Rzeczy, których nauczyłem się na Marketing Analytics Summit 2019 w Las Vegas [Dzień 2]

To kontynuacja mojego podsumowania z Marketing Analytics Summit. Aby dowiedzieć się więcej o prelekcjach z pierwszego dnia i nadchodzących na całym świecie Marketing Analytics Summits, zapoznaj się z poprzednim artykułem.

• „Strategia wykonywalnych danych” Johna Lovetta
• „Co musisz o sobie wiedzieć – psychologia sukcesu” Michele Kiss
• „Identyfikacja osobowości przywódczej” Valerie Kroll
• „Analiza analityków w celu poprawy wydajności procesów” autorstwa Marii Bocheva
  

Dzień 2 rozpoczął się od głównej prezentacji Johna Lovetta , starszego dyrektora ds. strategii danych w Search Discovery. Jego prezentacja dotyczyła strategii danych wykonywalnych – planu wykorzystania danych w celu, który obejmuje zrozumienie danych, zaprojektowanie danych w celu uczynienia ich użytecznymi oraz aktywację danych w celu uzyskania wpływu na biznes.

Organizacje potrzebują strategii danych, która będzie nimi kierować, ponieważ wykorzystanie danych w dzisiejszym środowisku biznesowym może być skomplikowane i mylące. Istnieją trzy współczesne problemy z danymi: brak umiejętności korzystania z danych, silosy danych i brak zaufania do danych.

Problem polega na tym, że dyrektorzy i kierownicy działów często nie rozumieją danych. Według „Gartner Trend Insight Report: Fostering Data Literacy and Information do 2020” 80% organizacji planuje zainicjować świadomy rozwój kompetencji w zakresie korzystania z danych, zdając sobie sprawę z ich skrajnych niedociągnięć.

Umiejętność korzystania z danych można podzielić na trzy segmenty:

• Umiejętność korzystania z metryk — gdy ludzie wiedzą, co oznaczają dane, używaj tych samych terminów i rozumieją wartości, które za nimi stoją. Jest to podstawowy poziom, który pozwala wszystkim członkom zespołu mówić tym samym językiem.
• Umiejętność korzystania z narzędzi — gdy ludzie są w stanie samodzielnie obsłużyć swoje potrzeby w zakresie danych zgodnie z potrzebami i są świadomi potencjału, sztuczek i ograniczeń narzędzi. Ten punkt naprawdę koreluje z czerwcowym wykładem na temat samoobsługowych analiz na Twitchu.
• Znajomość pojęć — gdy ludzie podchodzą do danych i stosują je z jasnością i wyrafinowaniem oraz potrafią się wytłumaczyć za pomocą danych.

Aby umieć posługiwać się danymi, musisz je rozumieć. Powinna pomóc odpowiedź na poniższe pytania:

1. Jakie rodzaje danych posiadamy i jakich potrzebujemy, aby odpowiedzieć na nasze pytania? Użyj interaktywnego spisu danych, słowników danych i katalogów, aby zrozumieć, skąd pochodzą dane i z czego się składają.
2. Czy użytkownicy mogą samodzielnie obsługiwać dane, czy też potrzebują kogoś, kto im je udostępni?
3. Kto ma dostęp do naszych danych i jak można je wykorzystać?
4. Czy użytkownicy dokładnie rozumieją nasze dane, czy mówimy po grecku?
5. Czy korzystanie z danych zapewnia wysoki poziom komfortu, czy też jest to problem za każdym razem, gdy trzeba zbudować nowy raport?
   

Nie jest niespodzianką, że większość firm zmaga się z rozproszonymi danymi, ponieważ ich źródła danych nie rozmawiają ze sobą:

Aby przełamać te silosy danych, musisz określić, skąd pochodzą Twoje dane i jak można je połączyć. Następnie możesz ustalić, co powinno zostać zaimplementowane jako pierwsze. Oto kilka pytań, które powinny Ci w tym pomóc:

1. Jakie istnieją połączenia danych i interfejsy API? Większość źródeł, które chcesz połączyć, można zintegrować za pomocą gotowych interfejsów API lub narzędzi innych firm, więc nie trać czasu i innych zasobów na tworzenie własnych integracji.
2. Jakie przekształcenia są potrzebne do analizy? Zazwyczaj Twoje dane są w różnych formatach i z różną szybkością, więc aby zebrać je w jeden raport, musisz je wcześniej przetworzyć. Pomyśl o tym z wyprzedzeniem i odpowiednio zaplanuj.
3. Czy istnieją zintegrowane procesy w zbiorach danych? Zastanów się, na jakie procesy wpłynie posiadanie tych danych.
4. Kiedy dane są odświeżane i udostępniane? Sprawdź, jak często musisz aktualizować dane i kto potrzebuje do nich dostępu. Powinno to pomóc w wyborze najbardziej odpowiednich narzędzi do udostępniania raportów zespołowi.

Po udzieleniu odpowiedzi na te pytania możesz zdecydować, jakie podejście chcesz zastosować do projektowania danych: jeziora danych, sieć danych lub centrum danych. Według ostatnich badań przeprowadzonych przez McKinsey tylko 8% wdrożeń jeziora danych przeszło z weryfikacji koncepcji do produkcji.

Według KPMG tylko 35% ankietowanych organizacji ma wysoki poziom zaufania do korzystania z analityki danych. Aby rozwiązać ten problem, musisz zbudować zaufanie i aktywować swoje dane. Zacznij od zadania sobie następujących pytań:

1. Gdzie dane mogą wywołać zautomatyzowane działania?
2. Jak wykorzystujemy dane do targetowania i personalizacji?
3. Jak budujemy zaufanie do danych?
   

Aby aktywować swoje dane, musisz upewnić się, że

• Dane są wiarygodne, a ludzie ufają liczbom, które widzą. Można to zrobić za pomocą różnych metod testowania i monitorowania.
• Dane są dostępne do współpracy. Idź i porozmawiaj z interesariuszami w organizacji, aby zrozumieć, na jakich danych muszą działać.
• Masz radę ds. zarządzania danymi, która jest odpowiedzialna za nadzorowanie wszystkich procesów związanych z danymi.

John podzielił się kilkoma przykładami z życia, w tym historią amerykańskiego nadawcy non-profit i podejściem, jakie zespół Data Discovery zastosował do zbudowania strategii danych wykonywalnych. Etapy, przez które przeszli, to zdefiniowanie celów, dostosowanie ich do celów biznesowych oraz ustalenie pomiarów:

Po spisaniu wszystkich tych celów biznesowych zespół Data Discovery nadał im priorytety w oparciu o wpływ biznesowy i wymagany poziom wysiłku oraz zdefiniował plan ich wdrożenia, przechodząc od najważniejszych i najcenniejszych zadań do mniej ważnych:

Nie pozwól, aby niski wskaźnik powodzenia implementacji jeziora danych Cię odstraszył. Potencjalny wpływ pomyślnego wdrożenia jest znacznie wyższy niż niezbędna inwestycja. Aby zacząć i uniknąć błędów innych firm, wykorzystaj te 10 sekretów skalowania analityki. Zawsze możesz zainspirować się oglądając studia przypadków innych firm. Oto kilka przykładów:

• Ile de Beaute wykorzystał kompleksowe analizy do pomiaru efektu ROPO
• Wygodna, zbudowana kompleksowa analityka w dziewięciu prostych krokach
• BUTYK. poprawa LTV klienta dzięki połączeniu danych

Następna sesja nosiła nazwę „Ptaki z piór”, gdzie każdy mógł wymienić temat lub problem, który chciał omówić, i przejść do stołu, aby spotkać się z podobnie myślącymi kolegami w celu dogłębnej dyskusji. Osobiście bardzo podobała mi się ta sesja, ponieważ dała mi kilka pomysłów na problem, z którym nie wiedziałem, jak sobie poradzić.

Michele jest charyzmatyczną mówczynią, która wie, jak przyciągnąć uwagę ludzi, i naprawdę podobało mi się, jak pokazała sztuczki naszego mózgu — ograniczoną pamięć roboczą, stronniczość potwierdzania, zgodność z normą itp. — które zostały udowodnione w klasycznych badaniach. Ważne jest, aby analitycy byli świadomi tych sprzeczności, ponieważ analityka i optymalizacja polegają na wykorzystaniu metod ilościowych, aby zrozumieć ludzi i dlaczego robią to, co robią. Oto niektóre dania na wynos:

• Prezentując informacje, musisz pracować w granicach systemów percepcyjnych i pamięciowych.

Według słynnego psychologa George'a A. Millera ilość informacji, jaką możemy zachować w pamięci krótkotrwałej, wynosi siedem plus minus dwie pozycje. Element to porcja informacji, takich jak słowo, liczba, punkt danych itp. Dlatego oczekiwanie, że użytkownicy narysują połączenia między dwoma punktami danych oddalonymi o sześć stron lub trzydzieści slajdów temu, jest receptą na niepowodzenie.

• Nawet jeśli Twoje dane wydają się oczywiste, jeśli przyjdziesz z „najświeższą wiadomością”, która jest sprzeczna z tym, co firma wiedziała, myślała lub wierzyła od jakiegoś czasu, możesz potrzebować więcej danych, aby poprzeć swój przeciwny punkt widzenia.

Możesz także chcieć poświęcić dużo czasu na dyskusję, zamiast po prostu wysyłać swoje wnioski, ponieważ te dyskusje mają kluczowe znaczenie dla uzyskania poparcia dla tego nowego punktu widzenia. „Człowieka z przekonaniem trudno się zmienić. Pokaż mu fakty lub liczby, a on zakwestionuje twoje źródła. Odwołaj się do logiki, a on nie dostrzega twojego punktu widzenia” – powiedział Leon Festinger.

Nazywa się to również teorią dysonansu poznawczego. Mówi nam, że ludzie nie lubią uczucia niespójności (na przykład między naszymi przekonaniami a naszymi działaniami). Staramy się zredukować to nieprzyjemne uczucie, uzasadniając nasze przekonania i unikając informacji, które mogą być sprzeczne.

• Pracując z danymi, nie poprzestawaj na pierwszej hipotezie. Może mieć na to wpływ twoje nastawienie poznawcze.

Nasz mózg jest zbudowany w taki sposób, że stara się potwierdzić istniejące przekonania. A to może prowadzić do błędu, ponieważ może być wiele powodów, dla których dane pokazują, co robi. Właściwie uważam, że zrozumienie i rozpoznanie tego nastawienia jest bardzo przydatne podczas rozmów z ludźmi.

Pierwsze wrażenie zwykle otrzymujesz w ciągu 15 sekund, a potem twój mózg szuka czegoś, co wesprze to pierwsze wrażenie. Bardzo ważne jest, aby zauważyć ten moment i zacząć szukać faktów, które wspierają przeciwne stanowisko. Pomoże ci uciec od uprzedzeń poznawczych.

• Jeśli masz wyniki analityczne, które podważają status quo, powinieneś omawiać je powoli i jeden na jednego.

Unikaj umieszczania ludzi w miejscu, aby zgodzili się lub nie zgodzili się w grupie, ponieważ jest mniej prawdopodobne, że ludzie w grupie staną w obronie twoich nowych odkryć wbrew normom grupy. Podobnie przemawia to przeciwko przechodzeniu od razu do grupowej burzy mózgów. Raz w grupie, 76% ludzi zgodzi się z grupą (nawet jeśli się mylą!), więc łatwiej jest uzyskać bardziej zróżnicowane pomysły i zminimalizować grupowe myślenie, pozwalając na indywidualną, nieskrępowaną burzę mózgów i zbieranie wszystkich pomysłów w pierwszej kolejności.

Efekt ten nazywany jest zgodnością z normą i został udowodniony przez Asha w swoich eksperymentach w 1951 roku.

• Przynosząc wyniki, zarekomenduj, jak z nich skorzystać i bądź jak najbardziej konkretny.

Określ, do kogo należy działanie, jeśli coś się zmieni, i upewnij się, że zostałeś wysłuchany, aby nie dać się złapać w pułapkę efektu przechodnia – im więcej osób postronnych jest obecnych, tym mniejsze prawdopodobieństwo, że dana osoba wkroczy i pomoże. Świetnym tego przykładem jest nagły wypadek medyczny, kiedy wszyscy po prostu stoją i czekają, aż ktoś inny podejmie działania.

W prezentacji Michele można znaleźć o wiele więcej przykładów i błędów. Jeśli chcesz dowiedzieć się więcej o uprzedzeniach, zapoznaj się z tym artykułem Conora Deweya na temat praktycznej psychologii dla naukowców zajmujących się danymi.

Podczas lunchu wysłuchałem naprawdę inspirującego przemówienia Valerie Kroll , dyrektora ds. optymalizacji w Search Discovery i prezesa zarządu stowarzyszenia Digital Analytics Association na temat identyfikacji osobowości przywódczej.

W swoim przemówieniu Valerie opowiedziała o swojej 12-letniej podróży od stażysty do miejsca, w którym jest teraz, i o swojej drodze do zostania liderem. Oto kilka lekcji, których się nauczyła:

• Nie musisz zarządzać ludźmi, aby być liderem. Lider motywuje i inspiruje innych do dobrowolnego działania; niosą kulturę i konstruktywnie kwestionują status quo. Mogę też dodać, że aby być liderem, trzeba mieć silną empatię i chęć wzięcia odpowiedzialności.
• Znajdź możliwości przywódcze i nie daj się wyprzedzić syndromowi oszusta:
  

Aby zwalczyć syndrom oszusta, wykorzystaj swoje umiejętności analityczne — spróbuj spojrzeć na fakty i na ich podstawie ocenić swoje postępy i obecny poziom, zapisz swoje mocne strony i osiągnięcia oraz znajdź sposoby na zastosowanie swoich umiejętności. Możesz także wypróbować książkę The Anxiety and Phobia Workbook autorstwa Edmunda J. Bourne'a.

• Jeśli spotykasz się z uprzedzeniami lub dyskryminacją, porozmawiaj o tym, najlepiej ze sprawcą. Jeśli nie, znajdź kolegę, mentora lub kogoś z działu HR. Jeśli w Twojej firmie nie ma procesów pozwalających na rozwiązanie ważnej sprawy, porusz ją. Nie bój się ani nie wstydź tego, kim jesteś – wiek, płeć, narodowość itp. Może to jest coś, co sprawia, że ​​odnosisz sukcesy i pomaga Ci spojrzeć z innej perspektywy.
• Zbuduj swoją osobistą markę w sieciach społecznościowych i zachęcaj do modelu w kształcie litery T, ewoluując nie tylko wszerz, ale także w głąb.
  
• Wykorzystaj swoją sieć, nawiązując prawdziwe połączenia i przygotuj się na prezentację windy. Znajdź kontakty na spotkaniach, poproś ludzi, aby przedstawili Cię innym interesującym osobom i rozwijaj te kontakty, dostarczając wartości. Bądź gotowy, aby w mniej niż minutę podzielić się tym, nad czym pracujesz, co tworzy największą wartość i jest najbardziej innowacyjne.
  
• Szukaj mentora. Może to być wzajemne, ponieważ najlepszym sposobem na opanowanie umiejętności jest nauczenie kogoś. Szukając mentora, weź pod uwagę zarówno umiejętności miękkie, jak i twarde, koncentrując się na celach zawodowych.
  

Przy okazji, DAA ma program mentorski Women in Analytics, więc jeśli jesteś zainteresowany, sprawdź to.

Wtedy nadszedł już czas, aby podzielić się moją historią na temat analizowania analityków w celu poprawy wydajności procesów . Rozwój zespołu wymaga dużo czasu i wysiłku oraz odpowiednich narzędzi do zarządzania. Problemy są wspólne: nieefektywny podział zadań, brak czasu na nauczanie i szkolenie nowych pracowników, za mało czasu dla doświadczonych analityków na prace badawczo-rozwojowe i doskonalenie swoich umiejętności, brak pojęcia, ile czasu dany pracownik poświęcił na jakie zadania oraz lista jest długa. Wykorzystaliśmy jeziora danych, aby poprawić szacowanie zadań, zapewnić, że boleśnie nauczone wnioski są udostępniane wszystkim i zrównoważyć priorytety projektu.

W rezultacie my

1. zdaliśmy sobie sprawę, że obciążenie analityka jest dalekie od tego, czego oczekiwaliśmy, a średnie wartości mogą ukryć nasze strefy wzrostu
2. udowodniło, że większość naszych analityków (~85%) odpowiadała na maile na czas
3. zmapowali typowe zadania, które napotykamy, ile czasu zwykle zajmuje ich wykonanie i jak czas dla każdego konkretnego zadania może się różnić
4. znalazł słabe i mocne strony dla każdego analityka, aby dostosować swój osobisty plan rozwoju
   znalazł obszary do automatyzacji.

Możesz znaleźć moje slajdy na Slideshare i artykuł na ConversionXL, który przedstawia nasze doświadczenia.
Niestety, tęskniłem za rozmowami Garry'ego Angela, Tima Wilsona, Matta Gershoffa i Moe Kissa, ale słyszałem ich wszystkich przemawiających w Superweek i wiem, że są genialni. Mimo że przegapiłem ich wykłady, wspaniale było zobaczyć ich ponownie na #MASConf!

Ostatnią sesją Marketing Analytics Summit było nagranie na żywo podcastu Analytics Power Hour. Każdy odcinek tego podcastu ma zamknięty temat i otwarte forum.

Publiczność z przyjemnością słuchała Michaela Helblinga , kierownika ds. praktyki analitycznej w Search Discovery, Moe Kissa, konsultanta ds. analityki oraz Tima Wilsona , starszego dyrektora ds. analityki w Search Discovery, którzy dzielą się swoimi przemyśleniami i doświadczeniami. Nasz poprzedni wywiad na wyłączność z Timem Wilsonem na temat stanu współczesnej analityki można znaleźć tutaj. Odcinek z Marketing Analytics Summit można znaleźć tutaj. Gorąco zachęcam do posłuchania również innych odcinków.

1. Nie bierz tytułu w wartości nominalnej; przebić się przez szum i skoncentrować się na wywieranym wpływie.
2. Aby zrozumieć, czy analizy samoobsługowe działają w Twojej firmie, zapytaj swój zespół, czy ma wsparcie w zakresie danych, którego potrzebuje, aby skutecznie wykonywać swoją pracę i czy jest w stanie uzyskać dane w czasie, który odpowiada ich potrzebom biznesowym.
3. Użyj macierzy ról danych, aby upewnić się, że wszyscy rozumieją, czego można oczekiwać od każdego stanowiska.
4. Bądź proaktywny, jeśli chodzi o jakość danych, a nie reaktywny.
5. Tylko 11% marketerów czuje się „bardzo pewnie” co do dokładności swojego modelu atrybucji. Ale to nie znaczy, że nie powinieneś próbować.
6. Aby ocenić poziom dojrzałości danych, musisz ocenić swoje dane w trzech różnych kategoriach: ujednolicone wglądy (pomiar wydajności i atrybucja), ujednolicone dane (dane silosowane, kolokowane lub ujednolicone) oraz wstępnie zdefiniowane podstawy danych (precyzja śledzenia, punkt kontaktu zasięg, standaryzacja taksonomii).
7. Firmy, które łączą wskaźniki marketingowe z pożądanymi wynikami biznesowymi, mają dwukrotnie większe szanse na znaczne przekroczenie tych wyników. A firmy, które łączą wskaźniki marketingowe z celami przychodów, są trzy razy bardziej prawdopodobne, że znacznie przekroczą te cele.
8. Zarówno specjaliści od marketingu, jak i analitycy chcą jednej rzeczy: odpowiednich narzędzi i procesów, aby wiedzieć, co zacząć, zatrzymać i kontynuować, aby osiągnąć swoje cele marketingowe.
9. Skorzystaj z planu sukcesu, aby dopasować działania marketingowe do celów biznesowych Twojej firmy i zademonstrować kierownictwu wyższego szczebla wartość inwestycji w marketing i analitykę.
10. Skoncentruj się najpierw na procesach generujących przychody, ponieważ przynoszą one większy wpływ.
11. Aby Twoje procesy działały, zmapuj je, przeanalizuj i zakomunikuj zespołowi.
12. Fizyczna interakcja jest łatwiejsza do zrozumienia i wydaje się bardziej przekonująca niż cyfrowa – fizyczna uwaga prowadzi do 70% większej rozpoznawalności marki. Aby więc zostać zapamiętanym przez odbiorców, musisz angażować więcej zmysłów, ograniczać rozpraszanie i zachęcać do interakcji.
13. Kontroluj swoją markę dzięki SEO w SERP, ponieważ strona wyników wyszukiwania jest Twoją nową stroną docelową. Musisz wykorzystać fragmenty rozszerzone i zgłosić prawa do swoich paneli.
14. Podwójna kreacja popytu na markę.
15. Wykorzystaj algorytmy społecznościowe, naprzemiennie zamieszczając posty niepromocyjne i promocyjne.
16. Korzystaj z opowiadania historii, aby tworzyć treści, które są powiązane z Twoją marką, generują wysokie zaangażowanie i wywołują emocjonalny rezonans.
17. Istnieją trzy główne problemy z danymi: brak umiejętności posługiwania się danymi, silosy danych i brak zaufania do danych. Wszystkim tym problemom można rozwiązać za pomocą strategii danych wykonywalnych — planu celowego wykorzystania danych, który obejmuje zrozumienie danych, zaprojektowanie danych w celu uczynienia ich użytecznymi oraz aktywację danych w celu uzyskania wpływu biznesowego.
18. Fikologia i analityka są połączone — pamiętaj o skrótach myślowych i używaj ich, aby wykorzystać swoje możliwości analityczne i marketingowe.
19. Aby znaleźć swój model przywództwa, wykorzystaj swoje różnice, rozwiń swoją sieć i markę osobistą, szukaj mentora i podopiecznego, zwalczaj syndrom oszusta i inspiruj innych.
20. Im szybciej tym lepiej. Gromadzenie, łączenie i przygotowywanie danych to około 75% Twoich wysiłków. Upewnij się, że ufasz jakości gromadzonych danych.
21. Zacznij od pulpitu MVP. Skoncentruj się na nie więcej niż 10 krytycznych wskaźnikach KPI.
22. Zdefiniuj, co zamierzasz zrobić, jeśli dane drastycznie zmienią się o 17:00 w piątek. Powinieneś mieć plan, co zrobić, jeśli metryka niespodziewanie wzrośnie lub spadnie. Jeśli nie masz pojęcia, dlaczego warto mieć taki plan dla określonej metryki, zastanów się, czy w ogóle nie musisz go śledzić.

PS To było wspaniałe doświadczenie. Osobne podziękowania kieruję do Jima Sterne'a za zaproszenie mnie i Roxanne Glaviny, Speaker Management w Rising Media, Inc. za sprawną organizację.