評估和改進數字營銷的 7 種方法

您如何評估在線廣告的效果並提高投資回報率 (ROI)？ 您如何知道 SEO 流量、移動應用程序和媒體廣告產生了多少收入？ 這些問題與許多在線和全渠道業務相關。 在本文中，我們描述了 OWOX BI 的解決方案，這些解決方案幫助我們的客戶找到了這些問題和其他問題的答案並解決了他們的業務問題。

我們簡明扼要地描述了我們如何幫助我們的客戶完成以下七個真實案例。 如果您對技術細節感興趣或想嘗試我們在您自己的項目中提到的一些內容，請免費試用 OWOX BI。

OWOX BI 在單個存儲庫中收集來自多個系統的數據，並構建報告以幫助客戶提高營銷情報。 我們的目標是快速、高質量和最大程度地自動化，這樣企業就可以利用他們已有的數據賺更多的錢。

細分用戶以更好地定位廣告活動是一項基本任務，可以而且應該在實施營銷分析的初始階段解決。

客戶的目標：提高旨在重新激活已經訪問過該網站的用戶的廣告活動的投資回報率。 從理論上講，這些用戶的營銷成本不應該很高，因為他們已經表現出興趣。

客戶的挑戰：提高針對廢棄購物車和流失客戶的廣告活動的針對性。 這些人在網站上執行了一定的操作但沒有購買任何東西。 同時，我們的客戶相信他們可以買東西。

我們的假設：如果我們選擇在過去 X 天內將商品添加到購物車的網站訪問者細分並向他們展示廣告，那麼他們比其他細分群體的訪問者更有可能購買某些東西。 因此，通過向該細分市場投放廣告，我們可以在保持相同成本收入比率 (CRR) 的同時增加收入。

始終需要用戶細分來檢驗假設。 我們可以假設選定的用戶群在看到廣告後會有這樣或那樣的行為，但不能 100% 保證會是這樣。

我們的客戶根據形成細分的條件定義了條件。 根據這些條件形成細分後，我們將假設轉化為分析師的技術任務。 這項任務分為幾個階段。

第一階段。 形成兩個用戶細分。 第一部分包括在過去 X 天內將商品添加到購物車但沒有購買任何東西的用戶。 第二部分由在網站上執行某些操作（由客戶定義）的用戶組成。

Google Analytics 對客戶數據進行採樣以應對繁忙的流量。 因此，為了構建細分，我們使用來自客戶站點的原始數據，使用 OWOX BI Pipeline 傳輸到 Google BigQuery。 BigQuery 是一種雲存儲服務，您不僅可以收集信息，還可以使用 SQL 方便地處理信息。

我們的分析師使用原始網站數據編寫 SQL 查詢以形成細分。 這些分段包含 Google 客戶 ID 和 Yandex 客戶 ID 數據，可用於 Google Ads 和 Yandex.Direct 廣告服務。

第 2 階段。 自動將細分傳輸到 Google Ads 和 Yandex.Direct，以便廣告專家可以在設置廣告活動時使用它們。

OWOX BI 有一個自動數據管道，它從 Google BigQuery 中獲取細分，每天為它們計算數據，並將該數據上傳到 Google Analytics。 來自網絡分析系統的細分可以本地導出到 Google Ads。 第二個 OWOX BI 管道將這些片段加載到 Yandex.Audience 中。

第三階段。 我們客戶的專家製定了廣告服務規則，提高了這些細分市場的費率。

該解決方案具有幾個重要特徵。 例如，將段加載到 Yandex。 受眾，它必須至少包含 1,000 行（以使用唯一的 Yandex 客戶端 ID）。

默認情況下，OWOX BI 不收集 Yandex 客戶端 ID。 雅得士。 必須在站點上安裝 Metric 才能生成 Client ID，並且要讓它們進入 Google BigQuery，您需要通過 OWOX BI 配置它們的傳輸。

如果您是 OWOX BI 用戶並希望在 Google BigQuery 中收集 Yandex 客戶端 ID，請寫信給我們。 我們將分享有關如何使用 Google 跟踪代碼管理器執行此操作的說明。 如果您不是 OWOX BI 用戶，但對這種可能性感興趣，請免費試用 OWOX BI，看看它如何幫助您實現目標。

我們的客戶在他們的活動中重新配置了受眾，這些受眾已經用於重新定位，篩選出不屬於正確細分的用戶，並將預算集中在他們選擇的細分中的用戶上。

結果，在相同的活動和相同的投資下， ROI 增加了 100% 到 150% （活動很多，因此指標取平均值）。 事實上，這個決定的成本是最小的，而且效率是相當有形的。 這些活動今天仍在發揮作用。 我們沒有收到客戶的任何反饋，表明這種增加只是暫時的。

當我們開始處理一個項目時，首要任務是計算實際收益的投資回報率。

默認情況下，Google Analytics（分析）只能查看該網站的銷售額，但這並不能真正反映進入企業賬戶的資金。

我們知道有些在線訂單在訂單確認過程中未完成或更改。 用戶可能：

1. 根本沒有完成訂單
2. 通過電話更改訂單，從而更改訂單金額
3. 訂單送貨到實體店，但不取貨

因此，企業沒有收到 Google Analytics 中顯示的金額。 因此，根據 Google Analytics 中的數據計算收入並不完全正確。 有必要考慮來自您的 CRM 的真實銷售數據來評估在線廣告的有效性。

客戶的目標：在不增加成本的情況下，以固定的 CRR 提高廣告活動的投資回報率。

客戶的挑戰：根據廣告來源產生的實際銷售額重新分配廣告預算。 簡而言之，您需要將預算從無法產生足夠 ROI 的渠道轉移到更高效的渠道。

我們的假設：如果您根據購買量計算投資回報率（理想情況下，甚至是利潤率），您可以調整營銷策略並投資於那些帶來更多收入的流量來源。 因此，廣告活動的投資回報率將增加。

我們的客戶已經使用 OWOX BI 在 Google BigQuery 中收集了非抽樣數據。 但是有必要用公司內部系統的銷售數據來補充這些數據。 該任務分五個階段實施。

第一階段。 正確設置從站點到客戶 CRM 系統的訂單數據傳輸。 轉移交易 ID 和 Google 客戶 ID。

交易 ID 是在網站上下訂單時形成的，並與相應的客戶 ID 一起發送到 Google Analytics 和 BigQuery。 將這兩個 ID 並行傳輸到 CRM 非常重要，這樣您就可以將用戶與交易和付款相關聯。

第 2 階段。 在客戶的 CRM 端設置用戶 ID 生成，並在結帳時將用戶 ID 發送到 Google BigQuery。

當有關新客戶的信息寫入其中時，CRM 系統會生成用戶 ID。 例如，假設有人在商店購物，收銀員詢問他們的電話號碼並將其輸入 CRM。 然後系統為該用戶分配一個唯一標識符。 將來，當用戶使用電話在網站上進行授權時，CRM 會識別他們。

Google Analytics 具有用戶 ID 功能。 我們的開發人員對其進行了配置，以便當客戶在我們客戶的站點上授權或下訂單時，用戶 ID 會發送到 DataLayer 中的站點。 從那裡，它被傳輸到谷歌分析和谷歌大查詢。

多虧了這一點，您可以將網站上授權用戶的操作與有關他們的詳細信息相關聯。 例如，您的 CRM 可以存儲一個人的姓名、電話號碼和電子郵件。 使用中間用戶 ID 密鑰，您可以組合網站和 CRM 數據以及特定訂單的付款數據。

第三階段。 配置將實際銷售數據從您的 CRM 上傳到您想要使用的結構的 Google BigQuery。 為此，我們形成了一個技術任務，並將其交給我們客戶的開發人員來實施。

第 4 階段。 將 BigQuery 中的所有數據合併到一個表中。 我們的分析師編寫了一個 SQL 查詢，將在線訂單信息鏈接到有關已完成訂單及其金額的 CRM 數據。 組合這些數據的鍵是交易 ID、用戶 ID 和客戶 ID。

第 5 階段。 在 Google Data Studio 中構建一個報告，顯示流量來源的投資回報率，同時考慮訂單中購買的商品。 我們根據邊際成本計算了投資回報率。

設置從站點到 CRM 的正確數據傳輸以及將 CRM 數據下載到 Google BigQuery 需要業務方面的開發人員參與，這通常會大大延遲流程。

我們為客戶提供了基於實際銷售數據的流量來源績效報告。

高級管理人員使用此報告做出戰略決策，上下文廣告專家使用此報告來管理特定廣告活動的預算。

以下是此報告的示例：

想知道您的廣告基於 CRM 中的真實銷售數據的效果如何？ 免費試用 OWOX BI，看看它如何幫助您實現目標。

我們的客戶在構建了上述基本報告後的第三個解決方案是 ROPO 分析（在線研究，離線購買）。 它顯示了數字營銷對實體店銷售的影響。 這對於全渠道電子商務項目尤其重要。

人們出於各種原因查看網站上的商品並在商店中查看商品，從不信任互聯網上的購買到想要觸摸產品。

在年度預算規劃期間，CMO 想要為在線渠道獲得更多資金，因為他們知道一些歸因於在線廣告的銷售發生在線下。 如果 CMO 可以至少部分衡量這種影響，這將是提高預算的一個很好的論據。

客戶目標：證明需要增加在線營銷預算並展示在線廣告投資的隱藏價值。

客戶的挑戰：分析在線廣告的有效性，同時考慮其對線下銷售的後續影響。

我們的假設：一些用戶熟悉網站上的產品，但在實體店購買。 也就是說，在線活動仍然被低估。 如果我們跟踪這些用戶對網站的訪問以及在實體店中的進一步購買，我們就可以衡量數字廣告的真正價值。

為了將用戶在網站上的活動與他們在線下商店的後續購買聯繫起來，我們主要做了與基於已完成訂單分析投資回報率相同的事情（在上一節中有詳細說明）：

1. 在 CRM 端設置用戶 ID 並將其發送到 Google BigQuery。
2. 配置客戶端 ID，以便將其正確傳遞給 CRM 和 BigQuery。
3. 設置結帳期間從站點到 BigQuery 和客戶 CRM 的用戶電話和用戶電子郵件字段的數據傳輸。
4. 設置從客戶的 CRM 上傳到 Google BigQuery 的數據。 與前一種情況不同，此上傳不僅包含在線訂單，還包含來自零售店的訂單。
5. 編寫一個 SQL 查詢，將網站上的活動數據與來自 CRM 的信息聯繫起來。 將數據鏈接到離線銷售的關鍵是用戶 ID/用戶電話/用戶電子郵件。
6. 在 Google Data Studio 中構建報告以分析 ROPO 效果。

組合數據的方案如下所示：

只有當用戶在網站上進行購買或在網站上獲得授權時，您才能將在線用戶鏈接到線下銷售。

實踐表明，授權用戶的份額約為所有網站訪問者的 5%。 您擁有的授權用戶越多，您的報告中的數據就越有代表性。 但即使是 5% 到 10%，也有可能得出一些結論，從而導致您管理營銷預算的方式發生重大變化。

另一個困難是在您已經設置所有集成時跟踪數據質量。 確保數據正確傳輸並且標識符匹配，以便 CRM 系統中的未來更改不會破壞您的配置。 這是一個關於您客戶的 IT 團隊有多優秀的問題。

在測量 ROPO 效果後，我們客戶的廣告活動的投資回報率提高了 50% 到 150% 。 值得注意的是，在這種情況下，投資回報率總是顯示增長，因為增加了由在線活動產生但離線獲得的收入。

ROPO 報告的示例：

該報告允許客戶分析以下類別的數據：

• 僅來自網絡的收入
• 僅線下收入
• ROPO 收入
• 僅在線來源/媒體/廣告系列收入
• 來源/媒介/活動收入，包括後續的線下銷售
• 按產品類別和子類別劃分的在線和 ROPO 收入
• 按城市劃分的在線和 ROPO 收入
• 從實地考察到購買 ROPO 的時間（以天為單位）
• 購買 ROPO 之前網站上的會話數
• 和許多其他人

想知道您的線上努力如何影響線下銷售？ 免費試用 OWOX BI，看看它如何幫助您實現目標。

這是一項相當複雜且非典型的任務，儘管很有趣。 SEO 優化具有延遲效應，通常很難評估已完成工作的有效性，例如過去六個月。 特別是如果它是一個巨大的網站。

一般來說，我們知道有多少用戶通過谷歌搜索，甚至可以排除品牌流量。 但是有多少用戶是因為類別和子類別得到了優化，或者文本和標題寫得很好？

假設您上個季度在 SEO 上花費了 10,000 美元。 你在六個月內從這筆錢中獲得了多少收入？

客戶的目標：評估 SEO 投資的有效性，不僅要考慮在線訂單，還要考慮實際付款。

客戶的挑戰：建立一份報告，按產品類別顯示 SEO 的有效性。 該報告應以實際銷售為基礎。

我們的假設：我們知道哪些關鍵詞被抽出以及在哪些頁面上。 我們知道這些鍵在 SEO 退出中的位置。 我們知道這些以搜索流量為來源的頁面的銷售額。 如果我們鏈接這些數據，我們將從 SEO 退出 TOP 中的那些關鍵字獲得銷售額。 也就是說，我們可以衡量 SEO 投資的有效性。

第一階段。 將所有必要信息上傳到 Google BigQuery：

• OWOX BI 在網站上收集的原始用戶行為數據
• 來自 Google Search Console 和 Yandex 的數據。 引導訪問網站和登錄頁面的熱門關鍵字的指標。 我們為什麼使用 Search Console？ 因為在位置測量服務中，我們只看到可能來自這些關鍵字的假設流量。
• 來自站點位置測量服務的數據（例如，Allpositions）。 這使我們能夠確定關鍵字的位置。 例如，如果關鍵字在 drop-out 中低於第五位，我們可以將它們排除在分析之外。
• 來自 CRM 系統的實際銷售數據

第 2 階段。 根據 URL，在登錄頁面部分創建關鍵字查詢集群。 我們分析的不是一個 URL，而是整個商品類別的 URL。 比如小家電，我們可以先看攪拌機，再看博朗攪拌機。

第三階段。 通過測量退出中的位置來查找 SEO 流量通過哪些關鍵字進入網站。 我們將結果上傳到 GBQ 並將請求排序到某個位置以下。

第 4 階段。 使用 SQL 查詢，將站點上的用戶活動數據鏈接到來自 CRM 的實際銷售數據。

第 5 階段。 突出顯示導致與 SEO 來源進行交易的會話（使用最後的非直接點擊歸因模型）。

第 6 階段。 突出顯示這些交易的登錄頁面，並將它們與為這些頁面帶來流量的 SEO 關鍵字相關聯。

第 7 階段。 建立一個報告，顯示某些頁面的 SEO 優化如何影響這些頁面上的實際流量和購買。

Google Search Console 允許您上傳多達 5,000 行數據。 因此，我們無法分析所有為網站帶來流量的關鍵字請求。

例如，我們可以查看關鍵字在某個頁面集群中的有效性。 假設有 100 個關鍵字，其中 50 個位於頂部，在這 50 個中，我們知道其中 30 個代表進入 Search Console 卸載的流量。 我們假設其他請求也有流量，只是服務沒有給我們這個信息。

沒有辦法 100% 準確地衡量哪些關鍵字為我們分析的頁面帶來了流量。 因此，在分析開始時，我們認為我們的結果會有一定程度的誤差。

我們向客戶提供了一份報告，讓他們可以分析一段時間內 SEO 活動的有效性。 效率分析是基於實際銷售額，所以可以統計SEO流量的ROI。

您想建立一個顯示 SEO 流量效率的報告嗎？ 免費試用 OWOX BI，看看它如何幫助您實現目標。

最近，這項任務變得非常緊迫。 可能有一半的互聯網流量和很大一部分銷售額來自移動設備。 我們的許多客戶同時使用移動應用程序以及在線和離線應用程序。 當您從移動設備購買流量時，您想了解它的有效性。

客戶的目標：評估通過付費來源 (Google Ads) 吸引流量以促進移動應用安裝和應用內銷售的效率。

客戶的挑戰：建立一個報告，顯示流量來源在關鍵轉化操作（安裝、註冊、交易、收入）方面的效率。

我們的假設：通過將來自 AppsFlyer 的原始數據（安裝、用戶操作、流量來源、收入）與來自 Google Ads 的成本數據聯繫起來，我們可以構建一份報告，根據相關交易行為顯示廣告活動的投資回報率。

1. 使用 OWOX BI，將應用內用戶行為的原始數據從 AppsFlyer 上傳到 BigQuery，並將有關安裝來源、後續交易和應用收入的信息上傳到 GBQ。
2. 檢查上傳以查看報告所需的所有數據是否與 CRM 中的數據（收入、轉化次數）相匹配。
3. 使用數據傳輸方法設置將 Google Ads 費用上傳到 GBQ。
4. 編寫一個 SQL 查詢，鏈接來自 AppsFlyer 和數據傳輸的數據並執行所需的計算。
5. 在 Google 數據洞察中構建報告。

移動應用程序可能會產生延遲效應。 例如，有人可能安裝了一個應用程序，但一個月後才註冊。 我們的客戶想要分析購買流量隨時間推移的有效性。 也就是說，如果在 3 月份從渠道 Y 購買了 X 個應用單元，那麼這些單元中有多少在 4 月、5 月、6 月等期間帶來了轉化操作？ 為了回答這個問題，我們製作了一份特別報告。

跨國家、城市和廣告活動組進行分析也是一項挑戰，因此我們的客戶可以例如看到某個經理監督的活動的有效性。 這是使用過濾器實現的。

我們有意識地沒有在報告中使用 CRM 數據，因為內部系統中的實際銷售額和應用程序數據之間幾乎沒有誤差。

我們的客戶在 Google 數據洞察中收到了一份自動更新的報告，該報告回答了以下問題：

• X 流量源在 Y 月帶來了多少應用設置？
• 在安裝當月和之後的幾個月內有多少應用內轉化？ （按流量來源）
• 就上述參數而言，活動組的有效性如何？
• 跨國家/地區的廣告活動效果如何？

我們無法共享包含敏感數據的客戶報告，但以下是可以使用所述解決方案創建的基本報告示例（無每月偏移）：

想了解移動應用的流量效率嗎？ 免費試用 OWOX BI，看看它如何滿足您的需求。

默認情況下，Google Analytics（分析）報告使用最終非直接點擊歸因模型。 該模型將交易中的所有價值分配給訂單之前鏈中的最後一個間接來源。 因此，通過漏斗提升用戶的其他來源被低估了。

您可以使用 OWOX BI 的基於 ML 漏斗的歸因來了解渠道的真正價值並有效分配您的預算。 從第一次訪問到購買時，它會考慮所有接觸點和所有用戶操作。

客戶目標：在固定的 CRR 指數下增加受控付費流量來源的 ROI。

客戶的挑戰：建立一份報告，以貨幣形式顯示被低估的流量來源及其有效性，同時考慮每個用戶與網站的聯繫。

我們的假設：如果廣告預算得到有效重新分配，則可以在不提高 CRR 的情況下增加 ROI。 為此，投資回報率計算必須考慮所有通過渠道推廣用戶的活動和來源的貢獻，而不僅僅是那些完成交易的活動和來源。

1. 收集網站上的原始用戶行為數據並使用 OWOX BI 將其發送到 Google BigQuery。
2. 設置從廣告服務到 Google Analytics 和 Google BigQuery 的成本數據導入。
3. 配置要正確發送到 BigQuery 和 CRM 的客戶 ID、用戶 ID 和交易 ID。
4. 以所需結構將實際銷售數據從 CRM 上傳到 Google BigQuery。
5. 根據客戶 ID、用戶 ID 和交易 ID 鍵，將站點中的用戶行為數據鏈接到已完成的訂單。 不需要 SQL 查詢——一切都發生在 OWOX BI 歸因模型中。 我們只需以正確的格式加載數據並將其添加到模型計算中。
6. 在 OWOX BI 中設置歸因模型並運行計算。 在這個階段，我們可以將對特定業務重要的事件指定為漏斗步驟，包括離線發生的事件（會議、電話、網絡研討會等）。 漏斗可能會有所不同，具體取決於企業想要衡量的內容以及他們如何看待用戶的購買路徑。
7. 使用標準 OWOX BI 智能數據報告執行初始數據分析，以避免在第三方 BI 系統中將資源用於數據可視化。 在智能數據中，您可以查看基於歸因模型計算結果構建的完整報告，無需 SQL 查詢。 例如，您可以查看廣告活動的投資回報率，以及它與最終非直接點擊歸因所顯示的投資回報率有何不同。

將客戶 ID 和交易 ID 與訂單一起正確傳輸到您的 CRM 需要客戶端開發團隊。 這同樣適用於配置和傳輸用戶 ID。

為了正確解釋歸因計算的結果，有必要讓客戶團隊的專家參與進來。 這是因為如果不了解設置廣告活動的上下文和邏輯，就很難正確評估某些流量來源的行為。

我們的客戶收到了現成的報告，可用於：

• 將流量來源的 ROI 與最終非直接點擊歸因和基於 ML 漏斗的歸因的已完成訂單進行比較
• 分析漏斗不同階段流量來源的有效性
• 自動將歸因模型計算的結果傳遞給 Alytics、Google Ads 和 K50 以自動化費率管理（OWOX BI 與這些服務集成。）

以下是來自 OWOX BI Smart Data 的報告示例，該示例顯示了廣告活動的投資回報率在不同歸因模型中的差異：

例如，在此屏幕截圖中，我們看到 ROI 來源 bing/organic 比 Google Analytics 中的高 20%。 也就是說，來源實際上賺了更多的錢，但在谷歌分析中被低估了，因為它位於漏斗的中間。

想要評估您的廣告活動的相互影響及其對銷售的貢獻？ 試試 OWOX BI，看看它如何幫助您實現目標。

當用戶在某處看到廣告，並沒有點擊任何內容，但一段時間後轉到該網站並執行特定操作，這稱為查看後轉化。 這些很難跟踪，因為與廣告沒有直接聯繫和過渡。

此外，像 Facebook、谷歌、YouTube 和 Yandex 這樣的大玩家對讓第三方進入他們的系統並不是很感興趣。 也就是說，他們不想給出指示特定用戶看到特定廣告的數據。

客戶的目標：提高媒體廣告（橫幅和視頻）投資的效率。

客戶的挑戰：跟踪媒體廣告的瀏覽量（無點擊）以及看到廣告的用戶的後續網站訪問。

我們的假設：我們可以在客戶發布媒體廣告的網站上放置一個跟踪代碼（像素）。 該像素將為每個看到廣告的用戶分配一個唯一的 cookie。 一段時間後，該用戶可能會訪問客戶的網站。 然後，我們將能夠讀取我們分配的 cookie 並使用這些數據來構建查看後分析。

OWOX BI 團隊的任務是開發一種跟踪方法，該方法將收集有關廣告瀏覽的數據，以便將其與來自客戶網站的用戶行為數據相結合。 我們基本上創建了一段代碼，可以放置在廣告運行的網站上。

然後，我們需要 Google BigQuery 將廣告瀏覽數據與來自客戶網站的用戶行為數據結合起來，以便使用 SQL 對其進行處理。

該任務分幾個階段實施：

1. 從客戶那裡收集業務需求。
2. 根據這些業務需求，準備 TA 以在將放置媒體廣告的網站上引入像素。
3. 測試 TA 實施的質量以及在廣告篩選期間輸入 Google BigQuery 的數據質量。
4. 發起活動並監控數據傳輸的質量。
5. 將活動期間收集的數據與用戶行為數據以及 CRM 數據相關聯。
6. 建立一個回答客戶業務問題的報告。

• 並非所有網站都對託管我們的像素感興趣。
• 我們使用自己的 OWOX 用戶 ID 作為數據映射的鍵。
• 我們不斷監控我們的腳本在廣告商擁有的平台上的跟踪和正確運行。
• 我們不僅考慮了轉化窗口內的直接銷售，還考慮了廣告對吸引新受眾的影響（客戶的 KPI 之一）。

我們的客戶收到的報告回答了以下問題：

• 在線訂單活動的投資回報率是多少？
• 在查看廣告後 10 天內完成的訂單的廣告系列的投資回報率是多少？
• 考慮到 ROPO 的影響，廣告的投資回報率是多少？
• 哪些網站在 ROI/CR/新用戶方面被證明是最有效的？
• 看過廣告的用戶中有多少百分比已經訪問過該網站？
• 在查看廣告後的 X/Y/Z 天內，有多少新用戶被帶到該網站？
• 有多少新用戶在查看廣告後購買？
• 看到廣告的用戶購買了哪些商品？
• 有多少流失的用戶（X 天沒有進入網站或在網站上購買）被廣告帶回來？

瀏覽後轉化報告示例：

想要相同的報告？ 試試 OWOX BI，看看如何使用它來克服營銷分析挑戰。

• 數據是 21 世紀的石油。
• 處理數據需要實驗和檢驗假設。
• 您需要做好準備，並非所有實驗都會成功。
• 光有 CMO 的願望是不夠的； 您需要公司內部的流程來讓數據開始帶來資金，而團隊也應該需要它。
• 將數據轉化為金錢是 21 世紀的煉金術嗎？ 我們不這麼認為：）