Bagaimana CMO dapat membangun sistem analisis pemasaran yang efektif

Bisnis yang mengumpulkan data, menganalisisnya, dan membuat keputusan berdasarkan informasi tersebut, tumbuh dan berkembang lebih cepat daripada yang tidak. Artikel ini menjelaskan cara membangun sistem analitik untuk bisnis Anda dan mengapa alat dan analis martech sangat penting.

Apa itu analitik? Ini adalah alat yang digunakan perusahaan untuk mengevaluasi apa yang menghasilkan laba. Namun, analitik itu sendiri tidak secara langsung mendatangkan pendapatan bagi bisnis. Dengan analytics, Chief Marketing Officer (CMO) hanya bisa mendapatkan berbagai laporan untuk menarik kesimpulan dan mengambil keputusan.

Mari kita ambil contoh dari latihan kami di OWOX. Tugas biasa CMO adalah menjalankan rencana penjualan iklan online. Bagaimana analitik berguna dalam kasus ini? Analis mungkin memberikan laporan Google Analytics, data biaya iklan hanya dari Google Ads, dan data untuk transaksi online di situs web yang tidak cocok dengan data dari CRM. Akibatnya, menghitung ROAS akan sulit.

Katakanlah sebuah perusahaan telah menggunakan analitik untuk waktu yang lama, telah mengumpulkan data di penyimpanan cloud, dan telah mengonfigurasi laporan yang dibuat secara otomatis. Apakah ini menyelesaikan semua masalah pemasaran perusahaan? Tidak juga. Lagi pula, direktur pemasaran tidak hanya tertarik pada data tetapi juga data yang akan membantu mereka memahami peluang apa yang tersedia untuk menjalankan rencana untuk bulan atau kuartal berikutnya.

Untuk menjalankan rencana secara akurat dan mencapai semua tujuan mereka , pemasar memerlukan analitik untuk mengidentifikasi:

• zona pertumbuhan (cara melampaui rencana)
• zona risiko (apa yang mengganggu pelaksanaan rencana)

"Sebelum memikirkan dua zona, saya akan menekankan mempekerjakan orang yang tepat untuk membantu membangun sistem itu.

Bukan CMO yang seharusnya membangun sistem. CMO harus melakukan lebih banyak pemikiran strategis, memilih dan mengendalikan arah pemasaran, dll. Anda tahu, "hal-hal tingkat tinggi".

Dalam hal analitik, ada terlalu banyak hal yang terlalu teknis untuk CMO. Jadi karyawan yang tepat harus mengisi celah ini. CMO harus mengkonsumsi data yang diproses dan (semoga?) divisualisasikan dan kemudian membuat keputusan."

Julius Fedorovicius, pendiri analyticsmania.com.

Kami telah mengakui bahwa laporan otomatis saja tidak cukup untuk memecahkan masalah pemasaran. Data perlu ditafsirkan untuk mendapatkan jawaban, dan tombol Jadikan Semuanya OK belum ditemukan. (Kami sedang mengerjakannya!) Oleh karena itu, direktur pemasaran perlu melakukan hal-hal berikut untuk menjaga produktivitas tetap tinggi:

1. Siapkan sistem analitik yang menunjukkan risiko dan zona pertumbuhan
2. Pekerjakan analis yang memproses data, menambahkan konteks, dan memberikan kesimpulan

Fakta bahwa CMO meningkatkan anggaran teknologi mereka menunjukkan bahwa layanan analisis pemasaran bukan hanya mainan mahal lagi. Mereka adalah alat kerja nyata yang membantu departemen pemasaran menjalankan rencana dan mendapatkan bonus.

"Untuk perusahaan yang lebih kecil, prosesnya dapat disederhanakan dan mungkin cukup baik untuk memulai dengan mempekerjakan seseorang yang baik dengan ekosistem Google (GA, GTM, GDS, sheet) tetapi idealnya tim harus terdiri dari setidaknya dua orang .

1. Orang teknis yang pandai mengumpulkan data (sebut saja dia insinyur analitik).
2. Analis Data yang kemudian dapat membersihkan data, bermain-main dengannya dan menganalisis (dari apa yang saya lihat, biasanya orang yang menganalisis data tidak terlalu ahli dengan bagian teknis pengumpulan data, itu sebabnya insinyur analitik akan membantu).

Orang yang Anda pekerjakan dapat membantu Anda memilih/membangun tumpukan analitik yang tepat."

Julius Fedorovicius, pendiri analyticsmania.com.

Sebuah bisnis dapat berhasil menggunakan produk out-of-the-box atau solusi sendiri. Untuk menghindari pengeluaran uang dan waktu yang tidak perlu, perusahaan harus memahami dengan jelas apa yang dibutuhkannya.

Ketika datang untuk mengembangkan solusi Anda sendiri, Anda harus memperhatikan tim pengembangan dan dukungan serta dokumentasi.

Jika spesialis Anda yang menulis skrip pengumpulan data dan bertanggung jawab untuk mengonfigurasi seluruh sistem berhenti, Anda harus yakin bahwa karyawan yang menggantikannya akan dapat mendukung proyek.

Jika Anda ingin membeli solusi yang sudah jadi, evaluasi terlebih dahulu jumlah data yang perlu Anda proses. Jika Anda memiliki 10 penjualan sehari dari iklan online, Anda tidak perlu berinvestasi dalam layanan yang kuat dan mahal. Untuk jumlah pekerjaan ini, cukup menggunakan Google Analytics atau Excel.

Sementara omset dan kebutuhan Anda meningkat, ada peningkatan kebutuhan akan metrik tambahan, otomatisasi, dan kecepatan pemrosesan data yang lebih tinggi. Misalnya, dalam bisnis SaaS (solusi TI dengan biaya berlangganan), Anda dapat mulai menerima nilai nyata dari gudang data Anda sendiri atau penggunaan algoritme pembelajaran mesin jika omset tahunan Anda melebihi $200.000.

Namun, perhatikan bahwa bahkan layanan siap pakai yang dapat mengumpulkan, memproses, menghitung, memprediksi, dan memvisualisasikan data perlu disesuaikan untuk bisnis tertentu. Banyak bisnis memiliki logika unik dan parameter perencanaan utama. Oleh karena itu, struktur data yang diimpor dan visualisasi data akan berbeda. Selain itu, dari pengalaman kami, pelanggan tidak suka mempelajari cara bekerja di antarmuka baru tetapi ingin data mereka disajikan dengan cara yang sama.

Untuk meringkas, resep kami yang kami gunakan di OWOX dalam menciptakan sistem analisis pemasaran adalah ini:

• Bisnis harus memiliki akses penuh ke data mereka
• Data harus disampaikan dalam antarmuka yang akrab bagi pembuat keputusan

Ada banyak fitur dan perbedaan di antara bisnis bahkan dalam satu ceruk. Misalnya, dalam bisnis ritel, bisnis elektronik secara konseptual berbeda dengan bisnis penjualan pakaian atau barang-barang rumah tangga. Katakanlah ada frekuensi pembelian yang berbeda dan penekanan yang berbeda dalam bekerja dengan pelanggan baru dan pelanggan lama.

Sebagai contoh lain, banyak perusahaan yang menekankan pengembangan aplikasi seluler dan analitik klien. Perusahaan semacam itu memiliki model pemasaran, metode untuk kinerja rencana, dan metrik yang sangat berbeda dibandingkan dengan perusahaan yang berbasis di sekitar aplikasi web. Itu sebabnya sulit untuk menggabungkan dan memproses data.

Oleh karena itu, penting bagi bisnis untuk memiliki akses langsung ke pemasaran dan data produknya dan tidak bergantung pada kemampuan layanan tertentu dan sistem visualisasinya.

Perusahaan mencari analis untuk kebutuhan dan rasa sakit yang berkembang di perusahaan saat ini. Dan jika ada banyak kesulitan (dan selalu ada), maka pencarian analis bisa memakan waktu berbulan-bulan atau bahkan bertahun-tahun. Dan pada akhirnya, ada kemungkinan besar bahwa spesialis yang disewa tidak akan mampu menangani semua tugas.

Sangat penting untuk memisahkan dan mensistematisasikan area tanggung jawab analis . Saat ini, banyak perusahaan mencari analis yang akan menyiapkan metrik, menggabungkan data, membangun hipotesis berdasarkan data ini, memberikan rekomendasi, memastikan tingkat konversi segera tumbuh, dan memastikan bahwa kampanye iklan mulai membuahkan hasil. Mereka seorang analis; mereka bisa mengatasinya!

Dalam kehidupan nyata, itu tidak bekerja seperti itu . Analis Anda tidak akan memiliki cukup waktu atau tidak memiliki keterampilan yang cukup. Sebagai contoh:

• Seorang spesialis dapat menjadi teknisi yang sangat baik (mengatur pengumpulan data, menulis permintaan, dan menyiapkan data untuk analisis) tetapi tidak memiliki pengetahuan tentang cara menilai data yang diperoleh secara bermakna.
• Sebuah perusahaan mungkin besar, dan semuanya dapat diatur sehingga hanya satu analis yang dapat mengirimkan data. Sepanjang hari, analis itu pada dasarnya akan menjadi antarmuka suara ke data.

Yang harus Anda lakukan adalah menentukan area analitik tanggung jawab mana yang dapat diperkuat dengan mengukur data dan titik pertumbuhan. Misalnya, dalam bisnis ritel, ini adalah pemasaran, produk, dan pengalaman pelanggan.

Jika spesialis kelebihan beban dalam menyiapkan data dan laporan, ada baiknya mengalokasikan fungsi analitik teknis ini ke unit terpisah atau mentransfernya ke mitra.

Lebih menguntungkan bagi perusahaan ketika analitik berfungsi dengan baik dan tidak dibatasi oleh kemampuan satu spesialis. Jika tidak, perusahaan akan mencapai langit-langit besi.

Misalnya, katakanlah seorang analis tiba-tiba memutuskan untuk meninggalkan solusi pihak ketiga tertentu dan membuatnya kembali sendiri setelah mempelajari dan menjadi tertarik pada bahasa R. Pemikirannya adalah bahwa bisnis akan berhenti membayar lebih untuk solusi eksternal. Namun pada kenyataannya, analis mengembangkan minat mereka sendiri alih-alih terlibat dalam tugas langsung mereka.

Perusahaan, sebagai gantinya, akan menerima solusi yang tidak stabil tanpa dukungan jika analis berhenti. Manfaatnya diragukan. Bisnis apa pun tidak boleh terbatas pada apa yang dapat dilakukan analis.

Hal lain adalah ketika perusahaan membentuk analitik internal dan departemen data lengkap yang mendukung tujuan pertumbuhan departemen yang berbeda. Dalam hal ini, perusahaan dapat memastikan kualitas data dan sumber daya yang mengevaluasi perkembangan pemasaran, produk, dan divisi lainnya.

Chief Data Officer (CDO) atau Head of Analytics menentukan solusi berbasis data mana yang harus dikembangkan dan didukung terlebih dahulu.

Misalnya, mari kita pertimbangkan kasus nyata dari klien: Sebuah bank mengotomatiskan pemilihan manajer klien berdasarkan informasi yang dikumpulkan tentang minat dan tindakan pelanggan. Juga, bank mulai mempertimbangkan konversi manajer ini untuk menutup transaksi dengan profil pelanggan serupa.

Dalam mengembangkan solusi untuk perusahaan, penting bagi analis untuk mendapatkan jawaban atas pertanyaan berikut:

• Apa tujuan strategis pelanggan analitik?
• Keputusan apa yang akan dibuat dan tanggung jawab apa yang akan diberikan untuk mencapai tujuan strategis?
• Pertanyaan apa yang perlu dijawab pelanggan untuk membuat keputusan?
• Grafik, laporan, dan rekomendasi apa yang dapat membantu menjawab pertanyaan?
• Metrik mana yang harus digunakan dalam solusi?

Sangat penting untuk mengerjakan tugas-tugas analis agar tidak melewatkan detail penting dan, sebagai hasilnya, memberi pelanggan solusi yang berfungsi dan berguna.

Mari kita rangkum. Agar data berfungsi untuk bisnis, analis Anda harus:

1. tahu tujuan dan solusi pelanggan apa yang benar-benar bergantung pada data
2. pertimbangkan berapa banyak keuntungan yang dipengaruhi keputusan ini
3. secara teratur memantau kualitas data dan segera melaporkan penyimpangan dari norma

Dan tentu saja, CDO berkepentingan untuk meningkatkan proporsi karyawan yang menggunakan data sendiri daripada membutuhkan bantuan terus-menerus dari tim analis.

"Saya pikir analytics dalam pemasaran harus dianggap sebagai suplemen untuk atlet yang sudah berpengalaman/kuat. Mereka dapat membuatnya lebih cepat/lebih kuat/dll. Jika Anda sudah melakukannya dengan cukup baik, maka analytics dapat membantu Anda meningkatkannya.

Berbicara tentang contoh yang lebih konkret (mengenai dua zona yang disebutkan sebelumnya), berikut adalah beberapa.

Zona pertumbuhan:

• Menemukan 20% produk yang menghasilkan 80% pendapatan. Periksa sumber lalu lintas, demografi, dll. dan coba identifikasi segmen mana yang bekerja lebih baik daripada segmen lainnya. Ini dapat membantu Anda mengidentifikasi peluang untuk meningkatkan anggaran (misalnya untuk membuat penyesuaian pada iklan berbayar Anda).

Zona risiko:

• Pelacakan kesalahan (dan tindakan negatif lainnya, kesalahan checkout, kesalahan pendaftaran, dll.). Ini adalah perjuangan utama pelanggan/klien. Dengan mengidentifikasi dan memperbaikinya, Anda dapat mengurangi gesekan sehingga meningkatkan volume konversi."

Julius Fedorovicius, pendiri analyticsmania.com.

Diperlukan waktu enam bulan untuk menutup lowongan untuk analis yang kuat. Itu waktu yang lama. Mitra adalah solusi yang bagus untuk segera memulai dan tidak menunggu terlalu lama untuk mendapatkan nilai. Ada dua kasus ketika bekerja dengan mitra sangat membantu untuk mengembangkan analitik di sebuah perusahaan.

1. Mitra memiliki keahlian yang jauh lebih kuat daripada yang dimiliki perusahaan saat ini. Misalnya, katakanlah bisnis sudah ingin bekerja dengan data atau setidaknya mulai mengumpulkannya, dan tidak ada analis di perusahaan atau mereka fokus pada tugas lain. Dalam hal ini, perusahaan harus mencari mitra yang sudah memiliki pengalaman bekerja dengan kasus serupa di ceruk.
2. Tim mitra dipekerjakan untuk fungsi tertentu . Misalnya, dapat menerapkan analitik, memberikan dukungan Google Pengelola Tag, atau melaporkan pemasaran. Pendekatan ini bekerja ketika perusahaan membutuhkan tim yang besar dan berkualitas untuk melakukan tugas tertentu dan karyawan internal lebih berharga ketika berfokus pada analisis dan interpretasi data.

Penting! Dengan pendekatan apa pun, ada baiknya membangun hubungan dengan pasangan yang transparan dalam pengambilan keputusan mereka. Dengan kata lain, mitra Anda harus memahami tujuan dan sasaran strategis perusahaan Anda serta persyaratan analitik Anda agar dapat bekerja secara proaktif.

Apa tujuan strategis, kerangka waktu, dan anggaran Anda? Misalnya, pada acara tahunan Go Analytics! konferensi, orang-orang secara teratur berbicara tentang cara menggunakan produk analitik berbayar senilai ratusan ribu dolar. Tetapi ada juga pembicara yang mengatakan bahwa analitik dapat dibangun dengan biaya $130 per bulan. Kedua kasus itu benar dan nyata.

Perusahaan besar yang aktif menggunakan produk Google Marketing Platform dan menggabungkan data iklan dengan data penjualan menggunakan Google Analytics 360. Untuk perusahaan lain dengan volume yang lebih kecil, cukup menggunakan fitur Google Analytics gratis.

Sederhananya, jika pendapatan tahunan Anda antara $200.000 dan $1 juta, inilah saatnya untuk mengumpulkan data di database Anda, tetapi terlalu dini untuk menginvestasikan upaya dalam bekerja dengan algoritme pembelajaran mesin. Anda belum memiliki cukup informasi tentang pelanggan Anda.

Fokus pada fungsionalitas analitik dan profitabilitas untuk bisnis Anda . Pertama-tama, analitik akan membantu menjawab pertanyaan Di mana risiko saya? dan Di mana zona pertumbuhan saya? saat mengimplementasikan rencana Anda. Jika tidak menjawab pertanyaan-pertanyaan ini, maka itu hanya menghabiskan waktu dan anggaran Anda.

“Analitik adalah sesuatu yang menghubungkan masa lalu, sekarang, dan masa depan. Kami menganalisis data yang dibuat dan dikumpulkan di masa lalu. Di masa sekarang, kami mencoba memprediksi apa yang akan terjadi di masa depan. Dan terakhir, kami mencoba memengaruhi masa depan. dengan realokasi upaya kami dengan cara baru."

Mikko Piippo, konsultan analitik & pengoptimalan digital, salah satu pendiri, dan mitra Hopkins.

• Mulailah membangun analitik dari menentukan tingkat pengembangan bisnis.
• Tidak perlu menunggu data dalam jumlah besar atau mencari analis super selama enam bulan. Mulailah dengan menghubungi mitra yang memiliki pengalaman membangun model analisis pemasaran di wilayah Anda.
• Pilih model yang sesuai: produk siap pakai yang dimodifikasi untuk bisnis Anda atau sistem yang dikembangkan dari awal hanya untuk Anda.
• Pertimbangkan untuk mempekerjakan seorang analis yang berpengalaman dalam konteks bisnis Anda bahkan jika mereka tidak memiliki keterampilan yang paling canggih. Mereka akan dapat menangkap infrastruktur dari awal dan meningkatkannya lebih lanjut dan meningkatkannya.