3 sposoby, w jakie dane mogą wprowadzić Cię w błąd — i jak uzyskać lepszy wgląd

Współcześni marketerzy mają obsesję na punkcie danych — i nie bez powodu. Daje nam kierunek i informuje o naszych strategiach, wśród wielu innych korzyści. Ale nie wszystkie dane są równie przydatne lub pomocne. Niewłaściwe zestawy danych mogą być równie szkodliwe dla twojego programu marketingowego, jak ich brak.

Wiedza o tym, jak identyfikować właściwe dane, jest niezbędna, aby Twoje spostrzeżenia dokładnie pomagały w podejmowaniu decyzji. W tym artykule omówię trzy sposoby, w jakie niewłaściwe wykorzystanie danych może zaszkodzić naszym wysiłkom marketingowym oraz omówię, w jaki sposób holistyczna metodologia testowania może pomóc w uzyskaniu lepszego wglądu.

Sercem istotnych trendów marketingowych są dane

Spójrz na trendy, które zajmowały uwagę marketerów w ciągu ostatnich trzech lat:

• 2021: Powstanie funkcji Apple Mail Privacy Protection , która maskowała dane o aktywności użytkowników. Marketerzy wpadli w panikę na myśl o utracie otwartych stawek.
• 2022: Dane zerowe i własne, których ludzie nagle zdali sobie sprawę, że są potrzebne, aby zrekompensować trwającą utratę informacji o plikach cookie innych firm.
• 2023: Powstanie ChatGPT i innych modeli przetwarzania języka naturalnego opartych na sztucznej inteligencji (czyli danych).

Niezależnie od tego, czy wiąże się to z utratą dostępu do danych, koniecznością znalezienia nowych źródeł danych, czy też umożliwieniem im podejmowania decyzji za nas, dane są podstawą tych trendów.

Dane mają definicje technologiczne i filozoficzne. Mogą to być informacje, które komputer może wykorzystać do przetworzenia lub, jak definiuje Google, „rzeczy znane lub zakładane jako fakty, stanowiące podstawę rozumowania lub obliczeń” (podkreślenie moje).

Ta „lub zakładana” część to miejsce, w którym możemy się pomylić z danymi. Ludzie zawsze mówią: „Liczby nie kłamią”. Dane mogą nie kłamać, ale mogą też nie oznaczać tego, co myślisz.

Kop głębiej: dlaczego zależy nam na marketingu opartym na danych

Dobra strona danych

Mogę powiedzieć ci rzeczy, które już wiesz o danych, ale wysłuchaj mnie. Codziennie polegamy na danych, zarówno w rzeczach oczywistych, jak i nieoczywistych (by zapożyczyć termin od Rohita Bhargavy).

Dla e-marketerów oczywiste są dane marketingowe, których używamy podczas tworzenia i strukturyzowania kampanii, wybierania odbiorców, mierzenia sukcesu i podejmowania kolejnych kroków. Dlatego e-mail marketing jest tak przydatny. Generuje dane, które możemy zastosować w całej ekosferze marketingowej.

Następnie jest nieoczywista wartość. Nasze dane e-mail mogą dostarczać informacji innym kanałom marketingowym, a nawet wykraczać poza zespół marketingowy, aby wspierać obsługę klienta, operacje biznesowe i nie tylko w całej firmie.

Nasze kampanie są jak stałe źródło badań rynkowych. Ponieważ osoby, do których wysyłamy e-maile, to nasi potencjalni i obecni klienci, codziennie korzystamy z naszej bazy klientów, śledzimy ją i mierzymy.

Co więcej, dzisiejsza technologia marketingowa ułatwia gromadzenie danych. Znajdujemy dane wszędzie, gdzie się zwrócimy — w naszych ESP, platformach automatyzacji, CRM, silnikach e-commerce. Liczby przelatują obok nas tak szybko, że nie jesteśmy w stanie ich wszystkich złapać.

Ale o to mi chodzi. Nie potrzebujemy wszystkich numerów, które do nas przychodzą. Musimy wiedzieć, jakie są właściwe liczby i co one oznaczają — w czym często się mylimy.

Kop głębiej: dlaczego zależy nam na marketingu e-mailowym: przewodnik dla marketerów

„Wglądy, wglądy, wglądy”, a nie „dane, dane, dane”

Jak doskonale ujął to mój dobry przyjaciel Chad S. White, autor „Zasad e-mail marketingu”:

— Mówisz o „danych-danych-danych”. Nie jestem fanem danych. Nikt tak naprawdę nie chce danych. To, czego naprawdę chcą, to spostrzeżenia, a analityka to sposób, w jaki znajdujesz spostrzeżenia, które ukrywają się w Twoich danych.

Dane często wprowadzają Cię w błąd. Musisz upewnić się, że wnosisz swoją wiedzę o swoich klientach, swoją wiedzę o swojej firmie i analizować te dane, aby wycisnąć wszystkie bzdury i zostać z rzeczami, które są złote.

W danych jest wiele błędów. A więc spostrzeżenia, spostrzeżenia, spostrzeżenia. Tego właśnie chcemy”.

– Chad S. White podczas przemówienia programowego na konferencji ANA-Email Evolution Conference w Waszyngtonie.

Możesz zebrać wszystkie dane, jakie chcesz, ale musisz także oddzielić niezbędne dane od nieistotnych, istotnych od nieistotnych i prawdziwych od fałszywych, aby dowiedzieć się, co to naprawdę znaczy.

Gromadzimy dane nie po to, aby zapełniać silosy, jeziora i magazyny danych, ale aby wykorzystać je do zrozumienia naszych klientów i zmierzenia skuteczności naszych programów marketingowych. Wszystko inne, co robimy jako marketerzy, zależy od tych wysiłków.

Dlatego zbieranie złych danych lub szukanie znaczeń, których dane nie są w stanie nadać, może być szkodliwe, ponieważ, jak mówi White, prowadzi nas to w zły sposób. Niewłaściwe dane są tak samo złe jak brak danych — może nawet gorsze, ponieważ mogą dać fałszywe poczucie bezpieczeństwa i osiągnięć.

Jeśli używasz danych e-mail, aby informować swoją markę o odbiorcach i kierować podejmowaniem decyzji poza dział marketingu, wyobraź sobie chaos, jeśli opierasz swoje spostrzeżenia na błędnych analizach.

Kiedy dobre dane psują się: 3 scenariusze, na które należy uważać

Pozwól, że się poprawię: dane nie psują się. Problemy stwarza sposób, w jaki go używamy i interpretujemy. Kiedy niewłaściwie wykorzystujesz swoje dane — celowo lub przypadkowo — możesz skierować swój zespół, a nawet firmę na długą, niewłaściwą ścieżkę. Jest to łatwe, zwłaszcza jeśli próbujesz zoptymalizować swój program pocztowy, testując różne części, a nie tylko kierując się instynktem.

Nie jestem w stanie zliczyć, jak często klienci rozpoczynali testowanie z dobrymi intencjami i zbaczali ze ścieżki, ponieważ testy były nieprawidłowo skonfigurowane lub ponieważ zespół doszedł do błędnych wniosków. Oto trzy scenariusze, w których dane mogą skierować Cię na błędne testy A/B.

1. Optymalizacja pod kątem niewłaściwej miary sukcesu

E-mail słynie z tego, że jest łatwy do zmierzenia. Zbyt często wybrane przez nas dane nie odzwierciedlają prawdziwego sukcesu lub porażki naszych kampanii. Ale nie bądźmy zbyt surowi dla poczty elektronicznej. Marketerzy we wszystkich kanałach, od mediów społecznościowych po influencer marketing, popełniają ten sam błąd.

Otwartość jest oczywistym winowajcą. Ten wskaźnik rozwiązuje jeden problem, który nęka zarówno marketerów cyfrowych, jak i tradycyjnych — wiedzieć, czy ktoś rzeczywiście oglądał nasze kampanie, czy po prostu przewinął stronę, przewrócił stronę, wyrzucił katalog lub wstał na przekąskę podczas reklamy. Nic dziwnego, że jako miarę sukcesu skoczyliśmy na spore wskaźniki otwarć.

Ale te wysokie współczynniki otwarć często nie przekładają się na istotne wskaźniki, takie jak przychody z kampanii, zamówienia, wielkość koszyka, ponowne zakupy i inne liczby związane z kampanią. Jeśli użyjesz intrygującego tematu do optymalizacji pod kątem wyższego współczynnika otwarć, wiele osób może otworzyć ten e-mail z ciekawości, a następnie nie kliknąć. Otrzymujesz więc nadzwyczajny współczynnik otwarć, ale Twoja kampania nie powiodła się.

Wielu marketerów wpadło w panikę, gdy funkcja MPP firmy Apple została uruchomiona w 2021 r., ponieważ maskowała dane dotyczące aktywności poczty e-mail, takie jak otwarcia, godziny i lokalizacje. Martwili się, że stracą kluczowy wskaźnik wydajności. Było to aktualne przypomnienie dla reszty z nas, że współczynnik otwarć nie zawsze odpowiada naszym celom kampanii.

Jednak obejście MPP, które wielu sugerowało — skupienie się na współczynniku klikalności — jest tylko nieznacznie lepszą radą. Kliknięcia są bardziej namacalnym dowodem zainteresowania klientów niż otwarcia. Ale można nimi też grać i nie zawsze korelują z konwersjami.

2. Zmiana kierunku na podstawie jednorazowych testów

Ten błąd idzie w parze z optymalizacją pod kątem niewłaściwego wskaźnika sukcesu. Dzieje się tak, gdy przeprowadzasz pojedynczy test A/B dla pojedynczej funkcji, takiej jak temat, wezwanie do działania, oferta, zdjęcie, treść lub pora dnia.

Testy te są łatwe do wykonania. Wiele ESP pozwala skonfigurować je za pomocą zaledwie kilku kliknięć. Możesz nawet uzyskać wyniki, które wyglądają na wyraźne i niepodważalne.

„Temat A uzyskał współczynnik otwarć 54% i współczynnik klikalności 25%. Wiersz tematu B uzyskał współczynnik otwarć 24% i wskaźnik kliknięć 12%. Wiersz tematu A wygrywa! Od teraz róbmy wszystkie nasze wiersze tematu, takie jak wiersz tematu A!”

Zakłada to dwa fakty, których dane ci nie dają:

• A ma więcej otwarć niż B, a także lepiej konwertuje.
• Twoi odbiorcy zawsze lepiej zareagują na wiersze tematyczne, takie jak A.

Pojedynczy test A/B daje wyniki tylko dla tej kampanii, w tym czasie, z tą grupą odbiorców. Ale twoi odbiorcy ciągle się zmieniają. Osoby, które tym razem otworzyły i kliknęły Twoją tak zwaną zwycięską wersję, mogą nie być tymi, które zobaczą Twoją następną kampanię. Albo zobaczą to, ale nie zareagują w ten sam sposób.

Zmiana podejścia do poczty e-mail na podstawie jednego testu może doprowadzić do katastrofy. Musisz ciągle testować i testować różne komponenty oraz upewniać się, że wskaźniki sukcesu odzwierciedlają cele kampanii.

Jeśli chcesz, aby ludzie zobaczyli Twoją wiadomość, może zadziałać współczynnik otwarć lub kliknięć. Ale jeśli chcesz, aby kupowali, rejestrowali się, aktualizowali, pobierali, zakładali konta lub wykonywali inne działania związane z biznesem, musisz ciągle testować, aby zobaczyć, co działa z czasem.

Kop głębiej: jak testowanie może zwiększyć liczbę konwersji w marketingu e-mailowym

3. Poleganie na testach ad hoc zamiast na metodach naukowych

„Ad hoc” to fantazyjne określenie „zgadywania”. Zasadniczo rzucasz rzeczami o ścianę, aby zobaczyć, co się trzyma — testowanie pojedynczego składnika zamiast przyjęcia opartego na hipotezach, holistycznego podejścia, które uwzględnia wszystkie aspekty kampanii.

Kiedy testujesz w locie, otwierasz się na problemy, jakie napotykają ludzie, gdy testują pojedynczy komponent, a następnie zmieniają kierunek na podstawie tych danych. Ponownie, dane nie są błędne, ale wnioski wyciągnięte na podstawie tych danych mogą być.

Testy naukowe wykorzystujące hipotezę z większym prawdopodobieństwem dostarczą znaczących danych, ponieważ zapewniają ramy do uzyskiwania praktycznych spostrzeżeń. Czas trwania testu jest jednym z przykładów. Zbyt często wiele decyzji podejmowanych jest zbyt wcześnie w testach A/B. Załóżmy, że funkcja testu A/B Twojej platformy e-mail pozwala wysłać wersję A do jednej przykładowej grupy odbiorców składającej się z 10% Twojej listy, a wersję B do kolejnych 10% Twojej listy, odczekać kilka godzin i wysłać zwycięzcę do pozostałych 80%.

Ta metoda może dać przydatne wyniki, jeśli sprawdzasz liczbę otwarć lub kliknięć. Ale kiedy liczą się konwersje, to nie działa. Test 50/50 jest bardziej odpowiedni do obliczania sukcesu na podstawie konwersji. Pozwala odczekać od trzech dni do tygodnia przed ogłoszeniem zwycięzcy i wnioskiem.

Znaczące dane, takie jak konwersje, nie zawsze następują w ciągu pierwszych 2 godzin, a optymalizacja pod kątem tych szybkich wyników może oznaczać optymalizację pod kątem niewłaściwych wyników. Test 50/50 zapewnia również większy rozmiar próbki, dzięki czemu test jest bardziej niezawodny.

Połączenie metod naukowych z holistyczną metodologią testowania zapewnia szersze zrozumienie odbiorców i ich motywacji. Przeczytaj więcej o problemach z testowaniem i moim holistycznym podejściu do testowania w tej kolumnie MarTech, „7 typowych problemów, które zakłócają sukces testów e-mail A/B/n”.

Czy Twoje dane opowiadają Ci właściwą historię? Spróbuj tego testu lakmusowego

Nowi klienci często są sceptyczni, kiedy zwracam im uwagę (dyplomatycznie, oczywiście!), że wyniki ich kampanii lub dane testowe nie potwierdzają wniosków, które z nich wyciągnęli. Dlaczego e-mail nie zarabia, mimo że ma świetny współczynnik otwarć lub kliknięć?

Jeśli zastanawiasz się nad tym samym, mój test lakmusowy może ujawnić, co się stanie, gdy użyjesz niewłaściwych wskaźników do ogłoszenia sukcesu lub porażki.

Utwórz trzy listy:

• 10 najlepszych kampanii z najwyższym współczynnikiem otwarć.
• 10 najlepszych kampanii z najwyższym współczynnikiem klikalności.
• 10 najlepszych kampanii z najwyższą liczbą konwersji lub innymi celami kampanii.

Zakładając, że obliczenie konwersji nie jest powiązane ze współczynnikiem otwarć, ale na podstawie dostarczonych e-maili, trzy zestawy kampanii powinny się nieznacznie pokrywać. Teraz spójrz na kampanie w każdej kategorii. Jak wyglądają Twoje kampanie z największą liczbą konwersji w porównaniu z tymi, które uzyskały najwięcej otwarć lub kliknięć?

Czy używałeś dłuższych wierszy tematu, które działały jak sortery w skrzynce odbiorczej, odwołując się do najbardziej zmotywowanych klientów? Czy treść wiadomości zawierała dłuższe lub krótsze teksty, konkretne lub ogólne wezwania do działania? Czy jeden rodzaj kampanii, na przykład wyprzedaż błyskawiczna, przyniósł lepszą konwersję niż kampania z nowymi kolekcjami?

Kiedy będziesz analizować dane w ten sposób, skupiając się na wynikach, które mają znaczenie, a nie na danych, które najłatwiej zebrać, będziesz w stanie osiągnąć cel White'a, jakim jest „przeanalizowanie tych danych, aby wycisnąć wszystkie bzdury i zostać z rzeczy, które są złotem”.