3 способа, которыми данные могут сбить вас с толку — и как лучше понять

Современные маркетологи одержимы данными — и не зря. Это дает нам направление и сообщает наши стратегии, среди многих других преимуществ. Но не все данные одинаково полезны или полезны. Неправильные наборы данных могут нанести такой же ущерб вашей маркетинговой программе, как и их отсутствие.

Очень важно знать, как идентифицировать правильные данные, чтобы ваши идеи точно определяли ваши решения. В этой статье я расскажу о трех способах, которыми неправильное использование данных может повредить нашим маркетинговым усилиям, и о том, как целостная методология тестирования может помочь получить более точные сведения.

В основе значительных маркетинговых тенденций лежат данные

Посмотрите на тенденции, которые привлекли внимание маркетологов за последние три года:

• 2021: Появление функции защиты конфиденциальности почты Apple , которая маскирует данные о действиях пользователей. Маркетологи запаниковали при мысли о потере открытых ставок.
• 2022: данные нулевой и первой стороны, которые люди внезапно поняли, что они необходимы, чтобы компенсировать ожидаемую потерю информации сторонних файлов cookie.
• 2023: Появление ChatGPT и других моделей обработки естественного языка, управляемых ИИ (то есть управляемых данными).

Будь то потеря доступа к данным, необходимость поиска новых источников данных или предоставление ему возможности принимать решения за нас, данные лежат в основе этих тенденций.

Данные имеют технологические и философские определения. Это может быть информация, которую компьютер может использовать для обработки, или, как определяет Google, «вещи, известные или предполагаемые как факты, составляющие основу рассуждений или расчетов» (выделено мной).

В этой «или предполагаемой» части мы можем ошибиться с данными. Люди всегда говорят: «Цифры не лгут». Данные могут не лгать, но они также могут не означать то, что вы думаете.

Копните глубже: почему мы заботимся о маркетинге, управляемом данными

Хорошая сторона данных

Я могу рассказать вам то, что вы уже знаете о данных, но выслушайте меня. Мы ежедневно полагаемся на данные, как в очевидных вещах, так и в неочевидных (если использовать термин Рохита Бхаргавы).

Для маркетологов по электронной почте очевидными являются маркетинговые данные, которые мы используем при создании и структурировании кампаний, выборе аудитории, измерении успеха и принятии следующих шагов. Вот почему электронный маркетинг так полезен. Он генерирует данные, которые мы можем применять во всей маркетинговой экосфере.

Тогда есть неочевидная ценность. Наши данные электронной почты могут информировать другие маркетинговые каналы и даже выходить за рамки маркетинговой команды, чтобы поддерживать обслуживание клиентов, бизнес-операции и многое другое во всей компании.

Наши кампании подобны постоянному источнику маркетинговых исследований. Поскольку люди, которым мы посылаем электронные письма, являются нашими потенциальными и существующими клиентами, мы ежедневно подключаемся, отслеживаем и оцениваем нашу клиентскую базу.

Вдобавок ко всему, современные маркетинговые технологии упрощают сбор данных. Мы находим данные повсюду — в наших ESP, платформах автоматизации, CRM, механизмах электронной коммерции. Цифры пролетают мимо нас так быстро, что мы не успеваем их все успеть.

Но это моя точка зрения. Нам не нужны все числа, идущие на нас. Нам нужно знать, что такое правильные числа и что они означают — в этом мы часто ошибаемся.

Копните глубже: Почему мы заботимся об электронном маркетинге: руководство маркетолога

«Понимание, понимание, понимание», а не «данные, данные, данные»

Как прекрасно выразился мой хороший друг Чад С. Уайт, автор книги «Правила электронного маркетинга»:

— Вы говорите о «данные-данные-данные». Я не сторонник данных. Никому не нужны данные. На самом деле им нужны идеи, а аналитика — это то, как вы находите идеи, которые скрываются в ваших данных.

Данные будут вести вас неправильно много. Вы должны убедиться, что вы приносите свои знания о своих клиентах, свои знания о своем бизнесе и анализируете эти данные, чтобы выжать все дерьмо и остаться с золотыми вещами.

В данных много неточностей. Итак, озарения, озарения, озарения. Это то, чего мы хотим».

– Чад С. Уайт во время основного доклада на конференции ANA-Email Evolution в Вашингтоне, округ Колумбия.

Вы можете собрать все данные, которые хотите, но вы также должны отделить нужные данные от посторонних, важных от не относящихся к делу и настоящих от фальшивых, чтобы узнать, что это на самом деле означает.

Мы собираем данные не для заполнения бункеров данных, озер и складов, а для того, чтобы использовать их, чтобы понять наших клиентов и оценить, насколько хорошо работают наши маркетинговые программы. Все остальное, что мы делаем как маркетологи, зависит от этих усилий.

Таким образом, когда мы собираем неверные данные или ищем значения, которые данные не могут дать, может быть вредно, потому что, как говорит Уайт, это направляет нас по ложному пути. Неправильные данные так же плохи, как и отсутствие данных, а может быть и хуже, потому что они могут дать вам ложное чувство безопасности и достижения.

Если вы используете данные электронной почты, чтобы информировать ваш бренд о вашей аудитории и принимать решения за пределами отдела маркетинга, представьте себе хаос, если вы основываете свои идеи на ошибочной аналитике.

Когда хорошие данные становятся плохими: 3 сценария, на которые стоит обратить внимание

Позвольте мне исправить себя: данные не портятся. Именно то, как мы его используем и интерпретируем, создает проблемы. Когда вы неправильно используете свои данные — преднамеренно или случайно — вы можете увести свою команду и даже свою компанию по длинному и неправильному пути. Это легко сделать, особенно если вы пытаетесь оптимизировать свою программу электронной почты, тестируя различные части, а не просто действуя инстинктивно.

Я не могу сосчитать, как часто клиенты начинали с хороших намерений по тестированию и сбивались с пути, потому что тесты были настроены неправильно или команда пришла к неверным выводам. Вот три сценария, в которых данные могут привести вас к неправильному A/B-тестированию.

1. Оптимизация для неправильной метрики успеха

Электронная почта известна тем, что ее так легко измерить. Слишком часто выбранная нами метрика не отражает истинный успех или провал наших кампаний. Но не будем слишком строги к электронной почте. Маркетологи во всех каналах, от социальных сетей до влиятельного маркетинга, совершают одну и ту же ошибку.

Открытая ставка является очевидным виновником. Эта метрика решает одну проблему, которая преследует как цифровых, так и традиционных маркетологов, — узнать, действительно ли кто-то просматривал наши кампании или просто прокручивал их, переворачивал страницу, выбрасывал каталог или вставал, чтобы перекусить во время рекламы. Неудивительно, что в качестве критерия успеха мы использовали высокие показатели открытия.

Но эти большие открытые ставки часто не переводятся в такие важные показатели, как доход от кампании, заказы, размеры корзины, повторные покупки и другие показатели, связанные с кампанией. Если вы используете интригующую строку темы, чтобы оптимизировать открываемость, многие люди могут открыть это письмо из любопытства, а затем не перейти по ссылке. Таким образом, вы получаете экстраординарный показатель открываемости, но ваша кампания не удалась.

Многие маркетологи запаниковали, когда в 2021 году была запущена функция Apple MPP, потому что она маскировала данные об активности электронной почты, такие как открытие, время и местоположение. Они опасались, что потеряют ключевой показатель производительности. Это было своевременным напоминанием для остальных из нас, что показатель открываемости не всегда соответствует целям нашей кампании.

Тем не менее, обходной путь MPP, который многие предлагали — сосредоточиться на частоте кликов, — лишь немного лучший совет. Клики являются более ощутимым доказательством заинтересованности клиентов, чем открытия. Но их тоже можно обыграть, и они не всегда коррелируют с конверсиями.

2. Изменение направления на основе одноразового тестирования

Эта ошибка идет рука об руку с оптимизацией для неправильной метрики успеха. Это происходит, когда вы запускаете один A/B-тест для одной функции, такой как строка темы, призыв к действию, предложение, изображение, основной текст или время суток.

Эти тесты легко сделать. Многие ESP позволяют настроить их всего за несколько кликов. Вы можете даже получить результаты, которые выглядят четкими и неопровержимыми.

«Тема письма А получила 54 % открываемости и 25 % кликабельности. Строка темы B получила 24% открываемости и 12% кликабельности. Тема письма А — победитель! Давайте отныне будем делать все наши темы как строку темы А!»

Это предполагает два факта, которые данные не дают вам:

• A получил больше открытий, чем B, а также лучше конвертировал.
• Ваша аудитория всегда будет лучше реагировать на темы, такие как A.

Одно A/B-тестирование дает вам результаты только для этой кампании, в то время и для этой аудитории. Но ваша аудитория постоянно меняется. Люди, которые открыли и нажали на вашу так называемую выигрышную версию на этот раз, могут быть не теми, кто увидит вашу следующую кампанию. Или увидят, но не ответят тем же.

Изменение подхода к электронной почте на основе одного теста может привести к катастрофе. Вам нужно продолжать тестировать и тестировать различные компоненты и следить за тем, чтобы ваши показатели успеха отражали цели вашей кампании.

Если вы хотите, чтобы люди увидели ваше сообщение, вам может подойти рейтинг открытий или кликов. Но если вы хотите, чтобы они покупали, регистрировали, обновляли, загружали, создавали учетную запись или выполняли какие-либо другие действия, связанные с бизнесом, тогда вы должны продолжать тестирование, чтобы увидеть, что работает с течением времени.

Копните глубже: как тестирование может повысить конверсию вашего электронного маркетинга

3. Использование специальных тестов вместо научных методов

«Ad hoc» — это причудливый термин для «догадки». Вы, по сути, бросаете вещи в стену, чтобы увидеть, что приживется — тестируете один компонент вместо того, чтобы использовать целостный подход, основанный на гипотезах, который учитывает все аспекты кампании.

Когда вы тестируете на лету, вы открываете себя для проблем, с которыми люди сталкиваются, когда они тестируют один компонент, а затем меняют направление на основе этих данных. Опять же, данные не являются неправильными, но выводы, которые вы делаете на основе этих данных, могут быть ошибочными.

Научная проверка с использованием гипотезы с большей вероятностью предоставит значимые данные, потому что она дает вам основу для получения работоспособных идей. Продолжительность теста является одним из примеров. Слишком часто многие решения принимаются слишком рано в ходе A/B-тестирования. Допустим, функция A/B-тестирования вашей почтовой платформы позволяет вам отправить версию A одной выборочной аудитории, состоящей из 10% вашего списка, и версию B — другим 10% вашего списка, подождать пару часов и отправить победителя оставшимся. 80%.

Этот метод может дать полезные результаты, если вы проверяете открытия или клики. Но когда важна конверсия, это не работает. Тест 50/50 больше подходит для расчета успешности на основе конверсии. Это позволяет вам ждать от трех дней до недели, прежде чем объявить победителя и подвести итоги.

Значимые показатели, такие как конверсии, не всегда появляются в первые 2 часа, и оптимизация для этих быстрых результатов может означать оптимизацию для получения неправильного результата. Тест 50/50 также дает больший размер выборки, что также делает тест более надежным.

Сочетание научных методов с целостной методологией тестирования дает вам более широкое представление о вашей аудитории и ее мотивах. Узнайте больше о проблемах тестирования и моем комплексном подходе к тестированию в этой колонке MarTech «7 распространенных проблем, которые мешают успешному тестированию электронной почты A/B/n».

Ваши данные говорят вам правильную историю? Попробуйте эту лакмусовую бумажку

Новые клиенты часто скептически относятся, когда я указываю (дипломатически, конечно!), что эффективность их кампании или данные тестирования не подтверждают сделанные ими выводы. Почему электронная почта не приносит денег, несмотря на то, что у нее отличные показатели открываемости или кликов?

Если вам интересно то же самое, моя лакмусовая бумажка может показать, что происходит, когда вы используете неправильные показатели для объявления успеха или неудачи.

Создайте три списка:

• Топ-10 кампаний с самым высоким показателем открываемости.
• Топ-10 кампаний с самым высоким рейтингом кликов.
• Топ-10 кампаний с наибольшим количеством конверсий или другими целями кампании.

Предполагая, что ваш расчет конверсии не привязан к вашему коэффициенту открытия, а основан на доставленных электронных письмах, вы должны увидеть небольшое совпадение между тремя наборами кампаний. Теперь посмотрим на кампании в каждой категории. Как выглядят ваши кампании с максимальной конверсией по сравнению с теми, которые получили наибольшее количество открытий или кликов?

Использовали ли вы более длинные строки темы, которые действовали как сортировщики входящих сообщений, обращаясь к вашим наиболее мотивированным клиентам? Использовались ли в содержании сообщения более длинные или короткие тексты, конкретные или общие призывы к действию? Была ли кампания одного типа, например, флэш-распродажи, более эффективной, чем кампания новых коллекций?

Когда вы изучаете данные таким образом, обращая внимание на значимые результаты, а не на данные, которые легче всего собрать, вы сможете достичь цели Уайта: «проанализировать эти данные, чтобы выжать из них все дерьмо и оставить только самое главное». вещи из золота».