I marketer siedono su una montagna di preziosi dati sui consumatori. Ma non tutti i dati a loro disposizione sono utili. Lavorare con dati di scarsa qualità avvelena i tuoi sforzi di marketing, porta a opportunità mancate e alla fine danneggia i tuoi profitti.




9 11 sincronicità

I dati errati sono dati che spesso sono stati danneggiati dalle circostanze. Ed è più comune di quanto pensiamo. Mai intenzionale o dannoso, spesso è il risultato di un errore umano o di una raccolta impropria. A volte è semplice come gli indirizzi email che cambiano nel tempo. In altri casi, è qualcosa che si interrompe nel tuo processo. Sebbene la causa possa essere semplice, l'effetto (lacune e imprecisioni nelle tue analisi che rendono inefficace tutto ciò che stai misurando) può essere disastroso.



Non tutte le organizzazioni hanno campioni dei dati nel proprio team, ma poiché le aziende adottano sempre più una cultura basata sui dati, dare la priorità alla salute dei dati diventerà un must.





I dati errati non sono standardizzati

Nella tua vita personale, di solito c'è un modo per riconciliare i dati. Supponiamo che trovi una discrepanza nel tuo conto bancario: sai cosa hai guadagnato rispetto a quanto hai speso e puoi confrontarlo con i dati storici nei tuoi estratti conto. In altre parole, hai una fonte di verità. Ma nel marketing, il più delle volte, non esiste una linea di base. In qualità di marketer, ovviamente hai un'idea di ciò che è giusto, ma tutti i tuoi dati sono relativi a se stessi.

Questo problema non è nuovo, semplicemente vola sotto il radar. Se utilizzi Google Analytics, ad esempio, per monitorare il traffico su tutte le tue pagine web e per qualsiasi motivo lo script non monitorava il 10% delle tue pagine, semplicemente non sapresti che ti mancano 10 % dei tuoi dati. Lacune come questa possono verificarsi in diversi modi. Ma un grande modo in cui si verifica è attraverso la mancanza di standardizzazione.

Per un'azienda SaaS, misurare i 'visitatori del sito' potrebbe non avere lo stesso significato di 'utenti nella piattaforma'. Quando si impostano queste metriche su diverse piattaforme di analisi e le si frammentano in diversi reparti, dal marketing alle vendite all'ingegneria, fa la differenza. I 'clic' in AdWords non si traducono necessariamente in traffico complessivo poiché esiste una differenza tra nuovi utenti, utenti unici e sessioni totali. Su larga scala, stai estraendo dati da centinaia di origini. Non standardizzare ciò che si misura, ma trattarlo lo stesso, è una ricetta per dati errati.



I dati errati sono costosi

Sia che tu stia ignorando il problema perché non sei sicuro di come risolverlo, o forse non lo sai ancora, lavorare con dati di scarsa qualità influisce su molte attività al di fuori del marketing. Se i tuoi dati sono ovunque, blocca iniziative preziose e danneggia i tuoi profitti.




1234 numero significato

Per metterlo in prospettiva, poiché i dati decadono a un tasso del 70% all'anno, i dati errati costano in media alle aziende $ 9,7 milioni all'anno . Harvard Business Review ha concluso che i dati errati costano così tanto perché i responsabili delle decisioni, i manager, i data scientist e gli altri membri del team devono accogliere le discrepanze nel loro lavoro quotidiano, cercando inesattezze e fonti errate, correggendo gli errori. Farlo richiede tempo e denaro.

Al di là dei soldi, i dati non validi compromettono la tua strategia, portando a opportunità sprecate lungo la strada derivanti da decisioni aziendali non informate. Gestire la massa di dati forniti attraverso più fonti, in diversi formati e con diverse frequenze è un processo frammentato. È comprensibile che i reparti di marketing spesso non abbiano la forza lavoro per analizzare, comprendere e sfruttare tutti questi dati su base continuativa.




continuo a vedere 777

I buoni dati sono puliti

Buoni risultati di dati quando dedichi tempo a ripulire, verificare e organizzare i dati in modo che problemi comuni come informazioni obsolete, duplicati o imprecisioni non affliggano più il tuo sistema.



Affrontare questa complessità richiede risorse dedicate e processi e politiche ben definiti per la standardizzazione, l'ottimizzazione, il reporting e un approccio agile. Questo è un allontanamento dalla generazione di rapporti mensili, previsioni trimestrali e informazioni episodiche a cui la maggior parte delle organizzazioni è abituata. Ma questo cambiamento è fondamentale per il successo in un mondo sempre più guidato dai dati. Un'organizzazione di marketing di livello mondiale dovrebbe fondere perfettamente dati, analisi, strategie, persone, processi e capacità per fornire risultati di business.



Se la tua organizzazione è in crescita e hai appena aperto le porte alla condivisione dei dati tra i reparti, cerca le aree in cui le informazioni possono essere unite in modo da avere un quadro più completo del cliente. Considera l'idea di formare una task force, in cui i membri del team possiedono diverse parti della pipeline e promuovono dati validi nella tua organizzazione.

Se l'allocazione delle risorse verso una task force per ripulire manualmente la pipeline di dati è un'opzione non realistica per te, considera implementare strumenti di intelligenza artificiale . L'apprendimento automatico predittivo può apprendere il comportamento di base delle metriche dei dati e ha la capacità di trasformare rapidamente vaste porzioni di dati in informazioni aziendali affidabili, nonché di automatizzare la scoperta di anomalie.


140 numero angelico

Risorse dedicate per pulire la pipeline risolvono il problema a portata di mano, ma non c'è niente di più protettivo che applicare questi principi in modo proattivo. Prenditi il ​​tempo che il tuo team impiegherebbe a correggere i dati errati e scambialo con il tempo speso a costruire processi di dati sicuri e accurati nei tuoi sforzi sin dall'inizio.

Inseguimento, non perfezione

Essere realistici è importante. E la realtà dei dati errati è che ripulirli è un processo senza fine. L'obiettivo non è uno stato finale in cui tutto è perfetto. L'obiettivo è tendere verso abitudini e processi sul posto di lavoro che incoraggino dati migliori.

Detto questo, la qualità dei dati in definitiva è un affare di tutti. Indipendentemente dal fatto che si lavori direttamente con i numeri, i dati influiscono su ogni output di un'organizzazione. Una pipeline pulita e mantenuta significa che tu e il tuo team potete tagliare i costi errati per sempre e perseguire più facilmente strategie di dati sane.

Spostare il marketing verso una vera cultura data-first può essere un lungo viaggio. Ma è uno che dimostra il suo valore.

Questo articolo fa parte della nostra serie sul marketing basato sui dati in cui i nostri esperti esplorano le chiavi per lo sviluppo di un team e di un approccio strategico fondato sui dati. Leggi il primo articolo Qui .