데이터를 통해 마케팅 의사 결정을 강화하는 5단계

나는 최근에 우리 고객 중 한 명을 위한 회의에서 연설을 하다가 "측정과 관련하여 가장 어려운 점은 무엇입니까?"라고 물었습니다. 150명 이상의 마케터가 모인 이 방에서 내가 들은 것 중 몇 가지는 다음과 같습니다.

“측정할 것이 너무 많습니다”

"결과를 이해하고 적용 가능하게 만들기"

"분석 플랫폼의 사용 용이성"

"도구 간의 통합"

"지금 가치가 있는 것이 미래에는 가치가 없을 수도 있습니다."

당신이 느끼거나 생각한 것들이 있습니까? 현실을 직시하자. 성과와 효율성에 대한 명확한 그림을 얻는 것은 대부분의 마케팅 팀이 어느 정도 어려움을 겪는 것입니다. 실제로 연례 콘텐츠 마케팅 설문 조사의 최신판에서 Content Marketing Institute/MarketingProfs의 친구들은 B2B 마케터의 거의 절반이 플랫폼 간에 데이터를 통합/상관하는 데 어려움을 겪고 있으며 45%는 조직의 목표 설정 KPI가 부족하다고 말했습니다. 에 대해 측정합니다. 이것들은 우리가 해야 할 기본적인 일이지만 2023년에도 마케팅 담당자는 이를 수행하기 위해 고군분투하고 있습니다.

마케팅 담당자로서 데이터를 전략적으로 사용하는 방법

마케팅 활동에서 전략적이 되려면 고객을 알아야 하고, 데이터를 명확하게 파악하고, 데이터를 이해할 수 있어야 하며, 데이터를 실험해야 합니다. 데이터 수집 및 측정에 대한 사려 깊고 전략적인 접근 방식 없이는 마케팅 의사 결정 엔진을 효과적으로 강화할 수 없습니다.

다음은 전략적 측정 프레임워크를 구축하고 측정 대상에 따라 조치를 취하기 위해 모든 팀이 수행해야 하는 5가지 사항입니다.

1. 9가지 유형의 청중 데이터에 노력을 기울이십시오.

SmarterHQ는 1,000명의 소비자를 대상으로 실시한 설문 조사에서 "소비자의 72%가 이제 개인화되고 관심사에 맞는 마케팅 메시지에만 참여한다고 답했습니다."라고 밝혔습니다. 그들은 또한 이 문제가 비즈니스 구매자들 사이에서 훨씬 더 심각하다는 것을 발견했습니다. "그 중 82%는 개인화된 고객 관리가 충성도에 영향을 미친다고 말합니다." 그것은 놀라운 일이 아닙니다. 특정 요구 사항과 전혀 관련이 없는 광고나 이메일을 받았을 때 우리 모두 좌절하지 않았습니까?

청중에게 중요한 것이 무엇인지 명확하게 파악하려면 기본 이상의 정보를 수집해야 합니다. 귀하의 조직은 다음 9개 영역을 고려하여 고객 기록을 수집하고 유지합니까?

• 인구 통계
• 지리적
• 행동
• 사이코그래픽
• 고객 관계
• 채널 기본 설정
• 테크노그래픽
• 소셜 미디어
• 동의 및 선호도

2. 데이터 통합

Ascend2의 "데이터 통합 ​​및 관리" 설문 조사에서 우리 친구들은 마케터의 71%가 데이터를 통합하고 관리하는 전략을 구현하는 것이 다소 또는 매우 복잡하다는 데 동의한다는 것을 발견했습니다. 우리는 대형 금융 기관 에서 유명한 의료 브랜드 에 이르기까지 우리 고객들 사이에서 이것을 보았습니다 . 데이터 통합 ​​프로세스가 번거롭고 너무 많은 팀이 관련되어 있다고 말하는 고객이 너무 많습니다.

하지만 사실은 데이터를 통합하기에 지금보다 더 좋은 때는 없을 것입니다. 우리 모두는 보다 개인화되고 데이터 중심적인 미래를 향해 나아가고 있습니다. 이를 염두에 두고 우리 팀이 영향에 대해 보고하고 보다 개인화된 정보를 제공할 수 있도록 돕는 하나의 진실 소스를 구축하는 프로세스의 우선순위를 정해야 합니다. 고객을 위한 경험.

3. 데이터 품질에 투자

나는 최근 트위터로부터 이름이 X Corp로 변경되었음을 알리는 이메일을 받았습니다. 나에게 주소가 지정되지 않은 것을 제외하고는 "Stacy K"로 주소가 지정되었습니다. 그런 다음 첫 번째 이메일이 실수였으며 내 정보가 손상되지 않았음을 알려주는 후속 이메일을 받았습니다 . 참고(아래) 그들은 이 이메일에 개인화를 포함하지도 않았습니다(그냥 "Hello"라고만 표시됨).

이러한 종류의 인적 오류는 기껏해야 브랜드를 어리석게 보이게 하고 최악의 경우 신뢰를 약화시키기 때문에 평판에 해를 끼칠 수 있습니다. 데이터를 통해 더 나은 결정을 내리려면 데이터 품질을 높여야 합니다. 이를 위해 먼저 정기적으로 데이터 감사를 수행해야 합니다.

• 데이터 입력/가져오기에 대한 프로세스 및 표준을 지속적으로 검토합니다.
• 정기적으로 데이터 품질을 무작위로 확인합니다.
• 다양한 이해관계자 그룹이 데이터를 어떻게 사용/증가하는지 검토합니다.

또한 거버넌스 및 팀 교육은 데이터 품질 유지에 필수적입니다. 인프라나 데이터 자체뿐만 아니라 생성 및 사용을 감독하는 사람들도 마찬가지입니다.

4. AI 및 기계 학습 활용

2012년 The New York Times에 기고한 Charles Duhigg의 영향력 있는 기사를 기억하실 것입니다. 그는 Target의 데이터 과학 팀이 고객이 명시적으로 아기 관련 구매를 하기 전에도 어떤 고객이 임신했을 가능성이 있는지 판단할 수 있었는지 밝혔습니다. 그들은 끈기와 많은 실험을 통해 이를 수행했지만, 요즘에는 Optimizely 또는 Persado와 같은 AI 증강 도구를 사용하여 고객 집단을 식별하고 대상을 재지정하고 심지어 알려진 것을 기반으로 동적으로 웹페이지 카피 또는 광고를 제공할 수 있습니다. 이러한 종류의 마케팅 의사 결정은 일단 시스템이 설정되면 사람의 개입이 필요하지 않습니다.

그러나 소규모 팀이라도 공개적으로 사용 가능한 AI 도구를 사용하여 청중을 더 잘 이해하기 위한 연구를 수행할 수 있습니다. ChatGPT로 이동하여 "[대상 청중]이 [귀하의 제품] 구매를 고려할 때 가장 중요한 요소는 무엇입니까?"와 같은 질문을 입력할 수 있습니다. 여기서 비결은 구체적입니다. "밀레니얼"에 대해 얻을 수 있는 답변은 "예산이 제한된 밀레니얼 비즈니스 소유자"에 대한 답변보다 훨씬 덜 구체적일 것입니다.

5. 가설 테스트

또한 데이터는 정적이어서는 안 됩니다. 계속해서 데이터를 개선하고 학습하려면 가설을 세우고 테스트를 설정하여 무엇이 사실이고 무엇이 그렇지 않은지 확인해야 합니다.

내가 마케팅 팀과 이야기할 때 그들이 테스트 의욕이 없는 것은 아닙니다. 종종 그들은 단순히 일관되게 테스트하기 위한 메커니즘을 제자리에 두지 않았습니다.

콘텐츠 캘린더 에 테스트를 구축하십시오 . 모든 콘텐츠와 모든 캠페인에 할당된 테스트가 있고 해당 테스트를 지원하기 위한 자산 생성이 생산 프로세스에 내장되어 있다면 모든 마케팅 실행에서 빠르고 일관되게 학습할 수 있습니다.

데이터를 사용하여 더 나은 결정을 내리려면 궁극적으로 목표와 관련된 데이터가 있는지 확인해야 합니다. 팔로워 수나 구독자 수와 같은 것이 반드시 필요한 것은 아닙니다. 오히려 참여 및 전환이 고객의 각 단계를 전체적으로 보는 방식에 대한 전체론적 롤업일 수 있습니다.

콘텐츠의 개별 수치나 실적에서 명확성을 찾는 대신 전반적인 실적의 변화와 마케팅 개발에 대한 전략적 접근 방식을 찾아야 합니다. 이를 위해서는 더 많은 데이터가 필요하지만 데이터를 큰 그림 목표와 연관시킬 수 있도록 함으로써 큰 ​​그림을 이해하는 데 도움이 되는 도구도 필요합니다.

팀이 AI로 일상 업무를 어떻게 보강할 수 있는지 자세히 알고 싶으십니까?예정된 AI 준비 웨비나에 대해 알아보려면 여기를 클릭하십시오.