Dane plus analityka to droga do prawdy

W poprzedniej historii przyjrzeliśmy się temu, jak ważne dla analizy danych jest unikanie stronniczości i wybieranie właściwych metryk. W tym uzupełnieniu omawiamy znaczenie konfrontacji z „analityczną rzeczywistością”.

Analiza danych ma zastąpić przeczucia faktami. Marki nie chcą ryzykować milionów dolarów na kampanię, kierując się czyimś instynktem. W idealnym przypadku marketer ma cel, wyraźny próg sukcesu, który należy przekroczyć, aby osiągnąć wyniki. Jak się tam dostać?

Analiza danych to „GPS”. Cały sens analizy danych polega na zrozumieniu, co się dzieje i wykorzystaniu tych informacji do podjęcia właściwej decyzji. To „gotowe, celuj, strzelaj” (dane, analiza, akcja). Ale czasami kolejność jest pomieszana, w wyniku czego ludzie wyciągają błędne wnioski i działają na tej podstawie. Proces staje się wtedy „gotowy, strzelaj, celuj” lub jeszcze bardziej komicznie „ogień, celuj, gotowe”.

„Największym testem danych jest analiza” — powiedział Mark Stouse, prezes i dyrektor generalny Proof Analytics. „Kontekstualizuje dane, co niezwykle utrudnia wyciąganie wniosków, podczas gdy sama wizualizacja danych to ułatwia”.

Czy dane mogą zidentyfikować przyczynę czegoś?

Czy można ocenić związek przyczynowy na podstawie samych danych? Stouse uważa, że ​​nie. Marketerzy mogą spróbować dokonać ekstrapolacji danych historycznych, a następnie sprawdzić, czy ta ekstrapolacja była poprawna. „Jeśli wszystko jest stabilne, ekstrapolacja może zadziałać. Ale kiedy różnorodność, zmienność i szybkość zmian są duże, ekstrapolacja ma wartość zerową”.

„Dane rzeczywiście zawsze dotyczą przeszłości i nie mają wrodzonej zdolności przewidywania. Przeszłość to nie prolog – kontynuował. „Ale regresja wielowymiarowa to sprawdzone podejście do zbierania danych reprezentujących istotne czynniki (znane wiadome) – a także niektóre potencjalnie ważne rzeczy (znane niewiadome) – i przekształcania ich w obliczony historyczny portret związku przyczynowego. To z kolei tworzy prognozę, na podstawie której można ocenić dokładność modelu w porównaniu z porównaniem prognozy z rzeczywistością”.

Erica Magnotto, dyrektor SEM w Accelerated Digital Media, dostrzega wartość danych historycznych, ale tylko wtedy, gdy jest miejsce na perspektywę retroaktywną i planowanie predykcyjne. „Prognozowanie sukcesu kampanii powinno opierać się na trendach danych i skuteczności, takich jak rok do roku i miesiąc do miesiąca. Powinno to stworzyć prawie dokładne prognozy dotyczące przyszłego sukcesu. Jeśli prognozowane dane wskazują na wolniejszy miesiąc lub potencjalne pogorszenie koniunktury na rynku, optymalizacje mogą być dokonywane w czasie rzeczywistym w celu promowania wydajności i zachowawczej skali. Jeśli prognozy wskazują na lepszy miesiąc, czas zacząć planować skalę, testy i dodatkowe uruchomienia kampanii”.

Marketerzy powinni być również świadomi czkawek w modelu. Magnotto zauważył, że istnieje różnica między normalnym „przypływem i odpływem”'” wydajności a awarią/skokiem. „Dane występujące poza normalnym marginesem przypływów i odpływów mogą wskazywać, że konieczne jest natychmiastowe działanie na koncie. Marketerzy nie powinni również zakładać, że zachowanie użytkowników będzie zawsze spójne, dlatego ważne jest, aby zrozumieć wydajność testu porównawczego, aby można było wykryć nieprawidłowe zachowanie użytkownika (lub kampanii)” – powiedziała.

Kop głębiej: marketing analityka : Co to jest i dlaczego marketerzy powinni się tym przejmować

Co mogą zrobić marketerzy?

Marketerzy muszą być analityczni, otwarci i jednocześnie pokorni. Samo to może być wyzwaniem, gdy zawsze są ludzie, którzy mogą być zbyt pewni siebie lub skupieni na błahostkach kosztem merytorycznych. Istnieją jednak metody sprawdzania błędów przed ich wystąpieniem.

Magnotto skupił się na poznaniu danych, klienta i poznaniu rzeczywistości. Zaproponowała tę listę kontrolną agencjom, ale główne punkty na niej zawarte odnoszą się również do marek:

1. Zrozumienie podstawowych zasad programu Excel/arkuszy oraz sposobów przestawiania dużych zestawów danych pobranych z dowolnej platformy.

2. Zrozum podstawowe formuły porównawcze i domyślne sposoby patrzenia na trendy danych (miesiąc do miesiąca, rok do roku, okres do okresu, tydzień do tygodnia).

3. Uzgodnili z klientem podstawowe i drugorzędne KPI.

4. Zawsze mów językiem klienta i uwzględniaj źródło prawdziwych danych klienta w raportach. Zapewni to bardziej produktywne rozmowy i pomoże marketerom unikać popełniania błędów lub błędnego odczytywania wyników.

5) Wiedz, kiedy przyznać się do porażki w strategii kampanii. Jeśli „świetny pomysł” nie działa, uspokój się, pozwalając, by dane mówiły same za siebie i zmieniając strategie.

6) Zawsze zgłaszaj QA. Zastosuj kontrolę jakości do formuł, ram czasowych, liczb itp. Jeśli coś wygląda zbyt dobrze, aby mogło być prawdziwe podczas analizy danych, prawdopodobnie tak jest. Kontrola jakości pod kątem błędów, które mogą prowadzić do tej anomalii.

Stouse zestresowany unikał nastawienia na trwałość. „Ślepota na analityczną rzeczywistość polega na wyborze niewidzenia, ponieważ to, co tam jest, stanowi wyzwanie dla tego, w co wierzysz”. powiedział. „Przeciwieństwem analizy jest pewność, którą wybrałeś i uzasadniłeś bez żadnych rzeczywistych podstaw poza własnym interesem. W imię pewności popełniono więcej błędów niż cokolwiek innego, co przychodzi mi do głowy.

Zdobądź MarTech! Codziennie. Bezpłatny. W Twojej skrzynce odbiorczej.

Firmowy adres e-mail

Subskrybuj Przetwarzanie...

Zobacz warunki.