Daten plus Analysen sind der Weg zur Wahrheit

In einer früheren Geschichte haben wir uns mit der Bedeutung der Vermeidung von Verzerrungen und der Auswahl der richtigen Metriken für die Datenanalyse befasst. In diesem Follow-up diskutieren wir, wie wichtig es ist, sich der „analytischen Realität“ zu stellen.

Datenanalyse soll Vermutungen durch Fakten ersetzen. Marken wollen nicht Millionen von Wahlkampfdollars für das Bauchgefühl von jemandem riskieren. Der Marketer hat im Idealfall ein Ziel, eine klare Erfolgsschwelle, die überschritten werden muss, um Ergebnisse zu erzielen. Wie kommen Sie dorthin?

Die Datenanalyse ist das „GPS“. Der ganze Sinn der Datenanalyse besteht darin, zu verstehen, was vor sich geht, und diese Informationen zu nutzen, um die richtige Entscheidung zu treffen. Es heißt „Fertig, Ziel, Feuer“ (Daten, Analyse, Aktion). Aber manchmal wird die Reihenfolge durcheinander gebracht, was dazu führt, dass Menschen die falschen Schlussfolgerungen ziehen und auf dieser Grundlage handeln. Der Prozess wird dann „Fertig, Feuer, Ziel“ oder noch komischer „Feuer, Ziel, bereit“.

„Der größte Test für Daten ist die Analyse“, sagte Mark Stouse, Vorsitzender und CEO von Proof Analytics. „Es kontextualisiert die Daten, was es außerordentlich schwierig macht, Schlussfolgerungen zu ziehen, während die Datenvisualisierung allein es einfach macht.“

Können Daten erkennen, was etwas verursacht?

Kann man Kausalität allein anhand von Daten abschätzen? Stouse glaubt nicht. Vermarkter können versuchen, aus historischen Daten zu extrapolieren und dann überprüfen, ob diese Hochrechnung korrekt war. „Wenn alles stabil ist, kann die Hochrechnung funktionieren. Aber wenn die Vielfalt, Volatilität und Geschwindigkeit der Veränderung groß ist, hat die Extrapolation keinen Wert.“

„Daten beziehen sich in der Tat immer auf die Vergangenheit und haben keine angeborene Fähigkeit zur Vorhersage. Vergangenheit ist nicht Prolog“, fuhr er fort. „Aber die multivariable Regression ist der bewährte Ansatz, um Daten zu nehmen, die die relevanten Faktoren (die bekannten Bekannten) darstellen – sowie einige potenziell wichtige Dinge (bekannte Unbekannte) – und daraus ein berechnetes historisches Porträt der Kausalität zu machen. Das wiederum erstellt eine Prognose, anhand derer Sie die Genauigkeit des Modells im Vergleich zwischen Prognose und Ist-Werten nachvollziehen können.“

Erica Magnotto, Director of SEM bei Accelerated Digital Media, sieht den Wert historischer Daten, aber nur, wenn es Raum für rückwirkende Perspektiven und vorausschauende Planung gibt. „Die Prognose des Kampagnenerfolgs sollte auf Trenddaten und der Leistung basieren, beispielsweise im Jahresvergleich und im Monatsvergleich. Dies sollte nahezu genaue Vorhersagen über den zukünftigen Erfolg ermöglichen. Wenn die prognostizierten Daten auf einen langsameren Monat oder einen möglichen Marktrückgang hindeuten, können Optimierungen in Echtzeit vorgenommen werden, um die Effizienz und den konservativen Umfang zu fördern. Wenn die Prognose auf einen stärkeren Monat hindeutet, ist es an der Zeit, mit der Planung für Skalierung, Tests und zusätzliche Kampagnenstarts zu beginnen.“

Vermarkter sollten sich auch Schluckauf im Modell bewusst sein. Magnotto bemerkte, dass es einen Unterschied zwischen normaler „Ebbe und Flut“ der Leistung und einem Crash/Spike gibt. „Daten, die außerhalb der normalen Bandbreite von Ebbe und Flut auftreten, könnten darauf hindeuten, dass sofortige Maßnahmen auf dem Konto erforderlich sind. Vermarkter sollten auch nicht davon ausgehen, dass das Benutzerverhalten immer konsistent sein wird, daher ist es wichtig, die Benchmark-Leistung zu verstehen, damit abnormales Benutzer- (oder Kampagnen-) Verhalten erkannt werden kann“, sagte sie.

Tiefer graben: Marketing Analytik : Was es ist und warum Marketer sich darum kümmern sollten

Was können Marketer tun?

Marketer müssen gleichzeitig analytisch, aufgeschlossen und bescheiden sein. Alleine das kann eine Herausforderung sein, wenn es immer wieder Leute gibt, die zu selbstsicher sein können oder auf Kosten des Inhaltlichen auf das Triviale fixiert sind. Dennoch gibt es Ansätze, Fehler zu überprüfen, bevor sie passieren.

Magnotto konzentrierte sich darauf, die Daten und den Kunden zu kennen und die Realität anzuerkennen. Sie hat diese Checkliste für Agenturen angeboten, aber die wichtigsten Punkte darauf gelten auch für Marken:

1. Verstehen Sie die grundlegenden Prinzipien von Excel/Tabellen und wie Sie große Datensätze, die von einer beliebigen Plattform heruntergeladen wurden, schwenkbar machen.

2. Grundlegende Vergleichsformeln und Standardmethoden zur Betrachtung von Datentrends verstehen (Monat für Monat, Jahr für Jahr, Zeitraum für Zeitraum, Woche für Woche).

3. Primäre KPIs und sekundäre KPIs mit dem Kunden vereinbart haben.

4. Sprechen Sie immer die Sprache des Kunden und integrieren Sie die Source of Truth-Daten des Kunden in die Berichterstattung. Dies sorgt für produktivere Gespräche und hilft Marketingfachleuten, Fehler zu vermeiden oder die Leistung falsch zu interpretieren.

5) Wissen, wann man in einer Kampagnenstrategie eine Niederlage eingestehen muss. Wenn eine „großartige Idee“ nicht funktioniert, lassen Sie die Daten für sich sprechen und ändern Sie die Strategien.

6) Immer QA-Berichte. Wenden Sie QA auf Formeln, Zeitrahmen, Zahlen usw. an. Wenn etwas bei der Datenanalyse zu gut aussieht, um wahr zu sein, ist es das wahrscheinlich auch. QA für Fehler, die zu dieser Anomalie führen können.

Stouse betonte, eine starre Denkweise zu vermeiden. „Bei der Blindheit gegenüber der analytischen Realität geht es darum, sich dafür zu entscheiden, nicht zu sehen, weil das, was da ist, eine Herausforderung für das darstellt, was man glaubt.“ er sagte. „Das Gegenteil von Analyse ist eine Gewissheit, die Sie ohne wirkliche Grundlage außer Ihrem eigenen Eigeninteresse gewählt und gerechtfertigt haben. Im Namen der Gewissheit wurden mehr Fehler gemacht als alles andere, was mir einfällt.“