Mārketingam ir nepieciešami kvalitatīvi dati, lai tie būtu balstīti uz datiem — cīņas un risinājumi

Mārketinga datu kvalitāte un uz datiem balstīts mārketings

Tirgotāji ir pakļauti lielam spiedienam, lai tie būtu balstīti uz datiem. Tomēr jūs neatradīsiet tirgotājus, kuri runā par sliktu datu kvalitāti vai apšauba datu pārvaldības un datu īpašumtiesību trūkumu savās organizācijās. Tā vietā viņi cenšas būt balstīti uz datiem ar sliktiem datiem. Traģiska ironija! 

Lielākajai daļai mārketinga speciālistu tādas problēmas kā nepilnīgi dati, drukas kļūdas un dublikāti pat netiek atzītas par problēmām. Viņi pavadītu stundas, labojot kļūdas programmā Excel, vai arī meklētu spraudņus datu avotu savienošanai un darbplūsmu uzlabošanai, taču viņi neapzinās, ka šīs ir datu kvalitātes problēmas, kurām ir viļņošanās visā organizācijā, kā rezultātā tiek zaudēti miljoniem naudu. 

Kā datu kvalitāte ietekmē biznesa procesus

Mārketinga speciālisti mūsdienās ir tik pārņemti ar metriku, tendencēm, pārskatiem un analīzi, ka viņiem vienkārši nav laika rūpīgi risināt datu kvalitātes problēmas. Bet tā ir problēma. Ja tirgotājiem sākumā nav precīzu datu, kā gan viņi varētu izveidot efektīvas kampaņas? 

Kad sāku rakstīt šo rakstu, es sazinājos ar vairākiem mārketinga speciālistiem. Man bija paveicies iegūt Aksels Lavergne, līdzdibinātājs ReviewFlowz dalīties savā pieredzē ar sliktiem datiem. 

Šeit ir viņa asprātīgās atbildes uz maniem jautājumiem. 

  1. Kādas bija jūsu sākotnējās problēmas ar datu kvalitāti, veidojot savu produktu? Es iestatīju atsauksmju ģenerēšanas programmu, un man bija nepieciešami daži āķi, lai nosūtītu pārskatīšanas pieprasījumus apmierinātiem klientiem laikā, kad viņi, visticamāk, sniegs pozitīvu atsauksmi. 

    Lai tas notiktu, komanda izveidoja Net Promoter Score (NPS) aptauja, kas tiks izsūtīta 30 dienas pēc reģistrēšanās. Ikreiz, kad klients atstāj pozitīvu NPS — sākotnēji 9 un 10, bet vēlāk tika paplašināts līdz 8, 9 un 10, viņš tika aicināts atstāt atsauksmi un pretī saņemt dāvanu karti 10 $ vērtībā. Lielākais izaicinājums šeit bija tas, ka NPS segments tika izveidots mārketinga automatizācijas platformā, kamēr dati atradās NPS rīkā. Atvienoti datu avoti un nekonsekventi dati dažādos rīkos kļuva par vājo vietu, kas prasīja papildu rīku un darbplūsmu izmantošanu.

    Tā kā komanda turpināja integrēt dažādas loģikas plūsmas un integrācijas punktus, viņiem bija jārisina konsekvences uzturēšana ar mantotajiem datiem. Produkts attīstās, kas nozīmē, ka produktu dati pastāvīgi mainās, liekot uzņēmumiem laika gaitā uzturēt konsekventu pārskatu datu shēmu.

  2. Kādus pasākumus veicāt, lai atrisinātu problēmu? Bija vajadzīgs daudz darba ar datu komandu, lai izveidotu pareizu datu inženieriju integrācijas aspektā. Varētu izklausīties diezgan vienkārši, taču ar daudzām dažādām integrācijām un daudziem atjauninājumiem, tostarp atjauninājumiem, kas ietekmē reģistrēšanās plūsmu, mums bija jāizveido daudz dažādu loģikas plūsmu, pamatojoties uz notikumiem, statiskiem datiem utt.
  3. Vai jūsu mārketinga nodaļai bija teikšana šo izaicinājumu risināšanā? Tā ir sarežģīta lieta. Kad dodaties uz datu komandu ar ļoti konkrētu problēmu, jūs varētu domāt, ka to var viegli novērst, un tas tā ir labošana aizņem tikai 1h bet tas patiešām bieži ir saistīts ar daudzām izmaiņām, par kurām jūs nezināt. Manā konkrētajā gadījumā saistībā ar spraudņiem galvenais problēmu avots bija konsekventu datu uzturēšana ar mantotajiem datiem. Produkti attīstās, un laika gaitā ir patiešām grūti uzturēt konsekventu pārskatu datu shēmu.

    Jā, noteikti var izteikties par vajadzībām, taču, runājot par to, kā ieviest atjauninājumus utt., jūs patiešām nevarat izaicināt atbilstošu datu inženieru komandu, kas zina, ka viņiem ir jārisina daudzas izmaiņas, lai to īstenotu. un lai “aizsargātu” datus pret turpmākiem atjauninājumiem.

  4. Kāpēc tirgotāji nerunā par datu vadība vai datu kvalitāti, lai gan tie cenšas būt balstīti uz datiem? Es domāju, ka tas tiešām ir problēmas neapzināšanās gadījums. Lielākā daļa mārketinga speciālistu, ar kuriem esmu runājis, nenovērtē datu vākšanas izaicinājumus un būtībā aplūko KPI, kas pastāv jau gadiem ilgi, nekad tos neapšaubot. Taču tas, ko jūs saucat par reģistrēšanos, potenciālo pirkumu vai pat unikālu apmeklētāju, ievērojami mainās atkarībā no jūsu izsekošanas iestatījumiem un produkta.

    Ļoti vienkāršs piemērs: jums nebija e-pasta apstiprināšanas, un jūsu produktu komanda to pievieno. Kas tad ir pierakstīšanās? Pirms vai pēc apstiprināšanas? Es pat nesākšu iedziļināties visās tīmekļa izsekošanas smalkumos.

    Manuprāt, tas ir arī lielā mērā saistīts ar attiecinājumu un veidu, kā tiek veidotas mārketinga komandas. Lielākā daļa mārketinga speciālistu ir atbildīgi par kanālu vai kanālu apakškopu, un, summējot to, ko katrs komandas dalībnieks attiecina uz savu kanālu, jūs parasti veidojat aptuveni 150% vai 200% attiecinājuma. Izklausās nesaprātīgi, ja to šādi formulējat, tāpēc neviens to nedara. Otrs aspekts, iespējams, ir tāds, ka datu vākšana bieži vien ir saistīta ar ļoti tehniskiem jautājumiem, un lielākā daļa mārketinga speciālistu ar tiem nav īsti pazīstami. Galu galā jūs nevarat tērēt savu laiku, lai labotu datus un meklētu informāciju, kas atbilst pikseļiem, jo ​​jūs to vienkārši nesaņemsit.

  5. Kādus praktiskus/tūlītējus pasākumus, jūsuprāt, tirgotāji var veikt, lai labotu savu klientu datu kvalitāti?Iesaistieties lietotāja vietā un pārbaudiet katru savu piltuvi. Pajautājiet sev, kāda veida notikumu vai reklāmguvuma darbību jūs aktivizējat katrā darbībā. Jūs, iespējams, būsiet ļoti pārsteigts par to, kas patiesībā notiek. Izpratne par to, ko skaitlis reālajā dzīvē nozīmē klientam, potenciālajam klientam vai apmeklētājam, ir absolūti nepieciešams jūsu datu izpratnei.

Mārketingam ir visdziļākā klienta izpratne, taču viņi cīnās, lai sakārtotu savas datu kvalitātes problēmas

Mārketings ir jebkuras organizācijas pamatā. Tā ir nodaļa, kas izplata informāciju par produktu. Tā ir nodaļa, kas ir tilts starp klientu un uzņēmumu. Nodaļa, kas, godīgi sakot, vada izrādi.

Tomēr viņi arī visvairāk cīnās ar piekļuvi kvalitatīviem datiem. Sliktāk, kā Aksels minēja, viņi, iespējams, pat neapzinās, ko nozīmē slikti dati un pret ko viņi cīnās! Šeit ir daži statistikas dati, kas iegūti no DOMO ziņojuma, Mārketinga jaunais MO, lai lietas liktu perspektīvā:

  • 46% mārketinga speciālistu saka, ka lielais datu kanālu un avotu skaits ir apgrūtinājis ilgtermiņa plānošanu.
  • 30% vecāko mārketinga speciālistu uzskata, ka CTO un IT nodaļai ir jāuzņemas atbildība par datu piederību. Uzņēmumi joprojām izdomā datu īpašumtiesības!
  • 17.5% uzskata, ka trūkst sistēmu, kas apkopo datus un nodrošina caurspīdīgumu visā komandā.

Šie skaitļi norāda, ka mārketingam ir pienācis laiks iegūt datus un radīt pieprasījumu, lai tie būtu patiesi balstīti uz datiem.

Ko mārketinga speciālisti var darīt, lai izprastu, identificētu un risinātu datu kvalitātes problēmas?

Neskatoties uz to, ka dati ir uzņēmējdarbības lēmumu pieņemšanas pamatā, daudzi uzņēmumi joprojām cīnās ar datu pārvaldības sistēmas uzlabošanu, lai risinātu kvalitātes problēmas. 

Ziņojumā Mārketinga attīstība, vairāk nekā ceturtā daļa no 82% uzņēmumus aptaujā ievainoja standartiem neatbilstoši dati. Tirgotāji vairs nevar atļauties datu kvalitātes apsvērumus paslaucīt zem paklāja, kā arī nevar atļauties neapzināties šīs problēmas. Tātad, ko mārketinga speciālisti var darīt, lai risinātu šīs problēmas? Šeit ir piecas labākās prakses, ar kurām sākt darbu.

1. labākā prakse: Sāciet uzzināt par datu kvalitātes problēmām

Mārketinga speciālistam ir jābūt tikpat informētam par datu kvalitātes problēmām kā viņu IT kolēģiem. Jums jāzina izplatītākās problēmas, kas saistītas ar datu kopām, tostarp, bet ne tikai:

  • Pareizrakstības kļūdas, kļūdas nosaukumos, datu ierakstīšanas kļūdas
  • Problēmas ar nosaukumu piešķiršanas metodēm un standartu trūkumu, piemēram, tālruņa numuriem bez valsts kodiem vai dažādu datumu formātu izmantošanas
  • Nepilnīga informācija, piemēram, trūkst e-pasta adreses, uzvārdi vai svarīga informācija, kas nepieciešama efektīvām kampaņām
  • Neprecīza informācija, piemēram, nepareizi vārdi, nepareizi numuri, e-pasta adreses utt
  • Atšķirīgi datu avoti, kuros ierakstāt informāciju par vienu un to pašu personu, bet tie tiek glabāti dažādās platformās vai rīkos, kas neļauj jums iegūt konsolidētu skatu
  • Dublēti dati, ja šī informācija nejauši tiek atkārtota tajā pašā datu avotā vai citā datu avotā

Lūk, kā datu avotā izskatās slikti dati.

vāji dati, mārketinga problēmas

Iepazīšanās ar tādiem terminiem kā datu kvalitāte, datu pārvaldība un datu pārvaldība var palīdzēt jums ievērojami identificēt klientu attiecību pārvaldības kļūdas (CRM) platformu, un līdz ar to jūs varat veikt nepieciešamās darbības.

2. labākā prakse: vienmēr piešķiriet prioritāti kvalitatīviem datiem

Esmu tur bijis, to izdarīju. Ir vilinoši ignorēt sliktus datus, jo, ja jūs patiešām iedziļinātos, tikai 20% jūsu datu būtu faktiski izmantojami. Vairāk par 80% datu ir izniekota. Vienmēr dodiet priekšroku kvalitātei, nevis kvantitātei! To var izdarīt, optimizējot datu vākšanas metodes. Piemēram, ja ierakstāt datus no tīmekļa veidlapas, vāciet tikai nepieciešamos datus un ierobežojiet lietotāja nepieciešamību manuāli ievadīt informāciju. Jo vairāk personai ir "jāievada" informācija, jo lielāka iespēja, ka viņi nosūtīs nepilnīgus vai neprecīzus datus.

3. paraugprakse: izmantojiet pareizo datu kvalitātes tehnoloģiju

Jums nav jātērē miljons dolāru datu kvalitātes uzlabošanai. Ir desmitiem rīku un platformu, kas var palīdzēt sakārtot datus, neradot satraukumu. Šie rīki var jums palīdzēt:

  • Datu profilēšana: Palīdz identificēt dažādas kļūdas jūsu datu kopā, piemēram, trūkstošos laukus, dublētus ierakstus, pareizrakstības kļūdas utt.
  • Datu tīrīšana: Palīdz notīrīt datus, nodrošinot ātrāku pārveidošanu no sliktiem datiem uz optimizētiem.
  • Datu atbilstība: Palīdz saskaņot datu kopas dažādos datu avotos un saistīt/apvienot datus no šiem avotiem kopā. Piemēram, varat izmantot datu atbilstību, lai savienotu gan tiešsaistes, gan bezsaistes datu avotus.

Datu kvalitātes tehnoloģija ļaus jums koncentrēties uz svarīgāko, rūpējoties par lieko darbu. Jums nebūs jāuztraucas par to, ka pirms kampaņas sākšanas jums nebūs jātērē laiks, labojot datus programmā Excel vai CRM. Integrējot datu kvalitātes rīku, varēsit piekļūt kvalitatīviem datiem pirms katras kampaņas.

4. labākā prakse: iesaistiet augstāko vadību 

Lēmumu pieņēmēji jūsu organizācijā var nebūt informēti par problēmu vai pat tad, ja tā ir, viņi joprojām pieņem, ka tā ir IT problēma, nevis mārketinga problēma. Šeit jums jāiejaucas, lai piedāvātu risinājumu. Slikti dati CRM? Slikti dati no aptaujām? Slikti klientu dati? Visas šīs ir mārketinga problēmas, un tām nav nekā kopīga ar IT komandām! Taču, ja vien mārketinga speciālists neierosina problēmas risināšanu, organizācijas var neko nedarīt datu kvalitātes problēmu risināšanai. 

5. labākā prakse: identificējiet problēmas avota līmenī 

Dažreiz sliktas datu problēmas izraisa neefektīvs process. Lai gan jūs varat notīrīt datus virspusē, ja vien neidentificējat problēmas galveno cēloni, atkārtošanās laikā jūs saskarsies ar vienādām kvalitātes problēmām. 

Piemēram, ja apkopojat potenciālo pirkumu datus no galvenās lapas un pamanāt, ka 80% datu ir problēmas ar tālruņa numura ievadīšanu, varat ieviest datu ievades vadīklas (piemēram, ievietot obligātu pilsētas koda lauku), lai nodrošinātu, ka saņem precīzus datus. 

Lielākajai daļai datu problēmu cēlonis ir samērā vienkārši atrisināms. Jums vienkārši jāatvēl laiks, lai iedziļinātos un noteiktu galveno problēmu, un jāpieliek papildu pūles, lai problēmu atrisinātu! 

Dati ir mārketinga operāciju mugurkauls

Dati ir mārketinga operāciju mugurkauls, taču, ja šie dati nav precīzi, pilnīgi vai uzticami, jūs zaudēsit naudu dārgu kļūdu dēļ. Datu kvalitāte vairs neaprobežojas tikai ar IT nodaļu. Mārketinga speciālisti ir klientu datu īpašnieki, un tāpēc viņiem ir jāspēj ieviest pareizos procesus un tehnoloģijas, lai sasniegtu savus uz datiem balstītos mērķus.

Ko jūs domājat?

Šī vietne izmanto Akismet, lai samazinātu surogātpastu. Uzziniet, kā tiek apstrādāts jūsu komentārs.