Há uma grande animação em torno de data-driven de marketing . Um catálogo completo dos dados relacionados frases estão ecoando por todo o mundo do marketing: big data, a mineração de dados, ciência, trocas de dados, plataformas de gerenciamento de dados, experiências controladas (" teste de grande "), análise, métricas, painéis, etc
Mas os dados de condução todas essas atividades diferentes não é bem a mesma coisa. Ou, mais precisamente, os contextos em que os comerciantes utilizam esses dados não são os mesmos.
Diferentes atividades orientadas por dados mudar a forma como você deve pensar sobre os dados, gerenciá-lo e, finalmente, obter o valor da mesma. Um eixo importante é o grau em que os dados de comercialização é usado no contexto de exploração contra confirmação . Como ilustrado acima, isso pode ser retratado como um continuum, com atividades de dados diferentes que caem em algum lugar ao longo dessa linha.
Um exemplo de exploração com dados seria históricos de transações de varejo de dezenas de milhares de clientes - um típico "Big Data" set - que um comerciante quer mina de padrões interessantes de comportamento, talvez para campanhas de energia direcionadas ou para prever inventário ideal para mistura diferentes épocas e locais.
O exemplo perfeito de confirmação com os dados é resultados financeiros: a receita deste trimestre e despesas, tanto no total e divididas por período produto, local e hora, em comparação com os trimestres anteriores. Esses dados agregados e mais quantificada é tipicamente "dados pequenos" - muitas vezes representadas em uma planilha.
Sim, eu sei, os mesmos átomos de alimentação de dados ambos os exemplos, mas o contexto é bem diferente.
Em exploração, o comerciante trabalha diretamente com o enorme número de átomos individuais de dados, buscando relações de uma forma aberta. Na confirmação, o comerciante olha para os dados de uma forma mais agregada, onde as massas de átomos individuais de dados são acumulados de acordo com relações pré-determinadas e altamente estruturado.
Zooms em exploração na granularidade dos dados. Zooms confirmação fora para a foto maior.
Exploração é geralmente de cerca de responder "por quê?" Por que os clientes estão motivados para agir (ou não agir como o caso)? A confirmação é mais sobre a resposta "o que?" O que aconteceu em nossos esforços para motivar os clientes a agir?
A viagem de exploração para confirmação
O lado exploração deste continuum é onde os dados grandes normalmente vive. Átomos individuais de dados aqui podem ser estruturados (como o registro de uma operação de compra individual) ou mais estruturados (como o texto a partir de um tweet individual).Mas, para o comerciante que está olhando para ele em sua forma bruta, este mar de dados não inerentemente revelar um sentido maior.
Isto é tanto uma característica e um problema.
É uma característica, pois apresenta uma poderosa oportunidade para a descoberta de novos significados . Atribuir significado aos dados exige pressupostos e escolhas na maneira como os dados são interpretados. Os dados são filtrados, transformados e agregados de acordo com essas opções para que Winnow mar incontrolável em algo concreto que um ser humano pode compreender, usar e entender.Este é o processo pelo qual os dados transforma-se em informação e conhecimento.
Infelizmente, o problema é que esses mesmos pressupostos e escolhas também fechou um grande número de outros possíveis significados . O mesmo conjunto de dados subjacentes primas pode suportar um número quase infinito de diferentes interpretações. Se você tem alguma dúvida sobre isso, considerar a forma como os políticos usam dados para apoiar a sua retórica. Mas quando você está usando essas interpretações para tomar decisões de negócios, tendo a interpretação correta pode determinar o sucesso ou fracasso.
Portanto, a pergunta de US $ 1 milhão é: como é que você sabe que você tem o direito deinterpretação?
A boa notícia é que não é necessariamente apenas uma interpretação correta. Como dizem, se você está procurando a verdade absoluta, o departamento de filosofia é o corredor. Tudo o que importa no negócio é que sua interpretação é uma boa no sentido de que pragmaticamente ajuda você a atingir seus objetivos. E você pode comparar uma interpretação como "melhor" do que outro pelo grau em que ele melhora seus resultados.
É claro que, em algumas situações - particularmente em torno das finanças - a interpretação "certa" é ditada por regras de seu chefe, seu diretor financeiro, as normas GAAP, órgãos governamentais, como a SEC, etc Mas para a maioria das atividades de marketing, o ônus é de você para decidir qual interpretações de usar. Isso é uma fonte de grande poder, mas uma grande responsabilidade.
Assim como você decidir qual interpretações adotar?
A maneira mais fácil é simplesmente ir com pré-enlatados interpretações que são construídas em seu software de marketing escolhida. Quando você executar um relatório padrão ou olhar para um painel fixo, você está vendo os dados associados através de uma lente que o pensamento desenvolvedor de software foi uma boa interpretação. Pode ser.Mas esta é uma das razões que me advertem os comerciantes que você é o software que você usa - porque o built-in interpretações de dados que fornecem estão fazendo escolhas e suposições em seu nome.
Para diversificar ainda mais, você pode transformar a "melhores práticas" para a interpretação recomendada por consultores independentes, colegas e outras organizações.
No entanto, não há duas empresas são exatamente iguais. Na verdade, a maioria das estratégias de negócios são baseados em alcançar diferenciação significativa dos concorrentes e substitutos. Portanto, eventualmente, você vai querer desenvolver seus próprios dados interpretações que o poder a sua vantagem competitiva única. Este é o lugar onde dados científicos cientistas e os dados podem ajudar.
Mas as interpretações que revela ciência de dados são frequentemente provada hipóteses em primeiro . Exploração é repleto de incerteza. Para provar que uma determinada interpretação de dados pode ser aproveitado de forma produtiva para atingir o valor de negócio geralmente requer o comerciante para executar um experimento.
Experimentos são a ponte desde a exploração até a confirmação.
Experimentos pode ser explícita ou implícita. Para ser mais explícito, corre-se um experimento controlado, onde o comerciante executa um teste de divisão entre duas ou mais alternativas diferentes, enquanto tentando segurar as outras variáveis constantes - o melhor possível no ambiente complexo e confuso de real-mundo do marketing.Experimentos controlados são incrivelmente poderoso para provar relações de causa e efeito que o comportamento de impacto sobre o cliente de uma forma altamente concentrada. Eles são "explícita", porque o comerciante decide diretamente quase todos os aspectos de como a experiência está sendo executado.
Um exemplo de experimentação de marketing implícito é um software de personalização que utiliza técnicas de aprendizado de máquina para tentar diversas maneiras possíveis de alavancar um determinado conjunto de dados na experiência de um cliente para afetar seu comportamento. Estas experiências são "implícito" no sentido em que o comerciante que não está directamente determinar quais hipóteses estão sendo testadas. (Isso tende a funcionar melhor em situações em que as hipóteses sendo testadas pelo software são de baixo risco, mais sobre a descoberta acaso que cumprindo as intenções do cliente explícitas.)
De qualquer forma, as métricas de desempenho resultantes desses experimentos fornecem uma confirmação de que hipóteses de trabalho. Experimentos se mover de incerteza para a certeza - pelo menos tanta certeza como pode ser determinado por resultados. o movimento desde a exploração até a confirmação constrói impulso de marketing.
Dito de outra forma: exploração alimenta hipóteses futuras, enquanto ilumina a confirmação dos resultados das hipóteses anteriores.
Agregação de uma pessoa é um átomo de outra pessoa
Curiosamente, ao longo deste continuum exploração confirmação de data-driven atividades, os dados de uma pessoa pode tornar-se confirmação agregados átomos no mar de outra pessoa de dados para exploração no próximo nível na organização.
Por exemplo, um comerciante web front-line pode explorar pontos de dados individuais de milhares de ações tomadas por milhares de visitantes, usar esses dados para formular hipóteses para experimentos de otimização de conversão, e confirmar o sucesso com o aumento de indicadores agregados, como a contagem de geração de leads ou on-line e-commerce de vendas.
No entanto, um executivo de marketing mais experiente pode considerar o desempenho de atividades em que determinado site como uma peça de uma estratégia de marketing multi-canal. Esse comerciante no nível seguinte se iria explorar dados de desempenho de muitos canais diferentes - onde os átomos de dados pode ser tão granular como interações individuais com perspectivas, mas provavelmente não tão profundo como analisar as seqüências primas de cada ação de cada usuário da web da forma que frente -line comerciante web fez.
Exploração de dados para este comerciante sênior levaria hipóteses sobre investimentos em canais diferentes e como maximizar a sinergia entre eles. Confirmação seria os dados de desempenho em um nível muito mais elevado - muito provavelmente em função da financeira P & L.
Por sua vez, a unidade de negócio do executivo de marketing pode ser uma das várias unidades de negócios em uma empresa muito maior. Os dados de confirmação de todos esses diferentes unidades podem se alimentar em um processo exploratório para a OCM empresa.
Quanto mais alto você vai, mais estratégico exploração de dados como se torna.
Mas, independentemente do nível em que você está operando, a coisa mais importante para se lembrar de data-driven marketing é que a exploração é diferente do que a confirmação . Confirmação revela o desempenho de seus esforços de marketing diferentes para ajudar as decisões de unidade, mas esses dados são muitas vezes trancados em hipóteses existentes e interpretações dos dados subjacentes atômicas.Exploração desbloqueia as possibilidades de novas idéias e de inovação, mas requer um mecanismo de prova - como experimentos controlados - para confirmar que essas interpretações de tais dados realmente funcionar.
Eles não são a mesma coisa, mas eles são ambos importantes para o marketing baseado em dados eficaz.
Nenhum comentário:
Postar um comentário