2020年必须知道的10个营销分析趋势

我们与 Jim Sterne、Damion Brown、Tim Wilson、Christopher Penn、Mary Owusu、Nancy Harhut、Laura Patterson、Anjana Aggarwal 和 Simo Ahava 讨论了未来几年营销分析将如何变化。

我们听到的关于当今痛点的当前解决方案的主要趋势。 其他趋势反映了分析师和营销人员的希望。 让我们看看业内一些顶尖人士对 2020 年的预测。

以下是我们为您准备的主题的简短列表：

我确信营销分析将继续从单一供应商方法（例如谷歌分析）转向更全面的数据管道，这意味着数据工程师的需求将越来越大。 — 西莫·阿哈瓦

公司有兴趣通过选择提供所需功能集的最简单的工具组合来节省资金。 随着专家选择解决其精确任务的工具，分析师和营销人员的数据科学知识水平不断提高，这将减少在技术上的总支出。 简单的问题可以由团队单独使用编程语言来解决。

2020 年，我们将遇到更多类型的营销分析工具，martech 领域也将扩大。 做出明智的选择。

如果您的工具包中已经有一个可以完成这项工作并且做得很好的工具，那么也许您不需要花钱购买一个新的闪亮玩具。 关键是拥有正确的工具，可以帮助您有效和高效地执行工作，并知道如何正确使用这些工具。 — 劳拉·帕特森

新工具中技术含量最高的部分将被标记为自动化 AI，或“AI for AI”。 想想 AutoML 和 Auto AI 等工具。 这些工具将对您的数据进行核心分析，甚至为您处理最困难的建模过程。

隐私驱动设计不仅是一个花哨的新术语。 这是 GDPR 的严格要求，也是商业智能设置阶段的复杂要求，因为您必须准备好向您的客户披露您的“数据机器”如何工作并展示他们的数据会发生什么。

我想一个大问题，房间里的一头巨大的大象，是我们看到关于选举篡改、民粹主义和广告定位的新闻报道，我们都很反感，但归根结底，网络分析是其中的一部分同样的事情导致了所有那些可怕的事情。 — 达米恩·布朗

关于 AI 和 ML 技术的炒作在营销分析方面达到了顶峰。 现在，公司将开始冷静地使用 AI 和 ML 将这些技术构建到他们的分析中。

尽管我之前认为在深入研究数据科学和机器学习之前需要真正关注基础知识，但我认为我们将继续看到越来越多的公司将机器学习投入有效使用。 — 蒂姆·威尔逊

以下是不能称自己为数据驱动的公司的一些特征：

• 他们收集、合并和存储数据，但根据直觉、经验和习惯做出决策。
• 他们避免昂贵的或统计负载的分析流程，或故意使用他们的分析偷工减料以获得任何结果。
• 他们选择证实假设的数据并将其称为分析。

确保您不会重复这些或其他可能阻碍您的公司在 2020 年实现数据驱动的错误。

这是一个非常普遍的问题，一家公司喜欢数据，或者说他们喜欢数据，但他们只是用它来确认自己的观点，或者他们使用得不好。 — 吉姆·斯特恩

对于营销人员来说，技术技能比以往任何时候都更加重要。 它们将影响沟通的结果、营销人员使用的工具以及他们在日常工作中的成功和效率。 世界已经爱上了数据，因此营销人员正在成为分析师，分析师正在成为数据科学家。

我相信数据科学家和行为科学家之间的更大合作即将到来。 数据科学家将揭示谁应该在什么时间和地点使用什么信息作为目标。 — 南希·哈胡特

2020年，我们不得不承认，一直梦想着有创意和进行实验的营销人员对公司来说太贵了。 市场已将焦点转移到以平衡方式混合分析和创新技能的专家身上。

当我参加会议时，我与那些 20 岁出头、刚进入职业生涯的年轻人交谈时，他们仍然没有量化技能。 由于缺乏更好的术语，他们仍然拥有艺术和手工艺的心态，这很棒。 你需要右脑的创造力。 绝对地。 但你也需要左脑。 你需要一个全脑营销人员。 — 克里斯托弗·佩恩

谷歌分析自 2005 年以来一直在市场上。所以在这一点上，你应该知道这些 [分析工具] 是你职业生涯的战略重点，并且具备这些能力。 我想说，我们将在很长一段时间内继续在营销分析中遇到这个问题，因为刚从大学毕业的人仍然没有这些能力。

我认为公司需要做的最重要的事情之一可能就是改变他们的招聘方式。 没有优秀的人以统计学和数据科学技能作为标准毕业的原因——即使每条规则都有例外——是因为这些学校的教授，你知道，在他们的后期他们多年的职业生涯也没有这些技能，也不知道如何教他们。 市场并不需要它们。

如果市场要求他们说，嘿，即使是这家公司的营销协调员，你也必须拥有统计 101。你必须能够区分均值、中位数和众数。 如果市场需要它，你猜怎么着？ 如果他们想找到工作，招聘渠道和从学校出来的人必须适应。 目前这没什么大不了的，但随着我们进入下一次衰退，这将是一个大问题，即将到来。

我怀疑 2020 年将会有很多关于我们如何捕捉数字行为的令人费解的讨论。 从哲学和监管的角度来看，GDPR 确实将隐私问题带到了最前沿（CCPA 现在正在美国跟进）。 但实际上是 2019 年下半年，浏览器开始进行更新，在 cookie 阻止和过期（ITP、ETP 等）方面变得非常激进。

焦虑已经在数字分析和数字营销行业中蔓延，人们了解我们对 cookie 的依赖程度。 我怀疑这种焦虑会在 2020 年增长和蔓延，我们将花费一年的大部分时间来研究技术解决方案，以解决这些变化带来的跟踪挑战。

我认为这不会特别有效，因为任何解决方法都可能会很快被额外的浏览器更新关闭。 当涉及到隐私和跟踪以及什么是可以接受的以及在这一切真正得到解决之前，这将需要对品牌和消费者之间的基本合同进行更根本的考虑。 如果我们能在 2020 年做到这一点，我会感到震惊！

过去几年每年都在做出的预测每年都在继续实现，并将在 2020 年再次实现：越来越关注跨组织不同平台的集成数据。

客户数据平台 (CDP) 正在从一个新奇的想法迅速演变为一个拥挤的解决方案空间，我认为任何大型或企业组织都无法避免在 2020 年进行非常有意识的“构建与购买”讨论以支持更高级分析的方式更好地集成客户数据，包括机器学习技术的应用和操作化。

我希望——但我不知道我是否可以自信地预测——不幸的是——我们在分析行业的多样性方面达到了一个临界点。 尽管在过去五年中在这方面（尤其是在性别多样性方面）提高认识和改变方面取得了巨大进步，但在以多元化为导向的倡议或帖子不会引起积极的负面反应之前，我们还有很长的路要走来自一群有声的白人。

虽然很难量化，但我希望 2020 年这些反应开始减少，或者至少被淹没并被视为完全不可接受的一年。

我从来都不擅长预测，尤其是每年的这个时候，但我预计 2020 年会有越来越多的人发现 Google Analytics（分析）界面受到限制，并将更多的分析转移到 BigQuery 和 Data Studio。 使用这两个工具，您几乎可以推出自己的分析工具，而无需再次使用 Google Analytics 界面。 想象一下等待界面加载所节省的时间！

我预计 Google Analytics App+Web 将会看到一些非常令人兴奋的更新，因为它开始了它的游戏面貌。 分析行业的许多人将看到自己在 2020 年开始着手重新实现和重新构想客户网站的整个数据结构。 这将是令人兴奋的，特别是对于我们这些热爱分析的人来说，因为它融合了左脑和右脑的创造力和逻辑。

与此同时，隐私和道德分析将继续引起更大的轰动。 明年我们可能不会再有另一个 Cambridge Analytica，但我预计对有多少网络用户被跟踪以及由谁跟踪的普遍认识将导致更多人保护他们的隐私。 这无疑是一件好事，我们绝对应该鼓励它，但这意味着该行业将面临越来越多的挑战，以弄清楚如何保持领先地位。

就像我们都在做分析的每一年一样，2020 年将是一个有趣的一年。 只要有趣，其他什么都不重要，不是吗？