Perché puoi (o non puoi) fidarti dei tuoi rapporti

Secondo Harvard Business Review, il 90% dei leader aziendali ritiene che l'alfabetizzazione dei dati sia fondamentale per il successo dell'azienda. Tuttavia, l'84% degli esperti di marketing ha difficoltà ad accedere a dati e approfondimenti. Dashboard e report non mostrano l'immagine reale e non possono essere ciecamente attendibili.

Perché è così? La scarsa qualità dei dati e gli errori dei dati sono tra i principali motivi per cui non puoi fidarti dei tuoi rapporti di marketing. Secondo un sondaggio Gartner, "l'impatto finanziario medio di una scarsa qualità dei dati sull'organizzazione è stimato in 15 milioni di dollari all'anno".

Se non ti fidi dei tuoi dashboard e dei dati su cui sono costruiti, le decisioni di gestione non verranno prese in base ai numeri effettivi. E per le aziende, è terribile.

In questo articolo, discutiamo tutti i possibili errori di dati e le fasi in cui possono verificarsi tali errori. Quindi ti forniamo consigli specifici su come evitarli. Ecco la tua lista di controllo per dire no alla cattiva qualità dei dati!

Se vuoi che la tua azienda abbia successo, devi fornire agli utenti aziendali informazioni dettagliate sui dati di alta qualità. Con tutte le informazioni disponibili a portata di mano, gli esperti di marketing possono facilmente spiegare perché una decisione ha funzionato, cosa ha influenzato il successo o il fallimento delle campagne pubblicitarie, cosa si può fare meglio, ecc.

Inoltre, con il panorama dei media digitali in rapida crescita, i clienti utilizzano sempre più canali multimediali e si aspettano un approccio personalizzato supportato dai dati in modo da poter ottenere consigli precisi. È irragionevole ignorare le capacità dell'analisi di marketing, soprattutto considerando che oltre l'80% dei budget di marketing si basa sui canali digitali per attirare i clienti. È come se avessi una Ferrari potente nel tuo garage e avessi paura di guidarla!

Tuttavia, l'implementazione di questo approccio logico e diretto è complicato: affinché i dirigenti e gli specialisti di marketing possano applicare i dati raccolti, devono fidarsi di essi . E qui sta la radice di tutti i problemi.

Cosa si può fare per migliorare la qualità dei dati raccolti da tutti i canali con cui lavorano gli esperti di marketing e aumentare la fiducia nei risultati dei dati? Impedisci la comparsa di errori!

Ci sono tre fasi in cui di solito emergono errori di dati:

1. Pianificazione della misurazione
2. Raccolta e preparazione dei dati (normalizzazione)
3. Creazione report

Nota! In ciascuna di queste fasi, i dati possono essere maltrattati a causa di fattori umani.

Diamo un'occhiata a cosa si può fare per impedire la visualizzazione di errori. Dopotutto, è molto più facile prevenire gli errori che cercare errori e discrepanze di dati nell'intero sistema di reporting.

Il primo passo per lavorare con i dati sembra abbastanza semplice: devi pianificare la raccolta di tutti i dati di marketing di cui hai bisogno. Tuttavia, la raccolta dei dati è spesso pianificata solo per un'attività specifica, quindi potresti non avere dati sufficienti per le nuove attività che intraprendi o per i nuovi progetti che inizi. Pertanto, saltare la fase di pianificazione è irragionevole. Il team OWOX esegue sempre un'analisi rapida prima di iniziare a lavorare su un progetto. Come mai? Per identificare possibili colli di bottiglia nella raccolta dei dati. A volte il team sviluppa anche interi sistemi di metriche ed enumera tutti i parametri possibili.

La sfida è raccogliere tutti i dati frammentati da tutte le fonti di dati (diverse piattaforme pubblicitarie e servizi con cui lavori) e far funzionare questi dati per te.

L'assenza di questa fase di pianificazione, o di un approccio non strutturato, porta a riconfigurare il trasferimento degli identificatori mentre i dati storici non sono disponibili. Se non disponi di tutti i dati, le tue decisioni e azioni si baseranno su informazioni errate o incomplete. Per evitare ciò, è necessario tenere conto di tutti i punti di contatto con i clienti raccogliendo:

• Dati sul comportamento degli utenti dal tuo sito web e/o dalla tua applicazione
• Dati di costo da piattaforme pubblicitarie
• Tracciamento delle chiamate, chatbot e dati e-mail
• Dati di vendita effettivi dai tuoi sistemi CRM/ERP, ecc.

I principali errori che possono comparire in questa fase sono il risultato di:

• Ottenere dati aggregati e campionati . I dati campionati sono dati generalizzati che si verificano quando solo una parte dei dati viene analizzata e utilizzata per il reporting. Immaginiamo di avere un chilo di mele e il tuo compito è decidere se queste mele sono buone o marce. Se utilizzi dati campionati (due o tre mele dell'intero grappolo), puoi decidere che questo chilo è di ottima qualità quando in realtà tutte le altre mele che non hai assaggiato sono marce.

Perché sta succedendo? Poiché l'elaborazione di enormi array di dati nel più breve tempo possibile è un'attività complicata e dispendiosa in termini di risorse, i sistemi elaborano i dati rapidamente utilizzando il campionamento, l'aggregazione e il filtraggio dei dati per generare report il più velocemente possibile.

In che modo influisce sulla qualità dei dati e dei rapporti? Ovviamente male. Non è possibile prendere decisioni intelligenti sulla base di un piccolo campione di dati. Ad esempio, potresti non visualizzare una campagna pubblicitaria redditizia e disattivarla a causa di dati distorti in un rapporto.

Come puoi identificare questo problema? Nell'interfaccia di Google Analytics, vedrai un messaggio nella parte superiore del rapporto che dice Questo rapporto è basato su N% di sessioni .

Se vuoi avere rapporti di cui ti puoi fidare, è necessario ottenere dati grezzi non campionati. Quindi, dopo aver deciso tutte le origini dati, è necessario utilizzare preferibilmente connettori che raccolgano automaticamente dati grezzi e controllino regolarmente la completezza dei dati.

• Ottenere dati incompleti e errati dall'API di un servizio pubblicitario . Perché questo accade? I servizi pubblicitari raccolgono molti dati sugli utenti e sul loro comportamento; tuttavia, durante la trasmissione dei dati, possono comparire errori come raddoppio dei dati, perdita di dati o discrepanze durante un aggiornamento retrospettivo. In che modo ciò influisce sulla qualità dei dati e dei rapporti? Questi errori vengono trasferiti nei rapporti e, di conseguenza, è semplicemente impossibile prendere le decisioni giuste a causa di rapporti imprecisi.

Come risolvere questo problema? Poiché è impossibile controllare direttamente il codice quando si lavora con le API, può essere difficile interagire con i servizi. Consigliamo vivamente di utilizzare strumenti di importazione dei dati che supportano le modifiche alle API. Nel caso in cui i dati non siano disponibili, questi strumenti possono mostrare le lacune esistenti nei dati e scaricare i dati in seguito.

Dove conservo tutte queste informazioni?

Se vuoi archiviare ogni byte di dati sui tuoi server, ti costerà una fortuna. Ti consigliamo di utilizzare soluzioni cloud, in quanto ti faranno risparmiare risorse e forniranno l'accesso ai dati a livello globale. Senza dubbio, l'opzione migliore sul mercato che tiene conto delle esigenze dei marketer è Google BigQuery. Puoi utilizzare questo servizio cloud per archiviare dati grezzi da siti Web, sistemi CRM, piattaforme pubblicitarie, ecc.

Fondamentalmente, l'opzione migliore per evitare errori nella raccolta dei dati è quella di non raccogliere mai i dati manualmente. Oggi ci sono tonnellate di soluzioni software di marketing come OWOX BI che raccolgono automaticamente dati in un data warehouse (o data lake) da diversi servizi e siti web.

Per molti anni, il marketing è dipeso da dati di terze parti. Ma ora grandi aziende influenti come Google e Apple stanno cambiando il modo in cui utilizzano i dati personali. Presto il mondo abbandonerà i cookie di terze parti. Per gli esperti di marketing, ciò significa una raccolta di dati complicata e la perdita di tonnellate di dati preziosi sulle attività degli utenti in diversi punti di contatto. Cosa si può fare per mantenere le tue prestazioni? Innanzitutto, devi concentrarti sulla raccolta di dati proprietari e di seconda parte. In secondo luogo, dovresti essere pronto a utilizzare i data lake, poiché solo i dati archiviati in tali lake sono di tua proprietà e controllati (e non dalle piattaforme pubblicitarie). A causa degli aggiornamenti nei prodotti Google (Google Analytics 4, l'iniziativa Privacy Sandbox), consigliamo di utilizzare Google BigQuery, poiché la nuova versione di Google Analytics ha un'integrazione nativa con GBQ e fornisce l'esportazione completa dei dati.

Il secondo passaggio dopo aver raccolto tutti i dati è utilizzarli. Tuttavia, non puoi farlo subito. È impossibile lavorare con i dati finché non vengono preparati (normalizzati). Perchè è così? I dati provenienti da diverse piattaforme/servizi pubblicitari hanno strutture diverse e sono in formati e valute diverse. Per poter creare report, è necessario che i tuoi dati siano strutturati, aggiornati e completi.

Durante il tentativo di normalizzare i dati, puoi incontrare sfide relative a:

• Diversi formati di dati, strutture e livelli di dettaglio. Perché è così? Servizi diversi utilizzano schemi diversi per il caricamento dei dati. Ad esempio, un servizio pubblicitario può avere una colonna denominata Product name , mentre un altro ha una colonna denominata Product category .

In che modo ciò influisce sulla qualità dei dati e dei report? È semplicemente impossibile creare report se i dati si trovano in strutture diverse.

Come risolvere questo problema? Prima di analizzare i dati, è necessario convertirli in un unico formato; in caso contrario, dalla tua analisi non verrà fuori nulla di buono. Ad esempio, dovresti unire i dati sulla sessione dell'utente con i dati sui costi pubblicitari per misurare l'impatto di ogni particolare fonte di traffico o canale di marketing e per vedere quali campagne pubblicitarie generano maggiori entrate.

• Diverse valute. Servizi pubblicitari diversi utilizzano valute diverse e, per ottenere i numeri corretti nei rapporti, dovresti sempre controllare quale valuta viene utilizzata e convertire tutte le valute in un'unica valuta di base.
• Dipendenze di inserimento, aggiornamento ed eliminazione. Pur eliminando i dati non strutturati per essere perfettamente uniformi in tutti i record e campi, possono verificarsi vari effetti collaterali indesiderati.

In che modo queste dipendenze influiscono sulla qualità dei dati e dei report? Il risultato più comune di tali errori è che i dati vengono scartati dal sistema e non vengono presi in considerazione durante la creazione dei report, rendendo i report stessi errati. Ad esempio, supponiamo di avere un oggetto sessioni e un oggetto pubblicità . Nelle sessioni , abbiamo i dati dai giorni 10 al 20 e negli annunci ci sono i dati dai giorni 10 al 15 (per qualche motivo non ci sono dati sui costi per i giorni dal 16 al 20). Di conseguenza, perdiamo i dati degli annunci pubblicitari per i giorni dal 16 al 20 o i dati delle sessioni saranno disponibili solo per i giorni dal 10 al 15.

Come risolvere questo problema? Se l'utente non conosce le peculiarità dell'unione dei dati e non verifica i dati con cui lavora, la probabilità di commettere un errore è molto alta. Pertanto, la soluzione è controllare i dati prima di utilizzarli.

Nota! La normalizzazione dei dati è un "lavoro da scimmia" manuale e di routine che non è molto stimolante e impedisce agli analisti di estrarre informazioni dettagliate. Le difficoltà di normalizzazione di solito richiedono fino al 50% del tempo di lavoro di un analista. E siamo onesti: è abbastanza frustrante. Per evitare che ciò accada, usa gli strumenti di automazione!

La soluzione perfetta è applicare soluzioni automatizzate in grado di raccogliere, pulire, normalizzare e monitorare la qualità dei dati in modo che siano pronti per il business. Una variante ancora migliore è se il connettore dati scelto può fare tutto per te, come fa la piattaforma BI OWOX all-in-one. Con l'aiuto di OWOX BI, puoi facilmente affrontare tutte le sfide che attendono esperti di marketing e analisti e ottenere dati pronti per il business di cui ti puoi fidare.

Gli errori di raccolta e normalizzazione dei dati non ti disturberanno mai con OWOX BI. Questo servizio libera il tuo tempo prezioso e gestisce:

• Raccolta dati. Ottieni tutti i dati di cui hai bisogno da Google Analytics, dai servizi pubblicitari, dal tuo sito web, dal tuo negozio offline, dai servizi di monitoraggio delle chiamate e dai sistemi CRM in Google BigQuery. OWOX BI permette di ottenere report senza campionamento su nessun parametro disponibile. Il servizio raccoglie dati grezzi e ti avvisa in caso di errori nel trasferimento dei dati di un'API. Tutto quello che devi fare è fornire l'accesso alle origini dati e scegliere quali dati vuoi raccogliere.
• Monitoraggio dei dati. Puoi sempre vedere dove sono presenti discrepanze nei dati, durante quale periodo e quanto sono critiche con l'aiuto di OWOX BI. Confronta quotidianamente la quantità di dati nel tuo progetto BigQuery per hit, sessioni, utenti e transazioni con Google Analytics e segnala discrepanze significative.
• Normalizzazione dei dati. OWOX BI ti aiuta a pulire, deduplicare e aggiornare i dati, nonché a convertire i costi in un'unica valuta di base e monitorare la pertinenza dei dati. Inoltre, OWOX BI può definire errori nei tag UTM come parametri dinamici non supportati, errori di sintassi o una totale mancanza di tag UTM obbligatori.

Con OWOX BI, puoi raccogliere dati di marketing per report di qualsiasi complessità nell'archivio cloud protetto di BigQuery di Google, che è la scelta migliore per le esigenze di marketing.

Secondo i sondaggi, l'84% degli esperti di marketing ha difficoltà ad accedere a dati e approfondimenti, mentre l'86% pensa di aver bisogno di strumenti migliori per ottenerli. In poche parole, gli esperti di marketing vogliono avere un rapporto non appena ci pensano. I vantaggi per il business quando il team di marketing implementa le informazioni mentre il team di analisi le estrae. E con sempre più dati sul comportamento degli utenti raccolti dagli esperti di marketing, dovrebbe essere facile ottenere informazioni utili. Tuttavia, in pratica, le cose spesso funzionano in modo del tutto opposto.

Dopo aver affrontato gli ostacoli a livello di raccolta e preparazione dei dati, ci sono ancora alcune altre difficoltà con la creazione di report come:

• Deciderequale modello di attribuzione utilizzare. Non esiste una risposta giusta, poiché sono necessari modelli diversi per compiti diversi. Inoltre, dovresti tenere a mente le peculiarità della tua attività. Una panoramica dettagliata di tutti i modelli di attribuzione sul mercato può aiutarti a scegliere quello più adatto a te.
• Deciderequale servizio di costruzione rapporto da utilizzare. Scegli un servizio in grado di fornire facilmente visualizzazioni dei dati comprensibili e in grado di aggiornare i report automaticamente. Tieni presente che, sebbene i servizi di visualizzazione dei dati come Google Data Studio possano funzionare con più di due origini dati, non è comunque possibile utilizzarle per unire e trasformare i dati. Se vuoi creare un report basato su molte fonti di dati, devi prima raccogliere tutti i dati necessari in un data lake (es. Google BigQuery).

Più complicato diventa l'intero ecosistema di reporting (soprattutto per le aziende) e più report e query SQL vengono creati, più facilmente il sistema si interrompe. Oltre agli errori di dati fattuali, possono comparire anche varie difficoltà che possono portare a ancora più errori, query SQL interrotte o incomprensioni e uso improprio dei dati raccolti .

• Troppe modifiche ai report (e/o alle query SQL) in un breve lasso di tempo. Perché sta succedendo? Nell'architettura di reportistica classica, c'era un set di dati in ogni report creato utilizzando query SQL e non è cambiato nulla. Ma oggi, queste query SQL vengono modificate e modificate di tanto in tanto. In che modo ciò influisce sulla qualità dei dati e dei report? Ci sono così tante modifiche che è facile dimenticare quali modifiche sono state apportate e quando. Ciò significa che le modifiche a livello di un set di dati non vengono applicate a un altro set di dati.
• I requisiti sono in continua evoluzione (e il passaggio a una nuova versione di Google Analytics 4 e le limitazioni all'utilizzo dei dati non lo rendono più semplice). Perché sta succedendo? Mentre la necessità di report diversi è in aumento, gli analisti devono creare set di dati, normalizzare i dati e scrivere query SQL per ogni report. In che modo influisce sulla qualità dei dati e dei report? Quando il significato di un oggetto viene modificato, ad esempio ciò che viene inteso come conversione cambia in una visita al sito Web invece di effettuare un ordine, è una sfida ricordare cosa deve essere modificato in modo che i dati rimangano precisi e corretti in ogni rapporto.
• Un lungo processo di segnalazione. Perché sta succedendo? Gli analisti sono sempre sovraccarichi e gli esperti di marketing devono attendere i rapporti. Inoltre, secondo gli studi, la creazione anche di una singola dashboard richiede in media 4,5 giorni, un minimo di tre iterazioni e, soprattutto, circa $ 18.000. In che modo ciò influisce sulla qualità dei dati e dei report? Gli esperti di marketing non hanno l'opportunità di trovare risposte immediate a tutti i tipi di domande su cosa , perché , quando e dove nel momento in cui si presentano. Di conseguenza, le decisioni vengono prese sulla base dell'intuizione o di dati incompleti e errati.
• Difficoltà nella comprensione dei dati. Perché sta succedendo? Persone diverse lavorano con gli stessi report e non c'è sempre lo stesso significato dietro una particolare metrica e un determinato parametro. Ad esempio, all'interno di vari report la metrica dell'utente può indicare un utente registrato senza acquisti o un cliente abituale. In che modo ciò influisce sulla qualità dei dati e dei report? Quando prendi una decisione, definisci un utente in un modo, ma non vi è alcuna garanzia che il rapporto a cui fai riferimento definisca un utente nello stesso modo.

Tutti questi fattori possono essere illustrati da un esempio: giocare a un gioco di sussurri lungo la corsia . I tuoi dati di input sembrano essere corretti e pertinenti, ma il risultato non è ancora del tutto quello che doveva essere.

È piuttosto un compito rendere i dati e i rapporti affidabili e applicabili. Tra i principali dolori e ostacoli nel raggiungimento di questo obiettivo ci sono i seguenti:

• Avere accesso a dati aggiornati, completi e di alta qualità pronti per il business per liberare il tempo degli analisti per cercare le zone di rischio e di crescita e trovare nuovi approcci per lavorare con i dati.
• Essere in grado di generare report di marketing in pochi minuti in modo che gli esperti di marketing possano testare rapidamente le ipotesi e cercare approfondimenti.

Fortunatamente, le moderne soluzioni di analisi del cloud forniscono a esperti di marketing e analisti report e dati di cui possono fidarsi. Se vuoi creare rapporti di cui ti puoi fidare - rapporti che non si rompono e non richiedono giorni per essere preparati - dovresti provare a utilizzare OWOX BI. È un servizio progettato specificamente per le esigenze di reporting di marketing basato su dati completi e di alta qualità. Con il suo approccio ponderato, gli analisti possono testare ipotesi e trovare informazioni cinque volte più velocemente.

OWOX BI democratizza l'accesso ai dati per tutti gli utenti, indipendentemente dal loro background tecnico. Il servizio fornisce processi automatizzati per la raccolta e la preparazione di dati pronti per l'azienda, consentendo di creare e modificare report in pochi minuti. Inoltre, puoi smettere di preoccuparti degli errori nei rapporti quando apporti modifiche, poiché con OWOX BI, i tuoi rapporti non si interrompono mai!

OWOX BI rende più facile che mai sbloccare le informazioni intrappolate nei tuoi dati e creare report di cui ti puoi fidare. Prenota una demo gratuita per vedere in che altro modo OWOX BI garantisce la qualità dei dati e come puoi beneficiare di una gestione dei dati completamente automatizzata oggi!

Un'azienda ottiene il massimo dai propri dati quando questi sono di alta qualità e quando i decisori possono agire rapidamente in base ai risultati dei dati.

Un analista è più prezioso quando lavora con dati pronti per il business, può rispondere rapidamente a domande aziendali con l'aiuto dei dati e può fornire informazioni utili. Il lavoro di un analista non consiste più nel dedicare tempo alla raccolta, alla preparazione e all'armonizzazione dei dati e alla scrittura di query SQL.

Un'azienda ha bisogno di utilizzare strumenti di automazione con dati pronti per il business modellati per crescere più velocemente della concorrenza utilizzando informazioni di marketing. L'elevata qualità dei dati è la base su cui deve essere costruito ogni rapporto e ogni decisione di gestione. Sebbene possano esserci molti ostacoli all'ottenimento di dati di alta qualità affidabili, a partire dalla fase di raccolta dei dati e fino alla fase di creazione del report, è ancora possibile farlo.

Cosa si può fare per superare questi problemi?

• Prevenire gli errori durante la raccolta dei dati, poiché è più facile ed economico impedire che si verifichino errori piuttosto che mitigarne le conseguenze.
• Evita la possibilità stessa di un errore utilizzando quanta più automazione possibile nei flussi di lavoro. Per non parlare del fatto che l'automazione delle attività manuali e ripetibili consente agli specialisti di concentrarsi su attività a più valore aggiunto come lo sviluppo di informazioni dettagliate sui dati utilizzabili.