數據驅動的14條規則,而不是數據欺騙的行銷規則

數據驅動的14條規則,而不是數據欺騙的行銷規則

保持冷靜,明智地使用數據

我們現在處於大數據氾濫炒作週期的交火中,並且不可避免地遭到強烈反對。 另一個晚上,一位行銷人員在Twitter上大吼大叫,“ 大數據人們需要解決我的法律問題 。”

我承認,我同情他的挫敗感。 當然,我認為數據 – 正確使用的數據 – 在現代行銷中非常強大。 正如我在一篇關於戈德·霍奇基斯Gord Hotchkiss )最近寫了一篇關於中間市場行銷的文章 ,在許多有爭議的市場行銷二分法中倡導這種平衡的方法:

市場行銷沒有絕對的; 中間只有很多糊塗。 我們需要刺猬來實現偉大行銷的“重大創意”。 但我們也需要狐狸來幫助我們成功地在中間導航。 事實上,我花在行銷上的時間越多(努力避免成為“專家”),我越是意識到中間是所有行動的地方:定量與定性之間,戰略與大數據之間在創意品牌和直接行銷之間,科學與藝術之間。

(這裡有關於刺猬和狐狸的快速背景,如果你還不熟悉這個比喻。簡而言之:狐狸知道很多東西。刺猬知道一件大事。)

那麼關於使用數據你應該知道的許多愚蠢的事情是什麼?

本著平衡方法的精神,我衷心鼓勵您在行銷中接受數據 – 但這裡有14條經驗法則可以保持數據的透視,支持實用的數據驅動行銷方法(並避免數據淹沒或數據 – 銷售行銷):

#1。 客戶驅動>數據驅動。

數據驅動行銷很好。 但行銷的目的是贏得客戶(並通過確保他們擁有豐富的經驗來保持他們) – 因此,以客戶為導向的行銷更好。 當然,它們不必相互排斥。 但一個是手段 ,另一個是結束 。 在沿兔子洞追逐閃閃發光的數據之前,有必要記住這一點。 停下來問:“這對顧客有什麼好處?”

#2。 所有數據都不相同。

“數據結束了爭論。”如果這是一個絕對真理,那就太好了。 但是由於這些日子裡有如此多的數據,所以很容易找到數據來支持論證的幾乎所有方面。 但數據的準確性相關性不同 。 考慮一下這個關於如何在大數據世界中,行銷人員對我們知之甚少的故事。 更好的座右銘可能是:最準確和最相關的數據結束論點。 但事實上,這是決定結束爭論的決定

#3。 數據只是歷史。

數據告訴我們發生了什麼。 它沒有告訴我們將會發生什麼 – 儘管所有過度簡化的預測分析相反的炒作都是如此。 是的,我們應該從歷史中吸取教訓。 是的,我們可以推斷過去的趨勢,以預測未來 – 甚至可能是非常準確的預測。 但世界在不斷變化,歷史的情況不一定是今天或明天的情況。 是的,有黑天鵝 ,弗吉尼亞州。 它的方式並不總是那樣。

#4。 數據總是不完整的。

當然,任何一個特定的數據集都可以完成。 給我過去三年的季度銷售數據:這是一個完整的數據集。 但真空中沒有任何東西存在。 當您使用數據做出決策時 – 並不是重點嗎? – 您擁有的數據並不是唯一可能與您的決策相關的數據。 (“我們用我們擁有的數據進入市場,而不是數據需要。”)總有更多數據出現。 你永遠不可能擁有所有這一切。 承認這一點有助於我們認識到,儘管我們擁有的數據可能會描繪一幅畫面,但它充其量只是一幅印象派畫作。 通常,它更像是現代藝術。

#5。 數據是客觀的,但其收集和解釋是主觀的。

數據給出了客觀性的危險錯覺。 客觀地說,每個人都可以在電子表格中查看相同的數據。 如果我告訴你的7淨推薦分數,有沒有說法,我展示你的號碼確實是一個“7”。但是,收集什麼數據, 何時以及如何收集,並從他們那裡幾乎都是主觀的選擇。 而另一方面,我們如何選擇解釋這些數據也是主觀的。 這篇關於大數據隱藏偏差的文章提供了幾個很好的例子。 它還引入了精彩的短語“數據原理論”。

#6。 任何一組數據都支持無數的敘述。

行銷人員是講故事的人,這通常是一件好事。 數據可用於使故事更具吸引力。 但是,既然我們可以主觀地選擇如何解釋數據,那麼我們幾乎可以發明任何我們想要的敘述。 當然,有些故事比其他故事更可信。 但這通常是模糊的。 這被稱為歸納問題,幾個世紀以來它一直困擾著科學家和哲學家。 不用說,沒有簡單的答案。 但它有助於保持觀點:圍繞數據呈現的任何故事都不是唯一可以講述它的故事。

#7。 戰略是選擇。 好的數據有助於我們做出這些選擇。

我最近闡述了Google每年都會進行10,000多次此類實驗。 它是您可以生成的最強大的數據,這就是為什麼來自Gord的我最喜歡的一句話就是這個比喻:“量化就是在你開車時看著儀表板。 定性是擋風玻璃。“顯然,我們應該做兩件事。 在實踐中,我們在駕駛時自然地平衡定量(數據)和定性(經驗) – 好吧,咳咳,至少我們大多數人都這樣做。 我們也應該在行銷中爭取同樣的均衡。 不要錯過令人振奮的風景,或迎面而來的迎面而來的卡車,因為你的手錶粘在你的儀表板上。

#10。 數據隨時間衰減的準確性和相關性(通常非常快)。

大多數數據的保質期相對較短,特別是在行銷方面。 無論如何,在我尋找新車的那一周,我會定制汽車廣告 – 但六個月之後,那些將我識別為汽車市場的數據只是過去的化石。 有可能是在明知在市場上一車,但相信我依然是毫無價值的一些價值。 比無價值更糟糕,因為它可能會導致你對我做出錯誤的決定。 準確性和相關性是使數據有價值的原因,但這些屬性隨時間而變化。

#11。 數據可用於探索(“為什麼?”)或確認(“什麼?”)。

當數據用於西格爾定律 ,這是為什麼它們不同可能會產生有價值的見解 – 但追逐每一分鐘差異的回報都在減少。 在許多情況下,您不需要完全準確的數據,而只需要足夠準確的數據來做出正確的決策。

#13。 這種模式不是現實。

數據不是它聲稱代表的現實。 充其量,它反映了現實,但卻容易被扭曲(參見上述所有規則)。 著名的哲學家和科學家Alfred Korzybski說:“ 地圖不是領土 。”當然,我們想要使用數據和地圖。 正如偉大的統計學家George EP Box所說,“所有模型都是錯誤的,但有些模型是有用的。”但謹慎的是對錶現的正確性保持一點健康的懷疑態度。 特別是,我們希望對數據之外的其他跡象保持警惕,這些跡象表明現實存在差異。 遵循瑞士軍隊格言: 如果地圖和地形不一致,請相信地形 。 (“地圖顯示沒有clliiiffff ……”)

#14。 數據可視化可以照亮,混淆或分散注意力。

數據可視化 – 圖形,圖表,信息圖表等 – 是一把強大而又雙刃劍。 到目前為止,它是我們人類看到數據模式的最有效方式。 不幸的是,無論是有意還是無意,它都可以向我們展示實際上並非如此的模式。 偉大的數據可視化本身就是一門科學和藝術。 我強烈推薦閱讀Stephen FewKaiser FungEdward TufteNathan YauFernandaViégas和Martin Wattenberg來磨練你的視覺識字能力。 他們將為您的數據洞察工具箱提供一些最佳工具。

獎金匯總規則:保持冷靜並明智地使用數據。

分享

發佈留言

Close Menu