Non applicare un pio desiderio ai tuoi dati

I dati sono solo una pila di numeri finché non capisci cosa significano. Elaboriamo tutti i tipi di metriche e KPI per trovare la verità nei nostri numeri. Ma anche le persone intelligenti possono inconsapevolmente ingannare se stesse cercando di vedere cosa vogliono vedere nei loro dati.

Allora com'è che le persone intelligenti possono interpretare male i loro dati? Come fanno a sbagliare?

È la natura umana

Il problema con gli umani è che sono... umani. Faranno errori, non tutti consapevolmente.

"La maggior parte degli errori vengono commessi da persone che non sbucciano la cipolla", ha affermato T. Maxwell, proprietario dell'agenzia di marketing digitale eMaximize e membro del Forbes Agency Council.

“Ad esempio, guardano i loro visitatori mensili e li usano come metrica chiave per misurare la crescita. Quando scavi un po' più a fondo, noti che il 40% di questi visitatori proviene dall'India e dalla Russia e molto probabilmente sono robot".

“A differenza dei computer, gli esseri umani sono creature emotive che hanno esperienze incorporate, il che significa che la loro interpretazione dei dati può essere guidata da cose come ipotesi e bias di recency. Interpretare i dati significa più rinunciare a quei processi di pensiero ", ha affermato Erica Magnotto, direttore di SEM presso Accelerated Digital Media.

"Il bias è tutto ciò che cambia il risultato di un modello quando non avrebbe dovuto", ha aggiunto Mark Stouse, presidente e CEO di Proof Analytics. "Il modo migliore per liberarsi dai pregiudizi è rendersi conto che ce l'hai, e quindi fare i passi per allargare il cerchio in termini di ciò che pensi sia rilevante per una decisione", ha continuato Stouse. “Questo è davvero il valore pratico della diversità e dell'inclusione in senso operativo. Allarga la tua prospettiva e ti impedisce di perdere qualcosa di importante che potrebbe introdurre pregiudizi nel tuo pensiero. Il pregiudizio di solito è il risultato di un pensiero troppo ristretto.

Molti modi per misurare

Il che porta ai dati stessi. Ci sono molti modi per misurarlo. Ciò non significa che ciò che stai misurando aiuti a creare una maggiore comprensione. Alcune metriche sono significative, altre meno.

"Spesso lavorare con un cliente che ha una 'poca' conoscenza del marketing digitale è doloroso e rallenta le cose", ha detto Maxwell. “[T] hey si innamorano di ogni espediente che vedono sui social media e chiedono alle loro agenzie di indagare su strategie di marketing false invece di implementare solide strategie digitali con best practice comprovate. È compito dell'agenzia e del proprietario scegliere quali metriche sono importanti”, ha aggiunto Maxwell.

Serve un unico corso di verità, gli ha fatto eco Magnotto. "[B]o il cliente e il marketer devono concordare la piattaforma che è considerata la fonte della verità per il monitoraggio dei KPI primari e di altre prestazioni." In questo modo, tutte le parti guardano le stesse informazioni allo stesso modo.

"È responsabilità dell'operatore di marketing creare report che combinino sia i dati della propria piattaforma che la fonte dei dati veritieri per una visibilità ottimale delle prestazioni", ha continuato Magnotto. “Per gli account di grandi dimensioni, i KPI primari dovrebbero essere discussi frequentemente e il reporting dovrebbe essere coerente in modo che il cliente sia coinvolto nella metodologia dell'agenzia e possa riconoscere/concordare con le prestazioni presentate. Per un cliente con più obiettivi, è importante classificare i KPI primari e secondari in modo che vi sia una chiara definizione delle priorità quando si esaminano i report."

"I dati sono sempre il numeratore nell'equazione, non il denominatore", ha detto Stouse. “La domanda o la decisione dettano il modello e le esigenze del modello dettano i dati necessari per armare il modello. In termini generali, ci sono due tipi di dati potenzialmente rilevanti: ciò che misura ciò che stai facendo (ciò che controlli) e ciò che misura ciò che è un vento contrario o favorevole rilevante (ciò che non controlli).

Cambiare la misura o cambiare la misura

E tieni conto dell'imprevedibile che accada, come pandemie, maltempo, recessioni economiche o problemi della catena di approvvigionamento, ha osservato Maxwell. Più questo accade, maggiore è l'ottimizzazione necessaria per mantenere una campagna in carreggiata.

"Gli esperti di marketing stanno adattando le campagne di marketing in tempo reale", ha affermato Maxwell. "Potrebbero essere necessari dai due ai tre mesi per comporre una campagna pubblicitaria, in modo che abbia bisogno solo di modifiche minime per il futuro."

“Sono necessari dati sufficienti per indicare i prossimi passi nell'ottimizzazione; tale quantità di dati dipende dai KPI del cliente, dalla spesa e dal tempo necessario per la raccolta dei dati", ha osservato Magnotto. "In un account con un'ampia soglia di conversioni potrebbe essere necessario eseguire solo un esperimento A/B per una settimana per raccogliere dati sufficienti per passare con sicurezza a nuove strategie, mentre gli account più piccoli potrebbero richiedere dai 30 ai 60 giorni."

“La ricerca ci dice che il cervello umano senza aiuto non può gestire più di tre o quattro variabili. Dopodiché, le cose vanno in tilt ", ha detto Stouse. “E quando il ritardo è una parte importante dell'equazione, rende le cose ancora più difficili. Questo è il motivo per cui la maggior parte delle persone preferisce una valutazione a brevissimo termine, e lo giustificano perché hanno sempre sentito dire che se gestisci i minuti, i giorni si prenderanno cura di se stessi", ha continuato Stouse.

"Questo è vero se capisci la causalità che sta guidando la situazione generale, ma se non lo fai, gestire il gioco corto non significa che vincerai quello lungo."