如何使用决策手册量化数据的投资回报率
已发表: 2022-11-09我正在与一家大型零售商的营销副总裁谈论他们在数据方面面临的挑战。 我希望他们会问我如何获得更多(或更好)的数据、关于人工智能的建议或他应该探索哪些技术。 相反,当他告诉我他的团队想要更少的数据和更多的见解时,他让我感到惊讶。
我在其他公司看到了类似的转变。 越来越清楚的是,收集更多的数据不会起到任何作用。 公司希望他们的数据能够帮助他们做出更好的决策,而更多的数据并不总是答案。
这里有一些关于在不需要更多数据的情况下获得更多见解的想法。
数据中的断开链接
对数据的痴迷保护了这一领域免受深入审查。 很少有人会反对数据的重要性,尽管它是否真的有帮助并不总是很清楚。
这是因为它与业务成果之间缺少联系。 公平地说,这种联系并不总是显而易见的。 与付费广告或销售代表等其他事物不同,因果关系可能难以证明。 数据是否帮助您增加销售额,还是其他原因?
模糊性使公司无法量化数据的真实投资回报率。 由于投资回报率难以衡量,许多公司完全避免讨论。 数据被视为不需要成本分析的运营成本。
不应该是这样的。
梅西百货是数据推动更好决策和有形价值的一个很好的例子。 具体来说,它让他们避免了困扰其他零售商的库存过剩。 通过查看客户的消费习惯(通过联名信用卡),他们注意到更多的支出用于服务。 这与其他经济指标以及旅游等其他服务行业的支出激增一致。
梅西百货的领导团队每月召开一次会议,讨论所有这些数据点,并专注于确定数据背后的“那又怎样”。 在其中之一,他们决定更改即将到来的订单并购买更多用于返回办公室或度假的产品。
数据帮助梅西百货避免了代价高昂的库存浪费,并展示了如何修复数据中的断开链接。 本质上,梅西百货有一个清晰的流程来做出数据驱动的决策。 虽然您可能没有与 Macy's 相同的资源,但您可以通过利用一个简单的想法来获得许多相同的好处:决策手册。
深入挖掘:为什么我们关心数据驱动的营销
使用决策手册量化数据投资回报率
数据应该帮助个人做出更好的决定。 问题在于,许多公司的个人决策方式是不透明的。
这就是决策手册的用武之地。决策手册是概述做出决策所需的确切步骤的文档。 假设您的团队想要对转化漏斗的关键部分进行 A/B 测试。 您是否知道启动和评估任何给定测试所需的所有决策?
这是您需要决定的简短列表。
- 第 1 步:确定最大的机会区域。
- 第 2 步:找到衡量成功的 KPI。
- 第 3 步:设计一个测试,包括多个变体。
- 第 4 步:评估测试影响。
- 第 5 步:为未来的测试获取学习成果。
您已经可以看到数据的来源。步骤 1-3 将使用某种数据分析。 一旦您深入研究,其他决策也可能包括一些数据。
决策手册将概述运行成功 A/B 测试所需的所有决策。 更重要的是,清晰的剧本可以更容易地了解数据在哪里发挥作用。 看完剧本后,您可以确定所产生的价值(例如,销售额增加 5%)。
数据并不是推动成功的唯一因素,因此我们不能将 100% 的价值归功于它。 根据我的经验,10%-20% 的归因是合理的。 如果我们采用 10% 的低端,我们可以开始看到数据对您的组织的价值。
这里的过程并不复杂。 如果您始终如一地捕捉关键决策产生的价值,然后将其中的一部分归因于数据,那么您将开始证明数据的价值。 最重要的是,您可以看到这个数字如何随时间变化。
深入挖掘:为什么测试是营销人员最强大的工具
获取 MarTech! 日常的。 自由的。 在您的收件箱中。
见条款。

设计自己的剧本
每个营销团队都可以开始利用决策手册。 但是,您需要一种行之有效的方法来快速启动和运行。 以下是我通常如何帮助公司为他们的决策带来一致性。
1. 提高对一致决策的认识
许多团队经常遇到不一致的结果。 一些活动很棒,而另一些活动则没有达到目标。 区别在于决策的制定方式。 如果没有剧本,就很难优化这些决策。
2. 确定你的团队做出的最重要的决定
A/B 测试、新的活动、进入市场的策略和其他通常排在列表的首位。 它们是定期发生的决策,需要大量的时间或资源投资。
3. 设计理想的决策过程应该是什么,并将其与现在的情况进行比较
您会发现一些步骤经常被跳过,而另一些则没有完全完成。 我看到的常见不匹配包括未验证所使用的数据、与整体战略缺乏一致性以及未能从团队其他成员那里获得反馈。
4. 对所有相关人员进行决策手册培训
在面对这些决定时,任何人都可以参考该剧本。 就像医生或飞行员使用检查表一样——尽管接受了数千小时的培训——营销团队也需要每次都如何做出最佳决策的指导。
你不能依赖运气
营销团队在做决定时不能依赖运气。 希望他们查看所有相关数据并正确解释结果。
决策手册将开始使数据和洞察力之间的联系更加清晰。 它将允许团队证明他们在这一领域的支出是合理的,最重要的是,推动数据驱动的决策。
这一切都始于做出从数据中获取更多价值的决定。
本文中表达的观点是客座作者的观点,不一定是 MarTech。 工作人员作者在这里列出。

相关故事
MarTech 的新内容