Anugerah bagi pemasar: cara membuat laporan tanpa analis dan SQL

Pelaporan adalah hal yang sangat menjengkelkan bagi pemasar mana pun. Terutama, sebagian besar alat analisis berfokus pada kebutuhan analis dan pengembang dan melarang pemasar bekerja dengan data itu sendiri. Artikel ini menjelaskan mengapa ini terjadi dan bagaimana kami melihat solusi untuk masalah ini.

Tujuan dari setiap bisnis adalah untuk mendapatkan keuntungan. Namun, untuk memahami bagaimana perkembangan perusahaan berjalan dan ke arah mana hal itu layak untuk dilanjutkan, perusahaan perlu melacak dan memantau semua area organisasi. Dengan kata lain, pelaporan adalah alat penting bagi para pengambil keputusan.

Belum lagi dalam keadaan ekonomi pandemi, ketika pemasar dituntut untuk mencapai lebih banyak dengan sumber daya yang lebih sedikit (lebih sedikit anggaran dan lebih sedikit waktu untuk implementasi), hal itu tidak dapat dilakukan tanpa pelaporan.

Selama setahun terakhir, perusahaan menjadi yakin bahwa Anda dapat mencapai kesuksesan dengan berbagai cara, baik offline maupun online. Ada banyak pilihan untuk menjangkau pelanggan di ekosistem digital (jangan lupa tentang ruang suara dan audio yang berkembang berkat pemrosesan bahasa alami). Salah satu saluran ini membawa volume data baru. Anda dapat menggunakan informasi ini untuk berkomunikasi dengan pelanggan dan mempelajari lebih lanjut tentang audiens target Anda, yang berguna untuk pengembangan bisnis.

Bisnis memiliki pasar di mana ia beroperasi, tujuan, dan data. Setiap perusahaan menginginkan tiga hal: dapatkan lebih banyak, belanjakan lebih sedikit, dan lakukan lebih cepat.

Pemasar membantu bisnis mencapai apa yang diinginkannya. Dia memiliki lusinan layanan yang berbeda, tujuan dari CMO, dan keahlian dalam pemasaran. Inilah yang tersedia baginya dalam banyak kasus.

Apa kekurangan pemasar dan masalah apa yang paling sering dia hadapi dalam pekerjaannya:

1. Data dalam laporan tidak cocok dan harus terus dipantau. Mengapa? Data bisa hilang pada tahap pengumpulan data, digandakan, dll. Tidak ada alasan sederhana; jika tidak, itu tidak akan menjadi masalah di pasar. Seorang pemasar membutuhkan data yang dapat dipercaya untuk mengambil keputusan.
2. Ini rumit dan membutuhkan banyak waktu untuk membuat laporan dengan semua data yang diperlukan. Biasanya pemasar tidak punya waktu untuk mempelajari SQL dan tidak ingin menunggu tanggapan dari analis. Pemasar ingin secara mandiri membuat laporan di bagian yang benar dan tidak menunggunya dari analis. Masalah lain adalah dia tidak pernah tahu sebelumnya pertanyaan apa yang akan muncul dan laporan apa yang mungkin diperlukan lain kali. Ini adalah kesempatan langka untuk memiliki satu laporan universal untuk semua kemungkinan keadaan.
3. Seorang pemasar membutuhkan panduan yang berlaku bukan laporan . Misalnya, laporan kampanye iklan yang menunjukkan BPA kurang bernilai daripada laporan bauran pemasaran terbaik yang menunjukkan berapa banyak yang Anda perlukan untuk menambah atau mengurangi anggaran iklan. Kenapa begitu? Karena biaya aplikasi tidak menjawab pertanyaan tentang apa yang harus dilakukan dengan informasi ini.

Berkat pengembangan layanan seperti Google BigQuery, analisis Big Data menjadi lebih mudah diakses oleh perusahaan dari semua ukuran. Tetapi produk analitik yang ada ditujukan terutama untuk kebutuhan analis dan pengembang. Pemasar masih dipaksa untuk membatasi diri pada laporan yang sudah jadi atau menunggu analis menyiapkan data, kehilangan peluang, dan membuang-buang waktu.

Pada gambar di atas, ada kuadran ajaib Gartner dengan layanan analitis dan BI. Di salah satu ruang obrolan populer untuk analis, Excel ditambahkan ke grafik. Gambar ini menunjukkan bahwa pengguna bisnis memerlukan alat analisis modern hingga data yang mereka butuhkan dikirimkan ke antarmuka Excel atau Google Spreadsheet yang sudah dikenal.

Ada kutipan terkenal: "data adalah minyak baru." Dan seperti halnya industri minyak di pasar untuk analisis pemasaran memiliki negara bagian yang mengatur akses ke akumulasi nilai dalam bentuk mentah seperti Google, Facebook, Apple, ada saluran pipa minyak seperti OWOX BI, Supermetrics, Fivetran, StitichData mengirimkan data ke kilang seperti Google Cloud, AWS, MS Azure, Hadoop. Namun bagi pengguna akhir, semua ini tidak memberikan nilai yang signifikan sampai ia dapat mengisi bahan bakar mobilnya dengan energi yang sesuai di waktu yang tepat dan tanpa usaha yang tidak perlu.

Saat ini, pengguna bisnis terpaksa membatasi diri pada bus reguler, yang mengantarkan mereka ke bagian data yang telah ditentukan sebelumnya atau membayar lebih untuk taksi, tanpa mengetahui alamat pasti ke mana mereka harus pergi dan laporan apa yang harus dibuat pada akhirnya.

Mengapa alat analisis yang ada tidak sepenuhnya memenuhi kebutuhan pemasar:

• Layanan khusus tidak berisi data yang diperlukan . Mengapa tidak menggunakan Google Analytics saja? Tidak ada kebutuhan bisnis data. Tidak mungkin menggabungkan semua data dan membuat laporan sesuai dengan logika yang sesuai dengan model bisnis Anda.
• Bahkan jika bisnis telah mengumpulkan semua data yang diperlukan, keahlian diperlukan untuk menggabungkannya: dengan kunci apa, dalam struktur apa, dengan kondisi apa, dll.
• Layanan analitik lanjutan yang ada memberikan solusi yang dibuat khusus, bukan solusi sistem : Anda dapat membuat laporan atau dasbor tertentu, tetapi Anda tidak dapat membuat sistem pelaporan yang dapat digunakan oleh pemasar. Misalnya, Anda bisa mendapatkan laporan pembaruan otomatis di Power BI, Google Data Studio, atau Excel. Tetapi jika Anda perlu mengubah sesuatu dalam laporan, menambahkan bagian, parameter, dan metrik yang diperlukan, atau mengubah Pengelompokan Saluran, pemasar sendiri tidak dapat melakukannya. Anda harus menghubungi seorang analis setiap saat.

Mengapa sulit bagi pemasar untuk mendapatkan data yang tepat di Excel atau Google Spreadsheet? Di mana hambatan di antara semua tahapan dalam bekerja dengan data?

Setelah data diubah menjadi struktur tertentu (misalnya, tag UTM dikenali), dan sebelum pengguna bisnis dapat membuat laporan darinya, proses berulang terjadi. Misalnya, Anda memilih kolom yang diinginkan, mengecualikan pengguna yang belum melakukan pembelian dalam jangka waktu tertentu, dll. Proses ini memerlukan komunikasi antara analis dan pemasar. Dan jika pemasar tidak tahu SQL, komunikasi ini tidak dapat dihindari.

Saat ini, analis membuat laporan yang memerlukan konsolidasi data menggunakan SQL. Seiring waktu, semakin banyak kueri SQL seperti itu, dan logika di dalamnya menjadi lebih kompleks. Dengan demikian, pemasar tidak dapat memperoleh laporan yang diperlukan tanpa bantuan seorang analis, dan kualitas data selalu dipertanyakan.

Sebagian besar produk analitik menyederhanakan pekerjaan analis pada satu tahap tetapi tidak membantu menggabungkan data dengan benar, atau pemasar untuk mendapatkan laporan yang diperlukan tanpa bantuan analis. Oleh karena itu, analis tetap menjadi titik lemah.

Salah satu klien kami pernah berkata: "Pemasar kami sekarang memiliki dua pilihan: menunggu Excel atau belajar SQL." Kabar baiknya adalah, ini bukan satu-satunya alternatif.

Pada dasarnya, tidak perlu menunggu analis atau belajar SQL untuk membuat laporan. Ketika data sudah dimodelkan hingga model bisnis perusahaan, pemasar tidak perlu lari ke analis setiap kali ingin membuat laporan baru.

Analis menggabungkan data hingga model bisnis sekali sehingga lebih mudah untuk melakukan pengeditan nanti. Pemasar kemudian dapat menggunakan data ini dalam layanan pelaporan modern yang dapat bekerja dengan model data (misalnya OWOX BI).

Alat analisis pemasaran baru telah datang untuk menyelamatkan hari! Ya, pemasar perlu memilahnya, tetapi ini masih lebih mudah dan lebih nyaman daripada SQL. Sebagai gantinya, pemasar akan menerima data yang dapat dipercaya, laporan di bagian yang benar, dan rekomendasi yang berlaku.

Apa yang perlu Anda lakukan untuk membuat keajaiban bekerja?

Langkah 1 . Kumpulkan data dengan bantuan alat ETL di satu tempat untuk analisis selanjutnya (penyimpanan data cloud, khususnya Google BigQuery, adalah opsi ideal untuk pemasar).

Langkah 2 . Bersihkan dan cocokkan data yang dikumpulkan.

Langkah 3. Gabungkan data untuk model bisnis.

Langkah 4 . Hubungkan data yang dimodelkan ke layanan pelaporan.

Langkah 5 . Ekspor data ke layanan visualisasi data.

Alat tersebut seperti Corong. io, Supermetrics, OWOX BI, Datorama, Improvado, Kissmetrics, dll. bagus untuk pengumpulan data. Namun, untuk mencocokkannya dengan benar, menghapus, menggabungkan, menghapus duplikat, dan sebagainya, Anda memerlukan bantuan seorang analis.

Untuk memodelkan data, pemasar juga membutuhkan bantuan seorang analis. Tapi, ini hanya sekali.

Catatan! Jika Anda memiliki proyek kecil, sepasang sumber data (tabel dengan acara ditambah pengeluaran), dan Anda perlu membuat 2-4 laporan, maka struktur penghitungan tabel ini akan cukup sederhana.

Namun, jika kita berbicara tentang proyek nyata dengan banyak tabel dengan data dari sistem periklanan, transaksi dari CRM, informasi pengguna, data produk yang diperluas, dan semua data lain yang masuk ke Google BigQuery? Sebaiknya gunakan alat seperti DBT/Dataform untuk menghindari 100.500 tabel yang terjerat, Anda dapat membuat perubahan sekali, dan dapat diterapkan ke seluruh model.

Setelah data Anda dimodelkan, Anda dapat membuat berbagai laporan untuk dikerjakan. Sebagai contoh platform universal modern yang mengumpulkan dan menganalisis data pemasaran Anda dari berbagai sumber, memungkinkan Anda untuk mengotomatiskan pelaporan, dan mentransfer hasil ke tempat yang Anda inginkan, mari kita lihat OWOX Smart Data.

Dengan menggunakan layanan Data Cerdas, pemasar dapat menerima laporan pemasaran tanpa batas dan pengambilan sampel, berdasarkan data mentah gabungan dari Google BigQuery dan mengekspor laporan ke Google Data Studio dan Google Spreadsheet.

Ada dua cara untuk mendapatkan laporan:

1. Gunakan pembuat Laporan.
2. Pilih template yang sudah jadi dari galeri laporan paling populer.

Pemasar dapat dengan cepat memperoleh akses ke wawasan pemasaran dari segala kerumitan, menggunakan dasbor yang sudah dibuat sebelumnya atau disesuaikan untuk kebutuhan perusahaan. Untuk tugas cepat, laporan siap pakai di OWOX BI Smart Data cocok, sedangkan untuk yang kompleks — prapemrosesan dan pengunduhan data menggunakan kueri SQL dari Google BigQuery — diperlukan.

Mari kita lihat Pembuat Laporan — Anda perlu menentukan metrik dan parameter mana yang ingin Anda lihat dalam laporan, memilih jenis laporan yang Anda inginkan, dan rentang tanggal. Smart Data menghasilkan kueri SQL dari data yang diperlukan di Google BigQuery, dan pemasar mendapatkan laporan visual.

Penggunaan laporan seperti analisis kelompok, perhitungan LTV, analisis ROPO, dan lainnya memungkinkan pemasar untuk mempertimbangkan semua titik kontak pelanggan dan memantau efektivitas kampanye pemasaran.

Pendekatan saat ini untuk bekerja dengan data tidak optimal. Pemasar dan pengguna bisnis paling sering tidak dapat membuat laporan sendiri karena terlalu rumit. Untuk menjawab pertanyaan mereka, mereka harus menetapkan tugas untuk analis dan menunggu laporan. Dan lagi, dan lagi. Lagi pula, sampai Anda menjawab pertanyaan pertama, Anda tidak tahu apa yang kedua.

Pada akhirnya, ternyata data digunakan untuk memantau situasi saat ini dan menganalisis masa lalu, tetapi jarang — untuk mengelola masa depan. Oleh karena itu, data akan membawa nilai lebih jika pengguna bisnis memiliki kesempatan untuk bekerja dengan mereka untuk membuat keputusan secara mandiri.