Данные плюс аналитика — путь к истине

В предыдущей статье мы рассмотрели важность предотвращения предвзятости и выбора правильных показателей для анализа данных. В этом продолжении мы обсуждаем важность столкновения с «аналитической реальностью».

Анализ данных должен заменить догадки фактами. Бренды не хотят рисковать миллионами долларов кампании из-за чьего-то чутья. У маркетолога в идеале есть цель, четкий порог успеха, который необходимо переступить для достижения результата. Итак, как вы доберетесь туда?

Анализ данных — это «GPS». Весь смысл анализа данных заключается в том, чтобы понять, что происходит, и использовать эту информацию для принятия правильного решения. Это «готовься, целься, стреляй» (данные, анализ, действие). Но иногда порядок смешивается, в результате чего люди делают неверные выводы и действуют на их основе. Затем процесс превращается в «готовься, стреляй, целься» или, что еще более комично, «стрельба, целься, готовься».

«Самая большая проверка данных — это аналитика», — сказал Марк Стоус, председатель и генеральный директор Proof Analytics. «Они контекстуализируют данные, что чрезвычайно затрудняет получение выводов, в то время как визуализация данных сама по себе делает это легко».

Могут ли данные определить, что вызывает что-то?

Можно ли оценить причинно-следственную связь только по данным? Стоус считает, что нет. Маркетологи могут попробовать экстраполировать исторические данные, а затем проверить правильность этой экстраполяции. «Если все стабильно, экстраполяция может сработать. Но когда разнообразие, изменчивость и скорость изменений велики, экстраполяция не имеет ценности».

«Данные действительно всегда относятся к прошлому, и у них нет врожденной способности прогнозировать. Прошлое — это не пролог, — продолжил он. «Но многомерная регрессия — это проверенный подход к сбору данных, представляющих релевантные факторы (известные известные) — а также некоторые потенциально важные вещи (известные неизвестные) — и превращению их в рассчитанный исторический портрет причинно-следственной связи. Это, в свою очередь, создает прогноз, по которому вы можете понять точность модели по сравнению с прогнозом и фактическими данными».

Эрика Маньотто, директор отдела SEM в Accelerated Digital Media, видит ценность исторических данных, но только в том случае, если есть место для ретроактивной перспективы и прогнозного планирования. «Прогнозирование успеха кампании должно основываться на данных о тенденциях и производительности, таких как год за годом и месяц за месяцем. Это должно создать почти точные прогнозы будущего успеха. Если прогнозируемые данные указывают на более медленный месяц или потенциальный спад на рынке, оптимизация может быть выполнена в режиме реального времени для повышения эффективности и консервативного масштаба. Если прогноз указывает на более сильный месяц, то пора начинать планировать масштабирование, тестирование и запуск дополнительных кампаний».

Маркетологи также должны знать о сбоях в модели. Магнотто отметил, что существует разница между нормальным «приливом и отливом» производительности и крахом/всплеском. «Данные, выходящие за рамки обычных приливов и отливов, могут указывать на то, что необходимы немедленные действия в отношении счета. Маркетологи также не должны предполагать, что поведение пользователей всегда будет постоянным, поэтому важно понимать производительность тестов, чтобы можно было обнаружить ненормальное поведение пользователей (или кампаний)», — сказала она.

Копнуть глубже: Маркетинг аналитика : что это такое и почему маркетологам это должно быть интересно

Что могут сделать маркетологи?

Маркетологи должны быть аналитическими, открытыми и в то же время скромными. Уже одно это может быть проблемой, когда всегда есть люди, которые могут быть слишком самоуверенными или зацикленными на тривиальном за счет существенного. Тем не менее, существуют подходы к проверке ошибок до того, как они произойдут.

Магнотто сосредоточился на знании данных, клиента и признании реальности. Этот чек-лист она предложила агентствам, но основные пункты из него применимы и к брендам:

1. Понимание основных принципов работы с Excel/таблицами и способов обработки больших наборов данных, загруженных с любой платформы.

2. Понимать основные формулы сравнения и стандартные способы просмотра трендов данных (месяц за месяцем, год за годом, период за периодом, неделя за неделей).

3. Согласовали первичные и вторичные KPI с клиентом.

4. Всегда говорите на языке клиента и включайте источник достоверных данных клиента в отчет. Это обеспечит более продуктивные разговоры и поможет маркетологам избежать ошибок или неверного понимания эффективности.

5) Знайте, когда признать поражение в стратегии кампании. Если «отличная идея» не работает, то спокойно позволяйте данным говорить самим за себя и меняйте стратегии.

6) Всегда отчитываться о контроле качества. Применяйте QA к формулам, временным рамкам, числам и т. д. Если при анализе данных что-то выглядит слишком хорошо, чтобы быть правдой, вероятно, так оно и есть. QA для ошибок, которые могут привести к этой аномалии.

Стаус подчеркнул, что нужно избегать фиксированного мышления. «Слепота к аналитической реальности — это выбор не видеть, потому что то, что есть, бросает вызов тому, во что вы верите». он сказал. «Противоположностью анализа является уверенность, которую вы выбрали и обосновали без каких-либо реальных оснований, кроме ваших собственных интересов. Во имя уверенности было сделано больше ошибок, чем во что-либо другое, что я могу придумать».