Το μάρκετινγκ χρειάζεται δεδομένα ποιότητας για να βασίζεται στα δεδομένα – Αγώνες και λύσεις

Ποιότητα δεδομένων μάρκετινγκ και μάρκετινγκ με γνώμονα τα δεδομένα

Οι επαγγελματίες του μάρκετινγκ βρίσκονται υπό ακραία πίεση να βασίζονται σε δεδομένα. Ωστόσο, δεν θα βρείτε επαγγελματίες του μάρκετινγκ να μιλούν για κακή ποιότητα δεδομένων ή να αμφισβητούν την έλλειψη διαχείρισης δεδομένων και ιδιοκτησίας δεδομένων στους οργανισμούς τους. Αντίθετα, προσπαθούν να βασίζονται σε δεδομένα με κακά δεδομένα. Τραγική ειρωνεία! 

Για τους περισσότερους επαγγελματίες του μάρκετινγκ, προβλήματα όπως ελλιπή δεδομένα, τυπογραφικά λάθη και διπλότυπα δεν αναγνωρίζονται καν ως πρόβλημα. Θα ξόδευαν ώρες για να διορθώσουν λάθη στο Excel ή θα έψαχναν για προσθήκες για να συνδέσουν πηγές δεδομένων και να βελτιώσουν τις ροές εργασίας, αλλά δεν γνωρίζουν ότι πρόκειται για ζητήματα ποιότητας δεδομένων που έχουν αποτέλεσμα κυματισμού σε ολόκληρο τον οργανισμό με αποτέλεσμα εκατομμύρια χαμένες χρήματα. 

Πώς η ποιότητα των δεδομένων επηρεάζει την επιχειρηματική διαδικασία

Οι επαγγελματίες του μάρκετινγκ σήμερα είναι τόσο κατακλυσμένοι με μετρήσεις, τάσεις, αναφορές και αναλυτικά στοιχεία που απλώς δεν έχουν χρόνο να είναι σχολαστικοί με τις προκλήσεις ποιότητας δεδομένων. Αλλά αυτό είναι το πρόβλημα. Εάν οι υπεύθυνοι του μάρκετινγκ δεν έχουν στην αρχή ακριβή δεδομένα, πώς θα μπορούσαν να δημιουργήσουν αποτελεσματικές καμπάνιες; 

Επικοινώνησα με αρκετούς εμπόρους όταν άρχισα να γράφω αυτό το κομμάτι. Είχα την τύχη να έχω Άξελ Λαβέρν, Συνιδρυτής του ReviewFlowz να μοιραστεί την εμπειρία του με φτωχά δεδομένα. 

Εδώ είναι οι οξυδερκείς απαντήσεις του στις ερωτήσεις μου. 

  1. Ποιοι ήταν οι αρχικοί σας αγώνες με την ποιότητα των δεδομένων όταν κατασκευάζατε το προϊόν σας; Έφτιαχνα μια μηχανή παραγωγής κριτικής και χρειαζόμουν μερικά άγκιστρα για να αξιοποιήσω για να στείλω αιτήματα ελέγχου σε ευχαριστημένους πελάτες σε μια στιγμή που πιθανότατα θα άφηναν μια θετική κριτική. 

    Για να συμβεί αυτό, η ομάδα δημιούργησε μια καθαρή βαθμολογία υποστηρικτών (NPS) έρευνα που θα αποσταλεί 30 ημέρες μετά την εγγραφή. Κάθε φορά που ένας πελάτης άφηνε ένα θετικό NPS, αρχικά 9 και 10, αργότερα επεκτάθηκε σε 8, 9 και 10, θα καλούνταν να αφήσει μια κριτική και να λάβει μια δωροκάρτα $10 σε αντάλλαγμα. Η μεγαλύτερη πρόκληση εδώ ήταν ότι το τμήμα NPS δημιουργήθηκε στην πλατφόρμα αυτοματισμού μάρκετινγκ, ενώ τα δεδομένα βρίσκονταν στο εργαλείο NPS. Οι αποσυνδεδεμένες πηγές δεδομένων και τα ασυνεπή δεδομένα μεταξύ των εργαλείων έγιναν ένα εμπόδιο που απαιτούσε τη χρήση πρόσθετων εργαλείων και ροών εργασίας.

    Καθώς η ομάδα συνέχισε να ενσωματώνει διαφορετικές λογικές ροές και σημεία ολοκλήρωσης, έπρεπε να ασχοληθεί με τη διατήρηση της συνέπειας με τα δεδομένα παλαιού τύπου. Το προϊόν εξελίσσεται, πράγμα που σημαίνει ότι τα δεδομένα προϊόντων αλλάζουν συνεχώς, απαιτώντας από τις εταιρείες να διατηρούν ένα συνεπές σχήμα δεδομένων αναφοράς με την πάροδο του χρόνου.

  2. Ποια βήματα κάνατε για να επιλύσετε το πρόβλημα; Χρειάστηκε πολλή δουλειά με την ομάδα δεδομένων για να δημιουργηθεί η κατάλληλη μηχανική δεδομένων γύρω από την πτυχή των ενσωματώσεων. Μπορεί να ακούγεται αρκετά βασικό, αλλά με πολλές διαφορετικές ενσωματώσεις και πολλές ενημερώσεις που αποστέλλονται, συμπεριλαμβανομένων ενημερώσεων που επηρεάζουν τη ροή εγγραφής, έπρεπε να δημιουργήσουμε πολλές διαφορετικές λογικές ροές με βάση συμβάντα, στατικά δεδομένα κ.λπ.
  3. Το τμήμα μάρκετινγκ είχε λόγο για την επίλυση αυτών των προκλήσεων; Είναι δύσκολο πράγμα. Όταν πηγαίνετε στην ομάδα δεδομένων με ένα πολύ συγκεκριμένο πρόβλημα, μπορεί να νομίζετε ότι είναι μια εύκολη λύση και αυτό χρειάζεται μόνο 1 ώρα για να διορθωθεί αλλά πραγματικά συχνά περιλαμβάνει έναν τόνο αλλαγών που δεν γνωρίζετε. Στη συγκεκριμένη περίπτωσή μου σχετικά με τις προσθήκες, η κύρια πηγή προβλημάτων ήταν η διατήρηση συνεπών δεδομένων με δεδομένα παλαιού τύπου. Τα προϊόντα εξελίσσονται και είναι πραγματικά δύσκολο να διατηρηθεί ένα συνεπές σχήμα δεδομένων αναφοράς με την πάροδο του χρόνου.

    Λοιπόν, ναι, σίγουρα λέμε όσον αφορά τις ανάγκες, αλλά όσον αφορά τον τρόπο εφαρμογής των ενημερώσεων κ.λπ., δεν μπορείτε πραγματικά να αμφισβητήσετε μια κατάλληλη ομάδα μηχανικής δεδομένων που γνωρίζει ότι πρέπει να αντιμετωπίσει πολλές αλλαγές για να το πραγματοποιήσει, και για την «προστασία» των δεδομένων από μελλοντικές ενημερώσεις.

  4. Γιατί δεν μιλούν οι έμποροι διαχείριση δεδομένων ή την ποιότητα των δεδομένων παρόλο που προσπαθούν να βασίζονται σε δεδομένα; Νομίζω ότι είναι πραγματικά μια περίπτωση που δεν συνειδητοποιούμε το πρόβλημα. Οι περισσότεροι επαγγελματίες του μάρκετινγκ με τους οποίους μίλησα υποτιμούν ευρέως τις προκλήσεις συλλογής δεδομένων και βασικά, εξετάζουν τους KPI που υπάρχουν εδώ και χρόνια χωρίς ποτέ να τους αμφισβητήσουν. Αλλά αυτό που αποκαλείτε εγγραφή, υποψήφιο πελάτη ή ακόμα και μοναδικός επισκέπτης αλλάζει μαζικά ανάλογα με τη ρύθμιση παρακολούθησης και το προϊόν σας.

    Πολύ βασικό παράδειγμα: δεν είχατε καμία επικύρωση μέσω email και η ομάδα προϊόντων σας την προσθέτει. Τι είναι τότε η εγγραφή; Πριν ή μετά την επικύρωση; Δεν θα αρχίσω καν να μπαίνω σε όλες τις λεπτές λεπτομέρειες της παρακολούθησης Ιστού.

    Νομίζω ότι έχει επίσης πολύ να κάνει με την απόδοση και τον τρόπο που χτίζονται οι ομάδες μάρκετινγκ. Οι περισσότεροι επαγγελματίες του μάρκετινγκ είναι υπεύθυνοι για ένα κανάλι ή ένα υποσύνολο καναλιών και όταν αθροίζετε τι αποδίδει κάθε μέλος μιας ομάδας στο κανάλι τους, συνήθως είστε περίπου 150% ή 200% της απόδοσης. Ακούγεται παράλογο όταν το θέτεις έτσι, γι' αυτό κανείς δεν το κάνει. Η άλλη πτυχή είναι πιθανώς ότι η συλλογή δεδομένων συχνά καταλήγει σε πολύ τεχνικά ζητήματα και οι περισσότεροι έμποροι δεν είναι πραγματικά εξοικειωμένοι με αυτά. Σε τελική ανάλυση, δεν μπορείτε να ξοδέψετε τον χρόνο σας για να διορθώσετε δεδομένα και να αναζητήσετε πληροφορίες τέλειες για pixel γιατί απλώς δεν θα τις λάβετε.

  5. Ποια πρακτικά/άμεσα βήματα πιστεύετε ότι μπορούν να κάνουν οι έμποροι για να διορθώσουν την ποιότητα των δεδομένων των πελατών τους;Μπείτε στη θέση του χρήστη και δοκιμάστε κάθε μία από τις διοχετεύσεις σας. Αναρωτηθείτε τι είδους συμβάν ή ενέργεια μετατροπής ενεργοποιείτε σε κάθε βήμα. Πιθανότατα θα εκπλαγείτε πολύ με αυτό που πραγματικά συμβαίνει. Η κατανόηση του τι σημαίνει ένας αριθμός στην πραγματική ζωή, για έναν πελάτη, επικεφαλής ή επισκέπτη, είναι απολύτως θεμελιώδης για την κατανόηση των δεδομένων σας.

Το μάρκετινγκ έχει τη βαθύτερη κατανόηση του πελάτη, ωστόσο αγωνίζεται να βάλει σε τάξη τα προβλήματα ποιότητας των δεδομένων του

Το μάρκετινγκ βρίσκεται στην καρδιά κάθε οργανισμού. Είναι το τμήμα που διαδίδει τη λέξη για το προϊόν. Είναι το τμήμα που αποτελεί γέφυρα μεταξύ του πελάτη και της επιχείρησης. Το τμήμα που ειλικρινά διευθύνει την εκπομπή.

Ωστόσο, αγωνίζονται επίσης περισσότερο με την πρόσβαση σε ποιοτικά δεδομένα. Το χειρότερο, όπως ανέφερε ο Axel, μάλλον δεν συνειδητοποιούν καν τι σημαίνει φτωχά δεδομένα και τι αντιμετωπίζουν! Ακολουθούν ορισμένα στατιστικά στοιχεία που προέρχονται από την αναφορά DOMO, Το νέο MO του μάρκετινγκ, για να βάλουμε τα πράγματα στη θέση τους:

  • Το 46% των επαγγελματιών μάρκετινγκ λέει ότι ο τεράστιος αριθμός καναλιών και πηγών δεδομένων έχει καταστήσει πιο δύσκολο τον μακροπρόθεσμο προγραμματισμό.
  • Το 30% των ανώτερων επαγγελματιών του μάρκετινγκ πιστεύει ότι το τμήμα ΚΟΤ και Πληροφορικής θα πρέπει να αναλάβει την ευθύνη της κατοχής δεδομένων. Οι εταιρείες εξακολουθούν να ανακαλύπτουν την ιδιοκτησία των δεδομένων!
  • Το 17.5% πιστεύει ότι υπάρχει έλλειψη συστημάτων που συγκεντρώνουν δεδομένα και προσφέρουν διαφάνεια σε όλη την ομάδα.

Αυτοί οι αριθμοί υποδεικνύουν ότι είναι καιρός το μάρκετινγκ να αποκτήσει τα δεδομένα και να δημιουργήσει ζήτηση ώστε να βασίζεται πραγματικά στα δεδομένα.

Τι μπορούν να κάνουν οι έμποροι για να κατανοήσουν, να εντοπίσουν και να χειριστούν τις προκλήσεις ποιότητας δεδομένων;

Παρά το γεγονός ότι τα δεδομένα αποτελούν τη ραχοκοκαλιά για τη λήψη επιχειρηματικών αποφάσεων, πολλές εταιρείες εξακολουθούν να αγωνίζονται να βελτιώσουν το πλαίσιο διαχείρισης δεδομένων τους για την αντιμετώπιση ζητημάτων ποιότητας. 

Σε μια έκθεση Εξέλιξη μάρκετινγκ, περισσότερο από το ένα τέταρτο του 82% εταιρείες που συμμετείχαν στην έρευνα επλήγησαν από τα κατώτερα δεδομένα. Οι έμποροι δεν έχουν πλέον την πολυτέλεια να σκουπίζουν τα ζητήματα ποιότητας δεδομένων κάτω από το χαλί ούτε έχουν την πολυτέλεια να αγνοούν αυτές τις προκλήσεις. Τι μπορούν πραγματικά να κάνουν οι έμποροι για να αντιμετωπίσουν αυτές τις προκλήσεις; Ακολουθούν πέντε βέλτιστες πρακτικές για να ξεκινήσετε.

Βέλτιστη πρακτική 1: Αρχίστε να μαθαίνετε για ζητήματα ποιότητας δεδομένων

Ένας έμπορος πρέπει να γνωρίζει τα ζητήματα ποιότητας δεδομένων όπως και ο συνάδελφός του στον τομέα της πληροφορικής. Πρέπει να γνωρίζετε κοινά προβλήματα που αποδίδονται σε σύνολα δεδομένων τα οποία περιλαμβάνουν, αλλά δεν περιορίζονται σε:

  • Τυπογραφικά λάθη, ορθογραφικά λάθη, λάθη ονομασίας, λάθη καταγραφής δεδομένων
  • Ζητήματα με τις συμβάσεις ονομασίας και την έλλειψη προτύπων όπως αριθμοί τηλεφώνου χωρίς κωδικούς χώρας ή χρήση διαφορετικών μορφών ημερομηνίας
  • Ελλιπείς λεπτομέρειες όπως λείπουν διευθύνσεις email, επώνυμα ή κρίσιμες πληροφορίες που απαιτούνται για αποτελεσματικές καμπάνιες
  • Ανακριβείς πληροφορίες όπως λανθασμένα ονόματα, λανθασμένοι αριθμοί, email κ.λπ
  • Διαφορετικές πηγές δεδομένων όπου καταγράφετε πληροφορίες του ίδιου ατόμου, αλλά αποθηκεύονται σε διαφορετικές πλατφόρμες ή εργαλεία που σας εμποδίζουν να αποκτήσετε μια ενοποιημένη προβολή
  • Διπλότυπα δεδομένα όταν αυτές οι πληροφορίες επαναλαμβάνονται κατά λάθος στην ίδια πηγή δεδομένων ή σε άλλη πηγή δεδομένων

Δείτε πώς φαίνονται φτωχά δεδομένα σε μια πηγή δεδομένων:

προβλήματα μάρκετινγκ με φτωχά δεδομένα

Η εξοικείωση με όρους όπως η ποιότητα δεδομένων, η διαχείριση δεδομένων και η διακυβέρνηση δεδομένων μπορεί να σας βοηθήσει να εντοπίσετε λάθη στη Διαχείριση Σχέσεων Πελατών (CRM) πλατφόρμα, και σε αυτή την έκταση, επιτρέποντάς σας να αναλάβετε δράση όπως χρειάζεται.

Βέλτιστη πρακτική 2: Να δίνετε πάντα προτεραιότητα στα δεδομένα ποιότητας

Έχω πάει εκεί, το έκανα. Είναι δελεαστικό να αγνοήσετε τα κακά δεδομένα, γιατί αν πραγματικά σκάβετε βαθιά, μόνο το 20% των δεδομένων σας θα μπορούσε πραγματικά να χρησιμοποιηθεί. Περισσότερο από 80% των δεδομένων είναι χαμένη. Πάντα προτεραιότητα στην ποιότητα έναντι της ποσότητας! Μπορείτε να το κάνετε αυτό βελτιστοποιώντας τις μεθόδους συλλογής δεδομένων σας. Για παράδειγμα, εάν καταγράφετε δεδομένα από μια φόρμα ιστού, βεβαιωθείτε ότι συλλέγετε μόνο δεδομένα που είναι απαραίτητα και περιορίστε την ανάγκη του χρήστη να πληκτρολογήσει μη αυτόματα τις πληροφορίες. Όσο περισσότερο ένα άτομο πρέπει να «πληκτρολογήσει» πληροφορίες, τόσο πιο πιθανό είναι να στείλει ελλιπή ή ανακριβή δεδομένα.

Βέλτιστη πρακτική 3: Αξιοποιήστε τη σωστή τεχνολογία ποιότητας δεδομένων

Δεν χρειάζεται να ξοδέψετε ένα εκατομμύριο δολάρια για τη διόρθωση της ποιότητας των δεδομένων σας. Υπάρχουν δεκάδες εργαλεία και πλατφόρμες εκεί έξω που μπορούν να σας βοηθήσουν να βάλετε τα δεδομένα σας σε τάξη χωρίς να προκαλέσετε φασαρία. Πράγματα στα οποία μπορούν να σας βοηθήσουν αυτά τα εργαλεία περιλαμβάνουν:

  • Δημιουργία προφίλ δεδομένων: Σας βοηθά να εντοπίσετε διαφορετικά σφάλματα στο σύνολο δεδομένων σας, όπως πεδία που λείπουν, διπλότυπες εγγραφές, ορθογραφικά λάθη κ.λπ.
  • Καθαρισμός δεδομένων: Σας βοηθά να καθαρίσετε τα δεδομένα σας επιτρέποντας την ταχύτερη μετατροπή από φτωχά σε βελτιστοποιημένα δεδομένα.
  • Αντιστοίχιση δεδομένων: Σας βοηθά να αντιστοιχίσετε σύνολα δεδομένων σε διαφορετικές πηγές δεδομένων και να συνδέσετε/συγχωνεύσετε τα δεδομένα από αυτές τις πηγές μεταξύ τους. Για παράδειγμα, μπορείτε να χρησιμοποιήσετε την αντιστοίχιση δεδομένων για να συνδέσετε πηγές δεδομένων τόσο στο διαδίκτυο όσο και εκτός σύνδεσης.

Η τεχνολογία ποιότητας δεδομένων θα σας επιτρέψει να εστιάσετε σε ό,τι έχει σημασία, φροντίζοντας για την περιττή εργασία. Δεν θα χρειάζεται να ανησυχείτε μήπως χάσετε χρόνο για να διορθώσετε τα δεδομένα σας στο Excel ή στο CRM πριν ξεκινήσετε μια καμπάνια. Με την ενσωμάτωση ενός εργαλείου ποιότητας δεδομένων, θα μπορείτε να έχετε πρόσβαση σε ποιοτικά δεδομένα πριν από κάθε καμπάνια.

Βέλτιστη πρακτική 4: Συμμετοχή ανώτερων στελεχών 

Οι υπεύθυνοι λήψης αποφάσεων στον οργανισμό σας μπορεί να μην γνωρίζουν το πρόβλημα ή ακόμα κι αν το γνωρίζουν, εξακολουθούν να υποθέτουν ότι είναι πρόβλημα πληροφορικής και όχι ανησυχία μάρκετινγκ. Εδώ πρέπει να παρέμβετε για να προτείνετε μια λύση. Κακά δεδομένα στο CRM; Κακά δεδομένα από έρευνες; Κακά δεδομένα πελατών; Όλα αυτά είναι ανησυχίες μάρκετινγκ και δεν έχουν καμία σχέση με ομάδες πληροφορικής! Ωστόσο, εκτός εάν κάποιος έμπορος προχωρήσει για να προτείνει την επίλυση του προβλήματος, οι οργανισμοί ενδέχεται να μην κάνουν τίποτα για ζητήματα ποιότητας δεδομένων. 

Βέλτιστη πρακτική 5: Προσδιορίστε προβλήματα σε επίπεδο πηγής 

Μερικές φορές, τα κακά προβλήματα δεδομένων προκαλούνται από μια αναποτελεσματική διαδικασία. Ενώ μπορείτε να καθαρίσετε τα δεδομένα στην επιφάνεια, εκτός και αν δεν προσδιορίσετε τη βασική αιτία του προβλήματος, θα αντιμετωπίσετε τα ίδια προβλήματα ποιότητας σε επανάληψη. 

Για παράδειγμα, εάν συλλέγετε δεδομένα δυνητικού πελάτη από μια σελίδα προορισμού και παρατηρήσετε ότι το 80% των δεδομένων έχει πρόβλημα με τις καταχωρίσεις αριθμού τηλεφώνου, μπορείτε να εφαρμόσετε στοιχεία ελέγχου εισαγωγής δεδομένων (όπως η τοποθέτηση ενός υποχρεωτικού πεδίου κωδικού πόλης) για να διασφαλίσετε ότι λαμβάνετε ακριβή δεδομένα. 

Η βασική αιτία των περισσότερων προβλημάτων δεδομένων είναι σχετικά απλή στην επίλυση. Απλώς χρειάζεται να αφιερώσετε χρόνο για να σκάψετε βαθύτερα και να εντοπίσετε το βασικό πρόβλημα και να κάνετε την επιπλέον προσπάθεια για να λύσετε το πρόβλημα! 

Τα δεδομένα είναι η ραχοκοκαλιά των λειτουργιών μάρκετινγκ

Τα δεδομένα αποτελούν τη ραχοκοκαλιά των λειτουργιών μάρκετινγκ, αλλά εάν αυτά τα δεδομένα δεν είναι ακριβή, πλήρη ή αξιόπιστα, θα χάσετε χρήματα από δαπανηρά λάθη. Η ποιότητα των δεδομένων δεν περιορίζεται πλέον στο τμήμα πληροφορικής. Οι έμποροι είναι οι ιδιοκτήτες των δεδομένων των πελατών και επομένως πρέπει να είναι σε θέση να εφαρμόζουν τις σωστές διαδικασίες και τεχνολογία για την επίτευξη των στόχων τους που βασίζονται στα δεδομένα.

Ποια είναι η γνώμη σας;

Αυτός ο ιστότοπος χρησιμοποιεί το Akismet για να μειώσει το spam. Μάθετε πώς επεξεργάζονται τα δεδομένα των σχολίων σας.