I dati più l'analisi sono la strada per la verità

In una storia precedente, abbiamo esaminato l'importanza per l'analisi dei dati di evitare distorsioni e scegliere le metriche giuste. In questo follow-up discutiamo l'importanza di affrontare la "realtà analitica".

L'analisi dei dati dovrebbe sostituire le intuizioni con i fatti. I marchi non vogliono rischiare milioni di dollari della campagna sull'istinto di qualcuno. Il marketer, idealmente, ha un obiettivo, una chiara soglia di successo che deve essere superata per ottenere risultati. Quindi come ci arrivi?

L'analisi dei dati è il "GPS". Il punto centrale dell'analisi dei dati è capire cosa sta succedendo e utilizzare tali informazioni per prendere la decisione giusta. È “pronto, mira, spara” (dati, analisi, azione). Ma a volte l'ordine viene confuso, con il risultato che le persone traggono conclusioni sbagliate e agiscono su tale base. Il processo diventa quindi "pronto, fuoco, mira", o ancora più comicamente, "fuoco, mira, pronto".

"Il più grande test dei dati è l'analisi", ha affermato Mark Stouse, presidente e CEO di Proof Analytics. "Contestualizza i dati, rendendo straordinariamente difficile la produzione di conclusioni, mentre la sola visualizzazione dei dati lo rende facile."

I dati possono identificare cosa sta causando qualcosa?

Si può valutare la causalità solo dai dati? Stouse crede di no. Gli esperti di marketing possono provare estrapolando dai dati storici, quindi verificare se questa estrapolazione è corretta. “Se tutto è stabile, l'estrapolazione può funzionare. Ma quando la varietà, la volatilità e la velocità del cambiamento sono grandi, l'estrapolazione ha valore zero".

“In effetti i dati riguardano sempre il passato e non hanno una capacità innata di previsione. Il passato non è un prologo", ha continuato. “Ma la regressione multivariabile è l'approccio collaudato per prendere i dati che rappresentano i fattori rilevanti (i noti noti) - così come alcune cose potenzialmente importanti (le incognite note) - e trasformarli in un ritratto storico calcolato della causalità. Ciò, a sua volta, crea una previsione rispetto alla quale è possibile comprendere l'accuratezza del modello rispetto a un confronto tra previsione ed effettivo.

Erica Magnotto, direttore di SEM presso Accelerated Digital Media, vede il valore dei dati storici, ma solo se c'è spazio per una prospettiva retroattiva e una pianificazione predittiva. “Il successo delle campagne di previsione dovrebbe essere basato su dati di tendenza e prestazioni come anno dopo anno e mese dopo mese. Ciò dovrebbe creare previsioni accurate sul successo futuro. Se i dati previsti indicano un mese più lento o una potenziale flessione del mercato, è possibile effettuare ottimizzazioni in tempo reale per promuovere l'efficienza e la scala conservativa. Se le previsioni indicano un mese più forte, allora è il momento di iniziare a pianificare la scalabilità, i test e il lancio di ulteriori campagne".

Gli esperti di marketing dovrebbero anche essere consapevoli dei singhiozzi nel modello. Magnotto ha notato che c'è una differenza tra il normale "flusso e riflusso" della prestazione rispetto a un incidente/picco. “I dati che si verificano al di fuori del normale margine di flusso e riflusso potrebbero indicare che è necessaria un'azione immediata sul conto. Gli esperti di marketing non dovrebbero inoltre presumere che il comportamento degli utenti sarà sempre coerente, quindi è importante comprendere le prestazioni dei benchmark in modo da poter rilevare comportamenti anomali dell'utente (o della campagna) ", ha affermato.

Scavare più a fondo: Marketing analitica : Cos'è e perché i professionisti del marketing dovrebbero interessarsene

Cosa possono fare i marketer?

Gli esperti di marketing devono essere analitici, di mentalità aperta e umili allo stesso tempo. Questo da solo può essere una sfida quando ci sono sempre alcune persone che possono essere troppo sicure di sé o fissate sul banale a scapito del sostanziale. Tuttavia, ci sono approcci per controllare gli errori prima che si verifichino.

Magnotto si è concentrato sulla conoscenza dei dati, del cliente e sul riconoscimento della realtà. Ha offerto questa lista di controllo per le agenzie, ma i punti principali si applicano anche ai marchi:

1. Comprendere i principi di base di fogli Excel e come eseguire il pivot di grandi set di dati scaricati da qualsiasi piattaforma.

2. Comprendere le formule di confronto di base e le modalità predefinite per esaminare le tendenze dei dati (mese su mese, anno su anno, periodo su periodo, settimana su settimana).

3. Avere concordato KPI primari e KPI secondari con il cliente.

4. Parlare sempre la lingua del cliente e incorporare la fonte dei dati veritieri del cliente nei rapporti. Ciò garantirà conversazioni più produttive e aiuterà i professionisti del marketing a evitare di commettere errori o interpretare erroneamente le prestazioni.

5) Sapere quando ammettere la sconfitta in una strategia di campagna. Se una "grande idea" non funziona, sentiti a tuo agio lasciando che i dati parlino da soli e cambiando strategie.

6) Segnalare sempre il QA. Applica il QA a formule, intervalli di tempo, numeri, ecc. Se qualcosa sembra troppo bello per essere vero durante l'analisi dei dati, probabilmente lo è. QA per gli errori che potrebbero portare a quell'anomalia.

Stouse ha sottolineato di evitare una mentalità fissa. "La cecità alla realtà analitica riguarda la scelta di non vedere, perché ciò che c'è offre una sfida a ciò in cui credi." Egli ha detto. “L'opposto dell'analisi è una certezza che hai scelto e giustificato senza alcuna base reale se non il tuo interesse personale. Sono stati fatti più errori in nome della certezza di qualsiasi altra cosa io possa pensare.