მარკეტინგი საჭიროებს ხარისხის მონაცემებს, რომ იყოს მონაცემთა ორიენტირებული – ბრძოლა და გადაწყვეტილებები

მარკეტინგის მონაცემთა ხარისხი და მონაცემთა ორიენტირებული მარკეტინგი

მარკეტოლოგები არიან უკიდურესი ზეწოლის ქვეშ, რომ იყვნენ მონაცემების მართვით. მიუხედავად ამისა, თქვენ ვერ იპოვით მარკეტოლოგებს, რომლებიც საუბრობენ მონაცემთა ცუდი ხარისხზე ან ეჭვქვეშ აყენებენ მონაცემთა მენეჯმენტისა და მონაცემთა ფლობის ნაკლებობას მათ ორგანიზაციებში. სამაგიეროდ, ისინი ცდილობენ გამოიყენონ მონაცემები ცუდი მონაცემებით. ტრაგიკული ირონია! 

მარკეტოლოგების უმეტესობისთვის ისეთი პრობლემები, როგორიცაა არასრული მონაცემები, ბეჭდვითი შეცდომები და დუბლიკატები, არც კი არის აღიარებული, როგორც პრობლემა. ისინი საათობით ხარჯავდნენ შეცდომების გამოსწორებას Excel-ზე, ან იკვლევდნენ დანამატებს მონაცემთა წყაროების დასაკავშირებლად და სამუშაო ნაკადების გასაუმჯობესებლად, მაგრამ მათ არ იციან, რომ ეს არის მონაცემთა ხარისხის პრობლემები, რომლებსაც აქვთ ტალღოვანი ეფექტი მთელ ორგანიზაციაში, რაც იწვევს მილიონობით ადამიანის დაკარგვას. ფული. 

როგორ მოქმედებს მონაცემთა ხარისხი ბიზნეს პროცესზე

დღეს მარკეტოლოგები იმდენად არიან გადატვირთული მეტრიკებით, ტენდენციებით, ანგარიშებითა და ანალიტიკით, რომ მათ უბრალოდ არ აქვთ დრო, რომ ფრთხილად იყვნენ მონაცემთა ხარისხის გამოწვევებთან. მაგრამ ეს არის პრობლემა. თუ მარკეტერებს არ აქვთ ზუსტი მონაცემები დასაწყისისთვის, როგორ შეძლებენ ისინი ეფექტური კამპანიების შექმნას? 

მე მივმართე რამდენიმე მარკეტერს, როდესაც დავიწყე ამ ნაწარმოების წერა. გამიმართლა, რომ მქონოდა აქსელ ლავერნი, თანადამფუძნებელი ReviewFlowz გაუზიაროს თავისი გამოცდილება ცუდი მონაცემებით. 

აქ არის მისი გამჭრიახი პასუხები ჩემს კითხვებზე. 

  1. რა იყო თქვენი საწყისი ბრძოლა მონაცემთა ხარისხთან, როდესაც თქვენ ქმნიდით თქვენს პროდუქტს? მე ვაყენებდი მიმოხილვის თაობის ძრავას და მჭირდებოდა რამდენიმე კაკვი, რათა გამომეგზავნა განხილვის მოთხოვნები ბედნიერი მომხმარებლებისთვის იმ დროს, როდესაც ისინი სავარაუდოდ დატოვებდნენ დადებით მიმოხილვას. 

    ამის განსახორციელებლად, გუნდმა შექმნა პრომოუტერის წმინდა ქულა (NPS) გამოკითხვა, რომელიც გაიგზავნება დარეგისტრირებიდან 30 დღის შემდეგ. როდესაც მომხმარებელი ტოვებს დადებით NPS-ს, თავდაპირველად 9 და 10, მოგვიანებით გაფართოვდა 8, 9 და 10-მდე, მას მიიწვიეს დატოვონ მიმოხილვა და სანაცვლოდ მიიღონ $10 სასაჩუქრე ბარათი. აქ ყველაზე დიდი გამოწვევა იყო ის, რომ NPS სეგმენტი შეიქმნა მარკეტინგული ავტომატიზაციის პლატფორმაზე, ხოლო მონაცემები იჯდა NPS ინსტრუმენტში. მონაცემთა გათიშული წყაროები და არათანმიმდევრული მონაცემები ინსტრუმენტებში იქცა ბოსტნეულად, რომელიც მოითხოვდა დამატებითი ხელსაწყოებისა და სამუშაო პროცესების გამოყენებას.

    როდესაც გუნდმა გააგრძელა სხვადასხვა ლოგიკური ნაკადების და ინტეგრაციის წერტილების ინტეგრირება, მათ უნდა გაუმკლავდეთ მემკვიდრეობით მონაცემებთან შესაბამისობის შენარჩუნებას. პროდუქტი ვითარდება, რაც ნიშნავს, რომ პროდუქტის მონაცემები მუდმივად იცვლება, რაც მოითხოვს კომპანიებს შეინარჩუნონ თანმიმდევრული ანგარიშგების მონაცემთა სქემა დროთა განმავლობაში.

  2. რა ნაბიჯები გადადგით პრობლემის მოსაგვარებლად? მონაცემთა გუნდთან დიდი მუშაობა დასჭირდა ინტეგრაციის ასპექტის გარშემო მონაცემთა სათანადო ინჟინერიის შესაქმნელად. შეიძლება საკმაოდ საფუძვლიანად ჟღერდეს, მაგრამ მრავალი განსხვავებული ინტეგრაციით და მრავალი განახლების მიწოდებით, მათ შორის განახლებები, რომლებიც გავლენას ახდენენ რეგისტრაციის ნაკადზე, ჩვენ მოგვიწია მრავალი განსხვავებული ლოგიკური ნაკადის აგება მოვლენებზე, სტატიკურ მონაცემებზე და ა.შ.
  3. ჰქონდა თუ არა თქვენი მარკეტინგის განყოფილებას სიტყვა ამ გამოწვევების გადაჭრაში? სახიფათო საქმეა. როდესაც მიდიხართ მონაცემთა გუნდთან ძალიან კონკრეტული პრობლემის გამო, შეიძლება იფიქროთ, რომ ეს მარტივი გამოსავალია და ეს გამოსწორებას მხოლოდ 1 საათი სჭირდება მაგრამ ის ნამდვილად ხშირად მოიცავს უამრავ ცვლილებას, რომლის შესახებაც თქვენ არ იცით. ჩემს კონკრეტულ შემთხვევაში, რაც შეეხება დანამატებს, პრობლემების მთავარი წყარო იყო მონაცემთა თანმიმდევრული შენარჩუნება მემკვიდრეობით მონაცემებთან. პროდუქტები ვითარდება და მართლაც ძნელია შეინარჩუნო თანმიმდევრული საანგარიშო მონაცემების სქემა დროთა განმავლობაში.

    ასე რომ, დიახ, აუცილებლად უნდა ითქვას საჭიროებებზე, მაგრამ რაც შეეხება განახლებების დანერგვას და ა.შ. თქვენ ნამდვილად არ შეგიძლიათ დაუპირისპირდეთ მონაცემთა ინჟინერიის სათანადო გუნდს, რომელმაც იცის, რომ უნდა გაუმკლავდეს უამრავ ცვლილებას, რათა ეს მოხდეს. და მონაცემების „დასაცავად“ მომავალი განახლებისგან.

  4. რატომ არ საუბრობენ მარკეტოლოგები მონაცემთა მართვა ან მონაცემთა ხარისხი, მიუხედავად იმისა, რომ ისინი ცდილობენ იყოს მონაცემების მართვა? მე ვფიქრობ, რომ ეს მართლაც პრობლემას ვერ ვაცნობიერებ. მარკეტოლოგების უმეტესობა, რომელთანაც მე ვესაუბრე, ფართოდ არ აფასებს მონაცემთა შეგროვების გამოწვევებს და ძირითადად, უყურებს KPI-ებს, რომლებიც წლების განმავლობაში არსებობდა მათზე ეჭვის გარეშე. მაგრამ რასაც თქვენ უწოდებთ რეგისტრაციას, ლიდერობას ან თუნდაც უნიკალურ ვიზიტორს, მასიურად იცვლება თქვენი თვალთვალის დაყენების და თქვენი პროდუქტის მიხედვით.

    ძალიან ძირითადი მაგალითი: თქვენ არ გქონიათ ელფოსტის ვალიდაცია და თქვენი პროდუქტის გუნდი ამატებს მას. რა შუაშია რეგისტრაცია? დადასტურებამდე თუ შემდეგ? არც კი დავიწყებ ვებ თრექინგის ყველა დახვეწილობას.

    ვფიქრობ, მას ასევე ბევრი აქვს საერთო ატრიბუციასთან და მარკეტინგული გუნდების აგებულებასთან. მარკეტოლოგების უმეტესობა პასუხისმგებელია არხზე ან არხების ქვეჯგუფზე და როდესაც თქვენ აჯამებთ იმას, რასაც გუნდის თითოეული წევრი ანიჭებს თავის არხს, თქვენ, როგორც წესი, ატრიბუტის დაახლოებით 150% ან 200% გაქვთ. არაგონივრულად ჟღერს, როცა ასე აყენებ, რის გამოც არავინ აკეთებს. მეორე ასპექტი ალბათ ისაა, რომ მონაცემთა შეგროვება ხშირად ძალიან ტექნიკურ საკითხებზე მოდის და მარკეტოლოგების უმეტესობა მათ ნამდვილად არ იცნობს. საბოლოო ჯამში, თქვენ არ შეგიძლიათ დახარჯოთ თქვენი დრო მონაცემების დაფიქსირებაზე და სრულყოფილი ინფორმაციის მოძიებაზე, რადგან უბრალოდ ვერ მიიღებთ მას.

  5. როგორ ფიქრობთ, რა პრაქტიკული/დაუყოვნებელი ნაბიჯების გადადგმა შეუძლიათ მარკეტერებს თავიანთი მომხმარებლის მონაცემების ხარისხის დასაფიქსირებლად?ჩადეთ მომხმარებლის ადგილას და გამოსცადეთ თითოეული თქვენი ძაბრი. ჰკითხეთ საკუთარ თავს, თუ რა სახის მოვლენას ან კონვერტაციის მოქმედებას ახორციელებთ ყოველ ნაბიჯზე. თქვენ ალბათ ძალიან გაგიკვირდებათ, რა ხდება სინამდვილეში. იმის გაგება, თუ რას ნიშნავს რიცხვი რეალურ ცხოვრებაში, მომხმარებლისთვის, ლიდერისთვის ან ვიზიტორებისთვის, აბსოლუტურად ფუნდამენტურია თქვენი მონაცემების გასაგებად.

მარკეტინგს აქვს ყველაზე ღრმა გაგება მომხმარებელთან, მაგრამ იბრძვის მათი მონაცემთა ხარისხის პრობლემების მოწესრიგებისთვის

მარკეტინგი ნებისმიერი ორგანიზაციის გულშია. ეს არის დეპარტამენტი, რომელიც ავრცელებს ინფორმაციას პროდუქტის შესახებ. ეს არის განყოფილება, რომელიც არის ხიდი მომხმარებელსა და ბიზნესს შორის. დეპარტამენტი, რომელიც საკმაოდ გულწრფელად მართავს შოუს.

მიუხედავად ამისა, მათ ასევე უჭირთ ყველაზე მეტად ხარისხიან მონაცემებზე წვდომა. უარესი, როგორც აქსელმა აღნიშნა, ალბათ ვერც კი აცნობიერებენ რას ნიშნავს ცუდი მონაცემები და რას ებრძვიან! აქ მოცემულია DOMO ანგარიშიდან მიღებული რამდენიმე სტატისტიკა, მარკეტინგის ახალი MO, საგნების პერსპექტივაში დასაყენებლად:

  • მარკეტოლოგების 46% ამბობს, რომ მონაცემთა არხებისა და წყაროების დიდმა რაოდენობამ გაართულა გრძელვადიანი დაგეგმვა.
  • უფროსი მარკეტოლოგების 30%-ს მიაჩნია, რომ CTO და IT დეპარტამენტმა უნდა აიღოს პასუხისმგებლობა მონაცემთა ფლობაზე. კომპანიები ჯერ კიდევ აცნობიერებენ მონაცემთა მფლობელობას!
  • 17.5% თვლის, რომ არსებობს სისტემების ნაკლებობა, რომლებიც აჯამებენ მონაცემებს და გვთავაზობენ გამჭვირვალობას მთელს გუნდში.

ეს რიცხვები მიუთითებს იმაზე, რომ დროა მარკეტინგი ფლობდეს მონაცემებს და მოთხოვნის გენერირებას, რომ ის რეალურად იყოს მონაცემთა ორიენტირებული.

რისი გაკეთება შეუძლიათ მარკეტოლოგებს მონაცემთა ხარისხის გამოწვევების გასაგებად, იდენტიფიცირებისთვის და გასატარებლად?

იმისდა მიუხედავად, რომ მონაცემები წარმოადგენს ბიზნეს გადაწყვეტილების მიღების ხერხემალს, ბევრი კომპანია კვლავ იბრძვის მონაცემთა მართვის ჩარჩოს გაუმჯობესებასთან დაკავშირებით ხარისხის საკითხების გადასაჭრელად. 

In ანგარიში მარკეტინგის ევოლუცია, 82%-ის მეოთხედზე მეტი გამოკითხვაში მონაწილე კომპანიები დაზარალდნენ არასტანდარტული მონაცემებით. მარკეტერებს აღარ შეუძლიათ მონაცემთა ხარისხის გათვალისწინება ხალიჩის ქვეშ და ვერ ახერხებენ, რომ არ იცოდნენ ამ გამოწვევების შესახებ. რა შეუძლიათ რეალურად გააკეთონ მარკეტოლოგებმა ამ გამოწვევების გადასაჭრელად? აქ არის ხუთი საუკეთესო პრაქტიკა, რომლითაც უნდა დაიწყოთ.

საუკეთესო პრაქტიკა 1: დაიწყეთ მონაცემთა ხარისხის საკითხების შესწავლა

მარკეტერმა უნდა იცოდეს მონაცემთა ხარისხის საკითხები ისევე, როგორც მისი IT კოლეგა. თქვენ უნდა იცოდეთ საერთო პრობლემები, რომლებიც მიეკუთვნება მონაცემთა ნაკრებებს, რომლებიც მოიცავს, მაგრამ არ შემოიფარგლება მხოლოდ:

  • ბეჭდვითი შეცდომები, ორთოგრაფიული შეცდომები, დასახელების შეცდომები, მონაცემთა ჩაწერის შეცდომები
  • დასახელების კონვენციებთან დაკავშირებული პრობლემები და სტანდარტების ნაკლებობა, როგორიცაა ტელეფონის ნომრები ქვეყნის კოდების გარეშე ან თარიღის სხვადასხვა ფორმატის გამოყენებით
  • არასრული დეტალები, როგორიცაა დაკარგული ელფოსტის მისამართები, გვარები ან კრიტიკული ინფორმაცია, რომელიც საჭიროა ეფექტური კამპანიებისთვის
  • არასწორი ინფორმაცია, როგორიცაა არასწორი სახელები, არასწორი ნომრები, ელფოსტა და ა.შ
  • მონაცემთა განსხვავებული წყაროები, სადაც თქვენ იწერთ ინფორმაციას ერთი და იმავე პიროვნების შესახებ, მაგრამ ისინი ინახება სხვადასხვა პლატფორმებში ან ინსტრუმენტებში, რომლებიც ხელს გიშლით გაერთიანებული ხედის მიღებაში
  • მონაცემების დუბლიკატი, სადაც ეს ინფორმაცია შემთხვევით მეორდება იმავე მონაცემთა წყაროში ან სხვა მონაცემთა წყაროში

აი, როგორ გამოიყურება ცუდი მონაცემები მონაცემთა წყაროში:

ცუდი მონაცემების მარკეტინგის პრობლემა

ისეთი ტერმინების გაცნობა, როგორიცაა მონაცემთა ხარისხი, მონაცემთა მენეჯმენტი და მონაცემთა მართვა, დაგეხმარებათ გაიაროთ გრძელი გზა თქვენი კლიენტებთან ურთიერთობის მენეჯმენტში არსებული შეცდომების იდენტიფიცირებაში (CRM) პლატფორმა და ამ მონაკვეთით, რაც საშუალებას მოგცემთ მიიღოთ საჭიროებისამებრ.

საუკეთესო პრაქტიკა 2: ყოველთვის პრიორიტეტული ხარისხის მონაცემები

მე იქ ვიყავი, გავაკეთე. ცუდი მონაცემების იგნორირება მაცდურია, რადგან თუ თქვენ ნამდვილად ღრმად იჭრებით, თქვენი მონაცემების მხოლოდ 20% იქნება რეალურად გამოსაყენებელი. Მეტი ვიდრე მონაცემების 80%. იხარჯება. ყოველთვის უპირატესობა მიანიჭეთ ხარისხს რაოდენობას! ამის გაკეთება შეგიძლიათ თქვენი მონაცემთა შეგროვების მეთოდების ოპტიმიზაციის გზით. მაგალითად, თუ თქვენ ჩაწერთ მონაცემებს ვებ ფორმიდან, დარწმუნდით, რომ შეაგროვებთ მხოლოდ საჭირო მონაცემებს და შეზღუდეთ მომხმარებლის მიერ ინფორმაციის ხელით აკრეფის აუცილებლობა. რაც უფრო მეტს უწევს ადამიანმა ინფორმაციის „აკრეფა“, მით უფრო მაღალია ის, რომ გაგზავნის არასრულ ან არაზუსტ მონაცემებს.

საუკეთესო პრაქტიკა 3: გამოიყენეთ მონაცემთა ხარისხის სწორი ტექნოლოგია

თქვენ არ გჭირდებათ მილიონი დოლარის დახარჯვა თქვენი მონაცემების ხარისხის დაფიქსირებაზე. არსებობს ათობით ინსტრუმენტი და პლატფორმა, რომელიც დაგეხმარებათ თქვენი მონაცემების მოწესრიგებაში აურზაურის გარეშე. რაშიც ეს ხელსაწყოები დაგეხმარებათ, მოიცავს:

  • მონაცემთა პროფილირება: გეხმარებათ თქვენი მონაცემთა ნაკრების სხვადასხვა შეცდომის იდენტიფიცირებაში, როგორიცაა გამოტოვებული ველები, დუბლიკატი ჩანაწერები, ორთოგრაფიული შეცდომები და ა.შ.
  • მონაცემთა გაწმენდა: გეხმარებათ თქვენი მონაცემების გაწმენდაში, რაც საშუალებას გაძლევთ სწრაფად გადაიტანოთ ცუდი მონაცემებიდან ოპტიმიზებულ მონაცემებზე.
  • მონაცემთა შესატყვისი: გეხმარებათ მონაცემთა ნაკრების შედარება მონაცემთა სხვადასხვა წყაროში და ამ წყაროებიდან მონაცემების ერთმანეთთან დაკავშირება/შეერთება. მაგალითად, შეგიძლიათ გამოიყენოთ მონაცემთა შესატყვისი მონაცემთა როგორც ონლაინ, ასევე ოფლაინ წყაროების დასაკავშირებლად.

მონაცემთა ხარისხის ტექნოლოგია საშუალებას მოგცემთ ფოკუსირება მოახდინოთ იმაზე, რაც მნიშვნელოვანია ზედმეტ სამუშაოზე ზრუნვით. კამპანიის დაწყებამდე არ დაგჭირდებათ დროის დაკარგვა Excel-ზე ან CRM-ში თქვენი მონაცემების დაფიქსირებაზე. მონაცემთა ხარისხის ხელსაწყოს ინტეგრაციით, თქვენ გექნებათ წვდომა ხარისხიან მონაცემებზე ყოველი კამპანიის წინ.

საუკეთესო პრაქტიკა 4: ჩართეთ უფროსი მენეჯმენტი 

თქვენი ორგანიზაციის გადაწყვეტილების მიმღებებმა შეიძლება არ იცოდნენ პრობლემის შესახებ, ან თუნდაც იცოდნენ, ისინი მაინც თვლიან, რომ ეს არის IT პრობლემა და არა მარკეტინგული პრობლემა. ეს არის ის, სადაც თქვენ უნდა შეხვიდეთ გამოსავლის შესთავაზე. ცუდი მონაცემები CRM-ში? ცუდი მონაცემები გამოკითხვებიდან? ცუდი მომხმარებლის მონაცემები? ეს ყველაფერი მარკეტინგული საზრუნავია და არაფერი აქვს საერთო IT გუნდებთან! მაგრამ თუ მარკეტერი არ გადადგამს პრობლემის გადაჭრის შეთავაზებას, ორგანიზაციებს შეუძლიათ არაფერი გააკეთონ მონაცემთა ხარისხის საკითხებთან დაკავშირებით. 

საუკეთესო პრაქტიკა 5: პრობლემების იდენტიფიცირება წყაროს დონეზე 

ზოგჯერ, მონაცემთა ცუდი პრობლემები გამოწვეულია არაეფექტური პროცესით. მიუხედავად იმისა, რომ თქვენ შეგიძლიათ ზედაპირზე მონაცემების გასუფთავება, თუ არ დაადგინეთ პრობლემის ძირეული მიზეზი, განმეორებით იგივე ხარისხის პრობლემები შეგექმნებათ. 

მაგალითად, თუ თქვენ აგროვებთ მთავარ მონაცემებს სადესანტო გვერდიდან და შეამჩნევთ, რომ მონაცემთა 80%-ს აქვს პრობლემა ტელეფონის ნომრის ჩანაწერებთან დაკავშირებით, შეგიძლიათ განახორციელოთ მონაცემთა შეყვანის კონტროლი (როგორიცაა ქალაქის კოდის სავალდებულო ველის განთავსება), რათა უზრუნველყოთ თქვენი ზუსტი მონაცემების მიღება. 

მონაცემთა უმრავლესობის პრობლემების ძირითადი მიზეზი შედარებით მარტივი მოსაგვარებელია. თქვენ უბრალოდ უნდა გამოყოთ დრო უფრო ღრმად ჩასაჭრელად და ძირითადი საკითხის იდენტიფიცირებისთვის და დამატებითი ძალისხმევა პრობლემის გადასაჭრელად! 

მონაცემები არის მარკეტინგის ოპერაციების ხერხემალი

მონაცემები მარკეტინგული ოპერაციების ხერხემალია, მაგრამ თუ ეს მონაცემები არ არის ზუსტი, სრული ან სანდო, თქვენ დაკარგავთ ფულს ძვირადღირებული შეცდომების გამო. მონაცემთა ხარისხი აღარ შემოიფარგლება მხოლოდ IT დეპარტამენტით. მარკეტოლოგები არიან მომხმარებელთა მონაცემების მფლობელები და, შესაბამისად, უნდა შეეძლოთ სწორი პროცესებისა და ტექნოლოგიების დანერგვა მონაცემთა ბაზაზე ორიენტირებული მიზნების მისაღწევად.

რას ფიქრობთ?

ეს საიტი იყენებს Akismet- ს, რათა შეამციროს სპამი. შეისწავლეთ თქვენი კომენტარის მონაცემები დამუშავებული.