Γιατί η ομαδική επικοινωνία είναι πιο σημαντική από το Martech Stack σας

Επικοινωνία και ανάλυση ομάδας μάρκετινγκ

Η άτυπη άποψη του Simo Ahava σχετικά με την ποιότητα των δεδομένων και τις δομές επικοινωνίας αναζωογόνησε ολόκληρο το σαλόνι στο Μεταβείτε στο Analytics! διάσκεψη. OWOX, ο ηγέτης της MarTech στην περιοχή της ΚΑΚ, καλωσόρισε χιλιάδες εμπειρογνώμονες σε αυτήν τη συγκέντρωση για να μοιραστούν τις γνώσεις και τις ιδέες τους.

Ομάδα OWOX BI Θα θέλατε να σκεφτείτε την ιδέα που πρότεινε ο Simo Ahava, η οποία σίγουρα μπορεί να κάνει την επιχείρησή σας να αναπτυχθεί. 

Η ποιότητα των δεδομένων και η ποιότητα του οργανισμού

Η ποιότητα των δεδομένων εξαρτάται από το άτομο που τα αναλύει. Συνήθως, θα κατηγορούμε όλα τα ελαττώματα στα δεδομένα σχετικά με εργαλεία, ροές εργασίας και σύνολα δεδομένων. Αλλά είναι λογικό;

Ειλικρινά, η ποιότητα των δεδομένων συνδέεται άμεσα με τον τρόπο που επικοινωνούμε στους οργανισμούς μας. Η ποιότητα του οργανισμού καθορίζει τα πάντα, ξεκινώντας από την προσέγγιση στην εξόρυξη δεδομένων, την εκτίμηση και τη μέτρηση, συνεχίζοντας με την επεξεργασία και τελειώνοντας με τη συνολική ποιότητα του προϊόντος και τη λήψη αποφάσεων. 

Εταιρείες και οι δομές επικοινωνίας τους

Ας φανταστούμε ότι μια εταιρεία ειδικεύεται σε ένα εργαλείο. Οι άνθρωποι σε αυτήν την εταιρεία είναι εξαιρετικοί στο να βρουν ορισμένα προβλήματα και να τα λύσουν για την κατηγορία B2B. Όλα είναι υπέροχα, και χωρίς αμφιβολία ξέρετε μερικές εταιρείες σαν αυτό.

Οι παρενέργειες των δραστηριοτήτων αυτών των εταιρειών κρύβονται στη μακροπρόθεσμη διαδικασία αύξησης των απαιτήσεων για την ποιότητα των δεδομένων. Ταυτόχρονα, πρέπει να θυμόμαστε ότι τα εργαλεία που δημιουργήθηκαν για την ανάλυση δεδομένων λειτουργούν μόνο με δεδομένα και είναι απομονωμένα από τα επιχειρηματικά προβλήματα - ακόμη και αν έχουν δημιουργηθεί για την επίλυσή τους. 

Γι 'αυτό εμφανίστηκε ένα άλλο είδος εταιρείας. Αυτές οι εταιρείες ειδικεύονται στον εντοπισμό σφαλμάτων ροής εργασιών. Μπορούν να βρουν πολλά προβλήματα στις επιχειρηματικές διαδικασίες, να τα βάλουν σε έναν πίνακα και να ενημερώσουν τα στελέχη:

Εδώ, εδώ και εκεί! Εφαρμόστε αυτήν τη νέα επιχειρηματική στρατηγική και θα είστε εντάξει!

Αλλά ακούγεται πολύ καλό για να είναι αληθινό. Η αποτελεσματικότητα των συμβουλών που δεν βασίζεται στην κατανόηση των εργαλείων είναι αμφίβολη. Και αυτές οι εταιρείες συμβούλων τείνουν να μην καταλαβαίνουν γιατί εμφανίστηκαν τέτοια προβλήματα, γιατί κάθε νέα μέρα φέρνει νέες πολυπλοκότητες και λάθη και ποια εργαλεία δημιουργήθηκαν λανθασμένα.

Έτσι, η χρησιμότητα αυτών των εταιρειών από μόνη της είναι περιορισμένη. 

Υπάρχουν εταιρείες με επιχειρηματική πείρα και γνώση εργαλείων. Σε αυτές τις εταιρείες, ο καθένας έχει εμμονή με την πρόσληψη ατόμων με εξαιρετικές ιδιότητες, ειδικών που είναι σίγουροι για τις δεξιότητες και τις γνώσεις τους. Δροσερός. Αλλά συνήθως, αυτές οι εταιρείες δεν στοχεύουν στην επίλυση προβλημάτων επικοινωνίας εντός της ομάδας, τα οποία συχνά θεωρούν ασήμαντα. Έτσι, καθώς εμφανίζονται νέα προβλήματα, ξεκινά το κυνήγι μάγισσας - ποιος φταίει; Ίσως οι ειδικοί του BI συγχέουν τις διαδικασίες; Όχι, οι προγραμματιστές δεν διάβασαν την τεχνική περιγραφή. Ωστόσο, το πραγματικό πρόβλημα είναι ότι η ομάδα δεν μπορεί να σκεφτεί το πρόβλημα καθαρά για να το λύσει μαζί. 

Αυτό μας δείχνει ότι ακόμη και σε μια εταιρεία γεμάτη με εξειδικευμένους ειδικούς, τα πάντα θα απαιτήσουν περισσότερη προσπάθεια από ό, τι είναι απαραίτητο εάν ο οργανισμός δεν είναι ώριμος αρκετά. Η ιδέα ότι πρέπει να είστε ενήλικες και να είστε υπεύθυνοι, ειδικά σε μια κρίση, είναι το τελευταίο πράγμα που σκέφτονται οι άνθρωποι στις περισσότερες εταιρείες.

Ακόμα και το δύοχρονο παιδί μου που πηγαίνει στο νηπιαγωγείο φαίνεται πιο ώριμο από κάποιους από τους οργανισμούς με τους οποίους συνεργάστηκα.

Δεν μπορείτε να δημιουργήσετε μια αποτελεσματική εταιρεία μόνο με την πρόσληψη ενός μεγάλου αριθμού ειδικών, καθώς όλοι απορροφώνται από κάποια ομάδα ή τμήμα. Έτσι, η διοίκηση συνεχίζει να προσλαμβάνει ειδικούς, αλλά τίποτα δεν αλλάζει επειδή η δομή και η λογική της ροής εργασίας δεν αλλάζει καθόλου.

Εάν δεν κάνετε τίποτα για να δημιουργήσετε κανάλια επικοινωνίας εντός και εκτός αυτών των ομάδων και τμημάτων, όλες οι προσπάθειές σας δεν θα έχουν νόημα. Γι 'αυτό η στρατηγική επικοινωνίας και η ωριμότητα είναι το επίκεντρο του Ahava.

Ο νόμος της Conway Εφαρμόστηκε στις εταιρείες Analytics

Σημαντικά δεδομένα - Νόμος του Conway

Πριν από πενήντα χρόνια, ένας σπουδαίος προγραμματιστής που ονομάστηκε Melvin Conway έκανε μια πρόταση που αργότερα έγινε γνωστός ως νόμος του Conway: 

Οργανισμοί που σχεδιάζουν συστήματα. . . υποχρεούνται να παράγουν σχέδια που είναι αντίγραφα των δομών επικοινωνίας αυτών των οργανισμών.

Melvin Conway, νόμος του Conway

Αυτές οι σκέψεις εμφανίστηκαν σε μια στιγμή που ένας υπολογιστής ταιριάζει τέλεια σε ένα δωμάτιο! Φανταστείτε: Εδώ έχουμε μια ομάδα που εργάζεται σε έναν υπολογιστή και εκεί έχουμε μια άλλη ομάδα που εργάζεται σε έναν άλλο υπολογιστή. Και στην πραγματική ζωή, ο νόμος του Conway σημαίνει ότι όλα τα ελαττώματα επικοινωνίας που εμφανίζονται μεταξύ αυτών των ομάδων θα αντικατοπτρίζονται στη δομή και τη λειτουργικότητα των προγραμμάτων που αναπτύσσουν. 

Σημείωση του συγγραφέα:

Αυτή η θεωρία έχει δοκιμαστεί εκατοντάδες φορές στον αναπτυξιακό κόσμο και έχει συζητηθεί πολύ. Ο πιο σίγουρος ορισμός του νόμου του Conway δημιουργήθηκε από τον Pieter Hintjens, έναν από τους πιο σημαντικούς προγραμματιστές των αρχών της δεκαετίας του 2000, ο οποίος είπε ότι «αν είστε σε μια άσχημη οργάνωση, θα φτιάχνετε άσχημο λογισμικό». (Amdahl to Zipf: Δέκα νόμοι της φυσικής των ανθρώπων)

Είναι εύκολο να δούμε πώς λειτουργεί αυτός ο νόμος στον κόσμο του μάρκετινγκ και των αναλυτικών στοιχείων. Σε αυτόν τον κόσμο, οι εταιρείες συνεργάζονται με τεράστιες ποσότητες δεδομένων που συλλέγονται από διαφορετικές πηγές. Μπορούμε όλοι να συμφωνήσουμε ότι τα ίδια τα δεδομένα είναι δίκαια. Αν όμως ελέγξετε προσεκτικά τα σύνολα δεδομένων, θα δείτε όλες τις ατέλειες των οργανισμών που συνέλεξαν αυτά τα δεδομένα:

  • Λείπουν τιμές όπου οι μηχανικοί δεν έχουν μιλήσει για κάποιο ζήτημα 
  • Λάθος μορφές όπου κανείς δεν έδωσε προσοχή και κανείς δεν συζήτησε τον αριθμό των δεκαδικών ψηφίων
  • Καθυστέρηση επικοινωνίας όπου κανείς δεν γνωρίζει τη μορφή μεταφοράς (παρτίδα ή ροή) και ποιος πρέπει να λάβει τα δεδομένα

Γι 'αυτό τα συστήματα ανταλλαγής δεδομένων αποκαλύπτουν πλήρως τις ατέλειές μας.

Η ποιότητα των δεδομένων είναι η επίτευξη ειδικών εργαλείων, εμπειρογνωμόνων ροής εργασίας, διαχειριστών και η επικοινωνία μεταξύ όλων αυτών των ανθρώπων.

Οι καλύτερες και χειρότερες δομές επικοινωνίας για πολυεπιστημονικές ομάδες

Μια τυπική ομάδα έργου σε μια εταιρεία MarTech ή μάρκετινγκ αναλυτικών στοιχείων αποτελείται από ειδικούς επιχειρηματικής ευφυΐας (BI), επιστήμονες δεδομένων, σχεδιαστές, έμποροι, αναλυτές και προγραμματιστές (σε οποιονδήποτε συνδυασμό).

Αλλά τι θα συμβεί σε μια ομάδα που δεν κατανοεί τη σημασία της επικοινωνίας; Ας δούμε. Οι προγραμματιστές θα γράψουν κώδικα για μεγάλο χρονικό διάστημα, προσπαθώντας σκληρά, ενώ ένα άλλο μέρος της ομάδας θα περιμένει απλώς να περάσουν το μπαστούνι. Επιτέλους, η έκδοση beta θα κυκλοφορήσει και όλοι θα μουρμουρίζουν για το γιατί χρειάστηκε τόσο πολύς χρόνος. Και όταν εμφανιστεί το πρώτο ελάττωμα, όλοι θα αρχίσουν να ψάχνουν κάποιον άλλο να κατηγορήσει, αλλά όχι για τρόπους αποφυγής της κατάστασης που τους έφτασε εκεί. 

Αν κοιτάξουμε βαθύτερα, θα δούμε ότι οι αμοιβαίοι στόχοι δεν ήταν κατανοητοί σωστά (ή καθόλου). Και σε μια τέτοια περίπτωση, θα πάρουμε ένα κατεστραμμένο ή ελαττωματικό προϊόν. 

Ενθαρρύνετε πολυτομεακές ομάδες

Τα χειρότερα χαρακτηριστικά αυτής της κατάστασης:

  • Ανεπαρκής συμμετοχή
  • Ανεπαρκής συμμετοχή
  • Έλλειψη συνεργασίας
  • Ελλειψη εμπιστοσύνης

Πώς μπορούμε να το διορθώσουμε; Κυριολεκτικά κάνοντας τους ανθρώπους να μιλούν. 

Ενθαρρύνετε τις πολυεπιστημονικές ομάδες

Ας συγκεντρώσουμε όλους μαζί, ορίστε θέματα συζήτησης και προγραμματίστε εβδομαδιαίες συναντήσεις: μάρκετινγκ με BI, προγραμματιστές με σχεδιαστές και ειδικούς δεδομένων. Τότε θα ελπίζουμε ότι οι άνθρωποι μιλούν για το έργο. Αλλά αυτό δεν είναι αρκετό, επειδή τα μέλη της ομάδας δεν μιλούν ακόμη για ολόκληρο το έργο και δεν μιλούν με ολόκληρη την ομάδα. Είναι εύκολο να χιονιστείς με δεκάδες συναντήσεις και χωρίς διέξοδο και χωρίς χρόνο να κάνεις τη δουλειά. Και αυτά τα μηνύματα μετά τις συναντήσεις θα σκοτώσουν τον υπόλοιπο χρόνο και θα κατανοήσουν τι πρέπει να κάνουν στη συνέχεια. 

Γι 'αυτό η συνάντηση είναι μόνο το πρώτο βήμα. Εξακολουθούμε να έχουμε κάποια προβλήματα:

  • Κακή επικοινωνία
  • Έλλειψη αμοιβαίων στόχων
  • Ανεπαρκής συμμετοχή

Μερικές φορές, οι άνθρωποι προσπαθούν να μεταδώσουν σημαντικές πληροφορίες σχετικά με το έργο στους συναδέλφους τους. Αλλά αντί για το μήνυμα που περνά, η φήμη κάνει τα πάντα για αυτούς. Όταν οι άνθρωποι δεν γνωρίζουν πώς να μοιράζονται τις σκέψεις και τις ιδέες τους σωστά και στο κατάλληλο περιβάλλον, οι πληροφορίες θα χαθούν στο δρόμο προς τον παραλήπτη. 

Αυτά είναι συμπτώματα μιας εταιρείας που αντιμετωπίζει προβλήματα επικοινωνίας. Και αρχίζει να τα θεραπεύει με συναντήσεις. Αλλά έχουμε πάντα μια άλλη λύση.

Οδηγείτε όλους να επικοινωνούν μέσω του έργου. 

Πολυεπιστημονική επικοινωνία σε ομάδες

Τα καλύτερα χαρακτηριστικά αυτής της προσέγγισης:

  • Διαφάνεια
  • Περιπλοκή
  • Ανταλλαγή γνώσεων και δεξιοτήτων
  • Εκπαίδευση χωρίς διακοπή

Αυτή είναι μια εξαιρετικά περίπλοκη δομή που είναι δύσκολο να δημιουργηθεί. Μπορεί να γνωρίζετε μερικά πλαίσια που ακολουθούν αυτήν την προσέγγιση: Agile, Lean, Scrum. Δεν έχει σημασία τι το ονομάζεις. Όλα αυτά βασίζονται στην αρχή «όλα μαζί ταυτόχρονα». Όλα αυτά τα ημερολόγια, οι ουρές εργασιών, οι παρουσιάσεις επίδειξης και οι καθιερωμένες συναντήσεις στοχεύουν στο να κάνουν τους ανθρώπους να μιλούν συχνά για το έργο και μαζί.

Γι 'αυτό μου αρέσει πολύ το Agile, γιατί περιλαμβάνει τη σημασία της επικοινωνίας ως προϋπόθεση για την επιβίωση του έργου.

Και αν νομίζετε ότι είστε αναλυτής που δεν του αρέσει το Agile, κοιτάξτε το με άλλο τρόπο: Σας βοηθά να δείξετε τα αποτελέσματα της εργασίας σας - όλα τα επεξεργασμένα δεδομένα σας, αυτά τα υπέροχα ταμπλό, τα σύνολα δεδομένων σας - για να κάνετε τους εκτιμήστε τις προσπάθειές σας. Αλλά για να το κάνετε αυτό, πρέπει να συναντήσετε τους συναδέλφους σας και να μιλήσετε μαζί τους στο στρογγυλό τραπέζι.

Τι έπεται? Όλοι έχουν αρχίσει να μιλούν για το έργο. Τώρα έχουμε για να αποδείξει την ποιότητα του σχεδίου. Για να γίνει αυτό, οι εταιρείες συνήθως προσλαμβάνουν σύμβουλο με τα υψηλότερα επαγγελματικά προσόντα. 

Το κύριο κριτήριο ενός καλού συμβούλου (μπορώ να σας πω γιατί είμαι σύμβουλος) μειώνει συνεχώς τη συμμετοχή του στο έργο.

Ένας σύμβουλος δεν μπορεί απλώς να τροφοδοτήσει μια εταιρεία με μικρά επαγγελματικά μυστικά, γιατί αυτό δεν θα κάνει την εταιρεία ώριμη και αυτοσυντηρούμενη. Εάν η εταιρεία σας δεν μπορεί ήδη να ζήσει χωρίς τον σύμβουλό σας, θα πρέπει να λάβετε υπόψη την ποιότητα της υπηρεσίας που έχετε λάβει. 

Παρεμπιπτόντως, ένας σύμβουλος δεν πρέπει να κάνει αναφορές ή να γίνει ένα επιπλέον ζευγάρι χεριών για εσάς. Έχετε τους συναδέλφους σας για αυτό.

Μίσθωση εμπόρων για εκπαίδευση, όχι αντιπροσωπεία

Ο κύριος στόχος της πρόσληψης συμβούλου είναι η εκπαίδευση, ο καθορισμός δομών και διαδικασιών και η διευκόλυνση της επικοινωνίας. Ο ρόλος του συμβούλου δεν είναι η μηνιαία αναφορά αλλά μάλλον η εμπλοκή του στο έργο και η συμμετοχή του στην καθημερινή ρουτίνα της ομάδας.

Ενα καλό στρατηγικός σύμβουλος μάρκετινγκ γεμίζει τα κενά στη γνώση και την κατανόηση των συμμετεχόντων στο έργο. Αλλά αυτός ή αυτή δεν μπορεί ποτέ να κάνει τη δουλειά για κάποιον. Και μια μέρα, ο καθένας θα πρέπει να δουλέψει μια χαρά χωρίς το σύμβουλο. 

Τα αποτελέσματα της αποτελεσματικής επικοινωνίας είναι η απουσία κυνήγι μαγισσών και το δάχτυλο. Πριν ξεκινήσει μια εργασία, οι άνθρωποι μοιράζονται τις αμφιβολίες και τις ερωτήσεις τους με άλλα μέλη της ομάδας. Έτσι, τα περισσότερα προβλήματα επιλύονται πριν ξεκινήσει η εργασία. 

Ας δούμε πώς όλα αυτά επηρεάζουν το πιο περίπλοκο μέρος της εργασίας ανάλυσης μάρκετινγκ: καθορισμός ροών δεδομένων και συγχώνευση δεδομένων.

Πώς αντικατοπτρίζεται η δομή επικοινωνίας στη μεταφορά δεδομένων και την επεξεργασία;

Ας υποθέσουμε ότι έχουμε τρεις πηγές που μας δίνουν τα ακόλουθα δεδομένα: δεδομένα επισκεψιμότητας, δεδομένα προϊόντων ηλεκτρονικού εμπορίου / δεδομένα αγοράς από το πρόγραμμα αφοσίωσης και δεδομένα ανάλυσης για κινητά. Θα περάσουμε τα στάδια επεξεργασίας δεδομένων ένα προς ένα, από τη ροή όλων αυτών των δεδομένων στο Google Cloud έως την αποστολή όλων για οπτικοποίηση Google Data Studio με τη βοήθεια του Google BigQuery

Με βάση το παράδειγμά μας, ποιες ερωτήσεις πρέπει να κάνουν οι άνθρωποι για να διασφαλίσουν σαφή επικοινωνία σε κάθε στάδιο της επεξεργασίας δεδομένων;

  • Στάδιο συλλογής δεδομένων. Εάν ξεχάσουμε να μετρήσουμε κάτι σημαντικό, δεν μπορούμε να επιστρέψουμε στο χρόνο και να το μετρήσουμε ξανά. Πράγματα που πρέπει να λάβετε υπόψη εκ των προτέρων:
    • Εάν δεν ξέρουμε τι να ονομάσουμε τις πιο σημαντικές παραμέτρους και μεταβλητές, πώς μπορούμε να αντιμετωπίσουμε όλο το χάος;
    • Πώς θα επισημανθούν τα συμβάντα;
    • Ποιο θα είναι το μοναδικό αναγνωριστικό για επιλεγμένες ροές δεδομένων;
    • Πώς θα φροντίσουμε για την ασφάλεια και το απόρρητο; 
    • Πώς θα συλλέξουμε δεδομένα όπου υπάρχουν περιορισμοί στη συλλογή δεδομένων;
  • Συγχώνευση ροών δεδομένων στη ροή. Σκέψου τα ακόλουθα:
    • Οι κύριες αρχές του ETL: Είναι ένας τύπος μεταφοράς δεδομένων παρτίδας ή ροής; 
    • Πώς θα σηματοδοτήσουμε τη σύνδεση των ροών και των παρτίδων μεταφοράς δεδομένων; 
    • Πώς θα τα προσαρμόσουμε στο ίδιο σχήμα δεδομένων χωρίς απώλειες και λάθη;
    • Ώρες και χρονολογικές ερωτήσεις: Πώς θα ελέγξουμε τις χρονικές σημάνσεις; 
    • Πώς μπορούμε να γνωρίζουμε εάν η ανακαίνιση και ο εμπλουτισμός των δεδομένων λειτουργεί σωστά εντός των χρονικών σημείων;
    • Πώς θα επικυρώσουμε τις επιτυχίες; Τι συμβαίνει με μη έγκυρες επιτυχίες;

  • Στάδιο συγκέντρωσης δεδομένων. Πράγματα που πρέπει να λάβετε υπόψη:
    • Εξειδικευμένες ρυθμίσεις για διαδικασίες ETL: Τι πρέπει να κάνουμε με μη έγκυρα δεδομένα;
      Επικόλληση ή διαγραφή; 
    • Μπορούμε να κερδίσουμε από αυτό; 
    • Πώς θα επηρεάσει την ποιότητα ολόκληρου του συνόλου δεδομένων;

Η πρώτη αρχή για όλα αυτά τα στάδια είναι ότι τα λάθη στοιβάζονται το ένα πάνω στο άλλο και κληρονομούνται μεταξύ τους. Τα δεδομένα που συλλέγονται με ένα ελάττωμα στο πρώτο στάδιο θα κάνουν το κεφάλι σας να κάψει ελαφρώς σε όλα τα επόμενα στάδια. Και η δεύτερη αρχή είναι ότι πρέπει να επιλέξετε σημεία για τη διασφάλιση της ποιότητας των δεδομένων. Επειδή στο στάδιο της συγκέντρωσης, όλα τα δεδομένα θα αναμειχθούν μαζί και δεν θα μπορείτε να επηρεάσετε την ποιότητα των μικτών δεδομένων. Αυτό είναι πραγματικά σημαντικό για έργα μηχανικής μάθησης, όπου η ποιότητα των δεδομένων θα επηρεάσει την ποιότητα των αποτελεσμάτων της μηχανικής μάθησης. Τα καλά αποτελέσματα δεν είναι εφικτά με δεδομένα χαμηλής ποιότητας.

  • Οραματισμός
    Αυτό είναι το στάδιο του CEO. Μπορεί να έχετε ακούσει για την κατάσταση όταν ο Διευθύνων Σύμβουλος κοιτάζει τους αριθμούς στον πίνακα ελέγχου και λέει: «Εντάξει, έχουμε πολλά κέρδη φέτος, ακόμη περισσότερο από ό, τι προηγουμένως, αλλά γιατί είναι όλες οι οικονομικές παράμετροι στην κόκκινη ζώνη ; " Και αυτή τη στιγμή, είναι πολύ αργά για να αναζητήσουμε τα λάθη, καθώς θα έπρεπε να είχαν συλληφθεί εδώ και πολύ καιρό.

Όλα βασίζονται στην επικοινωνία. Και στα θέματα της συνομιλίας. Ακολουθεί ένα παράδειγμα του τι πρέπει να συζητηθεί κατά την προετοιμασία της ροής Yandex:

Marketing BI: Snowplow, Google Analytics, Yandex

Θα βρείτε τις απαντήσεις στις περισσότερες από αυτές τις ερωτήσεις μόνο μαζί με ολόκληρη την ομάδα σας. Επειδή όταν κάποιος παίρνει μια απόφαση βάσει εικασίας ή προσωπικής γνώμης χωρίς να δοκιμάσει την ιδέα με άλλους, μπορεί να εμφανιστούν λάθη.

Οι πολυπλοκότητες είναι παντού, ακόμη και στα πιο απλά μέρη.

Ακολουθεί ένα ακόμη παράδειγμα: Κατά την παρακολούθηση των αποτελεσμάτων των καρτών προϊόντων, ένας αναλυτής παρατηρεί ένα σφάλμα. Στα δεδομένα επίσκεψης, όλες οι εμφανίσεις από όλα τα banner και τις κάρτες προϊόντων στάλθηκαν αμέσως μετά τη φόρτωση της σελίδας. Ωστόσο, δεν μπορούμε να είμαστε σίγουροι αν ο χρήστης κοίταξε πραγματικά τα πάντα στη σελίδα. Ο αναλυτής έρχεται στην ομάδα για να τους ενημερώσει λεπτομερώς για αυτό.

Το BI λέει ότι δεν μπορούμε να αφήσουμε την κατάσταση έτσι.

Πώς μπορούμε να υπολογίσουμε το CPM εάν δεν μπορούμε καν να είμαστε σίγουροι αν το προϊόν εμφανίστηκε; Ποιο είναι λοιπόν το κατάλληλο CTR για τις φωτογραφίες;

Οι έμποροι απαντούν:

Κοίτα, όλοι, μπορούμε να δημιουργήσουμε μια αναφορά που δείχνει το καλύτερο CTR και να την επαληθεύσουμε σε παρόμοιο διαφημιστικό banner ή φωτογραφία σε άλλα μέρη.

Και τότε οι προγραμματιστές θα πουν:

Ναι, μπορούμε να λύσουμε αυτό το πρόβλημα με τη βοήθεια της νέας ενοποίησης για παρακολούθηση κύλισης και έλεγχο ορατότητας θέματος.

Τέλος, οι σχεδιαστές UI / UX λένε:

Ναι! Μπορούμε να επιλέξουμε αν χρειαζόμαστε επιτέλους τον τεμπέληλο ή τον αιώνιο κύλινδρο ή τη σελιδοποίηση!

Ακολουθούν τα βήματα που πέρασε αυτή η μικρή ομάδα:

  1. Καθορίστηκε το πρόβλημα
  2. Παρουσίασε τις επιχειρηματικές συνέπειες του προβλήματος
  3. Μετρήθηκε ο αντίκτυπος των αλλαγών
  4. Παρουσίαση τεχνικών αποφάσεων
  5. Ανακάλυψε το μη ασήμαντο κέρδος

Για να λύσουν αυτό το πρόβλημα, θα πρέπει να ελέγξουν τη συλλογή δεδομένων από όλα τα συστήματα. Μια μερική λύση σε ένα μέρος του σχήματος δεδομένων δεν θα επιλύσει το επιχειρηματικό πρόβλημα.

ευθυγράμμιση προσαρμογή σχεδιασμού

Γι 'αυτό πρέπει να συνεργαστούμε. Τα δεδομένα πρέπει να συλλέγονται υπεύθυνα κάθε μέρα και είναι δύσκολο να το κάνουμε αυτό. Και το η ποιότητα των δεδομένων πρέπει να επιτευχθεί έως πρόσληψη των σωστών ανθρώπων, αγορά των σωστών εργαλείων και επένδυση χρημάτων, χρόνου και προσπάθειας για την κατασκευή αποτελεσματικών δομών επικοινωνίας, οι οποίες είναι ζωτικής σημασίας για την επιτυχία ενός οργανισμού.

Ποια είναι η γνώμη σας;

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