3 วิธีที่ข้อมูลชี้นำคุณผิด — และวิธีรวบรวมข้อมูลเชิงลึกที่ดีขึ้น

นักการตลาดสมัยใหม่หมกมุ่นอยู่กับข้อมูล — และด้วยเหตุผลที่ดี มันให้ทิศทางและแจ้งกลยุทธ์ของเรารวมถึงประโยชน์อื่น ๆ อีกมากมาย แต่ไม่ใช่ว่าข้อมูลทั้งหมดจะมีประโยชน์หรือเป็นประโยชน์เท่ากัน ชุดข้อมูลที่ไม่ถูกต้องอาจสร้างความเสียหายต่อโปรแกรมการตลาดของคุณได้พอๆ กับที่ไม่มีเลย

การรู้วิธีระบุข้อมูลที่ถูกต้องเป็นสิ่งสำคัญ ดังนั้นข้อมูลเชิงลึกของคุณจะเป็นแนวทางในการตัดสินใจได้อย่างถูกต้อง ในบทความนี้ ฉันจะจัดการกับสามวิธีที่การใช้ข้อมูลในทางที่ผิดอาจส่งผลเสียต่อความพยายามทางการตลาดของเรา และวิธีการทดสอบแบบองค์รวมที่สามารถช่วยรวบรวมข้อมูลเชิงลึกที่ดีขึ้นได้อย่างไร

หัวใจของแนวโน้มทางการตลาดที่สำคัญคือข้อมูล

ดูแนวโน้มที่ได้รับความสนใจจากนักการตลาดในช่วงสามปีที่ผ่านมา:

• 2021: การเพิ่มขึ้นของฟีเจอร์ Mail Privacy Protection ซึ่งปกปิดข้อมูลกิจกรรมของผู้ใช้ นักการตลาดตื่นตระหนกเมื่อคิดว่าจะสูญเสียอัตราการเปิด
• 2022: ข้อมูลจากบุคคลที่หนึ่งและเป็นศูนย์ ซึ่งผู้คนตระหนักได้ทันทีว่าจำเป็นต้องชดเชยการสูญเสียข้อมูลคุกกี้ของบุคคลที่สามที่รอดำเนินการ
• 2023: การเพิ่มขึ้นของ ChatGPT และรูปแบบการประมวลผลภาษาธรรมชาติอื่นๆ ที่ขับเคลื่อนด้วย AI (หมายถึงขับเคลื่อนด้วยข้อมูล)

ไม่ว่าจะเป็นการสูญเสียการเข้าถึงข้อมูล ต้องหาแหล่งข้อมูลใหม่ หรือให้อำนาจในการตัดสินใจแทนเรา ข้อมูลคือหัวใจของแนวโน้มเหล่านี้

ข้อมูลมีคำจำกัดความทางเทคโนโลยีและปรัชญา อาจเป็นข้อมูลที่คอมพิวเตอร์สามารถใช้ในการประมวลผล หรือตามที่ Google ให้คำจำกัดความว่า “สิ่งที่ทราบ หรือสันนิษฐาน ว่าเป็นข้อเท็จจริง ซึ่งเป็นพื้นฐานของการให้เหตุผลหรือการคำนวณ” (เน้นที่เหมือง)

ส่วน "หรือสันนิษฐาน" นั้นเป็นที่ที่เราสามารถผิดพลาดกับข้อมูลได้ ผู้คนมักจะพูดว่า “ตัวเลขไม่โกหก” ข้อมูลอาจไม่โกหก แต่ก็อาจไม่ได้หมายความตามที่คุณคิดเช่นกัน

เจาะลึก: ทำไมเราถึงสนใจการตลาดที่ขับเคลื่อนด้วยข้อมูล

ด้านดีของข้อมูล

ฉันอาจจะบอกคุณในสิ่งที่คุณรู้อยู่แล้วเกี่ยวกับข้อมูล แต่โปรดฟังฉัน เราพึ่งพาข้อมูลทุกวันทั้งในสิ่งที่ชัดเจนและไม่ชัดเจน (ขอยืมศัพท์จาก Rohit Bhargava)

สำหรับนักการตลาดทางอีเมล ข้อมูลที่ชัดเจนรวมถึงข้อมูลทางการตลาดที่เราใช้เมื่อสร้างและจัดโครงสร้างแคมเปญ การเลือกผู้ชม การวัดความสำเร็จ และดำเนินการขั้นตอนต่อไป นี่คือเหตุผลที่การตลาดผ่านอีเมลมีประโยชน์มาก สร้างข้อมูลที่เราสามารถนำไปใช้ได้ทั่วทั้งระบบนิเวศทางการตลาด

จากนั้นมีค่าที่ไม่ชัดเจน ข้อมูลอีเมลของเราสามารถแจ้งช่องทางการตลาดอื่นๆ และทำได้นอกเหนือไปจากทีมการตลาดเพื่อสนับสนุนการบริการลูกค้า การดำเนินธุรกิจ และอื่นๆ ทั่วทั้งบริษัท

แคมเปญของเราเปรียบเสมือนแหล่งข้อมูลการวิจัยตลาดอย่างต่อเนื่อง เนื่องจากคนที่เราส่งอีเมลถึงคือลูกค้าในอนาคตและลูกค้าปัจจุบันของเรา เราจึงเข้าถึง ติดตาม และวัดผลฐานลูกค้าของเราทุกวัน

เหนือสิ่งอื่นใด เทคโนโลยีการตลาดในปัจจุบันช่วยให้การรวบรวมข้อมูลเป็นเรื่องง่าย เราพบข้อมูลทุกที่ที่เราเปิด — ใน ESP, แพลตฟอร์มการทำงานอัตโนมัติ, CRM, เครื่องมืออีคอมเมิร์ซ ตัวเลขบินผ่านเราไปอย่างรวดเร็วจนเราไม่สามารถจับได้ทั้งหมด

แต่นั่นคือประเด็นของฉัน เราไม่ต้องการให้ตัวเลขทั้งหมดมาที่เรา เราจำเป็นต้องรู้ว่าตัวเลขที่ถูกต้องคืออะไรและหมายความว่าอย่างไร ซึ่งเป็นจุดที่เรามักผิดพลาด

เจาะลึก: ทำไมเราถึงสนใจเกี่ยวกับการตลาดผ่านอีเมล: คู่มือนักการตลาด

'ข้อมูลเชิงลึก ข้อมูลเชิงลึก ข้อมูลเชิงลึก' ไม่ใช่ 'ข้อมูล ข้อมูล ข้อมูล'

ในฐานะเพื่อนที่ดีของฉัน Chad S. White ผู้เขียน “Email Marketing Rules” ได้กล่าวไว้อย่างสมบูรณ์แบบ:

“คุณพูดถึง 'ข้อมูล-ข้อมูล-ข้อมูล' ฉันไม่ใช่แฟนของข้อมูล ไม่มีใครต้องการข้อมูลจริงๆ สิ่งที่พวกเขาต้องการจริงๆ คือข้อมูลเชิงลึกและการวิเคราะห์คือวิธีการค้นหาข้อมูลเชิงลึกที่ซ่อนอยู่ในข้อมูลของคุณ

ข้อมูลจะนำคุณผิดมาก คุณต้องแน่ใจว่าคุณนำความรู้ของคุณเกี่ยวกับลูกค้า ความรู้ของคุณเกี่ยวกับธุรกิจของคุณ และวิเคราะห์ข้อมูลนั้นเพื่อกำจัดสิ่งไร้สาระทั้งหมดและเหลือไว้แต่สิ่งที่มีค่า

ข้อมูลมีความคลาดเคลื่อนอยู่มาก ดังนั้น ข้อมูลเชิงลึก ข้อมูลเชิงลึก ข้อมูลเชิงลึก นั่นคือสิ่งที่เราต้องการ”

– Chad S. White ระหว่างการกล่าวสุนทรพจน์ในการประชุม ANA-Email Evolution Conference ในกรุงวอชิงตัน ดี.ซี.

คุณสามารถรวบรวมข้อมูลทั้งหมดที่คุณต้องการ แต่คุณต้องจัดเรียงข้อมูลที่จำเป็นจากภายนอก ข้อมูลที่เกี่ยวข้องจากข้อมูลที่ไม่เกี่ยวข้อง และข้อมูลจริงจากข้อมูลปลอม เพื่อเรียนรู้ว่าข้อมูลนั้นหมายความว่าอย่างไร

เรารวบรวมข้อมูลไม่ใช่เพื่อเติมเต็มไซโลข้อมูล ทะเลสาบ และคลังสินค้า แต่ใช้เพื่อทำความเข้าใจลูกค้าของเราและวัดว่าโปรแกรมการตลาดของเราทำงานได้ดีเพียงใด ทุกสิ่งทุกอย่างที่เราทำในฐานะนักการตลาดขึ้นอยู่กับความพยายามเหล่านั้น

ดังนั้นจึงอาจเป็นอันตรายได้เมื่อเรารวบรวมข้อมูลที่ไม่ดีหรือมองหาข้อมูลที่มีความหมายซึ่งไม่มีอำนาจที่จะให้ข้อมูล เพราะตามที่ White กล่าว มันชี้นำเราผิด ข้อมูลที่ไม่ถูกต้องก็แย่พอๆ กับที่ไม่มีข้อมูล อาจจะแย่กว่านั้นเพราะอาจทำให้คุณเข้าใจผิดถึงความปลอดภัยและความสำเร็จ

หากคุณใช้ข้อมูลอีเมลเพื่อแจ้งความเข้าใจของแบรนด์ที่มีต่อผู้ชมและขับเคลื่อนการตัดสินใจนอกเหนือจากแผนกการตลาด ลองจินตนาการถึงความสับสนวุ่นวายหากคุณใช้ข้อมูลเชิงลึกจากการวิเคราะห์ที่ผิดพลาด

เมื่อข้อมูลที่ดีเกิดเสีย: 3 สถานการณ์ที่ต้องระวัง

ให้ฉันแก้ไขตัวเอง: ข้อมูลไม่เสียหาย วิธีที่เราใช้และตีความต่างหากที่สร้างปัญหา เมื่อคุณใช้ข้อมูลในทางที่ผิด ไม่ว่าจะโดยเจตนาหรือโดยบังเอิญ คุณสามารถพาทีมและแม้แต่บริษัทของคุณไปสู่เส้นทางที่ยาวไกลและผิดทางได้ ทำได้ง่าย โดยเฉพาะอย่างยิ่งหากคุณพยายามเพิ่มประสิทธิภาพโปรแกรมอีเมลของคุณโดยการทดสอบส่วนต่างๆ และไม่ใช่เพียงดำเนินการตามสัญชาตญาณ

ฉันไม่สามารถนับได้ว่าลูกค้าเริ่มต้นด้วยความตั้งใจในการทดสอบที่ดีและหันเหออกนอกเส้นทางเนื่องจากการทดสอบตั้งค่าไม่ถูกต้องหรือเพราะทีมได้ข้อสรุปที่ไม่ถูกต้องบ่อยเพียงใด ต่อไปนี้คือสามสถานการณ์ที่ข้อมูลอาจทำให้คุณทำการทดสอบ A/B ผิด

1. การเพิ่มประสิทธิภาพสำหรับเมตริกความสำเร็จที่ไม่ถูกต้อง

อีเมลมีชื่อเสียงในด้านการวัดผลที่ง่ายมาก บ่อยครั้งที่เมตริกที่เราเลือกไม่ได้บันทึกความสำเร็จหรือความล้มเหลวที่แท้จริงของแคมเปญของเรา แต่อย่าใช้อีเมลแรงเกินไป นักการตลาดในทุกช่องทางตั้งแต่โซเชียลมีเดียไปจนถึงการตลาดแบบอินฟลูเอนเซอร์ต่างก็ทำผิดพลาดเช่นเดียวกัน

อัตราการเปิดเป็นตัวการที่ชัดเจน ตัวชี้วัดนี้ช่วยแก้ปัญหาหนึ่งที่รบกวนนักการตลาดดิจิทัลและนักการตลาดแบบดั้งเดิม — การรู้ว่ามีคนดูแคมเปญของเราจริง ๆ หรือแค่เลื่อนดูผ่าน ๆ พลิกหน้า โยนแคตตาล็อกออก หรือลุกไปทานของว่างระหว่างโฆษณา ไม่น่าแปลกใจที่เราก้าวกระโดดด้วยอัตราการเปิดที่สูงมากเพื่อเป็นตัวชี้วัดความสำเร็จ

แต่อัตราการเปิดขนาดใหญ่เหล่านั้นมักไม่ได้แปลเป็นเมตริกที่สำคัญ เช่น รายได้จากแคมเปญ คำสั่งซื้อ ขนาดตะกร้า การซื้อคืน และตัวเลขอื่นๆ ที่เกี่ยวข้องกับแคมเปญ หากคุณใช้หัวเรื่องที่น่าสนใจเพื่อเพิ่มประสิทธิภาพสำหรับอัตราการเปิดที่สูงขึ้น ผู้คนจำนวนมากอาจเปิดอีเมลนั้นด้วยความอยากรู้อยากเห็นและไม่ได้คลิกต่อไป คุณได้รับอัตราการเปิดที่ไม่ธรรมดา แต่แคมเปญของคุณล้มเหลว

นักการตลาดจำนวนมากตื่นตระหนกเมื่อฟีเจอร์ MPP ของ Apple เปิดตัวในปี 2021 เนื่องจากฟีเจอร์นี้ปกปิดข้อมูลกิจกรรมอีเมล เช่น การเปิด เวลา และสถานที่ พวกเขากังวลว่าจะสูญเสียเมตริกประสิทธิภาพหลักไป มันเป็นการเตือนให้ทันเวลาสำหรับพวกเราที่เหลือว่าอัตราการเปิดไม่สอดคล้องกับเป้าหมายแคมเปญของเราเสมอไป

อย่างไรก็ตาม คำแนะนำหลายข้อของ MPP คือการเน้นที่อัตราการคลิกเป็นเพียงคำแนะนำที่ดีกว่าเล็กน้อย การคลิกเป็นหลักฐานที่จับต้องได้ของความสนใจของลูกค้ามากกว่าการเปิด แต่ก็สามารถนำมาเล่นได้เช่นกัน และไม่ได้สัมพันธ์กับคอนเวอร์ชั่นเสมอไป

2. การเปลี่ยนทิศทางตามการทดสอบครั้งเดียว

ข้อผิดพลาดนี้เกิดขึ้นพร้อมกันกับการเพิ่มประสิทธิภาพสำหรับเมตริกความสำเร็จที่ไม่ถูกต้อง เกิดขึ้นเมื่อคุณเรียกใช้การทดสอบ A/B เดียวในฟีเจอร์เดียว เช่น หัวเรื่อง คำกระตุ้นการตัดสินใจ ข้อเสนอ รูปภาพ ข้อความเนื้อหา หรือช่วงเวลาของวัน

การทดสอบเหล่านี้ทำได้ง่าย ESP จำนวนมากให้คุณตั้งค่าได้ด้วยการคลิกเพียงไม่กี่ครั้ง คุณอาจได้รับผลลัพธ์ที่ดูชัดเจนและไม่น่าเชื่อถือ

“หัวเรื่อง A มีอัตราการเปิด 54% และอัตราการคลิก 25% หัวเรื่อง B มีอัตราการเปิด 24% และอัตราการคลิก 12% หัวข้อ A เป็นผู้ชนะ! มาทำหัวเรื่องทั้งหมดของเราเหมือนหัวเรื่อง A ต่อจากนี้ไป!”

ซึ่งถือว่าข้อเท็จจริง 2 ประการที่ข้อมูลไม่ได้มอบให้คุณ:

• A เปิดได้มากกว่า B และแปลงได้ดีกว่าด้วย
• ผู้ชมของคุณจะตอบสนองต่อหัวเรื่องเช่น A ได้ดีกว่าเสมอ

การทดสอบ A/B เพียงครั้งเดียวจะให้ผลลัพธ์สำหรับแคมเปญนั้น ณ เวลานั้น กับผู้ชมนั้นเท่านั้น แต่ผู้ชมของคุณเปลี่ยนแปลงตลอดเวลา ผู้ที่เปิดและคลิกสิ่งที่เรียกว่าเวอร์ชันที่ชนะของคุณในครั้งนี้อาจไม่ใช่คนที่เห็นแคมเปญถัดไปของคุณ หรือพวกเขาจะเห็นแต่ไม่ตอบสนองในลักษณะเดียวกัน

การเปลี่ยนวิธีการใช้อีเมลตามการทดสอบเพียงครั้งเดียวอาจนำไปสู่หายนะได้ คุณต้องทดสอบและทดสอบองค์ประกอบต่างๆ ต่อไป และตรวจสอบให้แน่ใจว่าเมตริกความสำเร็จของคุณสะท้อนถึงเป้าหมายแคมเปญของคุณ

หากคุณต้องการให้คนอื่นเห็นข้อความของคุณ อัตราการเปิดหรืออัตราการคลิกก็ใช้ได้ แต่ถ้าคุณต้องการให้พวกเขาซื้อ ลงทะเบียน อัปเกรด ดาวน์โหลด สร้างบัญชี หรือดำเนินการอื่นๆ ที่เกี่ยวข้องกับธุรกิจ คุณต้องทดสอบต่อไปเพื่อดูว่าอะไรใช้ได้ผลเมื่อเวลาผ่านไป

เจาะลึกยิ่งขึ้น: การทดสอบสามารถเพิ่ม Conversion การตลาดผ่านอีเมลของคุณได้อย่างไร

3. อาศัยการทดสอบเฉพาะกิจแทนวิธีการทางวิทยาศาสตร์

“Ad hoc” เป็นคำแฟนซีสำหรับ “การเดา” โดยพื้นฐานแล้ว คุณจะต้องขว้างสิ่งของเข้าใส่กำแพงเพื่อดูว่าสิ่งใดเกาะติด — การทดสอบองค์ประกอบเดียวแทนที่จะใช้แนวทางแบบองค์รวมที่ขับเคลื่อนด้วยสมมติฐานซึ่งพิจารณาทุกแง่มุมของแคมเปญ

เมื่อคุณทำการทดสอบทันที คุณจะเปิดใจรับปัญหาที่ผู้คนพบเมื่อทำการทดสอบส่วนประกอบเดียว แล้วเปลี่ยนทิศทางตามข้อมูลนั้น อีกครั้ง ข้อมูลไม่ผิด แต่ข้อสรุปที่คุณวาดจากข้อมูลนั้นอาจเป็นได้

การทดสอบทางวิทยาศาสตร์โดยใช้สมมติฐานมีแนวโน้มที่จะให้ข้อมูลที่มีความหมายมากกว่า เนื่องจากเป็นกรอบการทำงานสำหรับการได้มาซึ่งข้อมูลเชิงลึกที่ใช้การได้ ระยะเวลาการทดสอบเป็นตัวอย่างหนึ่ง บ่อยครั้งที่มีการตัดสินใจหลายอย่างเร็วเกินไปในการทดสอบ A/B สมมติว่าคุณลักษณะการทดสอบ A/B ของแพลตฟอร์มอีเมลของคุณให้คุณส่งเวอร์ชัน A ไปยังกลุ่มผู้ชมตัวอย่างกลุ่มหนึ่งซึ่งประกอบด้วย 10% ของรายการของคุณ และเวอร์ชัน B ไปยังอีก 10% ของรายการของคุณ รอสองสามชั่วโมงแล้วส่งผู้ชนะไปยังส่วนที่เหลือ 80%

วิธีนี้อาจให้ผลลัพธ์ที่เป็นประโยชน์หากคุณทดสอบการเปิดหรือคลิก แต่เมื่อการแปลงเป็นสิ่งที่สำคัญ มันไม่ได้ผล การทดสอบแบบ 50/50 เหมาะสำหรับการคำนวณความสำเร็จตามการแปลง อนุญาตให้คุณรอสามวันถึงหนึ่งสัปดาห์ก่อนที่จะประกาศผู้ชนะและระบุข้อสรุป

เมตริกที่มีความหมาย เช่น Conversion ไม่ได้เกิดขึ้นใน 2 ชั่วโมงแรกเสมอไป และการเพิ่มประสิทธิภาพเพื่อให้ได้ผลลัพธ์ที่รวดเร็วนั้นอาจหมายถึงการเพิ่มประสิทธิภาพเพื่อให้ได้ผลลัพธ์ที่ไม่ถูกต้อง การทดสอบ 50/50 ยังช่วยให้คุณได้ขนาดตัวอย่างที่มากขึ้น จึงทำให้การทดสอบมีประสิทธิภาพมากขึ้นด้วย

การรวมวิธีการทางวิทยาศาสตร์เข้ากับวิธีการทดสอบแบบองค์รวมจะช่วยให้คุณมีความเข้าใจที่กว้างขึ้นเกี่ยวกับผู้ชมของคุณและสิ่งที่กระตุ้นให้พวกเขา อ่านเพิ่มเติมเกี่ยวกับปัญหาการทดสอบและแนวทางการทดสอบแบบองค์รวมของฉันในคอลัมน์ MarTech นี้ “ปัญหาทั่วไป 7 ประการที่ทำให้การทดสอบอีเมล A/B/n ล้มเหลว”

ข้อมูลของคุณบอกเล่าเรื่องราวที่ถูกต้องหรือไม่? ลองทดสอบกระดาษลิตมัสนี้

ลูกค้าใหม่มักจะสงสัยเมื่อฉันชี้ให้เห็น (แน่นอนว่าทางการฑูต!) ว่าประสิทธิภาพแคมเปญหรือข้อมูลการทดสอบของพวกเขาไม่สนับสนุนข้อสรุปที่พวกเขาได้รับจากมัน เหตุใดอีเมลจึงไม่ทำเงินแม้ว่าจะได้รับอัตราการเปิดหรือคลิกที่ยอดเยี่ยม

หากคุณสงสัยในสิ่งเดียวกัน การทดสอบกระดาษลิตมัสของฉันสามารถเปิดเผยว่าเกิดอะไรขึ้นเมื่อคุณใช้ตัวชี้วัดที่ไม่ถูกต้องเพื่อประกาศความสำเร็จหรือความล้มเหลว

สร้างสามรายการ:

• แคมเปญ 10 อันดับแรกที่มีอัตราการเปิดสูงสุด
• แคมเปญ 10 อันดับแรกที่มีอัตราการคลิกสูงสุด
• แคมเปญ 10 อันดับแรกที่มี Conversion สูงสุดหรือเป้าหมายแคมเปญอื่นๆ

สมมติว่าการคำนวณ Conversion ของคุณไม่ได้เชื่อมโยงกับอัตราการเปิดของคุณ แต่อิงตามอีเมลที่ส่งมา คุณควรเห็นการทับซ้อนกันเพียงเล็กน้อยระหว่างแคมเปญทั้งสามชุด ตอนนี้ ดูที่แคมเปญในแต่ละหมวดหมู่ แคมเปญที่มี Conversion สูงสุดของคุณมีลักษณะอย่างไรเมื่อเทียบกับแคมเปญที่มีการเปิดหรือคลิกมากที่สุด

คุณใช้หัวเรื่องที่ยาวขึ้นซึ่งทำหน้าที่เหมือนตัวจัดเรียงกล่องจดหมายเพื่อดึงดูดลูกค้าที่มีแรงจูงใจมากที่สุดของคุณหรือไม่ เนื้อหาข้อความใช้สำเนาที่ยาวขึ้นหรือสั้นลง คำกระตุ้นการตัดสินใจเฉพาะหรือทั่วไปหรือไม่ แคมเปญประเภทหนึ่ง เช่น การขายแฟลช มีการแปลงดีกว่าแคมเปญคอลเลกชันใหม่หรือไม่?

เมื่อคุณศึกษาข้อมูลด้วยวิธีนี้ โดยมองที่ผลลัพธ์ที่สำคัญแทนที่จะเป็นข้อมูลที่รวบรวมได้ง่ายที่สุด คุณจะสามารถบรรลุเป้าหมายของ White ในการ "วิเคราะห์ข้อมูลนั้นเพื่อขจัดข้อมูลไร้สาระทั้งหมดและเหลือไว้เพียง สิ่งที่เป็นทองคำ”