävijöiden muuttamista asiakkaaksi ohjaamalla heidät tekemään halutun toimenpiteen, kuten ostoksen, rekisteröitymisen tai sovelluksen lataamisen. Prosessi sisältää myös käyttäjäkokemuksen kehittämisen verkkosivustolla, jotta konversioprosenttia saadaan nostettua ja saada näin mahdollisimman suuri hyöty markkinointikampanjoista (Al Khaldy, 2024, s. 252). Konversioprosentti lasketaan jakamalla niiden kävijöiden määrä, jotka tekivät halutun toimenpiteen, kävijöiden kokonaismäärällä. Tämä on tärkeä työkalu markkinoijille, sillä sen avulla voidaan markkinointikampanjoiden tehokkuuden arvioimisen lisäksi tunnistaa verkkokaupan kehityskohteita. Konversio-optimointi käsittää verkkosivujen optimoinnin lisäksi muut digitaalisen markkinoinnin toimet, joiden tavoitteena on haluttujen toimenpiteiden tekeminen. 10 Ibrahimin ja muiden (2024, s. 344) mukaan verkkokaupan ostopolku (e-commerce customer journey) tarkoittaa kuluttajan ostopolun vaiheita digitaalisessa ympäristössä, joka alkaa tarpeen tai ongelman tunnistamisesta ja välivaiheiden jälkeen johtaa mahdollisesti ostoon sekä oston jälkeiseen arviointiin. Kuluttajan ostopolun välivaiheita ovat tiedonhaku ja vaihtoehtojen vertailu (Ibrahim ja muut, 2024, s. 344–345). Digitaalinen ympäristö mahdollistaa prosessista joustavan, sillä kuluttaja voi muuttaa vaiheiden etenemisjärjestystä, palata aiempiin vaiheisiin tai ohittaa tietyt vaiheet. Tämä eroaa merkittävästi perinteisestä funnel-ajattelutavasta, jossa ostopolku nähdään suoraviivaisena prosessina (Srinivasan ja muut, 2016, s. 440). 11 2 Mainonnan kohdentaminen sosiaalisessa mediassa Kohdennetun mainonnan potentiaali relevanttien asiakkaiden tavoittamisessa sosiaalisessa mediassa on merkittävä. Tämän hyödyn maksimoimiseksi on tärkeää ymmärtää, mitä mainonnan kohdentamisella tarkoitetaan. Ratkaisevaa on myös tarkka käyttäjäprofilointi ja sopivien kohdennusparametrien valinta, sillä ne muodostavat kohdentamisen perusedellytykset. Lisäksi mainonnan kohdentamisen vaiheiden hahmottaminen ja kohdentamisen vaikutusten ymmärtäminen kuluttajan ostopolkuun auttavat yritystä tekemään entistä tehokkaampia päätöksiä. Näin ollen edellä mainittujen seikkojen haltuunotto antaa yrityksille etua parantaen kohdennetun mainonnan tuloksellisuutta ja kustannustehokkuutta. 2.1 Mainonnan kohdentamisen määritelmä Mainonnan tehokkuus on suurimmillaan silloin, kun mainokset kohdistetaan oikealle kohderyhmälle, jolla on todennäköisemmin kiinnostus ostaa mainostettu hyödyke (Kirkin & Melnyk, 2017, s. 131). Kohdennettu mainonta perustuu big data -analytiikan hyödyntämiseen, jonka avulla käyttäjistä kerätään ja käsitellään henkilökohtaisia tietoja (Ullah ja muut, 2023, s. 647). Tutkimukset osoittavat, että tarkka kohdentaminen sosiaalisen median ympäristöissä voi tuottaa merkittäviä etuja yrityksille, kuten nopeuttaa brändin tunnettuuden kasvua sekä lisätä impulssiostosten todennäköisyyttä (Abbasi, 2025, s. 130). Kohdennettu mainonta sosiaalisessa mediassa on yrityksen näkökulmasta tehokas keino tavoittaa asiakkaita, sillä nykyään yhä useammalla on käytössään jokin sosiaalisen median alusta. Tämä mahdollistaa mittakaavaetujen hyödyntämisen asiakkaiden tavoittamisessa. Lisäksi useat sosiaalisen median alustat tarjoavat järjestelmissään kehittyneitä työkaluja, jotka mahdollistavat kohdentamisen entistä tehokkaammin. Mainonta sosiaalisessa mediassa vaatii kuitenkin merkittäviä taloudellisia panoksia, sillä jokaisesta mainosklikkauksesta aiheutuu kuluja yritykselle (Kirkin & Melnyk, 2017, s. 131). 12 2.2 Käyttäjäprofilointi ja kohdentamisen parametrit Käyttäjäprofilointi on menetelmä, jonka tavoitteena on tunnistaa käyttäjien kiinnostuksen kohteita ja tarpeita heidän toimintansa perusteella (Devarajan, 2025, s. 1825). Ilman kohdentamista mainokset näytettäisiin geneerisesti satunnaisille yleisöille, mikä tekisi mainonnasta kallista ja heikentäisi sen tehokkuutta. Käyttäjäprofiloinnin avulla yritykset voivat rajata kohdeyleisöään hyvin yksityiskohtaisten kiinnostuksen kohteiden tasolla (Abbasi, 2025, s. 130). Tämä on merkittävää silloin, kun yritys pyrkii tavoittamaan tarkasti määritellyn kohderyhmän ja luomaan heistä profiileja. Kohdentamisparametrit tarkoittavat puolestaan niitä kohdentamisen valintoja ja kriteereitä, joilla määritellään, kenelle mainos näytetään. Kohdentamisen prosessi alkaa sosiaalisen median alustoilta kerättyjen tietojen avulla. Sosiaalisen median mobiilisovellukset sisältävät useimmiten mainoskirjaston, joka tarkoittaa sovellukseen liitettyä kolmannen osapuolen ohjelmakoodia, jonka avulla sovellus pystyy keräämään tietoja käyttäjistään sekä näyttämään heille kohdennettuja mainoksia (Grace ja muut, 2012, s. 101). Mainoskirjastolla on keskeinen rooli käyttäjätietojen keräämisessä, sillä se kommunikoi mainosverkon kanssa hakemalla sieltä näytettävät mainokset ja lähettämällä samalla mainosverkolle käyttäjätietoja, kuten laitetta, sijaintia ja sovelluksen käyttötottumuksia koskevia tietoja (Grace ja muut, 2012, s. 101). Nämä sovelluksen käyttöä koskevat tiedot voivat olla tykkäyksiä, kommentteja, seurattuja käyttäjiä ja sisällön parissa vietettyä aikaa. Digitaaliset mainosalustat toimivat tässä kokonaisuudessa keskeisinä välittäjinä, jotka yhdistävät loppukäyttäjät, mainostajat ja mainosverkostot (Ali ja muut, 2019). Kerättyjen käyttäjätietojen avulla luodaan erilaisia käyttäjäprofiileja, joiden ominaisuudet ovat yhteneväisiä. Profiloinnissa huomioidaan sekä käyttäjän demografiset että käyttäytymiseen perustuvat tiedot. Käyttäjäprofiilit muodostuvat sovelluksen käyttötietojen pohjalta ja kuvaavat käyttäjän kiinnostuksen kohteita (Ullah ja muut, 2023, s. 649). Tavallisesti käyttäjät ryhmitellään kohderyhmiin parametrien, kuten sijainnin, iän, sukupuolen, sovelluksen käyttötavan sekä kiinnostusten kohteiden 13 perusteella (Ullah ja muut, 2023, s. 647–654). Sosiaalisen median sovelluksissa käyttäjäprofilointia ohjaavat kuitenkin tietyt alustakohtaiset kriteerit, jotka määrittävät, millaista sisältöä käyttäjälle näytetään. Näin ollen edellä mainittuja tekijöitä voidaan pitää yleisinä profilointiperusteina, vaikka niiden painotus ja soveltaminen vaihtelevat alustakohtaisesti. Maksetun mainonnan kohdalla yritykset pystyvät valitsemaan tiettyjä kohdentamisen parametreja, joiden avulla määritetään, kenelle mainosta näytetään. Kohdentamisen parametrit ovat käytännössä samoja tietoja, joita hyödynnetään käyttäjäprofiloinnissa. Maksetuissa mainoksissa yrityksillä on kuitenkin mahdollisuus päättää, mitä parametreja ne haluavat käyttää asiakkaiden tavoittelemisessa. Mitä enemmän parametreja käytetään, sitä tarkempi kohdentamisen tulos on. Teknologian kehityksen ansiosta käyttäjäprofiloinnin mahdollisuudet ovat kehittyneet merkittävästi. Capatina ja muut toteavat Devarajanin (2025, s. 1824) tutkimuksessa, että koneoppimisen myötä mahdollisuudet automatisoida käyttäjäprofiloinnin prosesseja ovat tehostaneet potentiaalisten asiakkaiden automaattista tunnistamista, datan keruuta ja markkinoiden segmentointia. Näiden työkalujen omaksuminen on tärkeää markkinoilla menestymisen kannalta nykyisessä kilpailuympäristössä. 2.3 Keskeiset vaiheet Seuraavaksi käsitellään mainonnan kohdentamisen kaksi keskeistä vaihetta käyttäen lähteenä Alin ja muiden (2019) tutkimusta. Tutkimuksen mukaan digitaalisen mainonnan prosessi voidaan jaotella kahteen keskeiseen vaiheeseen, jotka ovat mainoksen luonti (ad creation) sekä mainoksen toimitus (ad delivery). Nämä vaiheet ovat keskeiset suurilla digitaalisilla mainosalustoilla, kuten Metan sovelluksissa (Facebook ja Instagram), Googlen mainosalustassa (Google Ads) sekä TikTokin mainosjärjestelmässä (TikTok Ads). 14 Taulukosta 1. nähdään, että ensimmäinen keskeinen vaihe on mainoksen luonti, joka koostuu kolmesta erillisestä päätöksestä: mitä mainos sisältää, kenelle se näytetään ja millä hinnalla (Ali & muut, 2019). Mainoksen sisällön valinnassa mainostaja kokoaa mahdolliset kuvat ja videot sekä tekstin ja otsikot mainosta varten. Tätä kokonaisuutta kutsutaan mainosluovaksi (ad creative). Seuraavaksi valitaan mainoksen kohderyhmä, eli käyttäjät, joille mainos tullaan näyttämään alustalla. Viimeisenä määritellään tarjousstrategia, jossa päätetään, kuinka paljon mainostaja on valmis maksamaan mainoksen näyttämisestä. Tähän on erilaisia vaihtoehtoja, mutta yleensä maksetaan näyttökerrasta tai klikkauksesta. Mainostajan on myös mahdollista asettaa kokonaiskulukatto, jolloin alustalle annetaan oikeus määrittää tarjoukset itsenäisesti. Toinen keskeinen vaihe taulukon 1. mukaisesti on mainoksen toimitus, jossa mainosalusta algoritmien avulla päättää, kenelle mainos näytetään (Ali & muut, 2019). Mainoksen toimitukseen vaikuttaa useat tekijät, kuten mainostajan budjetti, mainoksen aikaisempi suorituskyky sekä ennusteet mainoksen relevanssista. Mainoksen toimitus käynnistyy mainoshuutokaupasta (ad auction), jossa alustan toimesta päätetään, mikä mainos esitetään kohdeyleisöön kuuluvalle käyttäjälle. Mainoshuutokauppa alkaa, kun tulee mahdollisuus näyttää mainos käyttäjälle. Esimerkiksi käyttäjä, joka selaa usein pukeutumiseen ja kauneuteen liittyviä sisältöjä, päätyy usein näkemään juuri näihin teemoihin kohdistettuja mainoksia algoritmien tunnistamana. Mainoksen toimituksen prosessiin liittyy Alin ja muiden (2019) mukaan seikkoja, jotka tekevät prosessista monimutkaisemman. Alustoille on tärkeää näyttää käyttäjille relevantteja mainoksia, sillä epäsopivien mainosten kohdentaminen voi aiheuttaa käyttäjissä ärsytystä. Ullahin ja muiden (2023, s. 654) mukaan tällä on myös vaikutusta verkkoliikenteen määrään sekä kustannuksiin. Tämän vuoksi mainosalustat välttelevät tilanteita, joissa sama mainos näytetään lyhyessä ajassa samalle käyttäjälle useasti. Tarvittaessa alusta saattaa hylätä huutokaupan korkeimmatkin tarjoukset ehkäistäkseen mainosten turhan toiston. Relevanssipisteytys on alustan keino varmistaa relevantin sisällön näyttäminen käyttäjille. Tämän avulla alusta ei automaattisesti valitse korkeinta 15 tarjousta, vaan suosii mainosta, jonka relevanssipisteytyksen sekä hinnan suhde on parhain. Taulukko 1. Mainonnan kohdentamisen keskeiset vaiheet (mukaillen Ali & muut, 2019). Edellä kuvatun käytännön tason vaiheiden rinnalla mainonnan kohdentamista tukee Ullahin ja muiden (2023, s. 655) havaintojen mukaan taustalla tapahtuva mainosten karakterisointiprosessi, jossa ensisijaisena tavoitteena on kohdennetun mainonnan tehokkuuden mittaaminen. Prosessi on jatkuva ja se etenee seuraavasti: datan keruu verkosta (data spidering), datan luokittelu (data annotation), datan poiminta (data scrapping), datan puhdistus (data cleansing), kuvaileva analytiikka (descriptive analytics), ominaisuuksien rakentaminen (feature engineering), mainosten ominaisuuksien määrittely (characterise ads), mallinnus (model) ja arviointi (evaluation) (Ullah ja muut, 2023, s. 655). Karakterisointiprosessi toimii datalähtöisen mainonnan kohdentamisen perustana, koska sen avulla voidaan tunnistaa toimivimmat mainoselementit, analysoida yleisön käyttäytymistä ja suunnata viestintä tarkemmin kohderyhmälle (Ullah ja muut, 2023, s. 655). Nykyään mainonnan kohdentamisen apuna voidaan myös hyödyntää kehittyneitä teknologioita, kuten tekoälyä (artificial intelligence) (Devarajan, 2025, s. 1823). Tämä on merkittävää mainonnan kohdentamisen näkökulmasta, sillä vaiheet pystytään toteuttamaan ja optimoimaan entistä tehokkaammin. Tekoälyn hyödyntäminen on merkittävästi tehostanut mainonnan personointia ja kohdentamista automatisoimalla 16 keskeisiä osa-alueita, kuten analytiikan, mediasuunnittelun, mainosten ostamisen, mainosten luonnin ja vaikutusten seurannan (Devarajan, 2025, s. 1823). Koneoppimiseen perustuvat menetelmät pystyvät ennustamaan mainosten suorituskykyä ja lisäämään kohdentamisen tarkkuutta valitsemalla näytettäväksi ne mainokset, jotka parhaiten vastaavat käyttäjien kiinnostuksen kohteita (Chen ja muut, 2019, s. 350). 2.4 Vaikutukset kuluttajan ostopolkuun Mainonnan kohdentamisen yksi keskeinen tavoite on saada lisää liikennettä mainostajan verkkosivustolle, jotta käyttäjän ostopolkua saadaan tehostettua. Purnomon (2023, s. 56) mukaan yrityksen viisaalla budjetoinnilla sekä strategisella suunnittelulla liikennettä pystytään kasvattamaan verkkosivustolle. Panin (2025, s. 1) tutkimuksen mukaan kohdennettu mainonta helpottaa asiakkaiden huomion herättämistä, mikä näkyy muun muassa kasvaneina klikkausprosentteina (click-through-rate) sekä pidempinä vierailuaikoina verkkosivuilla. Tämän lisäksi havaittiin, että kohdentamiseen perustuvat mainokset lisäävät konversioasteita, mikä osoittaa kohdentamisen merkityksen ostopolun tehostamisessa ja myynnin edistämisessä (Pan, 2025, s. 1). Panin (2025) tutkimuksessa korostetaan, että markkinoinnin ammattilaisilla on eriäväisiä mielipiteitä kohdennettujen mainosten tehokkuudesta. Panin (2025) mukaan monet ovat sitä mieltä, että mainonnan kohdentaminen on tehokas keino tavoittaa relevantit asiakkaat, kun taas toiset korostavat yksityisyysongelmia ja sen eettistä puolta. Tutkimus osoittaa myös, että Ikäryhmillä on vaikutusta käyttäjien ostopolun tehostamiseen, sillä Panin (2025, s. 5) mukaan nuorimmat (18–34-vuotiaat) osoittavat suurinta aktiivisuutta mainoksien klikkaamisessa. Vanhemmat ikäryhmät (55-vuotiaista ylöspäin) puolestaan klikkaavat selkeästi vähemmän. Näiden erojen ymmärtäminen on olennaista yrityksille, sillä se auttaa kohdentamaan mainontaa strategisesti niihin kuluttajaryhmiin, joissa mainonta todennäköisimmin ohjaa ostopolulla eteenpäin. 17 2.4.1 Positiiviset vaikutukset Seuraavat havainnot perustuvat Panin (2025, s. 1–7) tutkimukseen, jossa analysoidaan mainonnan myönteisiä vaikutuksia kuluttajan ostopolkuun. Tutkimuksen mukaan kohdennetut mainokset parhaimmillaan kiinnittävät käyttäjän huomion ja luovat ostotarpeen tehostaen ostopolkua. Myönteisenä vaikutuksena on myös päätöksenteon nopeutuminen, jolloin tarkasti kohdennettu mainos vähentää käyttäjän miettimisaikaa, vähentää tiedonhaun tarvetta ja tekee ostopolusta sujuvamman. Tämän lisäksi mainoksen oikea ajoitus lisää käyttäjän todennäköisyyttä klikata mainosta ja edetä ostopolulla. Näin voidaan myös ehkäistä mainosväsymystä (ad fatigue), jossa asiakas kyllästyy samaan mainokseen, jota hänelle näytetään liian usein. Relevantit kohdennetut mainokset toimivat tutkimuksen mukaan tehokkaammin, kuin geneeriset mainokset. Tämä ilmenee mainonnan suorituskykymittareissa, kohonneina klikkausprosentteina ja konversioasteina sekä verkkosivustolla vietetyn ajan lisääntymisenä. Jotta käyttäjät saadaan jatkossakin klikkaamaan mainosta ja vierailemaan verkkosivuilla, on Panin (2025, s. 1–7) tutkimuksen mukaan mainosmateriaalia päivitettävä jatkuvasti. Tähän tehokas työkalu on A/B-testaus, jossa vertaillaan kahta eri versioita tietystä mainoksesta tai verkkosivun elementistä. Tarkoituksena on selvittää, kumpi herättää paremmin käyttäjän huomion ja saa aikaan toivotun toiminnan. Kun mainokset vastaavat kuluttajien mieltymyksiä ja tarpeita, myös heidän kokemuksensa mainonnan arvosta paranee. Tämä vahvistaa positiivista suhtautumista mainontaan ja edistää kuluttajan siirtymistä ostopolun seuraaviin vaiheisiin. Kohdennetun mainoksen sisäiset piirteet vaikuttavat myös siihen, kuinka hyvin se houkuttelee käyttäjän ostopolulla eteenpäin. Dhalin ja muiden (2024, s. 291) tutkimuksen mukaan kuluttajien ostopäätöksiin vaikuttaa neljä keskeistä tekijää sosiaalisen median mainonnassa, jotka ovat tärkeysjärjestyksessä luotettavuus, houkuttelevuus, visuaalisuus ja iskulauseet sekä positiiviset arviot ja kommentit (Dhal ja 18 muut, 2024, s. 291). Näiden seikkojen huomioon ottaminen voi vaikuttaa positiivisesti mainoksen klikkausprosenttiin ja näin ostopolun etenemiseen. Mainonnan kohdentamisella on myös mahdollisuus hintadiskriminaatioon, jolla tarkoitetaan hyödykkeen myymistä asiakkaalle eri hintaan perustuen hänen maksukykyynsä. Mitä enemmän yrityksillä on dataa käyttäjistä, sitä paremmin he pystyvät hyödyntämään hintadiskriminaatiota (Choi ja muut, 2023, s. 891). Tämä vaikuttaa kuluttajan ostopolun tehostamiseen, sillä mainonnan kohdentamisen avulla käyttäjille pystytään antamaan heidän maksukykyään vastaava hinta, joka parhaimmassa tapauksessa lisää ostohalukkuutta. 2.4.2 Negatiiviset vaikutukset Panin (2025, s. 1–7) tutkimuksessa korostetaan, että liian henkilökohtainen kohdentaminen voi johtaa osan asiakkaista luottamuksen heikkenemiseen. Myös yksityisyyteen liittyvät huolet ovat yleisiä mainonnan kohdentamisessa. Tämän vuoksi datan kerääminen ja sen käyttötarkoitukset on tehtävä tarpeeksi läpinäkyviksi käyttäjälle. Näiden asioiden laiminlyönti voi aiheuttaa esimerkiksi pitkäaikaisen asiakasuskollisuuden menettämisen, joka vaikuttaa negatiivisesti käyttäjän ostoaikomuksiin. Mainonnan kohdentaminen perustuu laajaan käyttäjätietojen keräämiseen, mikä voi herättää merkittäviä yksityisyydenhuolia käyttäjissä. Käyttäjistä kerättyjä tietoja voidaan väärinkäyttää taloudellisesti myymällä niitä eteenpäin kolmansille osapuolille kohdennetun sisällön ja mainonnan tuottamiseen (Datta ja muut, 2015, s. 1). Koneoppiminen ja tekoälyn kehitys ovat monimutkaistaneet käyttäjätietojen keräämistä, mikä on puolestaan vaikeuttanut kuluttajien ymmärrystä siitä, miten heidän tietojaan käytetään (Ullah ja muut, 2023, s. 656). Kasvaneiden yksityisyyshuolien seurauksena on otettu käyttöön tietosuojasäädöksiä, kuten EU:n yleinen tietosuoja-asetus (GDPR), joka 19 velvoittaa yrityksiä hankkimaan kuluttajilta selkeän suostumuksen heidän tietojensa käyttöön ja seurantaan (Choi ja muut, 2023, s. 889). Yksityisyyttä ja käyttäjätietojen keräämistä on tutkittu laajasti, sillä aihe on erityisen ajankohtainen uusien teknologioiden kehittyessä. Monet näistä tutkimuksista tarkastelevat mainonnan kohdentamisen vaikutuksia syrjintään. Devarajanin (2025, s. 1828) tutkimus osoittaa, että teknologiset järjestelmät eivät automaattisesti toimi objektiivisesti ja puolueettomasti. Tutkimuksessa tuodaan esiin, että esimerkiksi Facebookin uutisvirran algoritmien vinoumat ovat herättäneet keskustelua kohdennusalgoritmien mahdollisesta puolueellisuudesta (Devarajan, 2025, s. 1828). Toisessa tutkimuksessa havaittiin, että sosiaalisen median alustan mainosten jakelussa esiintyi merkittäviä eroja sukupuolen sekä rodun perusteella, vaikka mainostajat eivät olleet sisällyttäneet kohdennusparametreihinsa lainkaan syrjiviä tekijöitä (Ali ja muut, 2019). Tällaiset vakavat kohdentamiseen liittyvät vinoumat voivat paljastuessaan vaarantaa yrityksen maineen, heikentää sen uskottavuutta sekä vähentää kuluttajien luottamusta ja ostohalukkuutta tulevaisuudessa. 2.5 Yhteenveto Mainonnan kohdentaminen sosiaalisessa mediassa perustuu big data -analytiikan hyödyntämiseen, käyttäjäprofilointiin ja kohdentamisen parametrien valitsemiseen. Sen tavoitteena on näyttää mainos oikealle kohderyhmälle, jotta käyttäjille saadaan luotua ostotarve. Kohdentamisessa hyödynnetään käyttäjän demografisia tietoja, sovelluksen käyttötottumuksiin perustuvaa käyttäytymisdataa sekä käyttäjän kiinnostuksen kohteita. Kohdennetun mainoksen prosessin kaksi keskeisintä vaihetta ovat mainoksen luonti (ad creation) ja mainoksen toimitus (ad delivery). Kehittyneiden teknologioiden avulla kohdentamisesta voidaan tehdä entistä tarkempaa sekä automatisoida ja optimoida kohdentamisen taustalla olevia prosesseja. 20 Mainonnan kohdentamisella on niin positiivisia, kuin negatiivisia vaikutuksia käyttäjän ostopolulla etenemiseen. Keskeisiä positiivisia vaikutuksia ovat huomion kiinnittäminen, ostotarpeen luominen, päätöksenteon nopeutuminen sekä klikkausprosenttien ja konversioasteiden parantuminen, jotka vaikuttavat ostopolun tehostamiseen. Keskeisiä negatiivisia vaikutuksia ovat mainosväsymys, yksityisyyden huolet, datan väärinkäytön huolet sekä algoritminen syrjintä. Negatiivisten riskien vuoksi yritysten on tärkeää viestiä käyttäjädatan hyödyntämisen läpinäkyvyydestä, sääntelystä ja eettisten periaatteiden mukaisesti toimimisesta. 21 3 Verkkokaupan ostopolku konversio-optimoinnissa Verkkokaupat ovat yleistyneet merkittävästi viime vuosien aikana, jonka vuoksi digitaalisen markkinoinnin rooli verkkokauppojen kehittämisessä on korostunut. Jotta yritykset voivat hyödyntää verkkokaupan tarjoamia mahdollisuuksia, niiden on ymmärrettävä kuluttajan ostopolun rakenne ja verkkokaupan erityispiirteet. Vaikka ostopolku verkossa on usein monimutkainen ja dynaaminen, sitä voidaan jäsentää kolmen päävaiheen kautta. Konversio-optimointi toimii keskeisenä työkaluna, jonka tavoitteena verkkokaupan kontekstissa on ohjata asiakkaita suorittamaan haluttu toimenpide mahdollisimman tehokkaasti. Verkkokaupan erityispiirteiden, ostopolun vaiheiden ja konversio-optimoinnin yhteyden ymmärtäminen on siten ratkaisevan tärkeää yrityksille, jotka pyrkivät parantamaan asiakaskokemusta ja kasvattamaan myyntiään. 3.1 Verkkokaupan erityispiirteet Verkkokaupat eroavat merkittävästi perinteisestä kaupankäynnistä. Ne ovat internetissä toimivia alustoja, jotka mahdollistavat tuotteiden ja palveluiden ostamisen ja myymisen digitaalisessa ympäristössä. Niitä voidaan luokitella käyttötarkoituksensa perusteella eri verkkokauppatyyppeihin: yritysten väliseen kaupankäyntiin (B2B), yritykseltä kuluttajalle tapahtuvaan kaupankäyntiin (B2C), kuluttajien väliseen kaupankäyntiin (C2C) sekä verkosta fyysiseen palveluun suuntautuvaan malliin (O2O) (Wang, 2025, s. 167). Verkkosivujen luonti on huomattavasti yksinkertaistunut viime vuosina, ja niillä on yritystoiminnan kannalta merkittävä vaikutus (Matahati & Qastharin, 2024, s. 191). Tämän vuoksi yritykset panostavat verkkosivujensa optimoimiseen erottuakseen kilpailijoista ja houkutellakseen asiakkaita tehokkaasti (Matahati & Qastharin, 2024, s. 191). Verkkokauppojen menestys perustuu yhä enemmän digitaalisen markkinoinnin strategioihin, kuten hakukoneoptimointiin (SEO), sisältömarkkinointiin, sosiaalisen 22 median sitouttamiseen sekä uusien teknologioiden, kuten tekoälyn ja lohkoketjuteknologian hyödyntämiseen (Shaban & Zeebaree, 2025, s. 80). Tutkimuksen tulosten mukaan strategioiden integroiminen keskenään johtaa merkittävään parannukseen brändin näkyvyydessä, asiakasuskollisuudessa ja myynnin kokonaissuorituskyvyssä (Shaban & Zeebaree, 2025, s. 80). Verkkokauppojen helppous, edullisuus sekä henkilökohtaisemmat ja vuorovaikutteisemmat ostokokemukset ovat vähentäneet fyysisten myymälöiden asiakasmääriä ja heikentäneet niiden kilpailukykyä (Wang, 2025, s. 167). Verkkokaupat mahdollistavat suuremmat tuotevalikoimat ja helpottavat myös hinnanvertailuja (Eurostat, 2025). Verkkokauppojen suosiota ovat lisänneet myös uudet kehittyneet teknologiat, kuten tekoäly ja koneoppiminen, joiden avulla verkkosivustoja voidaan optimoida tarjoamaan käyttäjälle hänen toimintaansa ja mieltymyksiinsä perustuvia tuotesuosituksia tai esimerkiksi räätälöityjä alennuksia aktiivisuuden perusteella. Yhä useammat kuluttajat ovat siirtyneet ostamaan hyödykkeitä verkkokaupoista viime vuosien aikana, joka selittää verkkokauppojen kasvanutta suosiota (Eurostat, 2025). Vuoden 2024 tilastojen perusteella 77 % eurooppalaisista on tehnyt ostoksia verkkokaupoissa, mikä merkitsee noin 60 %:n kasvua kymmeneen vuoden takaiseen verrattuna (Eurostat, 2025). Yksi merkittävimmistä syistä tähän kehitykseen on vuosina 2020–2023 koettu koronapandemia, joka pakotti ihmisiä karanteeneihin ympäri maailmaa. Pandemian aikana verkkokauppojen suosio kasvoi huomattavasti, sillä tuotteita pystyi ostamaan kotoa käsin niiden ollessa auki ympäri vuorokauden. Pandemia on siis yksi keskeinen tekijä verkkokauppojen suosion kasvulle viime vuosina. Vuoden 2024 tilastot osoittavat eroja verkkokaupan käyttäjäryhmien välillä. Eurostatin (2025) tilastojen mukaan verkkokauppoja käyttävät eniten 16–24-vuotiaat (83 %), toiseksi eniten 25–64-vuotiaat (79 %) ja vähiten iäkkäämmät 65–74-vuotiaat (53 %). Lisäksi tilastot osoittavat, että vaatteet ovat verkkokaupoissa ostetuin tuoteryhmä, sillä niitä on hankkinut 70 % kuluttajista (Eurostat, 2025). 23 3.2 Ostopolun vaiheet Verkkokaupan (e-commerce) kasvun myötä käyttäjien päätöksentekoprosesseja koskeva tutkimus on lisääntynyt merkittävästi. Ostopolku on merkittävä osa asiakaskokemusta ja siksi tärkeä aihe yrityksille. Verkossa tapahtuva päätöksentekoprosessi eroaa huomattavasti perinteisestä, kivijalkamyymälässä tapahtuvasta ostopolusta. Srinivasan ja muiden (2016, s. 440) tutkimuksessa todetaan, että perinteinen lineaarinen funnel- malli ostopolun mallintamiseen on vanhentunut, ja kuluttajan päätöksentekoa kuvataan nykyisin dynaamisempana ostopolku-mallina (path to purchase/P2P). P2P-mallin mukaan ostopolku ei etene suoraviivaisesti, vaan kuluttaja voi edetä useita eri reittejä pitkin, keskeyttää prosessin, hypätä vaiheiden yli tai palata aiempiin vaiheisiin tarpeidensa mukaan (Srinivasan ja muut, 2016, s. 442). Ostopolku on jatkuva ja toistuva prosessi, joka usein alkaa ennen ostoa tapahtuvasta tiedonhankinnasta jatkuen ostotapahtumaan ja oston jälkeiseen vaiheeseen (Lemon & Verhoef, 2016, s. 76). Kuluttajan ostopolkuun vaikuttavat hänen aiemmat kokemuksensa yrityksen kanssa, ulkoiset tekijät sekä kosketuspisteet (Lemon & Verhoef, 2016, s. 76). Kosketuspisteet (touchpoints) tarkoittavat erilaisia kontaktipisteitä kuluttajan ostopolulla, jossa brändit ja kuluttajat ovat vuorovaikutuksessa toistensa kanssa (Vo ja muut, 2024, s. 463). Kosketuspiste voi esimerkiksi olla yrityksen sosiaalisessa mediassa kohdennettu mainos, jossa käyttäjä on vuorovaikutuksessa yrityksen kanssa. Käsitellään seuraavaksi ostopolun kolme keskeistä päävaihetta Lemonin ja Verhoefin (2016, s. 76) tutkimuksen mukaisesti. Ennen ostoa tapahtuma vaihe (prepurchase) sisältää kaikki asiakkaan vuorovaikutukset brändin, tuoteryhmän ja toimintaympäristön kanssa. Tässä vaiheessa kuluttaja tunnistaa tarpeen, aloittaa tiedonhankinnan ja arvioi vaihtoehtoja. Abbasin (2025, s. 130) tutkimuksen mukaan tässä vaiheessa potentiaaliset ostajat hakevat päätöksenteon tueksi yksityiskohtaista ja vertailukelpoista tuotetietoa, ja erityisesti muiden asiakkaiden tuotearviot sekä visuaaliset koosteet edesauttavat kuluttajaa ostopäätöksessä. 24 Toisessa vaiheessa asiakas suorittaa oston (purchase), joka kattaa kaikki kuluttajan ja yrityksen väliset kosketuspisteet ostotapahtuman aikana (Lemon & Verhoef, 2016, s. 76). Kolmantena vaiheena on oston jälkeinen (postpurchase)-vaihe, joka kattaa kaikki kosketuspisteet oston jälkeen, kuten esimerkiksi tuotteen käytön, oston jälkeisen sitoutumisen sekä mielipiteet tuotteesta. Yrityksen on tunnistettava keskeisimmät kosketuspisteet, jotta se voi vaikuttaa asiakkaan ostopolkuun tehokkaasti. Srinivasan ja muiden (2016, s. 440) tutkimus puolestaan osoittaa, että ostopolun mallinnus koostuu kolmesta psykologisesta perusvaiheesta, jotka ovat oppiminen eli kognitiivinen vaihe, tunteiden muodostuminen eli affektiivinen vaihe sekä toiminta eli konatiivinen vaihe (Srinivasan ja muut, 2016, s. 440). Erityisesti tunteen herättämisellä on merkittävä vaikutus kuluttajan ostoaikeisiin, joka vaikuttaa suoraan ostopolkuun verkkokauppa-alustoilla (Pappas ja muut, 2017, s. 972). Tämän vuoksi yritysten olisi panostettava verkkosivujensa informatiivisuuteen ja houkuttelevuuteen myös aistilliset vuorovaikutukset huomioon ottaen (Figueiredo ja muut, 2025, s. 2). Taulukossa 2. on koottu edellä käsitellyt ostopolun vaiheet. Taulukko 1. Verkkokaupan ostopolun teoreettiset päävaiheet (mukaillen Lemon & Verhoef, 2016, s. 76), (mukaillen Srinivasan ja muut, 2016, s. 440). 25 Verkkokaupan yleistymisen myötä showrooming-ilmiö on tullut yhä tutummaksi. Showrooming tarkoittaa toimintatapaa, jossa kuluttaja hyödyntää toisen jälleenmyyjän tarjoamaa tietoa hyödykkeestä, mutta viimeistelee ostoksensa toisessa paikassa (Lemon & Verhoef, 2016, s. 69). Tyypillinen esimerkki tästä on tilanne, jossa kuluttaja vierailee kivijalkamyymälässä kokeilemassa tuotetta, mutta päättää lopulta ostaa sen verkkokaupasta, usein edullisemman hinnan vuoksi. Ilmiö voi kuitenkin toimia myös päinvastoin, jolloin kuluttaja voi ensin etsiä tuotteesta tietoa ja arvosteluja verkosta, mutta tekee lopullisen ostoksen fyysisessä myymälässä tai vaihtoehtoisesti toisessa verkkokaupassa. Näin ollen voidaan todeta, että kuluttajan ostopolkua voi olla hankala tulkita. Jotta ostopolkuun voidaan vaikuttaa, on ymmärrettävä kuluttajakäyttäytymisen peruselementtejä. Keskeisenä tekijänä ovat kuluttajien sisäiset ja ulkoiset motiivit, joiden ymmärtäminen on tärkeää, jotta heidän odotuksiaan ja tarpeitaan pystytään ymmärtämään paremmin (Figueiredo ja muut, 2025, s. 12). Digitaalisessa ympäristössä ostopolkuun vaikuttavat myös monet muut tekijät, kuten verkkosivun käytön helppous, turvallisuus, luottamus, vaivattomuus, sosiaalinen vaikutus sekä ostamista tukevat olosuhteet (Figueiredo ja muut, 2025, s. 12). 3.3 Konversio-optimointi Konversio-optimoinnin merkitys on kasvanut digitaalisessa markkinoinnissa. Miikkulaisen ja muiden (2020, s. 44) mukaan konversio-optimoinnilla tarkoitetaan verkkokaupan suunnittelua niin, että se ohjaa kävijöitä mahdollisimman tehokkaasti suorittamaan toivotun toiminnon, kuten esimerkiksi ostoksen tekemisen tai uutiskirjeen tilaamisen. Yleisesti konversio-optimoinnilla tarkoitetaan kuitenkin myös muita digitaalisen markkinoinnin toimia, joiden tavoitteena on saada käyttäjä tekemään halutun toiminnon. 26 Todellisuudessa verkossa mainoksen nähneiden määrä on moninkertainen verrattuna sitä klikanneisiin käyttäjiin. Jopa 96% verkkosivuilla vierailevista käyttäjistä eivät päädy tuotteen ostamiseen (McDowell ja muut, 2016, s. 4837). Tämän vuoksi on selvää, että yritysten on hyödynnettävä jokainen verkkosivuilla vierailija mahdollisimman tehokkaasti, jonka vuoksi yritykset tarvitsevat konversio-optimointia (Zimmermann & Auinger, 2023, s. 234). Tarkastellaan Zimmermannin ja Auingerin (2023, s. 235–237) kehittämää digitaalisen vähittäiskaupan konversio-optimointikehystä. Kehys kuvaa markkinointitoimien vaiheet siten, että ne voidaan kohdistaa tehokkaammin niihin osa-alueisiin, joilla on suurin todennäköisyys parantaa konversiota. Tutkimus tarkastelee niitä tekijöitä, joiden avulla digitaaliset vähittäiskauppiaat voivat tunnistaa, arvioida ja optimoida myyntiin vaikuttavia kosketuspisteitä kuluttajan ostopolun eri vaiheissa. Konversio-optimointikehyksen ensimmäisessä vaiheessa Zimmermannin ja Auingerin (2023, s. 235–237) mukaan yrityksen on tunnistettava kaikki brändin kosketuspisteet, jotta kuluttajan ostopolkuun pystytään vaikuttamaan. Toisessa vaiheessa kosketuspisteet erotellaan sisäisiin ja ulkoisiin. Tarkoituksena on huomioida yrityksen oman sisäisen näkemyksen lisäksi kuluttajien ulkoinen näkemys siitä, mitkä kosketuspisteet he tunnistavat. Kolmannessa vaiheessa eritellään myyntiin vaikuttavat kosketuspisteet sisäisen, ulkoisen ja tilastollisen analyysin näkökulmasta. Viimeisessä vaiheessa markkinointitoimien kokonaisuus johdetaan konversio-optimointia varten. Tässä vaiheessa tarkastellaan yksittäisten kosketuspisteiden vaikutusta myyntiin sekä arvioidaan, onko niillä kehittämistarpeita. Mikäli yritys pystyy tunnistamaan nämä tekijät, se pystyy kehittämän kosketuspisteisiin liittyviä markkinointitoimia, jotka parantavat konversio-optimointia. Useat tutkimukset ovat osoittaneet, että erityisesti kohdennettuun mainontaan liittyvät kosketuspisteet muodostavat keskeisen tekijän kuluttajien konversioiden kasvattamisessa (Daoud ja muut, 2023, s. 1252). 27 Purnomon (2023, s. 56–57) tutkimuksessa käydään läpi puolestaan Cialdinin (1984) konversion teoria, jonka mukaan konversiota voidaan optimoida kuuden psykologisen periaatteen mukaan. Näitä periaatteita voidaan käyttää vaikuttamaan kuluttajien päätöksentekoon, joka on merkityksellistä konversio-optimoinnin kannalta. Ensimmäinen periaate on auktoriteetti, jossa kuluttajien päätöksiin yritetään vaikuttaa vetoamalla vaikutusvaltaisiin henkilöihin tai asiantuntijoihin. Toinen periaate on johdonmukaisuus ja sitoutuminen, jossa kuluttajaa kannustetaan ensin tekemään pieni teko, kuten yrityksen sosiaalisen median tilin seuraaminen, jonka jälkeen todennäköisyys tehdä suurempi toiminta kasvaa. Kolmantena periaatteena on sosiaalinen todiste, jossa kuluttajille viestitään, että muutkin ovat valinneet tai käyttäneet tiettyä tuotetta, mikä lisää heidän todennäköisyyttään ostaa tuote. Neljäntenä psykologisena periaatteena Purnomon (2023, s. 56–57) mukaan on niukkuus, joka perustuu mielikuvaan tuotteen rajallisesta saatavuudesta ja lisää siten kuluttajan halua toimia nopeasti välttääkseen mahdollisuuden menettämisen. Viidentenä periaatteena on miellyttävyys, jossa kuluttajien ostohalukkuutta voidaan lisätä vahvistamalla myönteistä suhdetta heihin esimerkiksi henkilökohtaisen viestinnän tai yhteisten arvojen jakamisella. Kuudentena periaatteena on valta, jossa kuluttajien sitoutumista voidaan vahvistaa antamalla heille mahdollisuus vaikuttaa itsenäisesti ostopolkuunsa. Punormon (2023, s. 56–57) tutkimuksessa esitetyn konversion teorian periaatteiden soveltaminen mahdollistaa kuluttajien päätöksentekoon vaikuttamisen ja konversio-optimoinnin tehostamisen. Ottaen huomioon konversio-optimointikehyksen kosketuspisteet ja konversion teorian, konversioon voidaan vaikuttaa myös optimoimalla verkkosivua käyttäjäkokemuksen (user experience, UX) parantamiseksi. Matahatin ja Qastharin (2024, s. 205–206) tutkimuksessa yrityksen verkkosivulle tehtiin A/B-testaus, jonka avulla havaittiin kehityskohteita verkkosivuston rakenteessa. Näiden rakenteiden parantamisen todettiin parantavan sivuston käyttäjäkokemusta, mikä on keskeinen tekijä konversion kannalta. Matahatin ja Qastharin (2024, s. 205–206) tutkimuksessa keskeisiksi verkkosivun 28 kehittämisalueiksi tunnistettiin kolme osa-aluetta. Yksi osa-alueista oli selkeys ja yksityiskohtaiset selitykset, sillä käyttäjät arvostavat verkkosivutekstiä, joka on helposti ymmärrettävissä ja tarjoaa riittävästi tietoa päätöksenteon tueksi. Toiseksi korostuivat toimintakehotukset (call to action), joiden todettiin olevan vaikuttavampia, kun ne vetoavat käyttäjän henkilökohtaisiin ja tunnepohjaisiin hyötyihin. Kolmantena kehityskohteena esiin nousi verkkosivun visuaalisuus, erityisesti tärkeiden elementtien, kuten yhteydenottopainikkeiden selkeä erottuminen muusta sisällöstä, jotta käyttäjän on helppo löytää ja käyttää niitä. McDowellin ja muiden (2026, s. 4837) tutkimuksessa havaittiin, että verkkosivuston tietyt suunnitteluelementit vaikuttavat ratkaisevasti siihen, kuinka moni kävijä tekee ostoksen. Tutkimustulosten mukaan konversion todennäköisyyttä lisäsivät eniten verkkosivulla käyttäjälle suositellut tuotteet, ostoskorikuvake, toimitus- ja käsittelykulujen ilmoittaminen, yhteistietojen tarjoaminen sekä linkit sivuston eri osioihin navigoinnin helpottamiseksi (McDowell ja muut, 2016, s. 4840–4841). Erityisesti verkkosivun ominaisuudet, jotka tukevat käyttäjän uppoutumista ja keskittymistä eli niin sanottua flow-kokemusta, ovat yhteydessä korkeampaan konversioasteeseen (McDowell ja muut, 2016, s. 4837). Abbasin (2025, s. 130) tutkimus puolestaan tarjoaa toisen näkökulman korostamalla, että parhaat konversiot verkkosivuille tuottavat värikkäitä kuvia sisältävät mainokset sekä käyttäjien itse luomat (user-generated content) lyhyet videoklipit tuotteista. Menon ja Khan (2002) toteavat McDowellin ja muiden (2016, s. 4837) tutkimuksessa, että hyvin suunniteltu verkkosivusto herättää kuluttajissa myönteisiä asenteita, jotka puolestaan lisäävät käyttäjien viipymisaikaa sivustolla. Mitä pidempään käyttäjä viipyy sivustolla, sitä todennäköisemmin hän suorittaa halutun toimenpiteen. Näin ollen myönteisten asenteiden herättäminen kuluttajissa on keskeistä, ja sitä voidaan edistää esimerkiksi tarkasti kohdennetun mainonnan avulla. 29 3.4 Yhteenveto teoreettisesta viitekehyksestä Yhteenvetona teoreettisesta viitekehyksestä voidaan todeta, että sosiaalisen median kohdennetun mainonnan rooli on ostotarpeen luominen sekä liikenteen ohjaus verkkokauppaan. Verkkokauppa toimii puolestaan laskeutumisalustana (landing page), joka vastaanottaa mainonnalla hankitun liikenteen ja tarjoaa paikan, jossa konversio tapahtuu. Verkkokaupassa vierailevista käyttäjistä pyritään siis tekemään maksavia asiakkaita. Konversio-optimoinnin rooli on optimoida verkkokaupan ostopolun kriittisiä kohtia, jotta verkkokaupan kävijät saadaan tekemään haluttu toimenpide. Näin ollen teoreettisessa viitekehyksessä käsitellyt osa-alueet liittyvät keskeisesti toisiinsa. Voidaan kuitenkin todeta, että käytännössä prosessi ei etene aina yhtä suoraviivaisesti, vaan sen eri vaiheisiin vaikuttavat erilaiset muuttujat. Yksi keskeisemmistä muuttujista on käyttäjäprofiloinnin tarkkuus, joka on kohdentamisen edellytys. Profiloinnin osuvuus määrittää, saako käyttäjä hänen kiinnostuksen kohteisiinsa sopivia mainoksia vai näyttäytyvätkö mainokset hänelle vähemmän relevantteina. Kohdennetulla mainonnalla voi siis olla positiivisten vaikutuksien lisäksi negatiivisia vaikutuksia ostopolun etenemiseen. Ostopolku ei myöskään kaikissa tapauksissa etene lineaarisesti, vaan siihen voi vaikuttaa esimerkiksi showrooming-ilmiö, jossa käyttäjä tutustuu tuotteeseen yhdellä sivustolla, mutta päätyy ostamaan sen toiselta sivustolta tai kivijalkamyymälästä. Käyttäjän ostopolun kuvaamiseen verkossa käytetään P2P-mallia. Konversio-optimoinnin onnistuminen perustuu puolestaan jatkuvaan toimintojen kehittämiseen, A/B- testaukseen ja datan seurantaan. Näin ollen yhden toiminnon optimoiminen verkkokaupassa, ei välttämättä tule riittämään jatkossa, vaan prosessia on kehitettävä jatkuvasti. 30 Kuva 1. Yhteenvetokuvio teoreettisesta viitekehyksestä. 31 4 Case: Sosiaalisen median mainonnan kohdentaminen verkkokauppayritysten markkinointitoimissa Verkkokauppayritykset hyödyntävät digitaalisen markkinoinnin kanavina erityisesti sosiaalisen median alustoja, jotka tarjoavat tehokkaan tavan mainostaa kohdennetuille yleisöille. Tässä tarkastelussa hyödynnetään Metan ja TikTokin mainoskirjastoja yritysten käyttämien mainonnan kohdentamiskeinojen analysoimiseksi. Erityisen tarkastelun kohteena ovat yritysten hyödyntämät kohdennusparametrit sekä niiden analysointi ja vertailu teoreettisessa viitekehyksessä esiteltyihin parametreihin. Meta ja TikTok ovat mittakaavaltaan suuria sosiaalisen median alustoja, jotka soveltuvat tarkasteluun olennaisesti. Alustoilla mainostaminen on maksullista, ja tätä mainonnan muotoa kutsutaan maksetuksi mainonnaksi (paid media). Maksullisen mainoksen tunnistaa sosiaalisen median alustoilla maininnasta ’sponsoroitu’ tai ’maksettu mainos’. Nämä sponsoroidut mainokset ovat usein hyvin yksityiskohtaisesti kohdennettuja. 4.1 Nellyn kohdennettu mainonta Metan mainoskirjastoissa Metan mainoskirjastossa on mahdollisuus tarkastella mainoksia, jotka näkyvät Facebookissa sekä Instagramissa (Meta, 2023). Mainoskirjaston tavoitteena on Metan (2023) mukaan lisätä mainonnan läpinäkyvyyttä käyttäjille. Tämä näkyy muun muassa siinä, että mainoskirjastossa on mahdollista tarkastella yksityiskohtaisia tietoja mainonnan kustannuksista, tavoitettavuudesta, kohdennusparametreista sekä rahoittajista (Meta, 2023). Tarkastelun kohteena on ensin Nelly.com-verkkokauppayrityksen maksettu mainos. Nelly.com on ruotsalainen muodin verkkokauppa, jonka valikoima painottuu naisten vaatteisiin, mutta se tarjoaa myös vaihtoehtoja miehille. Lähes jokainen Nellyn mainos vaikutti olevan suunnattu naisille, vaikka brändi tarjoaa valikoiman myös miesten vaatteita. Tämä selittyy sillä, että vaikka naisten ja miesten tuotteet myydään samassa 32 verkkokaupassa, niitä markkinoidaan sosiaalisessa mediassa eri kanavien kautta: naisten tuotteista vastaa tili @nellycom ja miesten tuotteista tili @nlymancom. Mainoskirjaston sivuilla näkyy, että Nellyllä on tällä hetkellä noin 100 aktiivista mainosta ja passiivisia mainoksia on noin 500 kappaletta. Näin ollen voidaan todeta, että Nelly hyödyntää aktiivisesti maksettua mainontaa osana digitaalista markkinointiaan. Mainokset käsittelevät niin uutuuksia, kampanjoita sekä yhteistyökumppanuuksia. Kuvassa 2. nähdään mainoksen aktiivisuustiedot, kirjastotunnus, ensimmäinen näyttämispäivä, mainoksen näyttöalustat sekä mainoksen versioiden määrän. Kuva 2. Nelly.com mainoksen tiedot Metan mainoskirjastossa (Meta, 2025). Mainoksen tarkemmista tiedoista (kuvasta 3.) nähdään, että Nelly on valinnut mainoksen näyttämissijainniksi Suomen. Valinta on selkeä, sillä mainoksen metateksti on kirjoitettu suomeksi, joten se on relevantti ainoastaan suomenkieliselle yleisölle. Tarkempaa alueellista rajausta ei ole käytetty. Meta kertoo sivuillaan, että käyttäjän sijaintitiedot 33 paikannetaan käyttäjän todellisen sijainnin perusteella sekä Facebook- ja Instagram- profiileihin merkittyjen sijaintitietojen mukaan (Meta, 2025). Näin ollen, kun käyttäjä on Suomen rajojen sisällä ja täyttää muutkin kohdennuskriteerit, mainos voidaan hänelle näyttää. Kuvan 3. mukaan muut mainoksessa käytetyt kohdennusparametrit ovat ikä ja sukupuoli. Mainos on kohdennettu näytettäväksi 18–65-vuotiaille ja sitä vanhemmille naiskäyttäjille, ja sen kattavuus on ollut 226 katselukertaa 27.11.2025 mennessä. Metan (2025) mukaan kohdentamisessa voidaan hyödyntää myös tietoja käyttäjän toiminnasta alustalla, mainospalautteesta (kuva 4.) sekä henkilökohtaisista tiedoista ja kiinnostuksen kohteista (Meta, 2025). Näitä parametreja ei kuitenkaan ole hyödynnetty mainoskirjaston tietojen mukaan. On myös mahdollista, että nämä parametrit perustuvat alustan omiin algoritmisiin valintoihin, minkä vuoksi ne eivät näy mainoskirjaston tiedoissa. Kuva 3. Nellyn käyttämät kohdennusparametrit (Meta, 2025). Kuva 4. Instagramin kohdennetun mainoksen palautekysely (Instagram, 2025). 34 Näiden tietojen lisäksi mainoskirjasto tarjoaa yksityiskohtaisen yhteenvedon, jossa mainoksen kattavuus, sijainti, ikä ja sukupuoli näkyvät kaikki samassa taulukossa. Kuvassa 5. esitetty taulukko sisältää vain osan tuloksista, mutta sen perusteella voidaan nähdä, millaiset käyttäjät ovat nähneet mainoksen. Siitä nähdään, että eniten katselukertoja on naisten kohdalla, erityisesti 25–34-vuotiaiden kohdalla (77 näyttökertaa). Taulukko kertoo myös, että mainosta on näytetty myös miehille, vaikka miehet eivät kuuluneet Nellyn valitsemiin kohdennuksen parametreihin. Tätä selittää Alin ja muiden (2019) tutkimuksen mukaan alustan mainoksen toimitusprosessi (ad delivery), jossa alusta päättää algoritmien avulla lopulta itse, kenelle mainosta näytetään. Alin ja muiden (2019) mukaan mainosta ei näytetä pelkästään yrityksen kohdennusparametrien perusteella, vaan siihen vaikuttavat myös mainostajan budjetti sekä mainoksen sisältö ja sen koettu relevanttisuus. Kuva 5. Tiedot mainoksen nähneistä demografisten tietojen mukaan (Meta, 2025). 4.2 ICANIWILL kohdennettu mainonta TikTokin mainoskirjastossa TikTokin mainoskirjasto toimii samankaltaisella periaatteella kuin Metan mainoskirjasto. Tarkastelun kohteena ovat seuraavaksi ruotsalaisen urheiluvaatebrändi ICANIWILLin hyödyntämät kohdennuskeinot. Kuvassa 6. näkyy yksi yrityksen maksetuista mainoksista. TikTokissa mainokset esitetään useimmiten lyhytvideoina, ja myös tämä mainos noudattaa samaa formaattia. ICIW:n mainoksen kuvauksessa kerrotaan, että seuraavat kohdentamiseen käytetyt tiedot ovat keskeisimpiä parametreja, mutta on myös 35 mahdollista, että mainosta on näytetty muillekin käyttäjille eri syistä, kuten laite- ja kieliasetusten perusteella (TikTok, 2025). Tämä tukee myös Alin ja muiden (2019) teoriaa, jonka mukaan alustan algoritmit päättävät lopulta itse, kenelle mainos näytetään. Kuva 6. ICIW mainos TikTokin mainoskirjastossa (TikTok, 2025). Mainoksen yhteenvedossa kerrotaan mainoksen tunnuksen lisäksi, että se on näytetty ensimmäisen kerran 18.10.2025 ja viimeisen kerran 28.10.2025, eli sitä on näytetty noin puolentoista viikon ajan. Yhteenvedosta ilmenee myös, että mainoksen on nähnyt 587 000 käyttäjää, ja valittujen kohdennusparametrien perusteella kohdeyleisön kooksi arvioidaan noin miljoona käyttäjää. Voidaan siis todeta, että arvioidusta kohdeyleisöstä noin puolet siitä ovat nähneet mainoksen. Kuvan 7. mukaan kohdentamisen parametreiksi on valittu sukupuoli, ikä sekä sijaintimaa. Sukupuolen osalta mainoksen kohderyhmään on valittu miehet, naiset sekä tuntemattoman sukupuolen käyttäjät. Ikä puolestaan on kohdennettu 18–24- ja 25–34-vuotiaisiin ja sijaintimaaksi on valittu Suomi. 36 Kuva 7. ICIWn kohdentamisparametrit (TikTok, 2025). TikTok tarjoaa demografisten kohdentamisparametrien lisäksi myös muita parametreja, joita ICIW ei ole valinnut mainokseensa. Kuvasta 8. nähdään, että nämä parametrit ovat yleisö, kiinnostuksen kohteet sekä vuorovaikutus. Yleisö viittaa mahdollisuuteen näyttää mainosta muille samankaltaiselle kohdeyleisöille (TikTok, 2025). Kiinnostuksen kohteet perustuvat puolestaan tietoihin, joita TikTok kerää käyttäjästä tämän käyttäessä sovellusta (TikTok, 2025). Myös kiinnostuksen kohteita koskeva kysely uuden käyttäjäprofiilin luonnin yhteydessä vaikuttaa siihen, millaiseksi TikTok muodostaa käyttäjän kiinnostusprofiilin (TikTok, 2025). Vuorovaikutus videon tai sisällöntuottajan kanssa viittaa käyttäjän aktiivisuuteen, kuten reagointiin, katseluun tai sisällöntuottajan seuraamiseen (TikTok, 2025). Kuva 8. TikTokin vaihtoehtoiset kohdentamisparametrit (Tiktok, 2025). 37 4.3 Mainosten vertailu ja analyysi ICANIWILL ja Nelly käyttävät samoja kohdennusparametreja, jotka ovat sijainti, ikä ja sukupuoli. Molemmissa mainoksissa sijainniksi on valittu Suomi, eikä sitä ole tarkemmin rajattu tiettyyn alueeseen tai kaupunkiin. Eroja löytyy sen sijaan iän ja sukupuolen valinnassa. Nelly on valinnut suuremman ikähaarukan (18–65-vuotiaat ja sitä vanhemmat), kun taas ICIW on valinnut kaksi tarkemmin rajattua ikähaarukkaa (18–24- ja 25–34-vuotiaat). Nellyn sivuilla kerrotaan, että heidän verkkokauppansa on suunnattu muodista ja kauneudesta kiinnostuneille nuorille aikuisille (Nelly.com, n.d.). Tämä luo ristiriidan heidän valitsemaansa laajaan ikähaarukkaan, jonka tulisi paremmin kohdistua nuoriin aikuisiin, eli 18–24-vuotiaisiin. Nellyn mainoksessa esiintyy nuoria naisia ja mainoksessa sanotaan ” Talven suosikit, joita et halua missata – farkut, lounge-setit, topit, saappaat ja paljon muuta.” (Meta, 2025). Mainoksen kirjoitustyyli, kuten sanan ’missata’ käyttö viittaa myös siihen, että se on kirjoitettu nuorille sopivalla tyylillä. Voidaan siis todeta, että mainos on kohdennettu erityisesti nuorille naisille, joten ikäparametria voisi muuttaa niin, että se kohdistuisi paremmin heidän todelliselle kohdeyleisölleen. ICIW:n ikähaarukka on rajattu tarkemmin ja harkitummin. Yrityksen verkkosivuilla ei määritellä tarkasti, mille ikäryhmille tuotteet on suunnattu. ICIW:n sosiaalisen median kanavien perusteella voidaan kuitenkin arvioida, että kohderyhmään näyttää kuuluvan urheiluvaatteista ja -tarvikkeista kiinnostuneet nuoret ja keski-ikäiset aikuiset sukupuolesta riippumatta. Perustan arvioni siihen, että yrityksen sosiaalisen median kanavien julkaisuissa esiintyy eniten juuri tähän kohderyhmään kuuluvia ihmisiä. Tämän perusteella voidaan todeta, että ICIW on kohdentanut ikäparametrin tarkoituksenmukaisesti oikeaan kohderyhmään. Sukupuoliparametri on Nellyllä rajattu naisiin, kun taas ICIW:llä kohderyhmään kuuluvat naiset, miehet sekä käyttäjät, jotka eivät ole määritelleet sukupuoltaan. Tämä voidaan nähdä onnistuneena kohdennuksena molempien näkökulmasta, sillä kyseinen Nellyn 38 mainos on nimenomaan tarkoitettu naisille, kun taas ICIW mainostaa tuotteitaan sukupuolesta riippumatta. Toisaalta ICIW:n mainoksessa esiintyy kaksi naista esittelemässä naisten mallistoa, mikä ei välttämättä ole yhtä relevanttia muille sukupuolille. Jos ICIW haluaisi kohdentaa juuri kyseisen mainoksen tarkemmin, kohderyhmäksi olisi perusteltua valita ainoastaan naiset. Kun tarkasteltuja mainoksia peilataan teoriaan, voidaan todeta, että molemmat yritykset ovat hyödyntäneet demografisia kohdennusparametreja. Tämä estää mainosten geneerisen esittämisen satunnaisille yleisöille ja tekee maksetun mainonnan käytöstä kannattavampaa. Abbasin (2025, s. 130) mukaan yleisöä voidaan rajata myös erittäin yksityiskohtaisten kiinnostuksen kohteiden perusteella. Näissä mainoksissa kiinnostuksen kohteita tai muita tarkentavia parametreja ei kuitenkaan ollut hyödynnetty mainoskirjastossa esitettyjen tietojen mukaan, vaikka niiden avulla mainonnan kohdentamista voitaisiin tarkentaa ja tehostaa edelleen. Grace ja muut (2012, s. 1010) esittävät, että tietoja esimerkiksi käyttäjien tykkäyksistä, kommenteista, seuratuista tileistä ja sisällön parissa vietetystä ajasta voidaan hyödyntää kohdentamisessa. TikTok tarjoaa nämä mahdollisuudet, mutta Metan mainoskirjastossa kyseiset parametrit eivät näyttäisi olevan valittavissa. Tämä on linjassa sen kanssa, että eri alustat tarjoavat ja painottavat erilaisia alustakohtaisia kohdennuskriteerejä. 39 5 Johtopäätökset Tutkimuksen tarkoituksena oli analysoida, miten sosiaalisen median kohdennetun mainonnan avulla voidaan tehostaa kuluttajien ostopolkua verkossa ja ohjata heidät suorittamaan haluttu toimenpide verkkokaupassa. Tutkimuksessa tähän pyrittiin vastaamaan kolmen tavoitteen avulla. Ensimmäisenä tavoitteena oli analysoida, mitä mainonnan kohdentaminen sosiaalisessa mediassa tarkoittaa ja millainen yhteys sillä on kuluttajan ostopolun tehostamiseen. Tutkimuksen perusteella mainonnan kohdentamisella tarkoitetaan big data -analytiikkaa hyödyntävää pyrkimystä tuottaa oikeille kohderyhmille heidän mieltymyksiinsä perustuvia mainoksia, joiden tavoitteena on ostotarpeen luominen ja liikenteen hankinta sosiaalisen median kontekstissa. Käsitteeseen liittyvät keskeisesti myös mainonnan kohdentamisen vaiheet, käyttäjäprofilointi ja kohdentamisen parametrien valitseminen. Tutkimuksesta ilmeni, että mainonnan kohdentamisella sosiaalisessa mediassa on merkittävä vaikutus käyttäjän ostoaikomuksiin ja ostopolun tehostamiseen. Tämä ei kuitenkaan ole itsestäänselvyys, vaan edellyttää relevanttia mainosta, joka näytetään oikealle kohderyhmälle. Parhaassa tapauksessa tämä tehostaa ostopolkua kiinnittämällä käyttäjän huomion, luo ostotarpeen, nopeuttaa päätöksentekoa ja parantaa sekä klikkausprosentteja että konversioasteita. Kontrastina epärelevantit, liian usein toistuvat ja liian henkilökohtaiset mainokset voivat aiheuttaa käyttäjissä mainosväsymystä ja yksityisyyden huolia, jotka puolestaan vaikuttavat negatiivisesti ostopolun etenemiseen. Riskejä tuovat myös datan väärinkäytön mahdollisuus sekä algoritminen syrjintä. Tutkimuksesta selvisi, että näihin riskeihin tulee suhtautua läpinäkyvällä viestinnällä käyttäjädatan käytöstä sekä toimimalla eettisten periaatteiden mukaisesti. Toisena tavoitteena oli analysoida, mitä konversio-optimoinnilla tarkoitetaan ja millainen merkitys sillä on verkkokaupan ostopolussa. Tutkimuksen perusteella konversio- optimoinnilla tarkoitetaan yleisellä tasolla pyrkimystä saada käyttäjä suorittamaan halutun toiminnon. Verkkokaupan ja ostopolun optimoinnin kontekstissa se tarkoittaa kuitenkin verkkokaupan suunnittelua siten, että se ohjaa kävijöitä mahdollisimman 40 tehokkaasti suorittamaan toivotun toiminnon, kuten ostoksen tekemisen tai uutiskirjeen tilaamisen. Konversio-optimoinnin onnistumisen keskeisinä edellytyksinä ovat verkkokaupan erityispiirteiden ymmärtäminen sekä käyttäjän ostopolun vaiheiden hahmottaminen. Tutkimuksesta ilmeni, että konversio-optimoinnilla on ratkaisevan tärkeä rooli silloin, kun sivustolla kävijöistä halutaan muuttaa maksavia asiakkaita. Tämä on merkittävää, sillä vain noin 4 % sivustolla kävijöistä päätyy tekemään ostoksen. Konversion parantaminen edellyttää käyttäjän ostopolun keskeisten kosketuspisteiden tunnistamista ja optimointia sekä psykologisten vaikuttamiskeinojen ymmärtämistä. Lisäksi verkkosivun rakenteen kehittäminen ja käyttäjäkokemuksen (UX) parantaminen vaikuttavat ratkaisevasti siihen, kuinka todennäköisesti kävijä suorittaa halutun toiminnon. Tutkimuksen kolmantena tavoitteena oli analysoida, millaisia kohdentamisen parametreja verkkokauppabrändit hyödyntävät sosiaalisen median mainoksissaan. Tutkimuksen perusteella kaksi vaatealan yritystä käyttivät molemmat demografisia kohdentamisparametreja, jotka olivat ikä, sukupuoli ja sijainti. Analyysi kuitenkin osoitti, etteivät yritykset hyödynnä kohdentamisen koko potentiaalia, sillä ne eivät käyttäneet tarkempia parametreja, jotka perustuvat kohdeyleisön alustakäyttäytymiseen ja kiinnostuksen kohteisiin. Monipuolisempi parametrien käyttö voisi tarkentaa ja tehostaa kohdeyleisön tavoittamista. Tutkimus tarjoaa liikkeenjohdolle näkökulman, joka korostaa digitaalisen markkinoinnin asiantuntijoiden tarvetta hahmottaa asiakaspolku kokonaisuutena. Se alleviivaa kohdennetun mainonnan merkitystä relevantin asiakasvirran hankinnassa sekä konversio-optimoinnin ratkaisevaa roolia potentiaalisten asiakkaiden muuttamisessa maksaviksi asiakkaiksi. Asiantuntijoiden tulisi hyödyntää kohdennusparametreja monipuolisesti, kehittää verkkosivujen käyttäjäkokemusta jatkuvasti, luoda relevantteja 41 kohdennettuja mainoksia ja huomioida mainonnan kohdentamisen sekä myönteiset että kielteiset vaikutukset ostopolkuun. Tutkimuksen rajoitteet näkyvät erityisesti empiriaosiossa. Vaikka se tarjoaa konkreettista tietoa yritysten käyttämistä kohdennusparametreistä, tarkastelu perustuu vain kahteen keskenään melko samankaltaiseen yritykseen, minkä vuoksi tuloksia ei voida pitää yleistettävinä. Aineisto olisi voinut olla laajempi ja sisältää mainoksia useammilta eri toimialoilta. Lisäksi mainoskirjastojen tarjoama data jäi osin pintapuoliseksi, sillä alustat eivät paljasta kaikkia algoritmisia parametrejaan. Tämä on kuitenkin ymmärrettävää, sillä täydellinen läpinäkyvyys mahdollistaisi järjestelmän manipuloinnin. Myös mainonnan kohdentamisen vaiheet esitetään tutkimuksessa melko yleisellä tasolla, mikä voi antaa niistä kapean kuvan. Ali ja muut (2019, s. 3) kuitenkin huomauttavat, etteivät alustat avaa tarkkoja mekanismeja, joiden perusteella kohdentamisen vaiheet määrittyvät. Jatkotutkimuksessa olisi hyödyllistä tarkastella esimerkiksi sitä, mitkä sosiaalisen median kanavat palvelevat parhaiten erilaisia yritystyyppejä asiakashankinnan näkökulmasta. Lisäksi lisäarvoa toisi syvempi ymmärrys siitä, miten eri alustojen algoritmit lopulta muodostavat ja valitsevat kohderyhmät. 42 Lähteet Abbasi, M. (2025). Fundamentals of Targeted Advertising in Social Media Based on Product and Service Types, Geographical Location, And Cultural Specifics. The American Journal of Engineering and Technology, 07(03), 127–132. https://doi.org/10.37547/tajet/Volume07Issue03-12 Al Khaldy, I. A. (2024). Impact of Digital Marketing Techniques in Increasing Effectiveness of Conversion Rate Optimization (CRO) among Telecommunication Organizations in Jordan. International Research Journal of Economics and Management Studies, 3(2), 251–259. https://doi.org/10.56472/25835238/IRJEMS-V3I2P131 Ali, M., Sapiezynski, P., Bogen, M., Korolova, A., Mislove, A., & Rieke, A. (2019). Discrimination through optimization: How Facebook’s ad delivery can lead to skewed outcomes. https://doi.org/10.48550/ARXIV.1904.02095 Aridor, G., Jiménez-Durán, R., Levy, R., & Song, L. (2024). The Economics of Social Media. Journal of Economic Literature, 62(4), 1422–1474. https://doi.org/10.1257/jel.20241743 Bimpikis, K., Ozdaglar, A., & Yildiz, E. (2016). Competitive Targeted Advertising Over Networks. Operations Research, 64(3), 705–720. https://doi.org/10.1287/opre.2015.1430 Chen, G., Xie, P., Dong, J., & Wang, T. (2019). Understanding Programmatic Creative: The Role of AI. Journal of Advertising, 48(4), 347–355. https://doi.org/10.1080/00913367.2019.1654421 43 Choi, W. J., Jerath, K., & Sarvary, M. (2023). Consumer Privacy Choices and (Un)Targeted Advertising Along the Purchase Journey. Journal of Marketing Research, 60(5), 889–907. https://doi.org/10.1177/00222437221140052 Daoud, M. K., Al-Qeed, M., Ahmad, A. Y. A. B., & Al-Gasawneh, J. A. (2023). Mobile Marketing: Exploring the Efficacy of User-Centric Strategies for Enhanced Consumer Engagement and Conversion Rates. International Journal of Membrane Science and Technology, 10(2), 1252–1262. https://doi.org/10.15379/ijmst.vi.1425 Datta, A., Tschantz, M. C., & Datta, A. (2015). Automated Experiments on Ad Privacy Settings: A Tale of Opacity, Choice, and Discrimination. Proceedings on Privacy Enhancing Technologies, 2015(1), 92–112. https://doi.org/10.1515/popets- 2015-0007 Devarajan, H. R. (2025). Machine Learning in Targeted Advertising: Examining Its Role, Ethical Implications, and Impacts on Consumer Privacy. Journal of Informatics Education and Research, 5(1), 1823–1832. https://doi.org/10.52783/jier.v5i1.2175 Dhal, S., Sabat, D. R., & Hota, P. (2024). An Empirical Investigation of the Factors Affecting Social Media Advertisements on E-tailing in Odisha. Srusti Management Review, 17(2), 291–306. Noudettu 24.10.2025 osoitteesta https://openurl.ebsco.com/EPDB%3Agcd%3A7%3A13643959/detailv2?sid=ebs co%3Aplink%3Ascholar&id=ebsco%3Agcd%3A182496196&crl=c&link_origin=sc holar.google.com 44 Eurostat. (2025). Digitalisation in Europe [Dataset]. Publications Office. https://data.europa.eu/doi/10.2785/3102705 Figueiredo, N., Ferreira, B. M., Abrantes, J. L., & Martinez, L. F. (2025). The Role of Digital Marketing in Online Shopping: A Bibliometric Analysis for Decoding Consumer Behavior. Journal of Theoretical and Applied Electronic Commerce Research, 20(1), 25. https://doi.org/10.3390/jtaer20010025 Grace, M. C., Zhou, W., Jiang, X., & Sadeghi, A.-R. (2012). Unsafe exposure analysis of mobile in-app advertisements. Proceedings of the Fifth ACM Conference on Security and Privacy in Wireless and Mobile Networks, 101–112. https://doi.org/10.1145/2185448.2185464 Ibrahim, S. M., Rahman, S. K., Sofi, N. M., & Ahmed, A. A. (2024). Consumer Behavior and the Evolution of Marketing Strategies in the Age of E-Commerce. Tikrit Journal of Administrative and Economic Sciences, 20(66, part 1), 337–358. https://doi.org/10.25130/tjaes.20.66.1.19 Kashyap, C., Yadav, N., Tabhane, C., Singh, S. K., & Singh, S. (2024). The Impact of Social Media Advertising on Consumer Purchase Decisions. IJFMR - International Journal For Multidisciplinary Research, 6(3). https://doi.org/10.36948/ijfmr.2024.v06i03.20524 Kirkin, S., & Melnyk, K. (2017). Intelligent Data Processing in Creating Targeted Advertising. Computational linguistics and intelligent systems: Proceeding of the 1st International Conference, 1, 1–141. Noudettu 11.10.2025 osoitteesta http://web.kpi.kharkov.ua/iks/wp- 45 content/uploads/sites/113/2021/11/COLINS- 2017_conference_proceedings.pdf#page=131 Lemon, K. N., & Verhoef, P. C. (2016). Understanding Customer Experience Throughout the Customer Journey. Journal of Marketing, 80(6), 69–96. https://doi.org/10.1509/jm.15.0420 Matahati, H., & Qastharin, A. R. (2024). Enhancing PT. LVC Website Marketing Strategy To Generate Leads Through Conversion Rate Optimization (CRO). Mandalika Journal of Business and Management Studies, 2(2), 189–208. https://doi.org/10.59613/mjbms.v3i1.136 McDowell, W. C., Wilson, R. C., & Kile, C. O. (2016). An examination of retail website design and conversion rate. Journal of Business Research, 69(11), 4837–4842. https://doi.org/10.1016/j.jbusres.2016.04.040 Meta. (2023). Meta Ad Library tools: Transparency Center. Noudettu 2.12.2025 osoitteesta https://transparency.meta.com/researchtools/ad-library-tools Meta. (2025). Mainoskirjasto. Noudettu 2.12.2025 osoitteesta https://www.facebook.com/ads/library/?active_status=active&ad_type=all&co untry=FI&is_targeted_country=false&media_type=all&q=nelly.com&search_ty pe=keyword_unordered Miikkulainen, R., Brundage, M., Epstein, J., Foster, T., Hodjat, B., Iscoe, N., Jiang, J., Legrand, D., Nazari, S., Qiu, X., Scharff, M., Schoolland, C., Severn, R., & Shagrin, A. (2020). Ascend by Evolv: Artificial Intelligence-Based Massively Multivariate Conversion Rate Optimization. AI Magazine, 41(1), 44–60. https://doi.org/10.1609/aimag.v41i1.5256 46 Nelly.com. (n.d.). Tietoja Nellystä. Noudettu 2.12.2025 osoitteesta https://nelly.com/fi/nellysta/ Pan, S. (2025). Effectiveness of Personalized Advertising in E-commerce Platforms. Interdisciplinary Humanities and Communication Studies, 1(11). https://doi.org/10.61173/c93aqe83 Pappas, I. O., Kourouthanassis, P. E., Giannakos, M. N., & Chrissikopoulos, V. (2017). Sense and sensibility in personalized e-commerce: How emotions rebalance the purchase intentions of persuaded customers. Psychology & Marketing, 34(10), 972–986. https://doi.org/10.1002/mar.21036 Purnomo, Y. J. (2023). Digital Marketing Strategy to Increase Sales Conversion on E- commerce Platforms. Journal of Contemporary Administration and Management (ADMAN), 1(2), 54–62. https://doi.org/10.61100/adman.v1i2.23 Shaban, A. A., & Zeebaree, S. R. M. (2025). A comprehensive review of digital marketing strategies for e-commerce success. International Journal of Scientific World, 11(1), 66–82. https://doi.org/10.14419/th8ey858 Srinivasan, S., Rutz, O. J., & Pauwels, K. (2016). Paths to and off purchase: Quantifying the impact of traditional marketing and online consumer activity. Journal of the Academy of Marketing Science, 44(4), 440–453. https://doi.org/10.1007/s11747-015-0431-z TikTok. (2025). Ad details. Noudettu 2.12.2025 osoitteesta https://library.tiktok.com/ads/detail/?ad_id=1813263156595762 47 Ullah, I., Boreli, R., & Kanhere, S. S. (2023). Privacy in targeted advertising on mobile devices: A survey. International Journal of Information Security, 22(3), 647–678. https://doi.org/10.1007/s10207-022-00655-x Vo, D.-T., Mai, N. Q., Nguyen, L. T., Thuan, N. H., Dang-Pham, D., & Hoang, A.-P. (2024). Examining authenticity on digital touchpoint: A thematic and bibliometric review of 15 years’ literature. Journal of Research in Interactive Marketing, 18(3), 463– 484. https://doi.org/10.1108/JRIM-02-2023-0042 Wang, R. (2025). Influence of E-commerce Economy on Consumer Decision Making. Advances in Economics, Management and Political Sciences, 167(1), 167–173. https://doi.org/10.54254/2754-1169/2025.21161 Zimmermann, R., & Auinger, A. (2023). Developing a conversion rate optimization framework for digital retailers—Case study. Journal of Marketing Analytics, 11(2), 233–243. https://doi.org/10.1057/s41270-022-00161-y 1 Johdanto 1.1 Tutkimuksen tarkoitus ja tavoitteet 1.2 Tutkimuksen rajaukset ja rakenne 1.3 Tutkimuksen keskeiset käsitteet 2 Mainonnan kohdentaminen sosiaalisessa mediassa 2.1 Mainonnan kohdentamisen määritelmä 2.2 Käyttäjäprofilointi ja kohdentamisen parametrit 2.3 Keskeiset vaiheet 2.4 Vaikutukset kuluttajan ostopolkuun 2.4.1 Positiiviset vaikutukset 2.4.2 Negatiiviset vaikutukset 2.5 Yhteenveto 3 Verkkokaupan ostopolku konversio-optimoinnissa 3.1 Verkkokaupan erityispiirteet 3.2 Ostopolun vaiheet 3.3 Konversio-optimointi 3.4 Yhteenveto teoreettisesta viitekehyksestä 4 Case: Sosiaalisen median mainonnan kohdentaminen verkkokauppayritysten markkinointitoimissa 4.1 Nellyn kohdennettu mainonta Metan mainoskirjastoissa 4.2 ICANIWILL kohdennettu mainonta TikTokin mainoskirjastossa 4.3 Mainosten vertailu ja analyysi 5 Johtopäätökset Lähteet