CMOが効果的なマーケティング分析システムを構築する方法

データを収集し、分析し、そのデータに基づいて情報に基づいた意思決定を行う企業は、そうでない企業よりも早く成長し、発展します。 この記事では、ビジネス向けの分析システムを構築する方法と、マーテックツールとアナリストが不可欠である理由について説明します。

分析とは何ですか？ これは、企業が利益を生み出すものを評価するためのツールです。 ただし、分析自体がビジネスに直接収入をもたらすわけではありません。 分析では、最高マーケティング責任者（CMO）は、結論を導き出し、意思決定を行うために、さまざまなレポートのみを取得できます。

OWOXでの実践から例を見てみましょう。 CMOの通常のタスクは、オンライン広告販売計画を実行することです。 この場合、分析はどのように役立ちますか？ アナリストは、Google Analyticsレポート、Google広告からの広告費用データ、およびCRMからのデータと一致しないWebサイトでのオンライントランザクションのデータを提供する場合があります。 その結果、ROASの計算は困難になります。

会社が長い間分析を使用していて、クラウドストレージにデータを収集し、自動的に作成されるレポートを構成しているとしましょう。 これは会社のすべてのマーケティング問題を解決しますか？ あまり。 結局のところ、マーケティングディレクターは、データだけでなく、次の月または四半期の計画を実行するために利用できる機会を理解するのに役立つデータにも関心があります。

計画を正確に実行し、すべての目標を達成するために、マーケターは以下を特定するための分析が必要です。

• 成長ゾーン（計画を超える方法）
• リスクゾーン（計画の実施を妨げるもの）

「2つのゾーンについて考える前に、そのシステムの構築を支援する適切な人材を採用することを強調したいと思います。

CMOは、システムを構築する必要がある人ではありません。 CMOは、より戦略的思考、マーケティングの方向性の選択と制御などを行う必要があります。ご存知のとおり、「高レベルのもの」です。

分析に関しては、CMOにとって技術的すぎるものが多すぎます。 したがって、適切な従業員がこのギャップを埋める必要があります。 CMOは、処理され（できれば？）視覚化されたデータを消費してから、意思決定を行う必要があります。」

analyticsmania.comの創設者であるJuliusFedorovicius。

自動化されたレポートだけではマーケティングの問題を解決するのに十分ではないことはすでに認めています。 答えを得るにはデータを解釈する必要があり、[すべてをOKにする]ボタンはまだ発明されていません。 （現在取り組んでいます！）したがって、マーケティングディレクターは、生産性を高く保つために次のことを行う必要があります。

1. リスクと成長ゾーンを示す分析システムをセットアップする
2. データを処理し、コンテキストを追加し、結論を出すアナリストを雇う

CMOがテクノロジー予算を増やしているという事実は、マーケティング分析サービスがもはや単なる高価なおもちゃではないことを示唆しています。 これらは、マーケティング部門が計画を実行し、ボーナスを獲得するのに役立つ実際のツールです。

「中小企業の場合、プロセスを簡素化でき、Googleのエコシステム（GA、GTM、GDS、シート）に優れた人材を採用することから始めるのが十分かもしれませんが、理想的には、チームは少なくとも2人で構成される必要があります。

1. データ収集が得意な技術者（分析エンジニアと呼びましょう）。
2. 次に、データをクリーンアップし、それを試して分析できるデータアナリスト（私が見たところ、通常、データを分析する人々は、データ収集の技術的な部分にあまり熟練していないため、分析エンジニアが役立ちます）。

採用する人は、適切な分析スタックを選択/構築するのに役立つ可能性があります。」

analyticsmania.comの創設者であるJuliusFedorovicius。

企業は、すぐに使用できる製品または独自のソリューションのいずれかを正常に使用できます。 不必要なお金と時間の浪費を避けるために、企業は必要なものを明確に理解する必要があります。

独自のソリューションを開発する場合は、ドキュメントだけでなく、開発およびサポートチームにも注意を払う必要があります。

データ収集スクリプトを作成し、システム全体の構成を担当するスペシャリストが辞任した場合は、それらを置き換える従業員がプロジェクトをサポートできることを確認する必要があります。

既製のソリューションを購入する場合は、最初に処理する必要のあるデータの量を評価します。 オンライン広告で1日10回の売り上げがある場合は、強力で高価なサービスに投資する必要はありません。 この量の作業には、GoogleAnalyticsまたはExcelを使用するだけで十分です。

売上高とニーズが増大する一方で、追加のメトリック、自動化、およびより高速なデータ処理速度に対するニーズが高まっています。 たとえば、SaaSビジネス（サブスクリプション料金のあるITソリューション）では、年間売上高が$ 200,000を超える場合、独自のデータウェアハウスまたは機械学習アルゴリズムの使用から真の価値を受け取り始めることができます。

ただし、データを収集、処理、計算、予測、および視覚化できる既成のサービスでさえ、特定のビジネスに適合させる必要があることに注意してください。 多くの企業には、独自のロジックと主要な計画パラメータがあります。 したがって、インポートされたデータとデータの視覚化の構造は異なります。 さらに、私たちの経験から、顧客は新しいインターフェースでの作業方法を学ぶことを好まないが、データを一般的な方法で提示することを望んでいます。

要約すると、マーケティング分析システムを作成する際にOWOXで利用するレシピは次のとおりです。

• 企業はデータに完全にアクセスできる必要があります
• データは、意思決定者に馴染みのあるインターフェースで配信する必要があります

1つのニッチ内でも、ビジネス間には多くの機能と違いがあります。 たとえば、小売業では、電子機器のビジネスは、衣料品や家庭用品の販売のビジネスとは概念的に異なります。 購入の頻度が異なり、新規および現在の顧客との連携に重点が置かれているとしましょう。

別の例として、多くの企業がモバイルアプリケーションとクライアント分析の開発に重点を置いています。 このような企業は、Webアプリケーションに基づく企業と比較して、マーケティングモデル、計画のパフォーマンスの方法、およびメトリックが完全に異なります。 そのため、データを組み合わせて処理することは困難です。

したがって、企業がマーケティングおよび製品データに直接アクセスでき、特定のサービスおよびその視覚化システムの機能に依存しないことが重要です。

企業は、現在社内で発生しているニーズと苦痛についてのアナリストを探しています。 そして、多くの苦痛がある場合（そして常にある場合）、アナリストの検索には数か月または数年かかる場合があります。 そして、結局のところ、雇われたスペシャリストがすべてのタスクを処理できない可能性が高いです。

アナリストの責任範囲を分離して体系化することが重要です。 今日、多くの企業は、指標を設定し、データをマージし、このデータに基づいて仮説を立て、推奨事項を提供し、コンバージョン率がすぐに向上することを確認し、広告キャンペーンが確実に成果を上げ始めるアナリストを探しています。 彼らはアナリストです。 彼らはそれを処理することができます！

実生活では、そのようには機能しません。 アナリストには十分な時間がないか、十分なスキルがありません。 例えば：

• スペシャリストは優れた技術者（データ収集の設定、リクエストの作成、分析用のデータの準備）になることができますが、取得したデータを有意義に評価する方法についての知識が不足しています。
• 会社は大規模であり、1人のアナリストだけがデータを配信できるようにすべてが編成されている場合があります。 一日中、そのアナリストは基本的にデータへの音声インターフェースになります。

あなたがすべきことは、データと成長のポイントを測定することによって、責任分析のどの領域を強化できるかを決定することです。 たとえば、小売業では、これはマーケティング、製品、および顧客体験です。

スペシャリストがデータとレポートの準備で過負荷になっている場合は、この技術分析機能を別のユニットに割り当てるか、パートナーに転送する価値があります。

分析が機能し、1人のスペシャリストの能力に制限されない場合、企業にとってより収益性が高くなります。 そうでなければ、会社は鉄の天井にぶつかるでしょう。

たとえば、アナリストがR言語を勉強して興味を持った後、特定のサードパーティソリューションを放棄し、自分で再作成することを突然決定したとします。 ビジネスは外部ソリューションへの過剰な支払いをやめると考えています。 しかし実際には、アナリストは直接の仕事に従事するのではなく、自分自身の関心を高めています。

その見返りとして、アナリストが辞任した場合、会社はサポートなしで不安定なソリューションを受け取ります。 利点は疑わしいです。 どんなビジネスも、アナリストができることに限定されるべきではありません。

もう1つのことは、企業がさまざまな部門の成長目標をサポートする本格的な内部分析およびデータ部門を形成する場合です。 この場合、会社は、マーケティング、製品、およびその他の部門の開発を評価するデータ品質とリソースを確認できます。

チーフデータオフィサー（CDO）または分析責任者は、どのデータベースソリューションを最初に開発およびサポートするかを決定します。

たとえば、クライアントからの実際のケースを考えてみましょう。銀行は、顧客の利益と行動について収集された情報に基づいて、クライアントマネージャーの選択を自動化しました。 また、銀行は、同様の顧客のプロファイルを持つトランザクションを閉じるために、このマネージャーの変換を検討し始めました。

会社のソリューションを開発する際には、アナリストが次の質問に対する回答を得ることが重要です。

• 分析の顧客の戦略的目標は何ですか？
• 戦略的目標を達成するために、どのような決定が下され、どのような責任が割り当てられますか？
• 顧客が決定を下すために答える必要がある質問は何ですか？
• 質問に答えるのに役立つグラフ、レポート、および推奨事項は何ですか？
• ソリューションで使用する必要があるメトリックはどれですか？

重要な詳細を見逃さないようにアナリストのタスクを実行し、その結果、顧客に実用的で有用なソリューションを提供することが重要です。

まとめましょう。 データがビジネスで機能するためには、アナリストは次のことを行う必要があります。

1. どの顧客の目標とソリューションが実際にデータに依存しているかを知る
2. これらの決定がどの程度の利益に影響するかを検討してください
3. データの品質を定期的に監視し、基準からの逸脱について迅速に報告します

そしてもちろん、アナリストのチームの絶え間ない支援を必要とするのではなく、自分でデータを使用する従業員の割合を増やすことはCDOの利益になります。

「マーケティングにおける分析は、すでに経験豊富で強いアスリートのサプリメントと見なされるべきだと思います。彼らは彼/彼女をより速く/より強くすることができます。あなたがすでにかなりうまくやっているなら、分析はあなたがそれを改善するのを助けることができます。

より具体的な例（前述の2つのゾーンに関して）と言えば、ここにいくつかあります。

成長ゾーン：

• 収益の80％をもたらす製品の20％を見つける。 トラフィックソース、人口統計などを確認し、どのセグメントが他のセグメントよりもうまく機能しているかを特定してください。 これは、予算を増やす機会を特定するのに役立つ場合があります（たとえば、有料広告を調整するため）。

リスクゾーン：

• エラーの追跡（およびその他の否定的なアクション、チェックアウトエラー、サインアップエラーなど）。 これらは、顧客/クライアントの主な闘争です。 それらを識別して固定することで、摩擦を減らし、変換量を増やすことができます。」

analyticsmania.comの創設者であるJuliusFedorovicius。

強力なアナリストの空席を埋めるのに6か月かかる場合があります。 それは長い時間。 パートナーは、すぐに始めて、価値を得るのにそれほど長く待たないための優れたソリューションです。 パートナーと協力することが企業の分析を開発するのに本当に役立つ場合、2つのケースがあります。

1. パートナーは、会社が現在持っているよりもはるかに強力な専門知識を持っています。 たとえば、企業がすでにデータを処理するか、少なくともデータの収集を開始したいと考えており、社内にアナリストがいないか、他のタスクに集中しているとします。 この場合、会社はニッチで同様のケースを扱った経験のあるパートナーを見つける必要があります。
2. パートナーのチームは、特定の職務のために雇われています。 たとえば、分析の実装、Google Tag Managerサポートの提供、マーケティングに関するレポートなどです。 このアプローチは、企業が特定のタスクを実行するために大規模で資格のあるチームを必要とし、社内の従業員がデータ分析と解釈に焦点を当てた場合により価値がある場合に機能します。

重要！ どのようなアプローチでも、意思決定において透明性のあるパートナーとの関係を構築する価値があります。 言い換えれば、パートナーは、積極的に機能するために、会社の戦略的な目標と目的、および分析要件を理解する必要があります。

あなたの戦略的目標、時間枠、および予算は何ですか？ たとえば、毎年恒例のGo Analytics！ 会議では、人々は定期的に数十万ドル相当の有料分析製品の使用方法について話します。 しかし、分析は月に130ドルで構築できると言う講演者もいます。 どちらの場合も真実であり、現実です。

Googleマーケティングプラットフォーム製品を積極的に使用し、広告データと販売データを組み合わせる大企業は、Google Analytics 360を使用します。量が少ない他の企業の場合は、無料のGoogleAnalyticsの機能を使用するだけで十分です。

簡単に言えば、年間収益が20万ドルから100万ドルの間であれば、データベースにデータを収集する時期ですが、機械学習アルゴリズムの操作に投資するのは時期尚早です。 あなたはまだあなたの顧客についての十分な情報を持っていないでしょう。

ビジネスの分析機能と収益性に焦点を当てます。 まず第一に、分析は私のリスクはどこにあるのかという質問に答えるのに役立つはずです。 と私の成長ゾーンはどこですか？ 計画を実行するとき。 それがこれらの質問に答えない場合、それはあなたの時間と予算を奪っているだけです。

「分析は、過去、現在、未来をつなぐものです。過去に作成および収集されたデータを分析します。現在は、将来何が起こるかを予測しようとします。最後に、未来に影響を与えようとします。私たちの努力を新しい方法で再配分することによって。」

Mikko Piippo、デジタル分析および最適化コンサルタント、共同創設者、およびホプキンスのパートナー。

• ビジネスの開発レベルを定義することから分析の構築を開始します。
• 大量のデータを待つ必要も、6か月間スーパーアナリストを探す必要もありません。 お住まいの地域でマーケティング分析モデルを構築した経験のあるパートナーに連絡することから始めます。
• 適切なモデルを選択してください：あなたのビジネスのために修正された既製の製品、またはあなたのためだけにゼロから開発されたシステム。
• 高度なスキルを持っていなくても、ビジネスのコンテキストに精通しているアナリストを雇うことを検討してください。 彼らは最初からインフラストラクチャを把握し、さらに拡張して改善することができます。