Data plus analitik adalah jalan menuju kebenaran

Dalam cerita sebelumnya, kita melihat pentingnya analisis data untuk menghindari bias dan memilih metrik yang tepat. Dalam tindak lanjut ini kita membahas pentingnya menghadapi “realitas analitis.”

Analisis data seharusnya menggantikan firasat dengan fakta. Merek tidak ingin mengambil risiko jutaan dolar kampanye pada insting seseorang. Pemasar idealnya memiliki tujuan, ambang kesuksesan yang jelas yang harus dilintasi untuk mencapai hasil. Jadi bagaimana Anda sampai di sana?

Analisis data adalah "GPS". Inti dari analisis data adalah untuk memahami apa yang sedang terjadi dan menggunakan informasi itu untuk membuat keputusan yang tepat. Itu "siap, bidik, tembak" (data, analisis, tindakan). Namun terkadang urutannya tercampur aduk, mengakibatkan orang menarik kesimpulan yang salah dan bertindak atas dasar itu. Prosesnya kemudian menjadi “siap, tembak, bidik”, atau bahkan lebih lucu lagi, “tembak, bidik, siap”.

“Pengujian data terbesar adalah analitik,” kata Mark Stouse, ketua dan CEO Proof Analytics. “Ini mengontekstualisasikan data, membuatnya sangat sulit untuk membuat kesimpulan, sedangkan visualisasi data saja membuatnya mudah.”

Bisakah data mengidentifikasi apa yang menyebabkan sesuatu?

Bisakah seseorang mengukur kausalitas dari data saja? Stouse tidak percaya. Pemasar dapat mencoba mengekstrapolasi dari data historis, kemudian memeriksa apakah ekstrapolasi ini benar. “Jika semuanya stabil, ekstrapolasi bisa berhasil. Tetapi ketika variasi, volatilitas, dan kecepatan perubahan besar, ekstrapolasi memiliki nilai nol.”

“Data memang selalu tentang masa lalu, dan tidak memiliki kemampuan bawaan untuk memprediksi. Masa lalu bukan Prolog, ”lanjutnya. “Tapi regresi multivariabel adalah pendekatan yang terbukti untuk mengambil data yang mewakili faktor-faktor yang relevan (yang diketahui) — serta beberapa hal yang berpotensi penting (tidak diketahui yang diketahui) — dan mengubahnya menjadi potret sejarah kausalitas yang diperhitungkan. Itu, pada gilirannya, menciptakan ramalan yang dengannya Anda dapat memahami keakuratan model vis-à-vis perbandingan antara ramalan dan aktual.

Erica Magnotto, direktur SEM di Accelerated Digital Media, melihat nilai data historis, tetapi hanya jika ada ruang untuk perspektif retroaktif dan perencanaan prediktif. “Memperkirakan keberhasilan kampanye harus didasarkan pada data dan kinerja yang sedang tren seperti tahun demi tahun dan bulan demi bulan. Ini harus membuat prediksi yang mendekati akurat tentang kesuksesan di masa depan. Jika data yang diperkirakan menunjukkan bulan yang lebih lambat atau potensi penurunan di pasar, pengoptimalan dapat dilakukan secara real time untuk meningkatkan efisiensi dan skala konservatif. Jika perkiraan menunjukkan bulan yang lebih kuat, inilah waktunya untuk mulai merencanakan skala, pengujian, dan peluncuran kampanye tambahan.”

Pemasar juga harus menyadari cegukan dalam model. Magnotto mencatat bahwa ada perbedaan antara performa normal "pasang surut"'" versus crash/spike. “Data yang terjadi di luar batas normal pasang surut dapat menunjukkan bahwa tindakan segera di akun diperlukan. Pemasar juga tidak boleh menganggap perilaku pengguna akan selalu konsisten sehingga penting untuk memahami kinerja tolok ukur sehingga perilaku pengguna (atau kampanye) yang tidak normal dapat dideteksi,” katanya.

Gali lebih dalam: Pemasaran analitik : Apa itu dan mengapa pemasar harus peduli

Apa yang dapat dilakukan pemasar?

Pemasar harus analitis, berpikiran terbuka, dan rendah hati pada saat yang bersamaan. Ini saja bisa menjadi tantangan ketika selalu ada beberapa orang yang terlalu percaya diri, atau terpaku pada hal-hal sepele dengan mengorbankan substantif. Namun, ada cara untuk memeriksa kesalahan sebelum terjadi.

Magnotto berfokus pada mengetahui data, pelanggan, dan mengakui kenyataan. Dia menawarkan daftar periksa ini untuk agensi, tetapi poin utamanya juga berlaku untuk merek:

1. Pahami prinsip dasar excel/sheet dan cara melakukan pivot kumpulan data besar yang diunduh dari platform apa pun.

2. Pahami rumus perbandingan dasar dan cara default untuk melihat tren data (bulan demi bulan, tahun demi tahun, periode demi periode, minggu demi minggu).

3. Telah menyepakati KPI primer dan KPI sekunder dengan klien.

4. Selalu gunakan bahasa klien dan gabungkan sumber data kebenaran klien ke dalam pelaporan. Ini akan memastikan percakapan yang lebih produktif dan membantu pemasar menjauhi kesalahan atau salah membaca kinerja.

5) Tahu kapan harus mengaku kalah dalam strategi kampanye. Jika "ide bagus" tidak berhasil, maka tenanglah membiarkan data berbicara sendiri dan mengubah strategi.

6) Selalu pelaporan QA. Terapkan QA ke rumus, kerangka waktu, angka, dll. Jika sesuatu terlihat terlalu bagus untuk menjadi kenyataan saat menganalisis data, mungkin memang begitu. QA untuk kesalahan yang mungkin mengarah ke anomali itu.

Stouse menekankan menghindari mindset tetap. “Kebutaan terhadap realitas analitis adalah tentang memilih untuk tidak melihat, karena apa yang ada menawarkan tantangan terhadap apa yang Anda yakini.” dia berkata. “Kebalikan dari analisis adalah kepastian yang telah Anda pilih dan dibenarkan tanpa dasar yang nyata kecuali kepentingan Anda sendiri. Lebih banyak kesalahan telah dibuat atas nama kepastian daripada hal lain yang dapat saya pikirkan.”

Dapatkan MarTech! Sehari-hari. Bebas. Di kotak masuk Anda.

Alamat email bisnis

Langganan Pengolahan...

Lihat persyaratan.