Kuri frazė tiksliausiai atspindi jūsų dabartinę rinkodaros strategiją?



Duomenimis pagrįstas . Informacija apie duomenis . Įgalinti duomenys ?



Jei draskai galvą (arba vartai akis), tu ne vienas.

angelo numeris 356

Neseniai pakilęs pokalbis apie duomenis ir dėl to atsirandantys skirtumai daugelį rinkodaros specialistų privertė suplanuoti, kokio požiūrio jie turėtų laikytis savo versle.

Tačiau užuot pasisakęs šiuo klausimu, norėčiau teigti, kad tai mažiau susiję su semantika ir labiau su tuo, kodėl daromi šie subtilūs skirtumai.

Pagrindinis skundas dėl termino „pagrįsti duomenimis“ yra tas, kad juo įtariama, jog už duomenis atsakingi. Naujas sprendimų priėmėjas. Pabaikite viską ir būkite visa, kas yra šiuolaikinė rinkodara.

Dauguma duomenų mokslininkų, kol bus mėlyni, kalbės apie tai, kaip įmantrių algoritmų įžvalgos yra kur kas pranašesnės už žmogaus nuojautą.



Skaičiai yra konkretūs. Jie tikslūs. Jie apčiuopiami.

Bet akimirkai apsvarstykite savaime važiuojančio automobilio atvejį.

Savarankiškai vairuoti automobilį leidžia pažangus GPS, navigacija ir žemėlapiai, jutikliai, lazeriai, kameros ir kompiuteriai.



Teoriškai kompiuteriai ir kitos pažangios technologijos turėtų būti kur kas pranašesnės apdorojant visus veiksnius ir informaciją, reikalingus saugiai važiuoti keliais.

Juk jie sugeba priimti ir apdoroti daug daugiau informacijos, nei sugeba žmogaus smegenys. Jie taip pat geriau atpažįsta ir nustato sudėtingus modelius, šiuo atveju srauto modelius.

Tačiau ten, kur nepavyksta savarankiškai važinėjantiems automobiliams, yra nepakartojamas žmogaus sugebėjimas interpretuoti kontekstą, ketinimus ir gerai, žmogiškumą.

Tą patį galima pasakyti ir apie vartotojų ar rinkos duomenis. Žmogaus elgesyje tiesiog yra per daug niuansų, kad galėtume būti visiškai pagrįsti dirbtiniu intelektu / duomenimis.

Dabar nesupraskite manęs neteisingai.

Kaip asmuo, kurio vaidmuo kuriant paklausą reikalauja daugybės laiko su skaičiais, aš nesu čia, kad šmeižčiau ar nuolaidinčiau duomenis kaip būtiną ar veiksmingą rinkodaros priemonę. Aš tiesiog manau, kad kitų organizacijų, kaip ir mano pačių, sėkmei yra svarbu, kad tai liktų tiesiog įrankiu.

Norėdami iš tikrųjų panaudoti duomenų galią, pirmiausia turite atpažinti ir suprasti jų apribojimus:

Duomenys nemeluoja, bet negali pasakyti visos istorijos

Albertas Einšteinas kartą pasakė: „Ne viską, ką galima suskaičiuoti, ir ne viską, ką galima suskaičiuoti, neįmanoma suskaičiuoti“.

Kad ir kokie sudėtingi ir sudėtingi kompiuteriai ir mašinos yra, jie dažniausiai mums pateikia labai paprastą ir aiškią informaciją - kas / ką / kada. Nors žinant, kad informacija yra labai naudinga, mūsų mokymasis yra ribotas be papildomo konteksto, kaip ir kodėl.

Pvz., Duomenys gali mums pasakyti, kiek žmonių patiko ar pasidalijo įrašu, tačiau negali pasakyti, kodėl. Kitaip tariant, tai gali pasiūlyti kiekybinius rezultatus, bet ne kokybinius argumentus.

Arba pagalvokite apie tai taip: Jei kas nors išanalizuotų valandas, kurias praleidote su bendradarbiais, draugais ir šeima per tam tikrą savaitę, duomenys rodytų, kad jūsų bendradarbiai jums buvo svarbiausi.

Tikriausiai taip nėra, bet geras pavyzdys, kaip duomenys gali būti klaidinantys be tinkamo konteksto.

Duomenys taip pat gali nurodyti galimą skirtingų veiksnių ryšį, tačiau to neįmanoma įrodyti. Tai žinomas posakis: „Koreliacija nereiškia priežastinio ryšio“.

Pavyzdžiui, duomenys gali parodyti koreliaciją tarp mėnesio didelio svetainės srauto ir didelių pajamų, tačiau tai nebūtinai reiškia, kad padidėjusias pajamas lėmė padidėjęs srautas. Gali būti trečias veiksnys, turintis įtakos abiem šiems skaičiams, arba kitas netiesioginis kintamasis.

Tik jūsų išmokyta akis ir patirtis žinos, kaip atsargiai kreiptis į šiuos skaičius ir metriką bei atlikti tolesnius bandymus. Jei radote duomenų koreliaciją, pabandykite gilintis, kad pakartotumėte rezultatus ir išskirtumėte tikrąją priežastį, arba segmentuokite įvairiais būdais, kad sužinotumėte, ar atsiranda skirtingų modelių.

Taip pat gali būti naudinga rinkti kokybinius atsiliepimus iš tokių metodų kaip svetainių ir el. Pašto apklausos.

Duomenys yra realistai, tačiau jie negali rizikuoti

Prieš kelerius metus 29 m Morgan Hermand-Waiche užsimojo pirkti savo merginai apatinį trikotažą per jos gimtadienį.

Sužinojęs, kokia brangi dauguma jo galimybių, suprato, kad prieinamos apatinio trikotažo įmonės rinkoje yra rimta spraga, ir nedelsdamas pradėjo tyrinėti galimą rizikos galimybę.

Problema? Duomenys liepė jam likti kuo toliau nuo apatinio trikotažo verslo. Rinkoje dominavo aiškus pramonės šerdis, nesuskaičiuojamos kliūtys patekti į rinką ir daugybė nesėkmingų bandymų, įskaitant keletą žinomų prekės ženklų.

Nepaisant radinių, Hermandas-Waiche'as negalėjo ignoruoti vieno dalyko, kuris vis dar verčia jį tęsti šią įmonę: jo žarnynas. Turėjo būti prieinamų, kokybiškų apatinių drabužių rinka - net jei duomenys rodo kitaip.

Hermandas-Waiche'as dabar yra „Adore Me“, elektroninės prekybos apatinio trikotažo įmonės, perversmo industrijoje, įkūrėjas ir generalinis direktorius. Vos per kelerius metus jis pasuko žarną į „Inc. 500“ sparčiausiai augančią kompaniją Niujorko valstijoje ir iš rizikos kapitalo bendrovių bei privačių investuotojų surinko maždaug 11,5 mln. USD.

Duomenys gali mums pasakyti tik esamą dalykų būklę ir geriausiu atveju pateikti pagrįstas prognozes.

Pabandykite naudoti daugiau kokybinių metodų, tokių kaip klausimų / apklausų pateikimas savo socialiniuose kanaluose, socialinis klausymasis ar net geros tikslinės grupės, kad gautumėte sąžiningesnį, intymesnį atsiliepimą apie jūsų turimą idėją.

Ir atminkite, kad kartais revoliucija reiškia tik status quo nepaisymą ir riziką.

Duomenys gali informuoti, bet neįsivaizduoja

Pakartokite po manęs: dideli duomenys nėra didelė idėja.

Duomenys nebuvo sugalvoti „Tiesiog daryk“ arba liepė „Apple“ galvoti „Mąstyk kitaip“.

Per daug lengva pakliūti į skaičių ir statistikos piktžoles, tačiau atminkite, kad puiki rinkodara yra pasakojimas apie puikią istoriją - o pasakoti puikią istoriją reiškia suprasti žmogaus elgesį, emocijas ir patirtį.

Iš duomenų galime sužinoti įvairiausių dalykų apie savo auditorijos veiksmus. Bet tai negali mums pasakyti apie jų motyvaciją, kovą, norus ir pan. Mums reikia tų unikalių žmogiškų įžvalgų, kad pasakotume puikias istorijas ir būtume kūrybingi.

Bet tai nėra duomenų kaltė.

Kūryba yra menas. Pagal savo apibrėžimą „menas“ yra žmogaus kūrybinių įgūdžių ir vaizduotės išraiška ar pritaikymas, kuriant kūrinius, kuriuos pirmiausia reikia įvertinti dėl jų grožio ar emocinės galios. Raktiniai žodžiai čia yra „žmogus“ ir „emocinis“.

Nagrinėjamas atvejis: 2016 m. Toronto universiteto Kompiuterijos katedra bandė mokyti kompiuterio kaip parašyti dainą .

Tyrėjai maitino mašiną daugiau nei 100 valandų muzikos, o sudėtingas algoritmas „išmoko“ ritmų, akordų ir žodžių modelius. Ir nors visa tai skamba įspūdingai aukštosiomis technologijomis, sukurta „daina“ buvo šiek tiek nelaimė - keistais, beprasmiais žodžiais ir neįkvepiančia, robotizuota melodija.

Pasirodo, duomenys yra gana kraupus kompozitorius.

Geros naujienos yra tai, kad tam tikrais būdais duomenys gali suteikti tokio tipo žmogiškų, emocinių įžvalgų, kurios įkvepia didelį kūrybą. Tačiau užuot klausę skaičių, turite iš tikrųjų klausytis žmonių.

Naujausios pažangos 2005 m socialinio klausymo įrankiai leiskite prekės ženklams atrasti dalykus apie savo auditoriją, kuriems kitu atveju gali prireikti kelių mėnesių kokybinių interviu. Temos bendrumas yra puikus klausymo galimybių pavyzdys, kuris yra daug paveikesnis, nei dauguma žmonių suvokia.

Įsivaizduokite duris, kurios gali atsiverti, kai sužinosite, apie ką dar jūsų auditorija kalba apie socialinius reikalus. Ar jie mėgsta tam tikrą muziką? Ar sportas? Šios įžvalgos gali suteikti naujų rėmimo galimybių, produktų integravimo ar net visiškai naujo auditorijos segmento.

Kitas geras pavyzdys, kaip socialinis klausymasis gali įkvėpti kūrybą, yra nuotaikos analizė. Sužinoję, kaip jūsų auditorija jaučiasi, pavyzdžiui, naujausiomis naujienomis ar aktualiomis temomis, galite sukurti turinį ar kampanijas, kurios su jomis atsilieps giliau, emociškai labiau.

Jų kūrimui „Coca-Cola“ naudojo nuotaikų analizę Koksas „Tweet“ aparatas . Naudojant natūralų kalbos apdorojimą ir vietą, prekės ženklas sugebėjo nustatyti mažiausiai laimingą šalies miestą.

Laikydamiesi savo prekės ženklo strategijos, „rinkitės laimę“, jie į miestą atvežė kokso automatą, kuris išanalizavo kiekvieno vartotojo „Twitter“ profilio nuotaikas.

Tada mašina skardinę išduodavo tik vartotojams, turintiems teigiamą ir džiaugsmingą buvimą platformoje.

Nuostabu, kaip prekės ženklai gali tiek daug išmokti ir sukurti paprasčiausiai analizuodami žmonių veiklą socialinėje srityje. Pabandykite atlikti savo socialinį klausymąsi kitą kartą, kai ieškosite kūrybinių įžvalgų.

Taigi nesvarbu, ar laikote savo organizaciją informuota apie duomenis, ar jomis remiasi duomenys, svarbu tik tai, kad paliekate daug vietos žmonijai priimant sprendimus. Nes duomenys be žmonių nėra įžvalga - tai tik skaičiai.

Dalykitės Su Savo Draugais: