ทำไมไม่มีใครไฮไฟว์นักวิเคราะห์? คำตอบที่ยากแต่จริงจาก Steen Rasmussen

Mariia Bocheva ได้สัมภาษณ์ที่ยอดเยี่ยมกับ Steen Rasmussen ซึ่งเป็นหนึ่งในผู้เผยแพร่ข่าวประเสริฐด้านการวิเคราะห์เว็บที่มีความสามารถและมีอิทธิพลมากที่สุดที่เรารู้จัก นอกจากนี้เรายังมีบันทึกการพูดคุยของเขาที่ Analyze! การประชุมที่เขากล่าวถึงรายละเอียดที่ช่วยให้เราสร้างภาพที่เชื่อมโยงกันของการวิจัยของเรา

เราได้ตัดสินใจเลิกใช้รูปแบบการสัมภาษณ์แบบเดิมๆ และเปลี่ยนสิ่งนี้เป็นการอ่านที่จำเป็นซึ่งจะช่วยให้นักวิเคราะห์ได้แนวคิดใหม่ๆ

ในบทความนี้:

ประการแรก คำสองสามคำเกี่ยวกับ Steen Rasmussen: ปัจจุบันเขาเป็น Web Analytics Evangelist ผู้อำนวยการ และสมาชิกคณะกรรมการของ IIH Nordic เขายังสามารถอ้างสิทธิ์อย่างถูกต้องว่าเป็นหนึ่งในผู้กำหนดกรอบของการวิเคราะห์สมัยใหม่ IIH Nordic เป็นหนึ่งในบริษัทเหล่านั้นที่มีระบบนิเวศข้อมูลที่ไม่เหมือนใครและวัฒนธรรมที่ขับเคลื่อนด้วยการทดลอง ซึ่งทุกอย่างได้รับการออกแบบมาเพื่อส่งเสริมการทำงานที่มีความหมายและมีประสิทธิภาพ ตัวอย่างเช่น พวกเขามีระดับองค์กรที่พวกเขาทำงานเพียงสี่วันต่อสัปดาห์ในขณะที่จัดการกับปริมาณงานของการทำงานห้าวันในสัปดาห์

ฟังดูเหมือนความฝันใช่มั้ย? มาดูกันว่าสตีนจะแบ่งปันอะไรกับเราบ้าง

ใครบอกคุณว่าการเป็นนักวิเคราะห์ที่ดีต้องเต็มไปด้วยทักษะและเครื่องมือ? หรือว่าการเป็นนักวิเคราะห์เป็นงานที่ปลอดภัยที่คุณทำรายงานและผ่อนคลายจนกว่าจะถึงเวลารายงานครั้งต่อไป?

การมีความเข้าใจที่ชัดเจนว่าเหตุใดคุณจึงได้รับการว่าจ้าง และคุณค่าที่คุณมอบให้กับบริษัทมีความสำคัญต่อความสำเร็จของคุณ นักวิเคราะห์ทำงานเพื่อให้ข้อมูลเชิงลึกแก่ธุรกิจเพื่อให้บรรลุเป้าหมายหลักสองประการ:

1. ลดต้นทุนพร้อมเพิ่มผลกำไร
2. หาลูกค้าใหม่และรักษาลูกค้าเดิมไว้

นี่คือเป้าหมายหลักของงานของนักวิเคราะห์ และงานแต่ละงานที่ดำเนินการและรายงานที่สร้างขึ้นควรเริ่มต้นจากเป้าหมายที่อธิบายไว้ในสไลด์ด้านบน

เครื่องมือวิเคราะห์ เทคโนโลยี และแนวทางเป็นเครื่องมือเท่านั้น และแม้ว่าพวกเขาจะมีอิทธิพลต่อคุณภาพของบริการที่มีให้ แต่ก็ไม่สามารถรับประกันความเข้าใจอย่างลึกซึ้งเกี่ยวกับความต้องการทางธุรกิจได้ นั่นขึ้นอยู่กับนักวิเคราะห์ เครื่องมือที่คุณเลือกไม่จำเป็นต้องเป็นชุดเครื่องมือของ Google แต่เป็นส่วนผสมของเครื่องมือที่เหมาะกับองค์กรของคุณ​

ใช่ นักวิเคราะห์ทุกคนทำงานอย่างหนักเพื่อขับเคลื่อนบริษัทของตนให้ก้าวไปข้างหน้า แต่บ่อยครั้งไม่มีใครชมเชยพวกเขาสำหรับการทำงานหนักนี้ สาเหตุหลักที่เกิดขึ้นคือเพื่อนร่วมงานเห็นผลงานของนักวิเคราะห์ดังนี้:

มันดูดีมาก แต่เราควรจะทำอย่างไรกับสิ่งเหล่านี้?

คุณเคยได้ยินคำถามที่คล้ายกันหรือไม่? สิ่งนี้จะเกิดขึ้นเมื่อผู้คนไม่รับรู้ถึงคุณค่าที่นักวิเคราะห์มอบให้

เพื่อนร่วมงานของคุณไม่ได้ใจร้ายหรือมีภูมิคุ้มกันต่อการวิเคราะห์ พวกเขาแค่ต้องตัดสินใจอย่างถูกต้องตลอดเวลาภายใต้แรงกดดันของตลาดที่ไม่เป็นมิตรอีกต่อไป

และนี่คืออีกด้านหนึ่งของเหรียญ: คุณจะได้สัมผัสกับเอฟเฟกต์ Dunning-Kruger หรืออคติในการเอาตัวรอด แม้แต่ในบริษัทที่พัฒนาข้อมูลส่วนใหญ่ เพราะนั่นเป็นธรรมชาติของผู้คน พวกเขาไม่เชื่อว่าการวิเคราะห์นั้นยากนัก และทำการสรุปโดยอาศัยข้อมูลที่มีอยู่

หรือบางครั้งนักวิเคราะห์ให้ความสำคัญกับตัวเลขมากเกินไป ไม่ใช่ข้อมูลเชิงลึกหรือคำแนะนำว่าควรทำอย่างไร แต่การเน้นย้ำข้อมูลที่ไม่มีวันสมบูรณ์แบบ 100% รวมกับความไม่แน่นอนในการตัดสินใจทางธุรกิจ จะไม่สามารถช่วยให้อะไรดีขึ้นได้

นักวิเคราะห์ควรพยายามอย่างเต็มที่เพื่อ:

• สื่อสารสิ่งที่พวกเขารู้ในแง่ที่เข้าใจได้
• พัฒนาความเห็นอกเห็นใจผู้คนที่จะทำงานกับตัวเลขของพวกเขา
• อย่าตกลงไปในเหวข้อมูลโดยไม่มีสมมติฐานที่จะดึงตัวเองกลับออกมา โปรดจำไว้เสมอว่าเหตุใดคุณจึงทำการวิเคราะห์
• แปลผลการวิเคราะห์เป็นวิธีแก้ปัญหาสำหรับคน ทำให้ผู้คนเข้าใจว่าข้อมูลสามารถนำพวกเขาไปได้ไกลแค่ไหน ให้ความรู้เพื่อนร่วมงานของคุณเกี่ยวกับวิธีการใช้การวิเคราะห์ข้อมูลในงานของพวกเขา
• ปลูกฝังการวิจารณ์ตนเองที่ดีต่อสุขภาพ นำความคิดของคุณไปที่โต๊ะทำงานและอย่ากลัวที่จะล้มเหลว

นี่คือข้อผิดพลาดที่ใหญ่ที่สุดบางส่วนที่นักวิเคราะห์สามารถทำได้:

ไม่ตรวจสอบฉบับหยาบ

​หากไม่มีการตรวจสอบตัวเลขซ้ำในผลลัพธ์ นักวิเคราะห์อาจสูญเสียความน่าเชื่อถืออย่างมาก คุณควรตรวจสอบกับระบบอื่น ๆ และดำเนินการตรวจสอบความเป็นจริงแบบธรรมดาเสมอ – ผลลัพธ์ของคุณมีอยู่จริงหรือไม่? สามารถมีการเปิดดูหน้าเว็บโดยเฉลี่ย 89 ครั้งภายในสามนาทีได้หรือไม่? เมื่อคุณสงสัยในตัวเองและเข้มงวดกับตัวเอง คุณเป็นมากกว่าผู้เชี่ยวชาญ – คุณเป็นผู้เชี่ยวชาญที่เชื่อถือได้

หลีกเลี่ยงการให้คำแนะนำหรือตอบคำถามเพิ่มเติมเพื่อหลีกเลี่ยงความเสี่ยงที่จะดูโง่

​นักวิเคราะห์อาจไม่กล้าเปิดเผยตัวเลขเพิ่มเติมใดๆ กล้าที่จะแบ่งปันตัวเลข มันเป็นทักษะที่ยอดเยี่ยม แม้ว่าคุณจะทำผิดพลาดไปแล้วบ้าง แม้ว่าจะถูกกล่าวถึง และแม้ว่าความคิดของคุณจะถูกตั้งคำถามก็ตาม อย่าละเลยความคิดสร้างสรรค์ของคุณในขณะที่ทำในสิ่งที่ถูกถามโดยอัตโนมัติ อยากรู้อยากเห็น สร้างสรรค์ และกล้าหาญอยู่เสมอ

นักวิเคราะห์สร้างรายงานตามข้อมูลที่พวกเขามีอยู่ในขณะนี้ และบางครั้งรายงานเหล่านี้ก็อธิบายข้อเท็จจริงที่ชัดเจนอย่างน่าเบื่อหน่าย แล้วต้องทำอย่างไร? คุณเป็นนักวิเคราะห์ที่ไม่ดีในการทำเช่นนั้นหรือไม่?

โปรดจำไว้เสมอว่าข้อมูลบางส่วนที่คุณมีอยู่อาจไม่ถูกต้องหรือเสียหาย ไม่มีข้อมูลปริมาณมากเนื่องจากคุณไม่ได้รวบรวม และยังมีข้อมูลอีกมากมายที่คุณยังนึกไม่ถึง

งานหนึ่งของนักวิเคราะห์คือการผลักดันขีดจำกัดของข้อมูลที่มีอยู่เพื่อตอบคำถามสำหรับผู้บริหารและเพื่อนร่วมงาน ไม่ได้พยายามค้นหาสิ่งที่ฟังดูเหมือนคำตอบในสิ่งที่คุณมีอยู่แล้ว แต่เป็นการปลูกฝังข้อมูลของบริษัท ไม่พยายามหาการสนับสนุนสำหรับสมมติฐานของคุณในขณะที่เพิกเฉยต่อหลักฐานที่โต้แย้ง พยายามครอบคลุมทุกสิ่งที่คุณสามารถเข้าถึงได้ และจำไว้ว่าแม้หลังจากนั้น จะมีข้อมูลให้รวบรวมมากขึ้น

คุณจะเข้าถึงข้อมูลได้มากกว่าที่คุณมีอยู่แล้วได้อย่างไร แนวทางหนึ่งที่คุณอาจใช้เพื่อเสริมข้อมูลการตลาดของคุณคือการพิจารณาแต่ละแคมเปญโฆษณา ไม่เพียงแต่เป็นแหล่งของลีดเท่านั้น แต่ยังเป็นแหล่งข้อมูลอีกด้วย คุณสามารถเปิดตัวทั้งแคมเปญเพื่อรับข้อมูล เช่นเดียวกับการเปิดตัวแคมเปญการทดสอบ A/B แต่ละแคมเปญเพื่อค้นหาว่าอะไรทำงานได้ดีกว่ากัน

การทดสอบ A/B เป็นเครื่องมือที่ยอดเยี่ยมและมีคุณค่ามาอย่างยาวนาน แต่เวลาเปลี่ยนไปแล้ว และตรรกะของการทดสอบ A/B ก็เกิดขึ้นเมื่อข้อเท็จจริงบนพื้นดินแตกต่างกัน

ทุกครั้งที่เราตัดสินใจว่า A ดีกว่า B หรือ B ดีกว่า A เราจะไม่รวมผู้เยี่ยมชมบางรายที่ต้องการเวอร์ชันอื่น… ดังนั้นเราจึงจำกัดขอบเขตธุรกิจของเราทุกครั้งที่เราทำ

จากมุมมองนี้ เราพบว่าการทดสอบ A/B ไม่ใช่เครื่องมือที่ดีที่สุดสำหรับการเปิดใช้งานข้อมูลอีกต่อไป สิ่งที่น่าสนใจคือตอนนี้เราสามารถนำเสนอรูปแบบ A ให้กับผู้ที่ชอบ A และเสนอ B สำหรับผู้ที่เลือกรูปแบบอื่น นี่เป็นหนึ่งในความเป็นไปได้ที่นำเสนอโดยความเร็วในการรวบรวมและเปิดใช้งานข้อมูลที่ทันสมัย วันนี้คุณไม่จำเป็นต้องเลือก คุณสามารถสร้างความพึงพอใจให้กับลูกค้าให้ได้มากที่สุด

ดังนั้นอย่ายึดติดกับความคิดอย่างใดอย่างหนึ่ง/หรือความคิด เปลี่ยนแนวทางของคุณในการใช้ข้อมูลเชิงลึก Google Optimize และเครื่องมือปรับแต่งส่วนตัวอื่นๆ จะช่วยคุณได้

เรามาดูกันว่าภัยคุกคามอื่น ๆ ที่อาจรอนักวิเคราะห์ในช่วงกลางของวันมีอะไรบ้าง

วิธีที่ดีที่สุดในการทำความเข้าใจประเด็นนี้คือการสร้างแบบจำลองการแบ่งส่วนสำหรับร้านค้าออนไลน์ทั่วไป

ในสไลด์ด้านบน คนที่ซื้อจากคุณไปแล้วจะอยู่แถวสีเขียว นอกจากนี้ยังมีผู้ที่ไม่เคยซื้อจากคุณ – พวกเขาอยู่บนเส้นสีแดง การกระจายงบประมาณการโฆษณาโดยทั่วไปจะไม่ยกเว้นส่วนใดๆ เหล่านี้เนื่องจาก:

1. ทีมการตลาดจะพยายามให้ผู้ชมเส้นสีแดงสนใจ คนเหล่านี้อาจคลิกโฆษณาและทำให้เสียงบประมาณ แต่ก็ยังไม่ซื้ออะไรเลย
2. การตลาดจะพยายามเอาคืนผู้ที่ซื้อจากคุณไปแล้วโดยเสนอส่วนลดและขาดทุนกำไรให้พวกเขา

สิ่งนี้เกิดขึ้นเพราะมันเป็นวิธีการทำงานของการตลาด และทุกคนก็คุ้นเคยกับมัน แต่ถ้าคุณปรับเปลี่ยนระบบอัตโนมัติและเน้นการโฆษณาของคุณที่กลุ่มกลาง ลงทุนทรัพยากรทั้งหมดที่คุณมีเพื่อปลูกฝังผู้ชมประเภทนี้ คุณจะได้รับรายได้เพิ่มขึ้นอย่างแท้จริงแม้ในอุตสาหกรรมที่ยากที่สุด ดังนั้น คำแนะนำที่ดีที่สุดสำหรับนักการตลาดและนักวิเคราะห์ที่เกี่ยวข้องกับการตัดสินใจเกี่ยวกับการกระจายงบประมาณการโฆษณาคือ คุณต้องเข้าใจข้อมูลของคุณอย่างถูกต้อง

ช่วงเวลานี้เป็นโอกาสที่จะเปลี่ยนจากการซักข้อมูลเป็นการจัดการข้อมูล เครื่องการตลาดอัตโนมัติยังคงเป็นเพียงเครื่องมือที่จัดการโดยนักวิเคราะห์ที่ชาญฉลาด

จริยธรรมไม่ใช่แง่มุมของงานของนักวิเคราะห์ที่มีการพูดคุยกันอย่างกว้างขวาง แต่ในขณะเดียวกันก็ส่งเสริมผลประโยชน์ของธุรกิจ การรักษาจริยธรรมในการทำงานของคุณเป็นสิ่งสำคัญ จำสิ่งที่เกิดขึ้นกับ Cambridge Analytica เมื่อสองสามปีก่อนได้ไหม? ลูกค้าปลายทางสนใจที่ที่คุณนำข้อมูลของพวกเขาไปและสิ่งที่คุณทำจริงๆ บริษัทของคุณอาจจ่ายราคามหาศาล หากคุณรวบรวมและจัดเก็บข้อมูลโดยไม่สนใจ ไม่ปกป้องข้อมูลที่ยืมมา หรือใช้เพื่อจัดการกับบุคคลโดยไม่ได้รับอนุญาต

คุกกี้ นโยบายความเป็นส่วนตัว และช่องทำเครื่องหมายเป็นเพียงขั้นตอนแรกในการรักษาความสัมพันธ์ระหว่างลูกค้าและเว็บไซต์ที่ใช้ข้อมูลส่วนบุคคล นักวิเคราะห์อาจพบว่าข้อจำกัดเหล่านี้ไม่ยุติธรรมเพราะนำไปสู่ข้อมูลที่กระจัดกระจาย และบางครั้ง การทดลองกับข้อมูลส่วนบุคคลของลูกค้าอาจเป็นเรื่องที่น่าสนใจในทางเทคนิค แต่น่าสงสัยจากมุมมองด้านจริยธรรม

อีกทั้งไม่มีพื้นที่ปลอดภัยสำหรับเด็กบนเว็บ เด็ก ๆ ใช้สมาร์ทโฟนมากกว่าผู้ใหญ่และโพสต์ข้อมูลส่วนบุคคลจำนวนมากทางออนไลน์ นี่เป็นความท้าทายด้านจริยธรรมใหม่ที่นักการตลาดและนักวิเคราะห์ต้องเผชิญ เราสามารถขายออนไลน์ให้กับเด็กที่อยู่ในความดูแลของพ่อแม่ได้หรือไม่? เราสามารถแสดงโฆษณาแก่เด็กได้ตั้งแต่อายุเท่าไหร่โดยไม่กระทบต่อสิทธิของพวกเขา?

กรณีเดียวที่คุณไม่ต้องการการวิเคราะห์คือเมื่อคุณจะไม่ใช้ หากคุณไม่ต้องการใช้ผลการวิเคราะห์ของคุณจริงๆ ก็ไม่ต้องเสียเงินไปกับมัน

วิธีการใช้จ่ายเงินในการวิเคราะห์เป็นเรื่องที่แตกต่างไปจากเดิมอย่างสิ้นเชิง แต่จำไว้ว่าการวิเคราะห์การตลาดคือการลงทุน และจะต้องเพิ่ม ROI เพื่อให้คุ้มค่า

ทำกล่องเครื่องมือของคุณให้สมบูรณ์โดยพิจารณาถึงผลกำไรที่แต่ละเครื่องมือสามารถนำมาได้ ไม่ใช่ความนิยมหรือความเจ๋งของมัน และจำไว้ว่าเครื่องมือแต่ละอย่างมีขีดจำกัดและถูกสร้างขึ้นมาเพื่อช่วยคุณ ไม่ใช่มาแทนที่คุณ

คำแนะนำเพิ่มเติมสำหรับนักวิเคราะห์:

1. หยุดเปรียบเทียบอัตราการแปลงของคุณกับค่าเฉลี่ย นี่ไม่ใช่พื้นฐานที่ดีที่สุดสำหรับการเติบโต สิ่งที่คุณควรเปรียบเทียบคืออัตราการแปลงปัจจุบันของคุณกับอัตราการแปลงจากเดือนก่อนหน้า กำหนดเกณฑ์มาตรฐานให้กับตัวเอง เอาชนะตัวเองทุกครั้ง และการเติบโตที่มั่นคงจะไม่ใช่ความฝัน แต่เป็นเรื่องจริง
2. หยุดพึ่งพาตัวชี้วัดเฉลี่ย เพราะค่าเฉลี่ยซ่อนข้อมูลที่สำคัญจริงๆ…และร่างกาย บางครั้งคนเกียจคร้านและคิดแบบเส้นตรง และเราดีใจมากที่เห็นตัวเลขที่ทำให้เราพอใจ แต่เมื่อเราลงลึกไปกว่านี้ เราสารภาพกับตัวเองว่าเหตุการณ์ Conversion (เช่น การคลิกของแคมเปญ Google AdWords) อาจไม่นำไปสู่การซื้อ หรืออย่างน้อยก็ไม่ใช่การซื้อผลิตภัณฑ์ที่เราโฆษณา จะเกิดอะไรขึ้นถ้าผู้คนซื้อเคส iPhone แทน Macbook Pro ระยะขอบต่างกันใช่ไหม ดังนั้นแม้ว่าบริษัทจะยังคงแสดง ROAS ที่ดีอยู่ ให้ตรวจสอบเมตริกนี้จากภายในและดูว่าทุกอย่างเกิดขึ้นได้อย่างไร

คำแนะนำสำหรับธุรกิจ:

1. หยุดคิดว่าถ้าคุณจ้างนักวิเคราะห์ดิจิทัลคนหนึ่ง คุณได้ก่อตั้งแผนกวิทยาศาสตร์ข้อมูลทั้งหมดขึ้นมา คุณต้องสร้างทีมที่มีทักษะหลากหลาย เช่น จ้างนักสถิติ นักวิเคราะห์/ล่ามธุรกิจ นักวิทยาศาสตร์ข้อมูลที่มีความชำนาญด้านเทคโนโลยี ผู้เชี่ยวชาญเหล่านี้เป็นการลงทุนหลักของคุณในการวิเคราะห์ ไม่ใช่กล่องเครื่องมือที่คุณซื้อ!
2. หากคุณเป็นธุรกิจขนาดเล็ก รวบรวมข้อมูลเกี่ยวกับตัวคุณเอง รู้ว่าสตาร์ทอัพที่คล้ายกันทำงานอย่างไรและวัดผลตลาด พยายามรับข้อมูลที่กว้างขึ้น สร้างชุดข้อมูลของคุณเอง และกำหนดโลกรอบตัวคุณ
3. หากคุณอยู่ในตลาดใหญ่ ให้มองหาคู่แข่งและย้ายจากภายในสู่โลกภายนอก มีหลายสิ่งที่ต้องทำเพื่อเอาชนะการแข่งขัน!

เป็นเวลานานที่นักวิเคราะห์กำลังเรียนรู้วิธีรวบรวมข้อมูลและหมกมุ่นอยู่กับข้อมูลนี้เหมือนกับเหมืองทองคำหรือบ่อน้ำมัน

ข้อมูลที่มีค่ามากที่สุดคือช่วงเวลาที่เหตุการณ์กำลังเกิดขึ้น เมื่อถึงเวลาเตรียมข้อมูลสำหรับการวิเคราะห์ ผลลัพธ์จะถูกส่ง การตัดสินใจและการดำเนินการ มันอาจจะสายเกินไป โลกได้เปลี่ยนไปแล้ว และกิจกรรมใหม่ก็เกิดขึ้น

ดังนั้น เราต้องจำไว้ว่าข้อมูลของเรามีอยู่ในบริบทของโลกรอบตัวเรา

ขอบคุณ Steen สำหรับการสัมภาษณ์ที่ลึกซึ้งและการพูดคุยที่ยอดเยี่ยมที่ Analyze! การประชุม!

เราหวังว่าคุณจะสนุกกับการอ่านนี้และได้รับวิสัยทัศน์ใหม่ของการวิเคราะห์และบทบาทของนักวิเคราะห์ในตลาดสมัยใหม่ ที่ OWOX Steen เป็นแรงบันดาลใจให้เรายืนหยัดเพื่อมาตรฐานด้านมานุษยวิทยาในการวิเคราะห์ที่เครื่องมือมีความสำคัญน้อยกว่าผู้เชี่ยวชาญ เราเชื่อว่านักวิเคราะห์เองเป็นส่วนที่สำคัญที่สุดของการวิเคราะห์ ไม่ใช่เครื่องมือที่ทรงพลังที่พวกเขาใช้ มาเรียนรู้จากกันและกันเพื่อทำให้การวิเคราะห์มีระเบียบวินัยที่ดีที่สุด!

สมัครสมาชิกบล็อกของเราเพื่ออ่านบทสัมภาษณ์ครั้งถัดไปซึ่งเป็นส่วนหนึ่งของการวิจัยของเราเกี่ยวกับสถานะของการวิเคราะห์ดิจิทัลและปรับประสบการณ์ของนักวิเคราะห์ชั้นนำให้เข้ากับธุรกิจของคุณ