3 modi in cui i dati possono sviarti e come raccogliere informazioni migliori

I professionisti del marketing moderni sono ossessionati dai dati, e per una buona ragione. Ci dà la direzione e informa le nostre strategie, tra molti altri vantaggi. Ma non tutti i dati sono ugualmente utili o utili. I set di dati sbagliati possono essere altrettanto dannosi per il tuo programma di marketing quanto non averne nessuno.

È essenziale sapere come identificare i dati giusti, in modo che le tue intuizioni guidino accuratamente il tuo processo decisionale. In questo articolo, affronterò tre modi in cui l'uso improprio dei dati può danneggiare i nostri sforzi di marketing e come una metodologia di test olistica può aiutare a raccogliere informazioni migliori.

Al centro di tendenze di marketing significative ci sono i dati

Guarda le tendenze che hanno attirato l'attenzione dei marketer negli ultimi tre anni:

• 2021: l'ascesa della funzione Mail Privacy Protection di Apple , che mascherava i dati sulle attività degli utenti. I marketer sono stati presi dal panico al pensiero di perdere i tassi di apertura.
• 2022: dati di prima parte e di prima parte, di cui le persone si sono improvvisamente rese conto di aver bisogno per compensare l'imminente perdita di informazioni sui cookie di terze parti.
• 2023: l'ascesa di ChatGPT e di altri modelli di elaborazione del linguaggio naturale basati sull'intelligenza artificiale (ovvero basati sui dati).

Che si tratti di perdere l'accesso ai dati, di trovare nuove fonti di dati o di dargli il potere di prendere decisioni per noi, i dati sono al centro di queste tendenze.

I dati hanno definizioni tecnologiche e filosofiche. Possono essere informazioni che un computer può utilizzare per l'elaborazione o, come definisce Google, "cose ​​note o presunte come fatti, che costituiscono la base del ragionamento o del calcolo" (sottolineatura mia).

Quella parte "o presunta" è dove possiamo sbagliare con i dati. La gente dice sempre: "I numeri non mentono". I dati potrebbero non mentire, ma potrebbero anche non significare quello che pensi.

Scava più a fondo: perché ci interessa il marketing basato sui dati

Il lato positivo dei dati

Potrei dirti cose che già sai sui dati, ma ascoltami. Ci affidiamo quotidianamente ai dati, sia nelle cose ovvie che in quelle non ovvie (per prendere in prestito un termine da Rohit Bhargava).

Per gli e-mail marketer, l'ovvio include i dati di marketing che utilizziamo durante la creazione e la strutturazione delle campagne, la scelta del pubblico, la misurazione del successo e l'adozione dei passaggi successivi. Ecco perché l'email marketing è così utile. Genera dati che possiamo applicare all'intera ecosfera del marketing.

Poi, c'è il valore non ovvio. I nostri dati e-mail possono informare altri canali di marketing e persino andare oltre il team di marketing per supportare il servizio clienti, le operazioni commerciali e altro ancora in tutta l'azienda.

Le nostre campagne sono come una fonte continua di ricerche di mercato. Poiché le persone a cui inviamo le e-mail sono i nostri clienti potenziali ed esistenti, ogni giorno attingiamo, monitoriamo e misuriamo la nostra base di clienti.

Oltre a tutto ciò, l'odierna tecnologia di marketing semplifica la raccolta dei dati. Troviamo dati ovunque ci rivolgiamo: nei nostri ESP, piattaforme di automazione, CRM, motori di e-commerce. I numeri ci passano accanto così velocemente che non riusciamo a catturarli tutti.

Ma questo è il mio punto. Non abbiamo bisogno che tutti i numeri arrivino a noi. Dobbiamo sapere quali sono i numeri giusti e cosa significano, che è dove spesso sbagliamo.

Scava più a fondo: perché ci interessa l'email marketing: una guida per il marketing

"Approfondimenti, approfondimenti, approfondimenti" non "dati, dati, dati"

Come ha detto perfettamente il mio caro amico Chad S. White, autore di "Email Marketing Rules":

“Parli di 'dati-dati-dati'. Non sono un fan dei dati. Nessuno vuole davvero i dati. Quello che vogliono veramente sono gli approfondimenti e l'analisi è il modo in cui trovi gli approfondimenti che si nascondono nei tuoi dati.

I dati ti guideranno molto nel torto. Devi assicurarti di portare le tue conoscenze sui tuoi clienti, le tue conoscenze sulla tua attività e analizzare quei dati per spremere tutta la merda e rimanere con le cose che sono d'oro.

Ci sono molti errori di direzione nei dati. Quindi intuizioni, intuizioni, intuizioni. Questo è quello che vogliamo.

– Chad S. White durante un discorso programmatico all'ANA-Email Evolution Conference a Washington, DC.

Puoi raccogliere tutti i dati che vuoi, ma devi anche separare i dati necessari da quelli estranei, quelli rilevanti da quelli irrilevanti e quelli reali da quelli falsi per capire cosa significa veramente.

Raccogliamo dati non per riempire silos, laghi e magazzini di dati, ma per usarli per comprendere i nostri clienti e misurare il funzionamento dei nostri programmi di marketing. Tutto il resto che facciamo come marketer dipende da questi sforzi.

Pertanto, può essere dannoso quando raccogliamo dati errati o cerchiamo significati che i dati non sono autorizzati a dare perché, come dice White, ci guidano in modo sbagliato. I dati sbagliati sono altrettanto dannosi di nessun dato, forse peggio perché possono darti un falso senso di sicurezza e successo.

Se utilizzi i dati e-mail per informare il tuo marchio sulla comprensione del tuo pubblico e guidare il processo decisionale oltre il reparto marketing, immagina il caos se basi le tue intuizioni su analisi errate.

Quando i dati buoni vanno male: 3 scenari a cui prestare attenzione

Mi correggo: i dati non vanno male. È il modo in cui lo usiamo e lo interpretiamo che crea problemi. Quando usi in modo improprio i tuoi dati, deliberatamente o accidentalmente, puoi portare il tuo team e persino la tua azienda su una strada lunga e sbagliata. È facile da fare, soprattutto se stai cercando di ottimizzare il tuo programma di posta elettronica testando varie parti e non solo operando d'istinto.

Non riesco a contare quante volte i clienti hanno iniziato con buone intenzioni di test e hanno deviato dal percorso perché i test erano impostati in modo errato o perché il team è giunto a conclusioni sbagliate. Ecco tre scenari in cui i dati possono sviarti dai test A/B sbagliati.

1. Ottimizzazione per la metrica di successo sbagliata

L'email è famosa per essere così facile da misurare. Troppo spesso, la metrica che scegliamo non cattura il vero successo o fallimento delle nostre campagne. Ma non essere troppo duro con la posta elettronica. I marketer di tutti i canali, dai social media all'influencer marketing, commettono lo stesso errore.

Il tasso di apertura è l'ovvio colpevole. Questa metrica risolve un problema che affligge allo stesso modo i marketer digitali e tradizionali: sapere se qualcuno ha effettivamente visualizzato le nostre campagne o semplicemente le ha scorse, ha voltato pagina, ha buttato via il catalogo o si è alzato per uno spuntino durante la pubblicità. Non c'è da stupirsi che abbiamo saltato su tassi di apertura considerevoli come misura del successo.

Ma quei grandi tassi di apertura spesso non si traducono nelle metriche che contano, come le entrate della campagna, gli ordini, le dimensioni del carrello, i riacquisti e altri numeri relativi alla campagna. Se utilizzi una riga dell'oggetto intrigante per ottimizzare per un tasso di apertura più elevato, molte persone potrebbero aprire quell'e-mail per curiosità e quindi non fare clic. Quindi ottieni un tasso di apertura straordinario, ma la tua campagna è fallita.

Molti esperti di marketing sono stati presi dal panico quando la funzione MPP di Apple è stata lanciata nel 2021 perché ha mascherato i dati sull'attività e-mail, come aperture, orari e luoghi. Temevano di perdere una metrica chiave delle prestazioni. È stato un promemoria tempestivo per tutti noi che il tasso di apertura non sempre corrisponde agli obiettivi della nostra campagna.

Tuttavia, la soluzione MPP suggerita da molti - concentrarsi sulla percentuale di clic - è solo un consiglio leggermente migliore. I clic sono una prova più tangibile dell'interesse del cliente rispetto alle aperture. Ma possono anche essere giocati e non sempre sono correlati alle conversioni.

2. Cambiare direzione sulla base di test una tantum

Questo errore va di pari passo con l'ottimizzazione per la metrica di successo sbagliata. Succede quando esegui un singolo test A/B su una singola funzione, come una riga dell'oggetto, un invito all'azione, un'offerta, un'immagine, una copia del corpo o un'ora del giorno.

Questi test sono facili da fare. Molti ESP ti consentono di configurarli con pochi clic. Potresti persino ottenere risultati che sembrano chiari e inattaccabili.

"La riga dell'oggetto A ha ottenuto un tasso di apertura del 54% e un tasso di clic del 25%. La riga dell'oggetto B ha ottenuto un tasso di apertura del 24% e un tasso di clic del 12%. La riga dell'oggetto A è il vincitore! Facciamo tutte le nostre righe dell'oggetto come la riga dell'oggetto A d'ora in poi!

Questo presuppone due fatti che i dati non ti danno:

• A ha ottenuto più aperture di B e ha anche convertito meglio.
• Il tuo pubblico risponderà sempre meglio a righe dell'oggetto come A.

Un singolo test A/B ti dà risultati solo per quella campagna, in quel momento, con quel pubblico. Ma il tuo pubblico è in continua evoluzione. Le persone che hanno aperto e cliccato sulla tua cosiddetta versione vincente questa volta potrebbero non essere quelle che vedranno la tua prossima campagna. Oppure lo vedranno ma non risponderanno allo stesso modo.

Cambiare il tuo approccio alla posta elettronica basato su un singolo test può portare al disastro. Devi continuare a testare e testare diversi componenti e assicurarti che le tue metriche di successo riflettano gli obiettivi della tua campagna.

Se vuoi che le persone vedano il tuo messaggio, una percentuale di apertura o di clic può funzionare. Ma se desideri che acquistino, si registrino, aggiornino, scarichino, creino un account o eseguano altre azioni relative al business, devi continuare a testare per vedere cosa funziona nel tempo.

Scava più a fondo: in che modo i test possono dare al tuo marketing via e-mail una spinta alle conversioni

3. Affidarsi a test ad hoc anziché a metodi scientifici

"Ad hoc" è un termine di fantasia per "congettura". Stai essenzialmente lanciando cose contro il muro per vedere cosa si attacca, testando un singolo componente invece di adottare un approccio olistico basato su ipotesi che considera tutti gli aspetti di una campagna.

Quando provi al volo, ti apri ai problemi che le persone incontrano quando testano un singolo componente e poi cambiano direzione in base a quei dati. Ancora una volta, i dati non sono sbagliati, ma le conclusioni che trarrai sulla base di tali dati potrebbero esserlo.

È più probabile che i test scientifici che utilizzano un'ipotesi forniscano dati significativi perché ti forniscono un quadro per ricavare intuizioni praticabili. La durata del test è un esempio. Troppo spesso, molte decisioni vengono prese troppo presto durante i test A/B. Supponiamo che la funzionalità di test A/B della tua piattaforma di posta elettronica ti consenta di inviare la versione A a un pubblico campione composto dal 10% della tua lista e la versione B a un altro 10% della tua lista, attendere un paio d'ore e inviare il vincitore al restante 80%.

Questo metodo potrebbe fornire risultati utili se esegui il test per aperture o clic. Ma quando le conversioni sono ciò che conta, non funziona. Un test 50/50 è più adatto per calcolare il successo in base alla conversione. Ti consente di attendere da tre giorni a una settimana prima di dichiarare il vincitore e affermare la conclusione.

Le metriche significative come le conversioni non si verificano sempre nelle prime 2 ore e l'ottimizzazione per quei risultati rapidi può significare l'ottimizzazione per il risultato sbagliato. Il test 50/50 ti offre anche una dimensione del campione maggiore, rendendo così anche il test più robusto.

La combinazione di metodi scientifici con una metodologia di test olistica ti offre una comprensione più ampia del tuo pubblico e di ciò che lo motiva. Maggiori informazioni sui problemi di test e sul mio approccio olistico ai test in questa colonna MarTech, "7 problemi comuni che fanno deragliare il successo dei test di posta elettronica A/B/n".

I tuoi dati ti raccontano la storia giusta? Prova questa cartina di tornasole

I nuovi clienti spesso sono scettici quando sottolineo (diplomaticamente, ovviamente!) che le prestazioni della loro campagna oi dati dei test non supportano le conclusioni che ne hanno tratto. Perché l'e-mail non fa soldi anche se ottengono ottimi tassi di apertura o clic?

Se ti stai chiedendo la stessa cosa, la mia cartina di tornasole può rivelare cosa succede quando usi le metriche sbagliate per dichiarare il successo o il fallimento.

Crea tre liste:

• Le prime 10 campagne con il più alto tasso di apertura.
• Le prime 10 campagne con la percentuale di clic più alta.
• Le prime 10 campagne con il maggior numero di conversioni o altri obiettivi della campagna.

Supponendo che il tuo calcolo delle conversioni non sia legato al tuo tasso di apertura ma basato sulle email consegnate, dovresti vedere una piccola sovrapposizione tra i tre gruppi di campagne. Ora, guarda le campagne in ogni categoria. Come sono le tue campagne con le migliori conversioni rispetto a quelle che hanno ottenuto il maggior numero di aperture o clic?

Hai utilizzato righe dell'oggetto più lunghe che fungevano da smistatori di posta in arrivo, facendo appello ai tuoi clienti più motivati? Il contenuto del messaggio utilizzava testi più lunghi o più brevi, inviti all'azione specifici o generici? Un tipo di campagna, come una vendita flash, si è convertita meglio di una campagna di nuove collezioni?

Quando studi i dati in questo modo, con gli occhi sui risultati che contano invece dei dati più facili da raccogliere, sarai in grado di raggiungere l'obiettivo di White di "analizzare quei dati per spremere tutta la merda e rimanere con il roba che è d'oro.