營銷需要以數據為驅動的優質數據——奮鬥與解決方案

營銷數據質量和數據驅動營銷

營銷人員承受著數據驅動的巨大壓力。 然而,您不會發現營銷人員談論糟糕的數據質量或質疑其組織內缺乏數據管理和數據所有權。 相反,他們努力使用不良數據進行數據驅動。 悲劇諷刺! 

對於大多數營銷人員來說,數據不完整、拼寫錯誤和重複等問題甚至不被認為是一個問題。 他們會花費數小時修復 Excel 上的錯誤,或者他們會研究用於連接數據源和改進工作流程的插件,但他們不知道這些數據質量問題會在整個組織中產生連鎖反應,導致數以百萬計的損失錢。 

數據質量如何影響業務流程

今天的營銷人員被指標、趨勢、報告和分析所淹沒,以至於他們沒有時間認真應對數據質量挑戰。 但這就是問題所在。 如果營銷人員一開始就沒有準確的數據,他們究竟如何能夠創建有效的營銷活動? 

當我開始寫這篇文章時,我聯繫了幾位營銷人員。 我有幸擁有 阿克塞爾·拉弗涅, 聯合創始人 ReviewFlowz 分享他對不良數據的經驗。 

這是他對我的問題的有見地的回答。 

  1. 在構建產品時,您最初遇到的數據質量問題是什麼? 我正在建立一個評論生成引擎,需要一些鉤子來利用它們向滿意的客戶發送評論請求,而他們可能會留下積極的評論。 

    為了實現這一點,該團隊創建了一個淨推薦值(NPS) 調查將在註冊後 30 天發送。 每當客戶留下積極的 NPS 時,最初是 9 和 10,後來擴展到 8、9 和 10,他們將被邀請發表評論並獲得 10 美元的禮品卡作為回報。 這裡最大的挑戰是 NPS 部分是在營銷自動化平台上設置的,而數據則位於 NPS 工具中。 斷開的數據源和跨工具的數據不一致成為瓶頸,需要使用額外的工具和工作流。

    隨著團隊繼續集成不同的邏輯流和集成點,他們必須處理與遺留數據保持一致性的問題。 產品不斷發展,這意味著產品數據不斷變化,要求公司隨著時間的推移保持一致的報告數據架構。

  2. 您採取了哪些措施來解決問題? 圍繞集成方面建立適當的數據工程需要與數據團隊進行大量合作。 聽起來可能很基礎,但是由於有許多不同的集成,以及大量更新,包括影響註冊流程的更新,我們不得不基於事件、靜態數據等構建大量不同的邏輯流程。
  3. 您的營銷部門在解決這些挑戰方面有發言權嗎? 這是一件棘手的事情。 當你帶著一個非常具體的問題去找數據團隊時,你可能認為這是一個簡單的解決方案,而且 只需 1 小時即可修復 但它確實經常涉及大量您不知道的變化。 在我關於插件的具體案例中,問題的主要來源是保持與遺留數據一致的數據。 產品不斷發展,隨著時間的推移,很難保持一致的報告數據模式。

    所以,是的,在需求方面絕對有發言權,但是當談到如何實施更新等時,你真的無法挑戰一個合適的數據工程團隊,他們知道他們必須處理很多變化才能實現,並“保護”數據免受未來更新。

  4. 為什麼營銷人員不談論 數據管理 或數據質量,即使他們試圖以數據為驅動? 我認為這真的是一個沒有意識到問題的案例。 與我交談過的大多數營銷人員都普遍低估了數據收集的挑戰,基本上,他們只關注已經存在多年的 KPI,而從未質疑過它們。 但是,根據您的跟踪設置和產品,您所說的註冊、潛在客戶甚至唯一身份訪問者會發生巨大變化。

    非常基本的例子: 您沒有任何電子郵件驗證,您的產品團隊添加了它。 那什麼是註冊? 驗證前還是驗證後? 我什至不會開始討論所有網絡跟踪的細節。

    我認為這也與歸因和營銷團隊的建立方式有很大關係。 大多數營銷人員負責一個渠道或渠道的子集,當您將團隊中的每個成員歸因於其渠道的內容相加時,您通常會得到大約 150% 或 200% 的歸因。 當你這樣說的時候聽起來不合理,這就是為什麼沒有人這樣做。 另一方面可能是數據收集通常歸結為非常技術性的問題,而大多數營銷人員並不真正熟悉它們。 歸根結底,你不能把時間花在修復數據和尋找像素完美的信息上,因為你根本不會得到它。

  5. 您認為營銷人員可以採取哪些實際/直接的步驟來修復其客戶數據的質量?設身處地為用戶著想,測試每一個漏斗。 問問自己,您在每個步驟中觸發了什麼樣的事件或轉化操作。 你可能會對真正發生的事情感到非常驚訝。 了解數字在現實生活中對客戶、潛在客戶或訪客意味著什麼,絕對是了解您的數據的基礎。

營銷部門對客戶有最深刻的理解,卻在努力解決他們的數據質量問題

營銷是任何組織的核心。 它是傳播產品信息的部門。 部門是客戶和業務之間的橋樑。 老實說,負責演出的部門。

然而,他們在獲取高質量數據方面也遇到了最大的困難。 更糟糕的是,正如 Axel 提到的,他們可能甚至沒有意識到糟糕的數據意味著什麼以及他們面臨的挑戰! 以下是從 DOMO 報告中獲得的一些統計數據, 營銷新模式, 把事情放在眼裡:

  • 46% 的營銷人員表示,龐大的數據渠道和來源讓長期規劃變得更加困難。
  • 30% 的高級營銷人員認為 CTO 和 IT 部門應該承擔擁有數據的責任。 公司仍在弄清楚數據的所有權!
  • 17.5% 的人認為缺乏整理數據並在整個團隊中提供透明度的系統。

這些數字表明,現在是營銷部門擁有數據和需求生成真正由數據驅動的時候了。

營銷人員可以做些什麼來理解、識別和處理數據質量挑戰?

儘管數據是業務決策的支柱,但許多公司仍在努力改進其數據管理框架以解決質量問題。 

在報告 營銷演變,超過 82% 的四分之一 調查中的公司受到不合標準數據的傷害。 營銷人員再也不能承擔對數據質量的考慮,也不能對這些挑戰一無所知。 那麼營銷人員真正能做些什麼來應對這些挑戰呢? 這裡有五個開始使用的最佳實踐。

最佳實踐 1: 開始了解數據質量問題

營銷人員需要像他們的 IT 同事一樣意識到數據質量問題。 您需要了解歸因於數據集的常見問題,包括但不限於:

  • 錯別字、拼寫錯誤、命名錯誤、數據記錄錯誤
  • 命名約定和缺乏標準的問題,例如沒有國家代碼或使用不同日期格式的電話號碼
  • 不完整的詳細信息,例如缺少有效活動所需的電子郵件地址、姓氏或關鍵信息
  • 不准確的信息,例如不正確的姓名、不正確的號碼、電子郵件等
  • 您記錄同一個人的信息的不同數據源,但它們存儲在不同的平台或工具中,使您無法獲得統一的視圖
  • 重複數據,其中該信息在同一數據源或另一個數據源中意外重複

以下是數據源中不良數據的外觀:

糟糕的數據問題營銷

熟悉數據質量、數據管理和數據治理等術語可以幫助您在識別客戶關係管理中的錯誤方面大有幫助(CRM) 平台,並在此期間允許您根據需要採取行動。

最佳實踐 2:始終優先考慮質量數據

我去過那裡,做到了。 忽略不良數據很容易,因為如果您要真正深入挖掘,則只有 20% 的數據實際上是可用的。 多於 80% 的數據 被浪費了。 永遠把質量放在數量之上! 您可以通過優化數據收集方法來做到這一點。 例如,如果您從 Web 表單記錄數據,請確保只收集必要的數據並限制用戶手動輸入信息的需要。 一個人必須“輸入”信息的次數越多,他們發送不完整或不准確數據的可能性就越大。

最佳實踐 3:利用正確的數據質量技術

您不必花費一百萬美元來修復數據質量。 有許多工具和平台可以幫助您整理數據而不會大驚小怪。 這些工具可以幫助您的事情包括:

  • 數據分析: 幫助您識別數據集中的不同錯誤,例如缺少字段、重複條目、拼寫錯誤等。
  • 數據清理: 通過實現從較差數據到優化數據的更快轉換,幫助您清理數據。
  • 數據匹配: 幫助您匹配不同數據源中的數據集並將來自這些源的數據鏈接/合併在一起。 例如,您可以使用數據匹配來連接在線和離線數據源。

數據質量技術將允許您通過處理多餘的工作來專注於重要的事情。 在開始活動之前,您不必擔心浪費時間在 Excel 或 CRM 中修復您的數據。 通過集成數據質量工具,您將能夠在每次活動之前訪問質量數據。

最佳實踐 4:讓高級管理層參與 

您組織中的決策者可能沒有意識到這個問題,或者即使他們意識到了,他們仍然認為這是一個 IT 問題而不是營銷問題。 這是您需要介入以提出解決方案的地方。 CRM 中的不良數據? 來自調查的不良數據? 客戶數據不好? 所有這些都是營銷問題,與 IT 團隊無關! 但除非營銷人員站出來建議解決問題,否則組織可能不會對數據質量問題採取任何行動。 

最佳實踐 5:在源代碼級別識別問題 

有時,糟糕的數據問題是由低效的流程引起的。 雖然您可以在表面上清理數據,但除非您沒有確定問題的根本原因,否則您將重複遇到相同的質量問題。 

例如,如果您從登錄頁面收集潛在客戶數據,並且您注意到 80% 的數據存在電話號碼輸入問題,您可以實施數據輸入控制(例如放置強制性城市代碼字段)以確保您“重新獲得準確的數據。 

大多數數據問題的根本原因相對容易解決。 您只需要花時間深入挖掘並確定核心問題並付出額外的努力來解決問題! 

數據是營銷運營的支柱

數據是營銷運營的支柱,但如果這些數據不准確、不完整或不可靠,您將因代價高昂的錯誤而蒙受損失。 數據質量不再局限於 IT 部門。 營銷人員是客戶數據的所有者,因此必須能夠實施正確的流程和技術來實現他們的數據驅動目標。

你覺得呢?

本網站使用Akismet來減少垃圾郵件。 了解您的評論如何處理.