Как количественно оценить окупаемость данных с помощью сборников решений

Я разговаривал с вице-президентом по маркетингу в крупной розничной сети об их проблемах с данными. Я ожидал, что они спросят меня о том, как получить больше (или лучше) данных, рекомендации по ИИ или какие технологии ему следует изучить. Вместо этого он удивил меня, когда сказал, что его команде нужно меньше данных и больше идей.

Я наблюдаю аналогичные изменения в других компаниях. Становится все более очевидным, что сбор большего количества данных не сдвинет иглу. Компании хотят, чтобы их данные помогали им принимать более обоснованные решения, и их увеличение не всегда является решением.

Вот несколько идей о том, как получить больше информации, не нуждаясь в дополнительных данных.

Неработающая ссылка в данных

Одержимость данными защитила эту область от глубокого изучения. Мало кто будет спорить с важностью данных, хотя не всегда ясно, действительно ли они помогают.

Это потому, что отсутствует связь между этим и бизнес-результатами. Честно говоря, связь не всегда очевидна. В отличие от других вещей, таких как платная реклама или торговые представители, причинно-следственную связь может быть трудно доказать. Данные помогли вам увеличить продажи или что-то еще?

Нечеткость помешала компаниям количественно оценить истинную окупаемость данных. Поскольку рентабельность инвестиций сложно измерить, многие компании вообще избегают обсуждения. Данные рассматриваются как эксплуатационные расходы, не требующие анализа затрат.

Так не должно быть.

Macy's — отличный пример того, как данные помогают принимать более правильные решения и приносят ощутимую пользу. В частности, это позволило им избежать избытка запасов, от которого страдают другие розничные продавцы. Глядя на покупательские привычки своих клиентов (через кобрендинговые кредитные карты), они заметили, что больше тратят на услуги. Это согласуется с другими экономическими показателями и ростом расходов в других сферах услуг, таких как путешествия.

Руководящая группа Macy's проводит ежемесячные собрания, на которых они обсуждают все эти данные и сосредотачиваются на определении того, что стоит за этими данными. На одном из них они решили изменить свои предстоящие заказы и купить больше продуктов, чтобы вернуться в офис или в отпуск.

Данные помогли Macy's избежать дорогостоящих потерь запасов и показывают, как можно исправить неработающую связь в данных. По сути, у Macy's есть четкий процесс принятия решений на основе данных. Хотя у вас может не быть таких же ресурсов, как у Macy's, вы можете добиться многих из тех же преимуществ, воспользовавшись простой идеей: схемами принятия решений .

Копните глубже: почему мы заботимся о маркетинге, управляемом данными

Количественная окупаемость данных с помощью сборников решений

Предполагается, что данные помогают людям принимать более взвешенные решения. Проблема в том, что то, как люди принимают решения, во многих компаниях непрозрачно.

Здесь на помощь приходят схемы принятия решений. Сборник решений — это документ, в котором описываются точные шаги, необходимые для принятия решения. Допустим, ваша команда хочет провести A/B-тестирование ключевой части воронки конверсии. Знаете ли вы, что все решения необходимы для запуска и оценки любого данного теста?

Вот краткий список того, что вам нужно решить.

• Шаг 1 : Определите самую большую область возможностей.
• Шаг 2 : Найдите KPI для измерения успеха.
• Шаг 3 : Разработайте тест, включая несколько вариантов.
• Шаг 4 : Оцените влияние теста.
• Шаг 5 : Зафиксируйте полученные знания для будущих тестов.

Вы уже видите, откуда поступают данные. Шаги 1–3 будут использовать некоторый анализ данных. Другие решения также могут включать некоторые данные, когда вы углубитесь в вещи.

В сборнике решений будут изложены все решения, необходимые для успешного проведения A/B-тестирования. Что еще более важно, четкий сценарий помогает понять, какую роль играют данные. После того, как вы пройдете по учебнику, вы сможете определить полученную ценность (например, увеличение продаж на 5%).

Данные — не единственное, что способствует успеху, поэтому мы не можем приписать им 100% ценности. По моему опыту, атрибуция 10%-20% является разумной. Если мы возьмем нижний предел 10%, мы сможем увидеть ценность данных для вашей организации.

Процесс здесь не сложный. Если вы последовательно фиксируете ценность, создаваемую ключевыми решениями, а затем приписываете часть ее данным, вы начнете оправдывать ценность ваших данных. Лучше всего то, что вы можете увидеть, как это число меняется со временем.

Копните глубже: почему тестирование — самый мощный инструмент маркетолога

Получите МарТех! Повседневная. Свободно. В вашем почтовом ящике.

Обработка... ПОДПИСАТЬСЯ

См. условия.

Создание собственных сборников игр

Каждая маркетинговая команда может начать использовать сборники решений. Однако вам нужен проверенный подход, чтобы быстро приступить к работе. Вот как я обычно помогаю компаниям привнести последовательность в процесс принятия решений.

1. Повысить осведомленность о последовательном принятии решений

Многие команды часто получают противоречивые результаты. Некоторые кампании великолепны, в то время как другие промахиваются. Различие сводится к тому, как принимались решения. Без плейбука может быть сложно оптимизировать такие решения.

2. Определите наиболее важные решения, которые принимает ваша команда

A / B-тесты, новые кампании, стратегии выхода на рынок и другие, как правило, находятся в верхней части списка. Это решения, которые происходят регулярно и требуют значительных затрат времени или ресурсов.

3. Спроектируйте идеальный процесс принятия решений и сравните его с тем, что есть сейчас.

Вы обнаружите, что некоторые шаги часто пропускаются, а другие выполняются не полностью. Общие несоответствия, которые я вижу, включают отсутствие проверки используемых данных, отсутствие согласования с общей стратегией и отсутствие обратной связи от остальной части команды.

4. Обучите всех соответствующих людей схеме принятия решений

Плейбук — это то, на что каждый может ссылаться, когда сталкивается с этими решениями. Точно так же, как врачи или пилоты используют контрольный список — несмотря на тысячи часов обучения — маркетинговые команды также нуждаются в рекомендациях о том, как каждый раз принимать наилучшие решения.

Вы не можете полагаться на удачу

Маркетинговые команды не могут полагаться на удачу при принятии решений. Надеясь, что они рассмотрели все соответствующие данные и правильно интерпретировали результаты.

Схемы принятия решений начнут прояснять связь между данными и идеями. Это позволит командам обосновать свои расходы в этой области и, что самое главное, будет способствовать принятию решений на основе данных.

Все начинается с принятия решения о том, как извлечь больше пользы из ваших данных.

Мнения, выраженные в этой статье, принадлежат приглашенному автору, а не обязательно MarTech. Штатные авторы перечислены здесь.

Добавьте MarTech в свою ленту новостей Google.

---