為什麼沒有人對分析師高五？ Steen Rasmussen 的艱難而真實的回答

Mariia Bocheva 對 Steen Rasmussen 進行了一次精彩的採訪，他是我們認識的最有才華和最有影響力的網絡分析佈道者之一。 我們還得到了他在分析中的演講錄音！ 會議上，他介紹了有助於我們形成連貫研究圖景的細節。

我們決定打破傳統的採訪風格，將其轉變為必不可少的閱讀材料，幫助分析師提出新想法。

在本文中：

首先，談談 Steen Rasmussen：他目前是 IIH Nordic 的 Web 分析傳播者、董事和董事會成員。 他還可以理所當然地聲稱自己是現代分析的製定者之一。 IIH Nordic 是那些擁有完全獨特的數據生態系統和實驗驅動文化的公司之一，在這裡一切都旨在促進有意義和高效的工作。 例如，他們的組織水平如此之高，以至於他們每週只工作四天，同時處理每週工作五天的工作量。

聽起來像個夢，對吧？ 讓我們找出 Steen 與我們分享的內容。

誰告訴你要成為一名優秀的分析師，你必須掌握技能和工具？ 或者，作為一名分析師是一份安全的工作，你可以先做報告，然後再放鬆，直到下次需要報告？

清楚地了解您被聘用的原因以及您為公司帶來的價值對於您的成功至關重要。 分析師致力於為企業提供見解，以實現兩個主要目標：

1. 在增加利潤的同時降低成本
2. 獲取新客戶並留住現有客戶

這是分析師工作的主要目標，執行的每項任務和建立的報告都應該從上面幻燈片中描述的目標開始。

分析工具、技術和方法只是工具。 雖然它們會影響所提供服務的質量，但它們不能保證對業務需求的深刻理解——這取決於分析師。 您選擇的工具不一定是 Google 工具堆棧，而是適合您組織風格的工具組合。​

是的，每個分析師都在努力工作以推動他們的公司向前發展。 但通常，沒有人讚揚他們的辛勤工作。 發生這種情況的主要原因是同事看到分析師的工作結果是這樣的：

這看起來很不錯，但是我們應該用這些東西做什麼呢？

你聽過類似的問題嗎？ 當人們沒有感知分析師提供的價值時，就會發生這種情況。

您的同事對分析並非刻薄或免疫； 他們只是不斷需要在不再友好的市場壓力下做出正確的決定。

這就是硬幣的另一面：即使在數據最發達的公司，你也會體驗到鄧寧-克魯格效應或倖存者偏見，因為這是人的天性。 他們不相信分析有那麼難，他們會根據手頭的信息得出結論。

或者有時分析師過於關注數字，而不是洞察力或做什麼建議。 但是，強調永遠不會 100% 完美的數據——再加上商業決策中固有的不確定性——不會讓任何事情變得更好。

分析師應盡力：

• 以易於理解的方式交流他們所知道的。
• 對將與他們的數字一起工作的人產生同理心。
• 永遠不要在沒有假設的情況下陷入數據深淵。 永遠記住為什麼要進行分析。
• 將分析結果轉化為人們的解決方案。 讓人們了解數據可以帶他們走多遠。 教育您的同事如何在工作中應用數據分析。
• 培養健康的自我批評。 把你的想法帶到辦公桌前，不要害怕失敗。

以下是分析師可能犯的一些最大錯誤：

不檢查草稿

​如果不仔細檢查結果中的數字，分析師可能會失去如此多的可信度。 您應該始終檢查其他系統並進行簡單的現實檢查——您的結果是否存在於現實中？ 三分鐘內平均能有 89 次瀏覽量嗎？ 當您懷疑自己並嚴格要求自己時，您就不僅僅是專家了——您是可靠的專家。

避免提供建議或回答其他問題，以避免看起來愚蠢的風險

分析師可能害怕分享任何額外的數字。 大膽分享數字； 這是一項很棒的技能。 即使你已經犯了一些錯誤，即使它被提及，即使你的想法受到質疑，也不要在機械地做被問到的事情時忽視你的創意。 保持好奇心、創造力和無所畏懼。

分析師根據他們目前擁有的數據構建報告，有時這些報告會乏味地描述明顯的事實。 那你該怎麼辦？ 你是一個糟糕的分析師嗎？

永遠記住，你擁有的部分數據可能是錯誤的或損壞的，因為你沒有收集到更多的數據是不可用的，還有更多的數據是你甚至無法想像的。

分析師的任務之一是突破可用數據的極限，回答管理層和同事的問題。 不要試圖在你已經擁有的東西中找到聽起來像答案的東西，而是要培養公司的數據。 不要試圖為你的假設尋找支持，同時忽略反補貼的證據。 盡量覆蓋所有你能接觸到的東西，記住即使在那之後，也會有更多的數據需要收集。

您如何獲得比現有更多的數據？ 您可以用來豐富營銷數據的一種方法是，不僅將每個廣告活動視為潛在客戶的來源，而且將其視為數據的來源。 您可能會發起一個完整的活動來獲取數據，就像每個 A/B 測試活動都是為了找出更有效的方法一樣。

A/B 測試是一個很棒的工具，並且在很長一段時間內都很有價值。 但時代變了，A/B 測試的邏輯是在實際情況不同的情況下建立起來的。

每次我們決定 A 比 B 好或 B 比 A 好時，我們都會排除一些喜歡其他版本的訪問者……所以我們實際上每次都在限制我們的業務範圍。

從這個角度來看，我們看到 A/B 測試不再是數據激活的最佳工具。 令人著迷的是，現在我們可以為喜歡 A 的人提供變體 A，為選擇其他變體的人提供 B。 這是現代數據收集和激活速度所帶來的可能性之一。 今天，您無需選擇； 您可以滿足盡可能多的客戶。

所以不要陷入非此即彼的心態； 改變應用數據洞察的方法。 谷歌優化和其他個性化工具將幫助您。

讓我們看看在工作日中間等待分析師的其他威脅是什麼。

理解這一點的最好方法是為典型的在線商店建模一個段分區。

在上面的幻燈片中，已經向您購買的人沿著綠線。 還有一些人永遠不會向你購買——那些人在紅線上。 典型的廣告預算分配不會排除任何這些細分，因為：

1. 營銷團隊將繼續努力讓紅線觀眾感興趣。 這些人可能會點擊廣告並浪費您的預算，但他們仍然不會購買任何東西。
2. 營銷部門將通過向他們提供折扣和損失利潤來試圖挽回那些已經從你那裡購買的人。

發生這種情況是因為這是營銷的運作方式，每個人都已經習慣了。 但是如果你修改你的自動化系統，把你的廣告集中在中間群體，投入你所有的資源來培養這種受眾，即使在最困難的行業，你也會獲得真正的收入增長。 因此，對參與廣告預算分配決策的營銷人員和分析師的最佳建議是，您必須正確理解您的數據。

這是一個從清洗數據到編排數據的機會。 自動化營銷機器仍然只是由聰明的分析師管理的工具。

道德並不是分析師工作中被廣泛討論的一個方面。 但是，在促進企業利益的同時，在工作中保持道德也很重要。 還記得幾年前劍橋分析公司發生的事情嗎？ 最終客戶真的很關心你把他們的數據帶到哪里以及你用它做什麼。 如果您不小心收集和存儲數據、讓借用的數據不受保護或未經許可使用它來操縱他人，您的公司可能會付出巨大的代價。

Cookie、隱私政策和復選框只是維護客戶與使用個人數據的網站之間關係的第一步。 分析師可能會發現這些限制不公平，因為它們會導致數據碎片化。 有時，對客戶個人數據的實驗在技術上可能很有趣，但從道德的角度來看是有問題的。

此外，網絡上沒有兒童安全的地方。 孩子們比成年人更多地使用智能手機，並且在網上發布了大量非常個人化的數據。 這是營銷人員和分析師必須應對的新的道德挑戰。 我們可以在線向受父母監護的兒童銷售嗎？ 我們可以從幾歲開始向兒童展示廣告而不損害他們的權利？

您不需要分析的唯一情況是您不會使用它。 如果您真的不想使用分析結果，請不要在上面浪費金錢。

如何在分析上花錢是一個完全不同的故事，但請記住，營銷分析是一項投資，它必須提高投資回報率才能物有所值。

考慮每個工具可以帶來的利潤，而不是它的受歡迎程度或它有多酷，來完善你的工具箱。 請記住，每種工具都有其局限性，並且旨在幫助您，而不是取代您。

給分析師的更多建議：

1. 停止將您的轉化率與平均值進行比較。 這不是增長的最佳基礎。 您應該比較的是您自己當前的轉化率與上個月的轉化率。 為自己樹立標杆，一次次超越自己，穩定的成長不是夢想，而是現實。
2. 停止依賴平均指標。 因為平均值隱藏了真正重要的信息……和身體。 有時，人們很懶惰，會線性思考，當我們看到令我們滿意的數字時，我們真的很高興。 但是，當我們深入了解時，我們會向自己承認，轉化事件（例如，Google AdWords 廣告系列點擊）可能不會導致購買——或者至少不會導致購買我們宣傳的確切產品。 如果人們購買 iPhone 外殼而不是 Macbook Pro 會怎樣？ 邊際不一樣，不是嗎？ 因此，即使一家公司仍然顯示出良好的 ROAS，也要從內部檢查這個指標，了解一切是如何發生的。

給企業的建議：

1. 不要再假設如果你僱傭了一位數字分析師，你就已經建立了整個數據科學部門。 您需要建立一個具有廣泛技能的團隊：聘請統計學家、業務分析師/口譯員、技術熟練的數據科學家。 這些專家是您對分析的主要投資，而不是您購買的工具箱！
2. 如果您是一家小型企業，請收集有關您自己的數據，了解類似初創公司的運作方式和市場基準，嘗試獲取更廣泛的數據，構建您自己的數據集，並定義您周圍的世界。
3. 如果您在一個大市場中，請留意競爭對手並從內部轉向外部世界。 要戰勝競爭，還有很多事情要做！

很長一段時間，分析師們都在學習如何收集數據，並且痴迷於它，就像對金礦或油井一樣。

數據的最大價值在於事件發生的那一刻。 等到為分析準備數據、交付結果、做出決策並採取行動時，可能為時已晚。 世界已經發生了變化，新的事件發生了。

因此，我們必須記住，我們的數據存在於我們周圍世界的背景下。

謝謝，斯蒂恩，在分析中進行瞭如此深入的採訪和精彩的演講！ 會議！

我們希望您喜歡這篇閱讀文章，並對分析和分析師在現代市場中的角色有新的認識。 在 OWOX，Steen 啟發我們在分析中支持以人類為中心的標準，其中工具比專家更重要。 我們相信分析師本身是分析中最重要的部分，而不是他們使用的強大工具。 因此，讓我們互相學習，讓分析成為有史以來最好的學科！

訂閱我們的博客，閱讀接下來的採訪，作為我們對數字分析狀態研究的一部分，並讓頂級分析師的經驗適應您的業務。