Wawancara dengan Damion Brown

Penelitian kami berlanjut! Terima kasih kepada Mariia Bocheva, kami bertemu dengan analis berbakat, ahli pemasaran, dan ilmuwan data yang merupakan contoh nyata untuk diikuti. Inilah wawancara kami berikutnya dengan Damion Brown, pendiri Data Runs Deep di Australia.

Seperti biasa, berikut adalah topik utama untuk navigasi:

Mariia Bocheva : Bisakah Anda mengatakan beberapa kata tentang diri Anda dan pengalaman Anda sebelumnya?

Damion Brown : Tentu saja! Saya lahir di Inggris dan datang ke Australia ketika saya berusia 28 tahun, yang merupakan usia yang sangat bagus untuk melakukan hal seperti itu, ngomong-ngomong, karena Anda cukup dewasa untuk menghargai apa yang Anda lakukan, dan Anda memiliki hati yang cukup muda untuk menerima semua pesta yang akan Anda lakukan!

Bagaimanapun, setelah beberapa kekacauan, dua startup yang gagal tetapi brilian, dan beberapa pekerjaan sambilan, saya menemukan diri saya dalam semacam pekerjaan pemasaran di mana tugasnya adalah "mencari tahu bagaimana menggunakan internet untuk pemasaran." Jadi ada beberapa PPC, beberapa blogging, beberapa pengujian A/B dan, tentu saja, beberapa analitik menggunakan hal-hal seperti Webalizer dan AWStats.

Ketika saya pertama kali melihat dan menggunakan Google Analytics, saya merasa sangat tertarik sehingga saya menyadari bahwa saya telah duduk di meja saya dengan kandung kemih penuh dan saya benar-benar harus berhenti melakukan apa yang saya lakukan dan menemukan kamar mandi… perangkat lunaknya luar biasa, dan menyerap, dan sangat menyenangkan. Jadi saya pikir saya ingin melakukannya untuk mencari nafkah.

Itu berubah menjadi perjalanan lepas yang membawa saya sangat dekat dengan kantor sedekah lebih dari sekali, dan kemudian entah bagaimana dipadatkan menjadi Data Runs Deep, yang merupakan agensi dengan sekitar 15 orang yang semuanya luar biasa.

MB : Keterampilan keras apa yang paling penting bagi para analis saat ini?

DB : Ini sulit karena walaupun kita sering mengatakan bahwa hard skill tidak penting – itu hanya alat, kan, jadi bagaimana alat bisa menjadi hal yang penting – mereka benar-benar penting. Siapa pun yang mencoba mempekerjakan seseorang dengan pengetahuan teknis yang baik tentang Google Analytics akan memberi tahu Anda hal itu! Jadi, keterampilan keras yang penting, dan seseorang harus menginvestasikan waktu mereka jika mereka ingin mendapatkan pekerjaan di lapangan, adalah keterampilan yang terkait dengan platform yang ingin Anda gunakan.

Pelajari Google Analytics dengan benar, terapkan GTM, lakukan kesalahan, lakukan kesalahan lagi, lalu perbaiki, perluas, sesuaikan, hancurkan, perbaiki… bilas dan ulangi!

MB : Soft skill apa yang harus dimiliki seorang analis yang baik?

DB : Berpikir bebas. Itu saja. Analisis bukanlah urutan instruksi – ini adalah “urutan tanpa instruksi.” Dan jika hal semacam itu membuat Anda takut, maka Anda tidak akan bersenang-senang.

MB : Apa kesalahan terbesar yang bisa dilakukan seorang analis? Bisakah Anda berbagi beberapa kesalahan analitis Anda?

DB : Kesalahan adalah semua tentang analitik!

Saya tidak berpikir ada kata untuk itu, tetapi semua orang telah melakukan ini: Anda menyelidiki masalah, Anda membuat email yang sangat panjang dengan banyak tangkapan layar, dan kemudian saat Anda melengkapinya dengan satu atau dua rekomendasi tentang apa itu salah dan bagaimana memperbaikinya, Anda menyadari bahwa Anda telah salah membaca laporan atau salah mengartikan pertanyaan atau sesuatu. Jadi, malu, Anda menghapus semua teks dan mulai lagi. "Hei Paul, ini sebenarnya perilaku yang diharapkan ..."

Kita semua telah melakukannya.

Kesalahan pribadi yang sangat besar adalah saat Google Analytics menjadi Universal Analytics; Saya tidak pernah menerapkannya di e-niaga. Sebuah merek fesyen besar di Australia memiliki pengembang yang antusias dengan versi beta Universal Analytics, dan kami mempelajarinya, dan bersama-sama kami membuat bisnis setuju untuk menerapkan situs baru mereka dengan Universal Analytics terpasang.

Masalahnya, pada saat itu dokumentasi untuk pelacakan e-niaga tidak diperbarui, atau tidak ada, atau kami mengabaikannya, jadi transaksi disiapkan menggunakan ga.js lama, bukan Universal Analytics. Itu berarti kami tidak melacak transaksi.

Klien menelepon saya pada jam 10 malam, saya meyakinkan mereka bahwa semuanya baik-baik saja dan "hanya GA menjadi GA, yang lainnya melacak dengan baik, transaksi akan muncul besok, tidak ada yang perlu dikhawatirkan." Setelah dua jam panik, saya dan salah satu pengembang berhasil memperbarui push transaksi dan kami membuatnya berfungsi dan langsung pada jam 5 pagi keesokan harinya. Saya pikir klien akan marah, tetapi mereka senang. Mengakui kesalahan – dan memperbaikinya – adalah apa yang mereka inginkan, dan itu membuat saya menyadari bahwa seringkali dalam hidup, perbedaan antara mencium bau kotoran dan mawar memang sangat tipis.

MB : Menurut Anda apakah miskomunikasi antara analis dan tim pemasaran adalah hal biasa? Apakah Anda punya rekomendasi cara mengatasinya?

DB : Miskomunikasi membuat dunia berputar. Ada banjir di Australia beberapa tahun yang lalu di mana sebuah sungai di pedesaan Victoria meluap, dan seorang reporter di tempat kejadian menelepon laporan mereka ke meja berita di kantor mereka dan mengatakan ada “sekitar tiga puluh babi dan babi yang mengambang di sungai. .” Itu dilaporkan di surat kabar sebagai "sekitar 30.000 babi mengambang di sungai," yang sangat dan sangat berbeda. Itu selalu membuatku tersenyum ketika memikirkannya, meskipun tentu saja aku berharap babi-babi itu berhasil sampai ke tanah kering, oke.

Maaf - apa pertanyaannya lagi? Benar, miskomunikasi!

Ini adalah fakta kehidupan di lingkungan profesional mana pun, terutama saat ini di mana Anda telah mendistribusikan tim yang mengandalkan komunikasi email, Slack, dan f***ing Jira yang bebas nuansa. Memiliki template briefing membantu – satu halaman di Google Drive tempat permintaan dari pemasaran dapat distandarisasi dengan komentar tentang apa yang mereka butuhkan, mengapa mereka membutuhkannya, apa yang mereka rencanakan untuk dilakukan, dan kapan mereka membutuhkannya.

Tetapi tidak ada solusi nyata selain meluangkan waktu untuk duduk dengan baik bersama orang-orang, membongkar apa yang perlu mereka lakukan, dan melakukan percakapan yang bermakna. Siapa yang punya waktu untuk itu? [Tertawa]

MB : Sumber daya atau acara profesional apa yang dapat Anda rekomendasikan untuk analis?

DB : Hands down, Superweek. Sungguh menakjubkan, dan saya rasa tidak berlebihan untuk mengatakan bahwa perusahaan kecil saya tidak akan menjadi seperti sekarang ini tanpa Superweek.

Dilemparkan ke dalam ekosistem tertutup analis web dari seluruh dunia, untuk belajar tentang bagaimana orang melakukan sesuatu, sungguh brilian. Saya melakukan perjalanan ke sana sendiri pada tahun 2014 dan telah kembali sejak itu, dan semuanya empat orang dari Data Runs Deep menghadiri konferensi setiap tahun.

Itu tidak bisa dilewatkan. Measurecamp juga bagus. Jika Measurecamp adalah sebuah pertunjukan maka Superweek adalah sebuah festival. Jadi tahun ideal saya adalah satu Superweek, selusin Measurecamps, dan Marketing Analytics Summit yang diadakan untuk ukuran yang baik :-)

MB : Pengetahuan apa yang hilang dari para analis dan spesialis pemasaran untuk membuat perusahaan didorong oleh data?

DB : Kami selalu bisa melakukan pekerjaan yang lebih baik dalam memahami skala, saya pikir. Kami tahu banyak hal hebat tentang angka bulan ini, kinerja kuartal ini, atau peningkatan pendapatan tahunan untuk bisnis dari tahun ke tahun.

Apa yang tidak kami kuasai adalah memahami bagaimana hal itu menggerakkan jarum pada profitabilitas perusahaan secara keseluruhan, apakah itu dapat menciptakan lebih banyak pekerjaan untuk lebih banyak orang, apakah harga saham naik atau turun, hal semacam itu.

Saya tidak terlalu khawatir tentang kesenjangan dalam pengetahuan, dan kita tidak boleh menyalahkan diri sendiri tentang hal itu. Sangat mudah untuk melupakan bahwa analitik adalah industri yang sangat muda; itu duduk dalam digital, yang juga relatif muda.

Kita semua hanya mencari tahu sambil berjalan. Kita belum perlu memiliki semua jawaban.

MB : Apakah seorang analis harus mengetahui SQL, Python, dan R dan membangun dasbor yang dikompilasi?

DB : Saya tidak tahu apa-apa, jadi saya bukan analis atau saya rasa jawabannya tidak!

MB : Apa hal terpenting yang perlu dilakukan analis pada berbagai tahap kematangan bisnis (startup, SMB, SME, enterprise)?

DB : Itu pertanyaan yang sangat menarik. Saya tidak berpikir masalah harus berbeda pada berbagai tahap. Skalanya berbeda, tentu saja, tetapi sering kali kita merasa terkejut karena perusahaan membutuhkan waktu delapan bulan untuk mengimplementasikan dataLayer, ketika startup atau bisnis kecil membutuhkan waktu dua hari. Ini hal yang sama, teman-teman!

MB : Tantangan analitis apa yang Anda hadapi di perusahaan Anda saat ini? Alat apa yang Anda butuhkan untuk mengatasinya?

DB : Ada tantangan seperti ITP [Pencegahan Pelacakan Cerdas] dan pemblokir iklan, yang mulai diatasi oleh hal-hal seperti TraceDock, solusi yang sangat mengesankan yang mengisi celah yang dibuat oleh ITP dan pemblokir iklan dalam data Anda. Solusi seperti ini luar biasa, tetapi beberapa langkah sampingan dengan ITP dan semuanya rusak lagi.

Jadi kualitas dan akurasi data masih menjadi masalah besar, dan akan tetap demikian sampai kita semua pindah ke pelacakan sisi server atau kita membuat semua orang memakai chip implan di tengkorak mereka sehingga kita dapat melacaknya dengan benar. Itu mungkin terdengar konyol, tetapi ingat itu hanya sedikit lebih berhasil daripada menerapkan pelacakan sisi server!

MB : Kesulitan apa yang Anda lihat saat menerapkan analitik dan bagaimana Anda menilai perkembangan pasar secara keseluruhan?

DB : Nah, selain ITP – yang membosankan karena semua orang membicarakannya – menurut saya masih banyak pekerjaan yang harus dilakukan untuk mendapatkan taksonomi dan struktur Pelacakan Peristiwa Google Analytics dan Dimensi Kustom. Orang-orang masih salah paham.

Berapa kali Anda melihat hal-hal seperti Kategori Peristiwa = Klik, Tindakan Peristiwa = Klik dan Label Peristiwa = Null? Dan ini juga akan diterapkan oleh Mitra GA. Ini benar-benar omong kosong, dan ini adalah masalah yang seharusnya sudah kita selesaikan sekarang.

Snowplow (sekarang) dan Aplikasi + Web (belum tetapi segera) mendukung sintaksis Acara yang lebih dalam, dan orang-orang menjadi bersemangat untuk bergerak melampaui tiga lapisan Pelacakan Peristiwa arbitrer GA, tapi astaga... selesaikan dengan tiga sebelum Anda pindah ke tiga puluh!

MB : Bagaimana seorang analis memiliki dampak yang lebih besar pada pemasaran? Bagaimana mereka bisa berguna bagi tim pemasaran?

DB : Jangan lapor. Meresepkan, memprediksi, dan mendahului.

MB : Bagaimana Anda mengevaluasi kematangan analisis pemasaran saat ini?

DB : Seperti yang kami katakan beberapa menit yang lalu, ini masih industri yang sangat awal.

Kami pikir kami sudah mahir, tetapi kami masih mendapatkan Acara yang salah, dan ITP membuat kami bingung. Kami mendasarkan semua pekerjaan kami, pada dasarnya, JavaScript menempatkan file teks di browser.

Itu sangat tipis dan sangat berat, dengan begitu banyak ketergantungan yang diberikan pada angka yang dihasilkan dengan cara yang sangat kuno.

Jadi saya pikir kami masih sangat baru, industri tahap awal dengan banyak belajar. Tetapi dengan komunitas yang terbuka dan berorientasi berbagi, kami melengkapi diri kami dengan dinamika yang tepat untuk mempelajari apa pun yang kami perlukan. Semoga.

MB : Menurut Anda bagaimana masa depan analitik pemasaran? Tren apa yang Anda lihat akan datang dan apa yang diminati?

DB : Hal terbesar untuk beberapa tahun ke depan mungkin adalah pembelajaran mesin dan kecerdasan buatan, yang merupakan hal yang membosankan untuk dikatakan karena hanya itu yang dibicarakan orang akhir-akhir ini. Tetapi teknologi ini dapat dijangkau oleh kita semua sekarang. Setelah memiliki data di BigQuery, Anda dapat memuat proses machine learning langsung di tabel data.

Itu sangat besar.

Saat ini ada orang yang menjalankan algoritme prediksi di situs mereka, menggunakan data BigQuery untuk memprediksi apa yang cenderung dibaca atau dibeli orang berdasarkan apa yang telah dilakukan orang lain. Itu juga besar.

Rasanya seperti seluruh sejarah analisis web telah mengarah ke titik di mana Anda memiliki tabel data yang sangat besar dan Anda menggunakan AI untuk menghasilkan rekomendasi. Itulah hal yang sangat menarik – melakukan hal-hal seperti memadukan data stok toko dengan perilaku online dan memprediksi toko mana yang akan kehabisan produk pada hari itu. Mental!

MB : Masalah apa yang Anda lihat di pasaran saat ini?

DB : Saya kira satu masalah besar, satu gajah raksasa di ruangan itu, adalah bahwa kita melihat berita tentang manipulasi pemilu dan populisme dan penargetan iklan, dan kita semua jijik tetapi pada akhirnya, analisis web adalah bagian dari hal yang sama yang memunculkan semua hal mengerikan itu.

Saya tidak mengatakan bahwa kita semua terlibat dalam pemilihan Trump, tetapi kita semua menghasilkan sedikit uang dari melacak orang di internet, dan kita melacak mereka sehingga kita dapat memahami perilaku mereka, dan kita ingin memahami perilaku mereka. kita bisa mengubah perilaku mereka.

Sebagai individu, tentu kita tidak ingin perilaku kita diubah. Siapa yang mau? Jadi menurut Anda, oke, saya akan menginstal Ghostery atau menggunakan Brave atau DuckDuckGo dan saya tidak akan dilacak. Tapi kemudian Anda memiliki lautan orang yang masih dilacak, karena mereka tidak tahu tentang pelacakan itu, yang merupakan tempat yang secara moral goyah.

Orang-orang telah mengatakan "data adalah minyak baru" selama bertahun-tahun. Tapi mungkin itu bukan minyak. Mungkin “data adalah asbes baru”. Berpikir tentang itu. Kami menambangnya, mengangkutnya, memasangnya, membangunnya... dan itu berfungsi, tidak apa-apa... tapi apa yang terjadi ketika kita menyadari toksisitasnya, sifatnya yang berbahaya, efeknya yang merusak pada kemanusiaan?

Sama seperti asbes, dengan data akan ada tuntutan hukum, denda besar, dan jika Anda ingin menghapusnya, Anda harus menelepon seseorang. Bagaimana jika kita semua adalah bagian dari masalah?

Saya tidak mengatakan kita semua harus berhenti, saya juga tidak akan menggunakan topi kertas timah dan merokok ganja di ruang bawah tanah untuk bersembunyi dari dunia. Namun, kita harus berpikir dengan sangat hati-hati tentang pekerjaan yang kita lakukan dan untuk siapa kita melakukannya. Data Runs Deep memiliki kebijakan etis tentang jenis orang yang akan dan tidak akan kita gunakan dengan teknologi yang sangat kuat ini, dan terkadang saya bertanya-tanya apakah seluruh industri memerlukan semacam kode etik tentang hal semacam ini.

Terima kasih, Damion, untuk wawancara yang begitu tulus!

Kami harap Anda menikmati bacaan ini dan mendapat dorongan inspirasional yang sama besarnya dengan kami. Analytics adalah industri muda, tetapi sedang dikembangkan oleh komunitas orang-orang yang berbakat dan baik hati.

Berlangganan ke blog kami untuk membaca wawancara berikutnya sebagai bagian dari penelitian kami tentang keadaan analitik digital dan menyesuaikan pengalaman analis top dengan bisnis Anda.