Cosas que aprendí en Marketing Analytics Summit 2019 en Las Vegas [Día 2]

Esta es una continuación de mi resumen de la Cumbre de análisis de marketing. Para obtener más información sobre las charlas del día 1 y las próximas Cumbres de análisis de marketing en todo el mundo, consulte el artículo anterior.

• “La estrategia de datos ejecutables” por John Lovett
• “Lo que necesitas saber sobre ti: psicología para el éxito” de Michele Kiss
• “Identificación de la personalidad del liderazgo” por Valerie Kroll
• “Análisis de analistas para mejorar la eficiencia de los procesos” por Mariia Bocheva
  

El día 2 comenzó con una presentación principal de John Lovett , director sénior de estrategia de datos en Search Discovery. Su charla fue sobre la estrategia de datos ejecutables: un plan para usar datos con un propósito que incluye comprender sus datos, diseñar sus datos para que sean útiles y activar sus datos para lograr un impacto comercial.

Las organizaciones necesitan una estrategia de datos que las guíe, ya que aprovechar los datos en el entorno empresarial actual puede ser complejo y confuso. Hay tres problemas de datos modernos: falta de alfabetización de datos, silos de datos y falta de confianza en los datos.

El problema aquí es que los altos ejecutivos y los jefes de departamento a menudo no entienden los datos. Según el "Informe de información de tendencias de Gartner: Fomento de la alfabetización de datos y la información para 2020", el 80 % de las organizaciones planean iniciar un desarrollo deliberado de competencias en el campo de la alfabetización de datos, reconociendo su extrema deficiencia.

Puede dividir la alfabetización de datos en tres grupos:

• Alfabetización métrica : cuando las personas saben qué significan los datos, usan los mismos términos y comprenden los valores detrás de ellos. Este es un nivel esencial que permite que todos en el equipo hablen el mismo idioma.
• Alfabetización en herramientas : cuando las personas pueden satisfacer sus necesidades de datos según corresponda y son conscientes del potencial, los trucos y las limitaciones de las herramientas. Este punto realmente se correlaciona con la charla de junio sobre análisis de autoservicio en Twitch.
• Alfabetización conceptual : cuando las personas abordan y aplican datos con claridad y sofisticación y pueden explicarse a sí mismos usando datos.

Para ser alfabetizado en datos, necesita comprender sus datos. Responder las siguientes preguntas debería ayudar:

1. ¿Qué tipos de datos tenemos y qué tipos necesitamos para responder a nuestras preguntas? Use un inventario de datos interactivo, diccionarios de datos y catálogos para comprender de dónde provienen los datos y en qué consisten.
2. ¿Pueden los usuarios autoservicio de datos o necesitan que alguien se los entregue?
3. ¿Quién tiene acceso a nuestros datos y cómo se pueden utilizar los datos?
4. ¿Los usuarios tienen una comprensión precisa de nuestros datos o estamos hablando griego?
5. ¿Hay un alto grado de comodidad en el uso de datos, o es una lucha cada vez que se necesita construir un nuevo informe?
   

No sorprende que la mayoría de las empresas tengan problemas con los datos dispersos porque sus fuentes de datos no se comunican entre sí:

Para romper estos silos de datos, debe definir de dónde provienen sus datos y cómo se pueden conectar. Luego puede priorizar lo que debe implementarse primero. Aquí hay algunas preguntas que deberían ayudarlo con eso:

1. ¿Qué conexiones de datos y API existen? La mayoría de las fuentes que desea conectar se pueden integrar a través de API listas para usar o herramientas de terceros, así que no pierda tiempo ni otros recursos creando sus propias integraciones.
2. ¿Qué transformaciones son necesarias para el análisis? Por lo general, sus datos vienen en diferentes formatos y a diferentes velocidades, por lo que para incluirlos en un solo informe, debe procesarlos de antemano. Piense en esto con anticipación y planifique en consecuencia.
3. ¿Existen procesos integrados en los conjuntos de datos? Piense en qué procesos se verán influenciados al contar con estos datos.
4. ¿Cuándo se actualizan y comparten los datos? Compruebe con qué frecuencia necesita actualizar los datos y quién necesita acceder a ellos. Esto debería ayudar a seleccionar las herramientas más adecuadas para compartir informes con el equipo.

Una vez que haya respondido esas preguntas, puede decidir qué enfoque desea utilizar para diseñar sus datos: lagos de datos, estructura de datos o un centro de datos. Según una investigación reciente de McKinsey, solo el 8 % de las implementaciones de lagos de datos han pasado de la prueba de concepto a la producción.

Según KPMG, solo el 35% de las organizaciones encuestadas tienen un alto nivel de confianza en el uso de análisis de datos de su organización. Para solucionar este problema, debe generar confianza y activar sus datos. Comienza haciéndote las siguientes preguntas:

1. ¿Dónde los datos pueden desencadenar acciones automatizadas?
2. ¿Cómo utilizamos los datos para la orientación y la personalización?
3. ¿Cómo generamos confianza en los datos?
   

Para activar sus datos, debe asegurarse de que

• Los datos son confiables y las personas confían en los números que ven. Esto se puede hacer a través de diferentes enfoques de prueba y monitoreo.
• Los datos están disponibles para la colaboración. Vaya y hable con las partes interesadas de la organización para comprender qué datos necesitan para actuar.
• Tiene un consejo de gobierno de datos que es responsable de supervisar todos los procesos relacionados con los datos.

John compartió un par de ejemplos de la vida real, incluida la historia de una emisora ​​estadounidense sin fines de lucro y el enfoque que utilizó el equipo de Data Discovery para crear una estrategia de datos ejecutables. Las etapas por las que pasaron fueron definir las metas, alinearlas con los objetivos comerciales y establecer mediciones:

Una vez que se escribieron todos estos objetivos comerciales, el equipo de Data Discovery los priorizó en función del impacto comercial y el nivel de esfuerzo requerido, y definió su hoja de ruta de implementación pasando de las tareas más cruciales y valiosas a las menos importantes:

No deje que la baja tasa de éxito de las implementaciones de lagos de datos lo asuste. El impacto potencial de una implementación exitosa es mucho mayor que la inversión necesaria. Para comenzar y evitar los errores de otras empresas, utilice estos 10 secretos para escalar el análisis. Siempre puede inspirarse mirando estudios de casos de otras empresas. Aquí están algunos ejemplos:

• Ile de Beaute utilizó análisis de extremo a extremo para medir el efecto ROPO
• Cómodo análisis integrado de principio a fin en nueve sencillos pasos
• BUTIK. LTV del cliente mejorado mediante la combinación de datos

La siguiente sesión se llamó "Birds of a Feather", donde todos podían nombrar un tema o punto de dolor que querían discutir y pasar a una mesa para reunirse con colegas de ideas afines para una discusión en profundidad. Personalmente, me gustó mucho esta sesión porque me dio un par de ideas sobre un problema que no sabía cómo abordar.

Michele es una oradora carismática que sabe cómo captar la atención de la gente, y me gustó mucho cómo mostró los trucos de nuestro cerebro (memoria de trabajo limitada, sesgo de confirmación, conformidad con la norma, etc.) que han sido probados por estudios clásicos. Es importante que los analistas sean conscientes de estas contradicciones, porque el análisis y la optimización tienen que ver con el uso de métodos cuantitativos para comprender a las personas y por qué hacen lo que hacen. Estas son algunas de las conclusiones:

• Al presentar información, debe trabajar dentro de los límites de los sistemas de percepción y memoria.

Según George A. Miller, un famoso psicólogo, la cantidad de información que podemos retener en la memoria a corto plazo es siete más o menos dos elementos. Un elemento es un fragmento de información, como una palabra, un número, un punto de datos, etc. Es por eso que esperar que los usuarios establezcan conexiones entre dos puntos de datos separados por seis páginas o treinta diapositivas es una receta para el fracaso.

• Incluso si sus datos parecen evidentes, si llega con "noticias de última hora" que van en contra de lo que la empresa ha sabido, pensado o creído durante algún tiempo, es posible que necesite más datos para respaldar su punto de vista contrario.

También puede permitir suficiente tiempo para la discusión en lugar de simplemente enviar sus hallazgos, ya que esas discusiones son fundamentales para obtener la aceptación de este nuevo punto de vista. “Un hombre con una convicción es un hombre difícil de cambiar. Muéstrele hechos o cifras y cuestionará sus fuentes. Apela a la lógica y no verá tu punto”, dijo Leon Festinger.

Esto también se llama la teoría de la disonancia cognitiva. Nos dice que a la gente no le gusta el sentimiento de inconsistencia (por ejemplo, entre nuestras creencias y nuestras acciones). Buscamos reducir este sentimiento incómodo justificando nuestras creencias y evitando información que pueda entrar en conflicto.

• Cuando trabaje con datos, no se detenga en su primera hipótesis. Puede estar influenciado por su sesgo cognitivo.

Nuestro cerebro está construido de una manera que busca afirmar las creencias existentes. Y eso puede llevarte a un error, ya que puede haber muchas razones por las que los datos muestran lo que hacen. De hecho, encuentro que comprender y reconocer este sesgo es realmente útil cuando entrevisto a personas.

Por lo general, obtiene su primera impresión dentro de los 15 segundos, y luego su cerebro está buscando algo que respalde esa primera impresión. Es súper importante darse cuenta de este momento y comenzar a buscar hechos que respalden una posición contraria. Te ayudará a escapar de tu sesgo cognitivo.

• Si tiene hallazgos analíticos que desafían el status quo, debe discutirlos lentamente y uno a uno.

Evite poner a las personas en el lugar para estar de acuerdo o en desacuerdo dentro de un entorno grupal porque es menos probable que las personas en un grupo defiendan sus nuevos hallazgos en contra de la norma del grupo. De manera similar, esto es un argumento en contra de saltar directamente a una sesión de lluvia de ideas grupal. Una vez en un grupo, el 76% de las personas estarán de acuerdo con el grupo (¡incluso si están equivocados!), por lo que es más fácil obtener ideas más variadas y minimizar el pensamiento grupal al permitir una lluvia de ideas individual y desinhibida y recopilar todas las ideas primero.

Este efecto se llama conformidad con la norma y fue probado por Ash en sus experimentos en 1951.

• Cuando traiga hallazgos, haga una recomendación sobre cómo usarlos y sea lo más específico posible.

Defina de quién es la responsabilidad de actuar si algo cambia y asegúrese de que lo han escuchado para no quedar atrapado por el efecto espectador: cuantos más espectadores estén presentes, es menos probable que una persona intervenga y ayude. Un gran ejemplo de esto es una emergencia médica cuando todos están de pie y esperando que alguien más tome medidas.

Hay muchos más ejemplos y sesgos que puedes encontrar en la presentación de Michele. Si está interesado en aprender sobre sesgos, consulte este artículo sobre psicología práctica para científicos de datos de Conor Dewey.

Durante el almuerzo, escuché una charla realmente inspiradora sobre cómo identificar la personalidad del liderazgo de Valerie Kroll , directora de optimización de Search Discovery y presidenta de la junta directiva de la Asociación de análisis digital.

En su charla, Valerie compartió su viaje de 12 años desde una pasante cuántica hasta donde está ahora y su camino para convertirse en líder. Aquí hay varias lecciones que ha aprendido:

• No es necesario administrar personas para ser un líder. Un líder motiva e inspira a otros a actuar voluntariamente; llevan la cultura y desafían constructivamente el statu quo. También puedo agregar que para ser un líder, debe tener una gran empatía y voluntad de asumir responsabilidades.
• Encuentre oportunidades de liderazgo y no se deje vencer por el síndrome del impostor:
  

Para combatir el síndrome del impostor, use sus habilidades analíticas: intente observar hechos y evaluar su progreso y nivel actual en función de ellos, anote sus fortalezas y logros, y encuentre formas de aplicar sus habilidades. Además, puede probar The Anxiety and Phobia Workbook de Edmund J. Bourne.

• Si enfrenta prejuicios o discriminación, hable de ello, idealmente con el malhechor. De lo contrario, busque un colega, un mentor o alguien de recursos humanos. Si su empresa no cuenta con procesos establecidos para manejar un problema importante, menciónelo. No tengas miedo ni te avergüences de quién eres: tu edad, género, nacionalidad, etc. Tal vez sea algo que te haga exitoso y te ayude a tener una perspectiva diferente.
• Construye tu marca personal en las redes sociales y fomenta el modelo en forma de T, evolucionando no solo en amplitud sino también en profundidad.
  
• Aproveche su red haciendo conexiones reales y tenga un discurso de ascensor listo para usar. Encuentra conexiones en las reuniones, pide a las personas que te presenten a otras personas interesantes y desarrolla esas conexiones proporcionando valor. Esté preparado para compartir en qué está trabajando que crea el mayor valor y es lo más innovador en menos de un minuto.
  
• Busque tutoría. Puede ser mutuo, porque la mejor forma de dominar una habilidad es enseñársela a alguien. Cuando busque un mentor, tenga en cuenta tanto las habilidades blandas como las duras, centrándose en sus objetivos profesionales.
  

Por cierto, DAA tiene un programa de tutoría de Mujeres en análisis, así que si estás interesada, échale un vistazo.

Entonces ya era hora de compartir mi historia sobre el análisis de analistas para mejorar la eficiencia de los procesos . Hacer crecer un equipo requiere mucho tiempo y esfuerzo y las herramientas de gestión adecuadas. Los puntos débiles son comunes: distribución ineficiente de tareas, falta de tiempo para enseñar y capacitar a los nuevos empleados, tiempo insuficiente para que los analistas experimentados realicen I+D y mejoren sus habilidades, no tener idea de cuánto tiempo dedica un empleado determinado a qué tareas, y el la lista continúa. Hemos utilizado lagos de datos para mejorar la estimación de tareas, garantizar que las lecciones aprendidas dolorosamente se compartan con todos y equilibrar las prioridades del proyecto.

como resultado nosotros

1. nos dimos cuenta de que la carga de trabajo de un analista está lejos de lo que esperábamos y que los valores promedio pueden ocultar nuestras zonas de crecimiento
2. demostró que la mayoría de nuestros analistas (~85%) respondieron los correos electrónicos a tiempo
3. trazó un mapa de las tareas típicas con las que nos encontramos, cuánto tiempo suele llevar realizarlas y cómo puede variar el tiempo para cada tarea en particular
4. encontró las debilidades y fortalezas de cada analista para personalizar su plan de desarrollo personal
   áreas encontradas para la automatización.

Puede encontrar mis diapositivas en Slideshare y un artículo en ConversionXL que describe nuestra experiencia.
Lamentablemente, me perdí las charlas de Garry Angel, Tim Wilson, Matt Gershoff y Moe Kiss, pero los escuché a todos hablar en Superweek y sé que son brillantes. Aunque me perdí sus charlas, ¡fue genial volver a verlos en #MASConf!

La última sesión de Marketing Analytics Summit fue una grabación en vivo del podcast Analytics Power Hour. Cada episodio de este podcast tiene un tema cerrado y un foro abierto.

La audiencia disfrutó escuchando a Michael Helbling , líder de práctica de análisis en Search Discovery, Moe Kiss, consultor de análisis y Tim Wilson , director sénior de análisis en Search Discovery, compartiendo sus pensamientos y experiencias. Puede encontrar nuestra entrevista exclusiva anterior con Tim Wilson sobre el estado de la analítica moderna aquí. Además, puede encontrar el episodio de Marketing Analytics Summit aquí. Te animo mucho a que escuches otros episodios también.

1. No tome un título al pie de la letra; elimine la exageración y concéntrese en el impacto que genera.
2. Para comprender si el análisis de autoservicio funciona en su empresa, pregúntele a su equipo si tienen el soporte de datos que necesitan para hacer su trabajo de manera efectiva y si pueden obtener datos en un período de tiempo que satisfaga sus necesidades comerciales.
3. Use una matriz de roles de datos para asegurarse de que todos entiendan lo que se puede esperar de cada puesto.
4. Sea proactivo cuando se trata de la calidad de sus datos, no reactivo.
5. Solo el 11% de los especialistas en marketing se sienten "muy seguros" de la precisión de su modelo de atribución. Pero eso no significa que no debas intentarlo.
6. Para evaluar su nivel de madurez de datos, debe evaluar sus datos en tres categorías diferentes: información unificada (medición y atribución del rendimiento), datos unificados (datos en silos, coubicados o unificados) y base de datos predefinida (precisión de seguimiento, punto de contacto). cobertura, estandarización de taxonomía).
7. Las empresas que vinculan las métricas de marketing con los resultados comerciales deseados tienen el doble de probabilidades de superar significativamente esos resultados. Y las empresas que vinculan las métricas de marketing con los objetivos de ingresos tienen tres veces más probabilidades de superar esos objetivos.
8. Tanto los especialistas en marketing como los analistas quieren una cosa: las herramientas y los procesos adecuados para saber qué empezar, detener y seguir haciendo para alcanzar sus objetivos de marketing.
9. Utilice un plan de éxito para alinear las actividades de marketing con los objetivos comerciales de su empresa y demuestre el valor de las inversiones en marketing y análisis a la alta dirección.
10. Concéntrese primero en los procesos que generan ingresos, ya que generan más impacto.
11. Para que sus procesos funcionen, mapéelos, analícelos y comuníquelos al equipo.
12. La interacción física es más fácil de entender y parece más persuasiva que la digital: la atención física genera un recuerdo de marca un 70 % mayor. Entonces, para que su audiencia lo recuerde, debe involucrar más sentidos, reducir las distracciones y fomentar la interacción.
13. Controle su marca con SEO en SERP, ya que la página de resultados de búsqueda es su nueva página de destino. Debe aprovechar los fragmentos enriquecidos y reclamar sus paneles.
14. Duplique la creación de demanda de marca.
15. Aproveche los algoritmos sociales alternando publicaciones promocionales y no promocionales.
16. Use la narración para crear contenido que esté conectado con su marca, obtenga un alto compromiso y cree una resonancia emocional.
17. Hay tres problemas principales con los datos: falta de alfabetización de datos, silos de datos y falta de confianza en los datos. Todos estos problemas se pueden abordar con una estrategia de datos ejecutables: un plan para usar los datos con un propósito que incluye comprenderlos, diseñarlos para que sean útiles y activarlos para lograr un impacto comercial.
18. La sicología y el análisis están conectados: tenga en cuenta los atajos mentales y utilícelos para aprovechar sus poderes de análisis y marketing.
19. Para encontrar su modelo de liderazgo, utilice sus diferencias, desarrolle su red y marca personal, busque un mentor y un aprendiz, combata el síndrome del impostor e inspire a otros.
20. Cuanto antes mejor. La recopilación, combinación y preparación de datos representa aproximadamente el 75 % de sus esfuerzos. Asegúrese de confiar en la calidad de los datos que recopila.
21. Comience con un panel MVP. Concéntrese en no más de 10 KPI críticos.
22. Defina lo que va a hacer si una métrica cambia drásticamente a las 5 p. m. del viernes. Debe tener un plan sobre qué hacer si una métrica sube o baja inesperadamente. Si no tiene idea de por qué debería tener un plan de este tipo para una determinada métrica, considere si necesita realizar un seguimiento.

PD Ha sido una gran experiencia. Un agradecimiento por separado para Jim Sterne por invitarme y para Roxanne Glavina, Gerente de oradores en Rising Media, Inc. por la organización sin problemas.