我在拉斯维加斯 2019 年营销分析峰会上学到的东西 [第 2 天]

这是我对营销分析峰会的回顾的延续。 要了解第一天的演讲和即将举行的全球营销分析峰会，请查看上一篇文章。

• 约翰洛维特的“可执行数据策略”
• “你需要知道的关于你的事——成功的心理学”，Michele Kiss
• 瓦莱丽·克罗尔（Valerie Kroll）的“识别领导人格”
• Mariia Bocheva 的“分析分析师以提高流程效率”
  

第 2 天以 Search Discovery 数据策略高级总监John Lovett的主题演讲开始。 他的演讲是关于可执行数据战略——一种使用数据的计划，目的包括了解您的数据、构建您的数据以使其有用，以及激活您的数据以产生业务影响。

组织需要数据战略来指导他们，因为在当今的商业环境中利用数据可能很复杂且令人困惑。 现代数据存在三个问题：缺乏数据素养、数据孤岛和对数据缺乏信任。

这里的问题是 C 级和部门负责人通常不了解数据。 根据“Gartner 趋势洞察报告：到 2020 年培养数据素养和信息”，80% 的组织计划在数据素养领域启动有意识的能力发展，承认他们的极端缺陷。

您可以将数据素养分为三个桶：

• 指标素养——当人们知道数据的含义时，使用相同的术语，并理解它们背后的价值。 这是一个基本级别，允许团队中的每个人说同一种语言。
• 工具素养——当人们能够根据需要自助服务数据需求并意识到工具的潜力、技巧和局限性时。 这一点与六月在 Twitch 上关于自助服务分析的演讲非常相关。
• 概念素养——当人们以清晰和复杂的方式处理和应用数据并可以使用数据解释自己时。

要具备数据素养，您需要了解您的数据。 回答以下问题应该会有所帮助：

1. 我们有哪些类型的数据，我们需要哪些类型的数据来回答我们的问题？ 使用交互式数据清单、数据字典和目录来了解数据的来源和组成。
2. 用户可以自助服务数据还是需要有人为他们提供数据？
3. 谁可以访问我们的数据以及如何使用这些数据？
4. 用户对我们的数据有准确的理解，还是我们说的是希腊语？
5. 使用数据是否有高度的舒适度，还是每次需要构建新报告时都在挣扎？
   

大多数公司都在为分散的数据而苦苦挣扎，这并不奇怪，因为他们的数据源不相互交流：

要打破这些数据孤岛，您需要定义数据的来源以及连接方式。 然后，您可以优先考虑应该首先实施的内容。 以下是一些可以帮助您的问题：

1. 存在哪些数据连接和 API？ 您想要连接的大多数来源都可以通过现成的 API 或第三方工具进行集成，因此不要浪费时间和其他资源来构建您自己的集成。
2. 分析需要哪些转换？ 通常，您的数据以不同的格式和不同的速度出现，因此为了将其提取到单个报告中，您需要事先对其进行处理。 提前考虑这一点并做出相应的计划。
3. 是否有跨数据集的集成流程？ 想想哪些流程会受到这些数据的影响。
4. 何时刷新和共享数据？ 检查您需要多久更新一次数据以及谁需要访问它。 这应该有助于选择最适合与团队共享报告的工具。

回答完这些问题后，您可以决定要使用哪种方法来构建数据：数据湖、数据结构或数据中心。 根据麦肯锡最近的研究，只有 8% 的数据湖实施已经从概念验证转向生产。

据毕马威称，只有 35% 的受访组织对其组织对数据分析的使用高度信任。 要解决此问题，您需要建立信任并激活您的数据。 首先问自己以下问题：

1. 哪些数据可以触发自动化操作？
2. 我们如何使用数据进行定位和个性化？
3. 我们如何建立对数据的信任？
   

要激活您的数据，您需要确保

• 数据是可靠的，人们相信他们看到的数字。 这可以通过不同的测试和监控方法来完成。
• 数据可用于协作。 去与组织中的利益相关者交谈，以了解他们需要根据哪些数据采取行动。
• 您有一个数据治理委员会，负责监督所有与数据相关的流程。

John 分享了几个现实生活中的例子，包括一家美国非营利广播公司的故事以及 Data Discovery 团队用来构建可执行数据策略的方法。 他们经历的阶段是定义目标，使它们与业务目标保持一致，并设置测量：

写下所有这些业务目标后，数据发现团队会根据业务影响和所需的工作量对其进行优先级排序，并定义他们的实施路线图，从最关键和最有价值的任务转移到不太重要的任务：

不要让数据湖实施的低成功率吓跑您。 成功实施的潜在影响远高于必要的投资。 要开始并避免其他公司的错误，请使用这 10 个扩展分析的秘诀。 您总是可以通过查看其他公司的案例研究来获得启发。 这里有一些例子：

• Ile de Beaute 使用端到端分析来衡量 ROPO 效应
• Comfy 通过九个简单步骤构建端到端分析
• 布提克。 通过结合数据提高客户 LTV

下一个环节叫做“鸟语花香”，每个人都可以说出他们想讨论的话题或痛点，然后走到一张桌子上，与志同道合的同事会面，进行深入讨论。 我个人非常喜欢这次会议，因为它给了我一些关于我不知道如何解决的问题的想法。

Michele 是一位有魅力的演讲者，知道如何吸引人们的注意力，我真的很喜欢她展示我们大脑的技巧——有限的工作记忆、确认偏见、符合规范等——这些都已被经典研究证明。 分析师意识到这些矛盾很重要，因为分析和优化都是关于使用定量方法来了解人们以及他们为什么要做他们所做的事情。 以下是一些要点：

• 在呈现信息时，您需要在感知和记忆系统的限制范围内工作。

根据著名心理学家乔治·A·米勒（George A. Miller）的说法，我们可以在短期记忆中保留的信息量是七项加或减两项。 项目是一大块信息，例如单词、数字、数据点等。这就是为什么期望用户在相隔六页或三十张幻灯片前的两个数据点之间建立联系是失败的原因。

• 即使您的数据看起来不言自明，但如果您带来的“突发新闻”与企业一段时间以来所知道、思考或相信的内容背道而驰，您可能需要更多数据来支持您相反的观点。

您可能还希望留出足够的时间进行讨论，而不是简单地发送您的发现，因为这些讨论对于获得对这一新观点的认可至关重要。 “一个有信念的人是一个很难改变的人。 向他展示事实或数据，他就会质疑你的消息来源。 诉诸逻辑，他无法理解你的观点，”Leon Festinger 说。

这也被称为认知失调理论。 它告诉我们人们不喜欢不一致的感觉（例如，在我们的信念和我们的行为之间）。我们试图通过证明我们的信念和避免可能发生冲突的信息来减少这种不舒服的感觉。

• 处理数据时，不要停留在第一个假设上。 它可能会受到您的认知偏见的影响。

我们的大脑以一种寻求确认现有信念的方式构建。 这可能会导致你犯错误，因为数据显示它的作用可能有很多原因。 实际上，在采访人们时，我发现理解和认识到这种偏见非常方便。

你通常会在 15 秒内获得第一印象，之后你的大脑会寻找能够支持第一印象的东西。 注意到这一刻并开始寻找支持相反立场的事实是非常重要的。 它将帮助您摆脱认知偏见。

• 如果你有挑战现状的分析结果，你应该慢慢地一对一地讨论它们。

避免让人们在小组环境中当场同意或不同意，因为小组中的人不太可能支持你违反小组规范的新发现。 同样，这也反对直接参加集体头脑风暴会议。 一旦进入一个小组，76% 的人会同意这个小组（即使他们错了！），因此通过允许个人、不受约束的头脑风暴并首先收集所有想法，更容易获得更多不同的想法并最大限度地减少群体思维。

这种效应被称为符合规范，并被 Ash 在 1951 年的实验中证明。

• 提出调查结果时，就如何使用它们提出建议，并尽可能具体。

确定如果事情发生变化时谁的责任，并确保你的声音被听到，这样你就不会被旁观者效应所困——在场的旁观者越多，个人介入并提供帮助的可能性就越小。 一个很好的例子是在医疗紧急情况下，每个人都只是站着等待其他人采取行动。

您可以在 Michele 的演示文稿中找到更多示例和偏见。 如果您有兴趣了解偏见，请查看 Conor Dewey 撰写的有关数据科学家实用心理学的这篇文章。

午餐时，我听了 Search Discovery 优化总监兼数字分析协会董事会主席Valerie Kroll的关于识别领导性格的非常鼓舞人心的演讲。

在她的演讲中，瓦莱丽分享了她从量化实习生到现在的位置的 12 年历程，以及她成为领导者的方式。 以下是她学到的几个教训：

• 您不必管理人员才能成为领导者。 领导者激励和激励他人自愿采取行动； 他们承载着文化并建设性地挑战现状。 我还可以补充一点，要成为一名领导者，你需要有强烈的同理心和承担责任的意愿。
• 寻找领导机会，不要被冒名顶替综合症所取代：
  

要对抗冒名顶替综合症，请使用您的分析技能——尝试查看事实并据此评估您的进步和当前水平，写下您的优势和成就，并找到应用技能的方法。 此外，您可以尝试 Edmund J. Bourne的 The Anxiety and Phobia Workbook 。

• 如果您面临偏见或歧视，请谈论它，最好是与不法行为者交谈。 如果没有，找一个同事、导师或人力资源部的人。 如果您的公司没有适当的流程来处理重要问题，请提出来。 不要害怕或羞于你是谁——你的年龄、性别、国籍等。也许这会让你成功并帮助你带来不同的视角。
• 在社交网络上建立您的个人品牌并鼓励 T 型模式，不仅在广度上而且在深度上发展。
  
• 通过建立真正的联系来利用您的网络并准备好电梯宣传。 在聚会上寻找联系，让人们将您介绍给其他有趣的人，并通过提供价值来发展这些联系。 准备好在不到一分钟的时间内分享您正在创造的最大价值和最具创新性的工作。
  
• 寻求指导。 它可以是相互的，因为掌握一项技能的最好方法就是教别人。 在寻找导师时，考虑软技能和硬技能，专注于你的职业目标。
  

顺便说一句，DAA 有一个女性分析指导计划，所以如果你有兴趣，可以去看看。

然后是时候分享我关于分析分析师以提高流程效率的故事了。 发展一个团队需要大量的时间和精力以及适当的管理工具。 痛点很常见：任务分配效率低下，没有时间教导和指导新员工，经验丰富的分析师没有足够的时间进行研发和提高技能，不知道给定员工在哪些任务上花费了多少时间，以及名单还在继续。 我们使用数据湖来改进任务估计，确保与每个人分享痛苦的经验教训，并平衡项目优先级。

结果我们

1. 意识到分析师的工作量与我们的预期相差甚远，平均值可以隐藏我们的增长区域
2. 证明我们的大多数分析师 (~85%) 都能按时回复电子邮件
3. 映射我们遇到的典型任务，完成它们通常需要多长时间，以及每个特定任务的时间如何变化
4. 发现每个分析师的弱点和优势，以定制他们的个人发展计划
   找到自动化领域。

您可以在 Slideshare 上找到我的幻灯片和关于 ConversionXL 的文章，该文章描述了我们的经验。
遗憾的是，我错过了 Garry Angel、Tim Wilson、Matt Gershoff 和 Moe Kiss 的演讲，但我听到他们都在 Superweek 上发表演讲，并且知道他们非常出色。 尽管我错过了他们的演讲，但很高兴在#MASConf 再次见到他们！

营销分析峰会的最后一场会议是 Analytics Power Hour 播客的现场录音。 这个播客的每一集都有一个封闭的话题和一个开放的论坛。

观众很喜欢聆听 Search Discovery 分析实践主管Michael Helbling 、分析顾问Moe Kiss和 Search Discovery 分析高级总监Tim Wilson分享他们的想法和经验。 您可以在此处找到我们之前对 Tim Wilson 关于现代分析状况的独家采访。 此外，您还可以在此处找到营销分析峰会的这一集。 我强烈建议你也听听其他剧集。

1. 不要只看表面价值； 切入炒作，专注于您提供的影响。
2. 要了解自助式分析是否适用于您的公司，请询问您的团队是否拥有有效完成工作所需的数据支持，以及他们是否能够在满足其业务需求的时间范围内获取数据。
3. 使用数据角色矩阵确保每个人都了解每个职位的期望。
4. 在数据质量方面要积极主动，而不是被动应对。
5. 只有 11% 的营销人员对其归因模型的准确性感到“非常有信心”。 但这并不意味着你不应该尝试。
6. 要评估您的数据成熟度级别，您需要跨三个不同类别评估您的数据：统一洞察（绩效衡量和归因）、统一数据（孤立、共存或统一数据）和预定义数据基础（跟踪精度、接触点）覆盖，分类标准化）。
7. 将营销指标与期望的业务成果联系起来的企业显着超过这些成果的可能性是其两倍。 将营销指标与收入目标联系起来的企业显着超过这些目标的可能性要高出三倍。
8. 营销专家和分析师都想要一件事：正确的工具和流程来了解开始、停止和继续做什么，以实现他们的营销目标。
9. 使用成功计划使营销活动与贵公司的业务目标保持一致，并向高层领导展示营销和分析投资的价值。
10. 首先关注收入驱动流程，因为它们会带来更大的影响。
11. 要使您的流程正常工作，请对其进行映射、分析并将其传达给团队。
12. 物理交互比数字交互更容易理解，而且似乎更有说服力——物理注意力可以提高 70% 的品牌召回率。 因此，要让观众记住，您需要投入更多的感官，减少分心，并鼓励互动。
13. 使用 SERP SEO 控制您的品牌，因为搜索结果页面是您的新登录页面。 您需要利用丰富的片段并声明您的面板。
14. 在品牌需求创造上加倍努力。
15. 通过交替发布非促销和促销帖子来利用社交算法。
16. 使用讲故事来创建与您的品牌相关的内容，获得高参与度并产生情感共鸣。
17. 数据存在三个主要问题：缺乏数据素养、数据孤岛和对数据缺乏信任。 所有这些问题都可以通过可执行的数据策略来解决——有目的地使用数据的计划，包括理解数据、构建数据以使其有用，以及激活数据以产生业务影响。
18. 藻类学和分析是相互关联的——注意思维捷径并利用它们来利用您的分析和营销能力。
19. 要找到你的领导模式，利用你的差异，发展你的网络和个人品牌，寻找导师和被指导者，对抗冒名顶替综合症，并激励他人。
20. 越早越好。 收集、合并和准备数据约占您工作的 75%。 确保您信任所收集数据的质量。
21. 从 MVP 仪表板开始。 关注不超过 10 个关键 KPI。
22. 定义如果指标在周五下午 5 点发生剧烈变化，您将要做什么。 如果指标意外上升或下降，您应该制定一个计划。 如果您不知道为什么应该为某个指标制定这样的计划，请考虑是否需要跟踪它。

PS这是一次很棒的经历。 还要感谢 Jim Sterne 邀请我，感谢 Rising Media, Inc. 发言人管理 Roxanne Glavina 的顺利组织。