投资回报在行动中缺失

营销团队明智地使用了预算。 但管理层看不到结果。

当企业在任何事情上花钱时，它都希望看到“投资回报”——这种提升与支出有一定的相关性。 如果营销是一台机器，具有固定的、可测量的输入和输出，这将很好。 除非我们生活在“信息时代”，否则工业时代的会计将无法注意到真正发生的事情。

营销通常表现为资产负债表上的成本汇。 它与输出的关系并不总是很明显。 营销管理和组织策略师 Kathleen Schaub 和 Proof Data Corporation 董事长 Mark Stouse 想要阐明这种情况。 Schaub 专注于复杂性如何影响营销，而 Stouse 则更深入地研究分析。 这两个角度汇聚在一个共同点上：衡量营销投资回报率的旧方法遗漏了很多，为营销工作提供了不准确的指导。

Schaub 在她的论文“营销不是自动售货机”中进行了更详细的介绍。 “市场是科学所说的复杂适应性系统。 许多独立代理（包括个人和企业）——客户、公司、影响者、合作伙伴和政府——的交互产生了导致情况不断变化的反馈循环。 变化会产生许多未知数。” 绍布写道。

由于全球化和数字化，这些反馈循环加快了。 “没有喘息的空间，”Schaub 告诉我们，因此营销人员很难跟上。 直到过去几十年，数据和计算机才终于提供了一种观察这种情况的方法。 “现在事情已经加速了，我们可以在数据中看到这些模式。”

“营销的投资回报率不存在。” 绍布说。 “从来没有。 永远不会。 不是旧标准意义上的。”

唯一确定的是不确定性

“可能是永久性的巨大转变始于 COVID，”Stouse 说。 “反馈回路真的很重要，”Stouse 继续说道。 他说，现在你需要有一个价值目标、实现价值的途径，以及跟踪你的努力的能力，就像 GPS 一样。 这与第三方数据的分解同时进行。

为了获得更真实的画面，一些营销人员正在回归旧的技术：营销组合建模 (MMM)。 这种技术在较大的财富 500 强公司中更为常见，Stouse 说。 但是操作起来太笨拙了——太慢、太手动、太贵、太难扩展，而且人们难以理解。

今天，MMM 再次审视。 “自动化已经消除了实施分析的许多挑战。” 斯图斯说。 “MMM 植根于多变量回归分析，这是科学方法的基础。” 他补充说，这是主流并且很好理解。

分析的任何变化也将引发组织的变化。 “你不能继续拥有同样的僵化、指挥和控制、分层、孤立的组织，并拥有这些非常僵化的瀑布式业务流程。 它们太慢了，太不人道了，它们缺乏信息，因为信息无法流向需要的地方，”Schaub 说。

“我一直在问 CMO 和 CEO，‘你们能做到 ROI 吗？’”Schaub 回忆道。 “答案总是‘不’”。 他们有解决方法，比如归因，以及将营销“推向漏斗”以帮助销售，“但最终，人们必须放弃它（营销）可以完全预测的幻想。” 绍布说。

人们相信因果关系，只要有足够的数据、正确的策略、正确的工作流程或足够的效率，他们就能解决问题，Schaub 说。 COVID破坏了这种信念系统。 为了重建，分析将有所帮助，但组织还必须重新调整，以便他们能够“在需要我们响应而不是我们预测能力的情况下”更好地工作。 她说。

如果你无法预测，项目

企业仍然可以起草情景和制定预测，勾勒出事情的预期发生方式。 “然后你必须‘快速跟随’，因为未来变成现在，通过潜在的、低层次的重新计算，这样你就可以找出你相对于那个预测的位置。” 斯图斯解释道。

在这里，Stouse 将营销分析与 GPS 进行了比较。 目的地不是某个日期之前达到的固定 ROI 点。 取而代之的是，尽管交通变化和必要的弯路，仍可以达到目标。 正如 GPS 重新计算一样，决策者也可以重新计算市场支出或重新调整项目规模以更好地适应现实。

与 GPS 一样，您需要一位能够根据需要做出决定并改变路线的驾驶员。 Schaub 解释说，在这里，营销人员在分析的建议下，能够根据需要对情况做出反应、抓住机会或降低风险。 这不一定是一个人，但通常会是一个敏捷、多学科的团队，更快、更聪明、更具创新性，并且可以促进人类解决问题。 Schaub 说：“你是为长远考虑而建设的，但你唯一能采取行动的时间就是现在。”

学习以速度生活

数据和反馈循环的速度已经大大提高，改变数字环境的速度比公司理解和跟上的能力更快。

在这里，OODA 循环的概念——观察、定向、决定、行动——变得相关。 这个概念是由战斗机飞行员约翰·博伊德上校创造的，他证明如果你能比你的竞争对手更快地做到这一点，那么当你执行下一步动作时，他将无法对你的最后一个动作做出反应。 “这越来越成为业务所在，也越来越多地成为营销所在，”Stouse 说。 “你拥有所有这些变量，而这些变量正在以人类大脑无法追踪的速度移动。”

许多营销人员都在努力应用敏捷营销来为团队成员增加价值。 在这本免费的电子书“ MarTech 团队敏捷营销指南”中了解如何打破这种模式。

点击这里下载！

“能够使用软件……压缩 OODA 循环。” Stouse 举了一个真实的例子，他的公司正在与一家科技公司合作。 “这是一家巨大的 B2B 企业科技公司。 这是一家以非常传统、传统的方式使用 MMM 六七年的长周期企业。” 他说。 “[B]当分析到达营销人员时，它已经过时了，预测不再重要......他们不需要改变数学。 他们需要改变计算所有数据的速度。”

阅读下一篇：关于利用 OODA 循环的更多信息

正如 Schaub 在她的论文中指出的那样，营销部门可能必须跟踪多达 30 个变量，以提供了解当前情况所需的洞察力。 但这可能不会像人们期望的那样将它们拉到一起。 数据自动化可以缩短从数据流中编织洞察所需的时间。

“我并不是说这很容易，”Stouse 继续说道。 “但它已经有了很大的改善。” 可以使用 Supermetrics 或 Datorama（均为 Proof 合作伙伴）等工具集来收集数据流，对其进行清理、清理和协调，然后将数据传输到 Proof 或 Tableau 等平台。

“我们可以找到一个拥有数据但根本没有任何分析历史的客户……前 10 个模型可以在 60 天内启动并运行。” 斯图斯说。 去找一个做 MMM 的传统顾问，“你可能需要 10 到 12 个月才能看到你的第一个模型。”

在这篇由两部分组成的文章的第二部分中，了解为什么收益的控制和静态测量不存在，但可预测性和反应/反应时间却非常重要。这就是 OODA：能够计划、预测、证明（确认或证实）并根据需要转动。