CMO 如何構建有效的營銷分析系統

收集數據、分析數據並根據數據做出明智決策的企業比不這樣做的企業發展和發展得更快。 本文解釋瞭如何為您的業務構建分析系統，以及為什麼 martech 工具和分析師是必不可少的。

什麼是分析？ 它是公司評估產生利潤的工具。 然而，分析本身並不能直接為企業帶來收入。 通過分析，首席營銷官 (CMO) 只能獲取各種報告，以便得出結論並做出決策。

讓我們以我們在 OWOX 的實踐為例。 CMO 通常的任務是執行在線廣告銷售計劃。 在這種情況下，分析如何發揮作用？ 分析師可能會提供 Google Analytics 報告、僅來自 Google Ads 的廣告費用數據，以及與 CRM 數據不匹配的網站在線交易數據。 因此，計算 ROAS 會很困難。

假設一家公司長期使用分析，已在雲存儲中收集數據，並配置了自動創建的報告。 這是否解決了公司所有的營銷問題？ 並不真地。 畢竟，營銷總監不僅對數據感興趣，而且對能夠幫助他們了解有哪些機會來執行下個月或下季度的計劃的數據感興趣。

為了準確執行計劃並實現所有目標，營銷人員需要分析來識別：

• 增長區域（如何超出計劃）
• 風險區（影響計劃實施的因素）

“在考慮兩個區域之前，我會強調僱傭合適的人來幫助建立該系統。

CMO 不是應該構建系統的人。 CMO應該做更多的戰略思考，選擇和控制營銷方向等。你知道，“更高層次的東西”。

在分析方面，有太多東西對 CMO 來說太技術性了。 因此，合適的員工應該填補這一空白。 CMO 應該使用經過處理和（希望如此？）可視化的數據，然後做出決策。”

Analyticsmania.com 的創始人 Julius Fedorovicius。

我們已經承認，僅靠自動化報告不足以解決營銷問題。 需要對數據進行解釋才能獲得答案，而 Make Everything OK 按鈕還沒有被發明出來。 （我們正在努力！）因此，營銷總監需要做這些事情來保持高生產力：

1. 建立一個顯示風險和增長區域的分析系統
2. 聘請處理數據、添加上下文並提供結論的分析師

CMO 正在增加他們的技術預算這一事實表明，營銷分析服務不再只是一個昂貴的玩具。 它們是真正的工作工具，可以幫助營銷部門執行計劃並獲得獎金。

“對於較小的公司，可以簡化流程，從僱用熟悉谷歌生態系統（GA、GTM、GDS、表格）的人開始就足夠了，但理想情況下，團隊應該至少由兩個人組成。

1. 擅長數據收集的技術人員（我們稱他/她為分析工程師）。
2. 數據分析師然後可以清理數據，使用它並進行分析（據我所見，通常分析數據的人對數據收集的技術部分不是很熟練，這就是分析工程師會提供幫助的原因）。

您僱用的人員可以幫助您選擇/構建正確的分析堆棧。”

Analyticsmania.com 的創始人 Julius Fedorovicius。

企業可以成功地使用開箱即用的產品或自己的解決方案。 為了避免不必要的金錢和時間支出，公司必須清楚地了解自己需要什麼。

在開發自己的解決方案時，您應該注意開發和支持團隊以及文檔。

如果編寫數據收集腳本並負責配置整個系統的專家離職，您需要確保替換他們的員工能夠支持這些項目。

如果您想購買現成的解決方案，請先評估您需要處理的數據量。 如果您每天通過在線廣告獲得 10 筆銷售額，則您無需投資強大且昂貴的服務。 對於這麼多的工作，使用 Google Analytics 或 Excel 就足夠了。

在您的營業額和需求不斷增長的同時，對額外指標、自動化和更高數據處理速度的需求也在不斷增加。 例如，在 SaaS 業務（有訂閱費的 IT 解決方案）中，如果您的年營業額超過 200,000 美元，您就可以開始從自己的數據倉庫或機器學習算法的使用中獲得真正的價值。

但是，請注意，即使是可以收集、處理、計算、預測和可視化數據的現成服務，也需要針對特定業務進行調整。 許多企業都有獨特的邏輯和關鍵規劃參數。 因此，導入數據和數據可視化的結構會有所不同。 此外，根據我們的經驗，客戶不喜歡學習如何在新界面中工作，而是希望他們的數據以一種通用的方式呈現。

總而言之，我們在 OWOX 創建營銷分析系統時採用的方法是：

• 企業應該可以完全訪問他們的數據
• 數據必須在決策者熟悉的界面中交付

即使在一個利基市場中，企業之間也存在許多特徵和差異。 例如，在零售業，電子產品業務在概念上不同於銷售衣服或家居用品的業務。 假設購買頻率不同，與新客戶和現有客戶合作的重點也不同。

另一個例子是，許多公司都在強調移動應用程序和客戶端分析的開發。 與基於 Web 應用程序的公司相比，此類公司具有完全不同的營銷模式、計劃績效方法和指標。 這就是為什麼很難合併和處理數據。

因此，企業能夠直接訪問其營銷和產品數據，而不是依賴特定服務及其可視化系統的功能，這一點很重要。

公司正在為公司目前發展的需求和痛苦尋找分析師。 如果有很多痛苦（而且總是有），那麼尋找分析師可能需要幾個月甚至幾年的時間。 歸根結底，聘請的專家很可能無法處理所有任務。

區分和系統化分析師的職責範圍很重要。 如今，許多公司都在尋找能夠設置指標、合併數據、基於這些數據建立假設、提供建議、確保轉化率立即增長並確保廣告活動開始獲得回報的分析師。 他們是分析師； 他們可以應付！

在現實生活中，它不會那樣工作。 您的分析師要么沒有足夠的時間，要么沒有足夠的技能。 例如：

• 專家可以是出色的技術人員（設置數據收集、編寫請求和準備數據以進行分析），但缺乏如何有意義地評估所獲得數據的知識。
• 一家公司可能很大，一切都可能被組織起來，以便只有一個分析師可以提供數據。 整天，該分析師基本上將成為數據的語音界面。

您應該做的是通過衡量數據和增長點來確定哪些責任分析領域可以得到加強。 例如，在零售業務中，這是營銷、產品和客戶體驗。

如果專家忙於準備數據和報告，則值得將此技術分析功能分配給一個單獨的部門或將其轉移給合作夥伴。

當分析是一種工作功能並且不受一位專家的能力限制時，它對公司來說更有利可圖。 否則，公司將面臨鐵的天花板。

例如，假設一位分析師在學習並開始對 R 語言感興趣後突然決定放棄某些第三方解決方案並自己重新創建它們。 他們的想法是，企業將停止為外部解決方案多付錢。 但事實上，分析師是在發展自己的興趣，而不是參與他們的直接任務。

作為回報，如果分析師退出，公司將獲得一個沒有支持的不穩定解決方案。 好處是值得懷疑的。 任何業務都不應該局限於分析師可以做的事情。

另一件事是當一家公司成立一個成熟的內部分析和數據部門來支持不同部門的增長目標時。 在這種情況下，公司可以確定數據質量和評估營銷、產品和其他部門發展的資源。

首席數據官 (CDO) 或分析主管確定應首先開發和支持哪些基於數據的解決方案。

例如，讓我們考慮一個客戶的真實案例：一家銀行根據收集到的有關客戶興趣和行為的信息自動選擇客戶經理。 此外，銀行開始考慮將該經理轉換為關閉具有相似客戶資料的交易。

在為公司開發解決方案時，分析師獲得以下問題的答案很重要：

• 分析客戶的戰略目標是什麼？
• 為了實現戰略目標，將做出哪些決策以及分配哪些職責？
• 客戶需要回答哪些問題才能做出決定？
• 哪些圖表、報告和建議可以幫助回答問題？
• 解決方案中應該使用哪些指標？

為分析師制定任務很重要，以免錯過重要細節，從而為客戶提供有效且有用的解決方案。

讓我們總結一下。 為了讓數據為業務服務，您的分析師應該：

1. 了解哪些客戶目標和解決方案真正取決於數據
2. 考慮這些決定影響了多少利潤
3. 定期監測數據質量並及時報告偏離標準的情況

當然，增加自己使用數據而不需要分析師團隊持續幫助的員工比例符合 CDO 的利益。

“我認為營銷中的分析應該被視為已經有經驗/強壯的運動員的補充。它們可以讓他/她更快/更強壯/等等。如果你已經做得很好，那麼分析可以幫助你改善這一點。

說到更具體的例子（關於前面提到的兩個區域），這裡有一些。

生長區：

• 尋找能帶來 80% 收入的 20% 的產品。 檢查他們的流量來源、人口統計等，並嘗試確定哪些細分市場比其他細分市場運行得更好。 這可能有助於您確定增加預算的機會（例如調整您的付費廣告）。

風險區：

• 跟踪錯誤（和其他負面行為、結帳錯誤、註冊錯誤等）。 這些是客戶/客戶的主要鬥爭。 通過識別它們並進行修復，您可以減少摩擦，從而增加轉化量。”

Analyticsmania.com 的創始人 Julius Fedorovicius。

一個強大的分析師可能需要六個月的時間才能填補空缺。 那是很長一段時間。 合作夥伴是一個很好的解決方案，可以立即開始，而不是等待很長時間才能獲得價值。 在兩種情況下，與合作夥伴合作確實有助於在公司中開發分析。

1. 合作夥伴的專業知識比公司目前擁有的要強得多。 例如，假設一家企業已經想要處理數據或至少開始收集數據，而公司中沒有分析師，或者他們專注於其他任務。 在這種情況下，公司應該尋找一個已經在利基市場處理過類似案例的合作夥伴。
2. 合夥人的團隊被雇用來完成某項職能。 例如，它可能正在實施分析、提供 Google Tag Manager 支持或營銷報告。 當公司需要一個大型且合格的團隊來執行特定任務並且內部員工在專注於數據分析和解釋時更有價值時，這種方法很有效。

重要的！ 無論採用何種方法，都值得與決策透明的合作夥伴建立關係。 換句話說，您的合作夥伴必須了解您公司的戰略目標和目標以及您的分析要求，才能主動開展工作。

您的戰略目標、時間框架和預算是什麼？ 例如，在一年一度的 Go Analytics！ 會議上，人們經常談論如何使用價值數十萬美元的付費分析產品。 但也有發言者表示，每月只需 130 美元即可構建分析。 這兩種情況都是真實的。

積極使用 Google Marketing Platform 產品並將廣告數據與銷售數據相結合的大公司使用 Google Analytics 360。對於其他數量較少的公司，使用免費的 Google Analytics 功能就足夠了。

簡而言之，如果您的年收入在 200,000 美元到 100 萬美元之間，那麼是時候在您的數據庫中收集數據了，但現在投入精力使用機器學習算法還為時過早。 您還沒有足夠的客戶信息。

專注於您的業務的分析功能和盈利能力。 首先，分析應該有助於回答我的風險在哪裡？ 我的增長區在哪裡？ 在實施您的計劃時。 如果它不能回答這些問題，那麼它只會佔用您的時間和預算。

“分析是連接過去、現在和未來的東西。我們分析過去創建和收集的數據。現在，我們試圖預測未來會發生什麼。最後，我們試圖影響未來通過以新的方式重新分配我們的努力。”

Mikko Piippo，數字分析和優化顧問，霍普金斯大學的聯合創始人和合夥人。

• 從定義業務的發展水平開始構建分析。
• 無需等待大量數據或尋找超級分析師六個月。 首先聯繫在您所在地區具有構建營銷分析模型經驗的合作夥伴。
• 選擇合適的模型：為您的業務修改的現成產品或為您從頭開始開發的系統。
• 考慮聘請一位精通您的業務背景的分析師，即使他們沒有最先進的技能。 他們將能夠從一開始就抓住基礎設施，並進一步擴展和改進它。