Kura frāze visprecīzāk atspoguļo jūsu pašreizējo mārketinga stratēģiju?



Datu vadīts . Informēti par datiem . Dati iespējoti ?



Ja jūs skrāpējat galvu (vai griezat acis), jūs neesat viens.

Nesenās sarunas par datiem un no tām izrietošās atšķirības daudzus tirgotājus ir pamudinājušas, kura pieeja viņiem būtu jāpiemēro savam biznesam.

Bet tā vietā, lai nostātos šajā jautājumā, es gribētu apgalvot, ka tas mazāk attiecas uz semantiku un vairāk par to, kāpēc tiek veiktas šīs smalkās atšķirības.

Galvenā sūdzība par terminu “ar datiem pamatota” ir tā, ka tajā tiek apgalvots, ka dati ir atbildīgi. Jaunais lēmumu pieņēmējs. Galu galā un būt par visu mūsdienu mārketingu.

Lielākā daļa datu zinātnieku runās līdz brīdim, kad viņi būs zilā krāsā, par to, kā izsmalcinātu algoritmu iegūtās atziņas ir daudz pārākas par cilvēka nojausmas atziņām.



Skaitļi ir konkrēti. Tie ir precīzi. Viņi ir taustāmi.

Bet uz brīdi apsveriet pašpiedziņas automašīnas gadījumu.

Pašpiedziņas automašīnu nodrošina uzlabota GPS, navigācija un kartēšana, sensori, lāzeri, kameras un datori.



Teorētiski datoriem un citām progresīvām tehnoloģijām vajadzētu būt daudz pārdomātākiem visiem faktoriem un informācijai, kas vajadzīga, lai droši pārvietotos pa brauktuvēm.

Galu galā viņi spēj uzņemt un apstrādāt tik daudz informācijas, nekā spēj cilvēka smadzenes. Viņi arī labāk atpazīst un identificē sarežģītus modeļus, šajā gadījumā trafika modeļus.

Bet tur, kur pašpiedziņas automašīnas neizdodas, tiek atņemta cilvēka unikālā spēja interpretēt kontekstu, nodomu un labi, cilvēcību.

To pašu var teikt par patērētāju vai tirgus datiem. Cilvēka uzvedībā vienkārši ir pārāk daudz nianšu, lai mēs jebkad varētu pilnībā vadīt AI / datus.

Tagad nepārprotiet.

Es kā cilvēks, kura lomai pieprasījuma radīšanā ir vajadzīgs daudz laika, izmantojot skaitļus, es neesmu šeit, lai apmānītu vai atlaistu datus kā nepieciešamu vai efektīvu mārketinga rīku. Es tikai domāju, ka citu organizāciju, kā arī savu organizāciju panākumiem ir svarīgi, lai tas vienkārši paliktu par instrumentu.

Lai patiesi izmantotu datu spēku, vispirms ir jāatzīst un jāsaprot to ierobežojumi:

15 skaitļa nozīme

Dati nemelo, bet ar to nevar izstāstīt visu stāstu

Alberts Einšteins reiz teica: 'Nevar saskaitīt visu, ko var skaitīt, un ne visu, ko var saskaitīt.'

eņģeļu numuri 1010

Cik sarežģīti un sarežģīti ir datori un mašīnas, tie galvenokārt mums piedāvā ļoti vienkāršu un vienkāršu informāciju - kurš / kas / kad. Lai gan zinot, ka informācija ir ārkārtīgi noderīga, mūsu mācības ir ierobežotas bez papildu konteksta, kā un kāpēc.

Piemēram, dati var pateikt, cik cilvēkiem patika vai kopīgoja ziņu, taču nevar pateikt, kāpēc. Citiem vārdiem sakot, tas var mums piedāvāt kvantitatīvus rezultātus, bet ne kvalitatīvu pamatojumu.

Vai arī padomājiet par to šādā veidā: ja kāds analizētu stundas, ko attiecīgajā nedēļā pavadījāt ar kolēģiem, draugiem un ģimeni, dati liecinātu, ka jūsu kolēģi jums bija vissvarīgākie.

Iespējams, ka tas tā nav, bet labs piemērs tam, kā dati var būt maldinoši bez atbilstoša konteksta.

Dati var arī norādīt uz iespējamo saistību starp dažādiem faktoriem, taču to nevar pierādīt. Tas ir pazīstamais teiciens: “korelācija nenozīmē cēloņsakarību”.

Piemēram, dati var parādīt korelāciju starp mēneša lielu vietnes trafiku un lieliem ieņēmumiem, taču tas nenozīmē, ka ieņēmumu pieaugumu izraisīja palielināta datplūsma. Varētu būt kāds trešais faktors, kas ietekmē abus šos skaitļus, vai cits netiešais mainīgais.

Tikai jūsu apmācītā acs un pieredze zinās piesardzīgi pieiet šiem skaitļiem un metrikām un veikt turpmākas pārbaudes. Ja savos datos atklājat korelāciju, mēģiniet iedziļināties, lai atkārtotu rezultātus vai izolētu patieso cēloni, vai dažādos veidos segmentējiet, lai redzētu, vai parādās atšķirīgi modeļi.

Tāpat var būt noderīgi apkopot kvalitatīvas atsauksmes no tādām metodēm kā vietņu un e-pasta aptaujas.

Dati ir reālisti, taču tie nevar riskēt

Pirms vairākiem gadiem 29 gadus vecs Morgans Hermands-Vaiche devās uz dzimšanas dienu nopirkt draudzenei apakšveļu.

Kad viņš atklāja, cik dārga ir lielākā daļa viņa iespēju, viņš saprata, ka tirgū ir nopietna plaisa par pieejamu apakšveļas uzņēmumu, un nekavējoties sāka pētīt iespējamo riska iespēju.

Problēma? Dati lika viņam turēties pēc iespējas tālāk no apakšveļas biznesa. Tirgū dominēja nepārprotama nozares vadība, neskaitāmi šķēršļi iekļūšanai tirgū un daudzi neveiksmīgi mēģinājumi, tostarp vairāki pazīstami zīmoli.

Bet, neraugoties uz viņa atklājumiem, Hermands-Vaiche nevarēja ignorēt vienu lietu, kas joprojām mudina viņu turpināt šo uzņēmējdarbību: viņa zarnu. Bija jābūt tirgum par pieņemamu, kvalitatīvu apakšveļu - pat ja dati liecina par pretējo.

Hermands Veičs tagad ir e-komercijas apakšveļas uzņēmuma Adore Me dibinātājs un izpilddirektors. Tikai dažu gadu laikā viņš pagrieza zarnu sajūtu iekļauti Inc. 500 otrajā vietā visstraujāk augošajā uzņēmumā NYC un ir piesaistījuši aptuveni 11,5 miljonus ASV dolāru no riska kapitāla uzņēmumiem un privātiem investoriem.

Dati var mums pateikt tikai lietu pašreizējo stāvokli un labākajā gadījumā sniegt apzinātas prognozes.

Mēģiniet izmantot kvalitatīvākas metodes, piemēram, jautājumu uzdošanu / aptaujas savos sociālajos kanālos, sociālo klausīšanos vai pat labas fokusa grupas, lai iegūtu godīgākas, tuvākas atsauksmes par jūsu domu.

Un atcerieties, ka dažreiz revolūcija nozīmē tikai status quo ignorēšanu un riska uzņemšanos.

Dati var informēt, bet nevar iedomāties

Atkārtojiet pēc manis: lielie dati nav galvenā ideja.

Dati nenāca klajā ar “Just Do It” vai lika Apple domāt “Think different”.

Pārāk viegli ir ieslīgt skaitļu un statistikas nezālēs, taču atcerieties, ka lielisks mārketings ir saistīts ar lieliska stāsta stāstīšanu - un lieliska stāsta stāstīšana nozīmē cilvēka uzvedības, emociju un pārdzīvojumu izpratni.

No datiem mēs varam uzzināt visdažādākās lietas par mūsu auditorijas darbībām. Bet tas nevar mums pastāstīt par viņu motivāciju, cīņām, vēlmēm utt. Mums ir vajadzīgas šīs unikāli cilvēciskās atziņas, lai stāstītu lieliskus stāstus un būtu radoši.

Bet tā nav datu vaina.

Radošums ir māksla. Pēc savas definīcijas “māksla” ir cilvēka radošās prasmes un iztēles izpausme vai pielietojums, radot darbus, kas vispirms jānovērtē to skaistuma vai emocionālā spēka dēļ. Atslēgvārdi šeit ir “cilvēks” un “emocionāls”.

Konkrētais gadījums: 2016. gadā Toronto Universitātes Datorikas nodaļa mēģināja mācīt datoru kā uzrakstīt dziesmu .

Pētnieki baroja mašīnu vairāk nekā 100 stundas mūzikas, kamēr izsmalcināts algoritms “iemācījās” ritmu, akordu un tekstu modeļus. Un, lai arī tas viss izklausās iespaidīgi augsto tehnoloģiju ziņā, radītā “dziesma” bija nedaudz katastrofāla - ar dīvainiem, nejēdzīgiem tekstiem un neiedvesmojošu, robotu melodiju.

Izrādās, dati ir diezgan nežēlīgi komponisti.

eņģeļa skaitļa 420 nozīme

Labā ziņa ir tā, ka ir veids, kā dati var sniegt tādu cilvēcisku, emocionālu ieskatu, kas iedvesmo lielu radošumu. Bet tā vietā, lai klausītos skaitļus, jums patiesībā ir jāuzklausa cilvēki.

Jaunākie sasniegumi 2005 sociālās klausīšanās rīki ļauj zīmoliem atklāt lietas par savu auditoriju, kas citādi varētu ilgt mēnešus kvalitatīvas intervijas. Tēmas afinitāte ir lielisks piemērs klausīšanās spējām, kas ir daudz ietekmīgākas, nekā to saprot lielākā daļa cilvēku.

Iedomājieties, kādas durvis var atvērties, kad uzzināt, ko vēl jūsu auditorija runā par sociālajiem jautājumiem. Vai viņiem patīk noteikta veida mūzika? Vai sports? Šīs atziņas var radīt jaunas sponsorēšanas iespējas, produktu integrāciju vai pat pavisam jaunu auditorijas segmentu.

Vēl viens labs piemērs tam, kā sociālā klausīšanās var iedvesmot lielu radošumu, ir sentimenta analīze. Uzzinot, kā auditorija jūtas par kaut ko, piemēram, jaunākajām ziņām vai atbilstošām tēmām, jūs iegūstat iespēju izveidot saturu vai kampaņas, kas viņos atbalsosies dziļākā, emocionālākā rezonansē.

To izveidošanai Coca-Cola izmantoja sentimenta analīzi Koksa čivināt mašīna . Izmantojot dabiskās valodas apstrādi un atrašanās vietu, zīmols spēja identificēt vismazāk laimīgo pilsētu valstī.

Atbilstoši zīmola stratēģijai, izvēlieties laimi, viņi uz pilsētu atveda koksa automātu, kurā tika analizēts katra lietotāja Twitter profila noskaņojums.

Pēc tam mašīna izsniedza skārdeni tikai lietotājiem ar pozitīvāku, priecīgāku klātbūtni platformā.

Apbrīnojami, kā zīmoli var tik daudz mācīties un radīt, vienkārši analizējot cilvēku aktivitātes sociālajā jomā. Nākamreiz, kad meklējat radošu ieskatu, izmēģiniet kādu no savām sociālajām klausīšanās iespējām.

Tātad, neatkarīgi no tā, vai uzskatāt, ka jūsu organizācija ir informēta par datiem vai balstīta uz datiem, patiesībā ir svarīgi tikai tas, ka jūs lēmumu pieņemšanā atstājat daudz vietas cilvēcei. Tā kā dati bez cilvēkiem nav ieskats - tie ir tikai skaitļi.

Dalieties Ar Draugiem: