Els professionals del màrqueting seuen en una muntanya de dades valuoses sobre el consumidor. Però no totes les dades de què disposen són útils. Treballar amb dades de mala qualitat enverina els vostres esforços de màrqueting, us genera oportunitats perdudes i, finalment, us perjudica els resultats.


com promocionar-se a youtube

Les dades incorrectes són dades que sovint han estat corrompudes per les circumstàncies. I és més comú del que ens adonem. Mai intencionat ni maliciós, sovint és el resultat d’un error humà o d’una col·lecció incorrecta. De vegades, és tan simple com canviar les adreces de correu electrònic amb el pas del temps. En altres casos, és una cosa que trenca en el vostre procés. Tot i que la causa pot ser simple, l’efecte (buits i inexactituds de les vostres anàlisis que fa que tot el que mesureu sigui ineficaç) pot ser desastrós.

No totes les organitzacions tenen campions de dades al seu equip, però a mesura que les empreses adopten cada vegada més una cultura basada en les dades, donar prioritat a la salut de les dades serà imprescindible.



Les dades incorrectes no estan estandarditzades

A la vostra vida personal, normalment hi ha alguna manera de conciliar les dades. Suposem que trobeu una discrepància al vostre compte bancari: sabeu el que heu guanyat en comparació amb el que heu gastat i podeu comprovar-ho amb dades històriques als extractes bancaris. En altres paraules, teniu una font de veritat. Però al màrqueting, el més freqüent és que no hi hagi cap base. Com a venedor, per descomptat, teniu una idea del que és correcte, però totes les vostres dades són relatives a si mateixes.

Aquest problema no és nou, només vola fàcilment sota el radar. Si utilitzeu Google Analytics, per exemple, per fer un seguiment del trànsit de totes les vostres pàgines web i, per qualsevol motiu, l’escriptura no seguia el 10% de les vostres pàgines, simplement no sabríeu que us en falten 10 % de les vostres dades. Es poden produir buits com aquest de diverses maneres. Però una manera important de produir-se és la manca d’estandardització.

Per a una empresa SaaS, mesurar 'visitants del lloc' pot no significar el mateix que 'usuaris de la plataforma'. Quan configureu aquestes mètriques en diferents plataformes d’anàlisi i les fragmenteu en diversos departaments (des del màrqueting fins a les vendes fins a l’enginyeria), marca la diferència. Els 'clics' a AdWords no es tradueixen necessàriament en trànsit global, ja que hi ha una diferència entre els usuaris nous, les sessions úniques i el total. A escala, traieu dades de centenars de fonts. No estandarditzar el que mesureu, però el tractar igual, és una recepta per obtenir dades incorrectes.

Les dades incorrectes són cares

Tant si feu cas omís del problema perquè no esteu segur de com solucionar-lo, com si potser encara no n’esteu al corrent, treballar amb dades de mala qualitat afecta molts negocis fora del màrqueting. Si les vostres dades es troben a tot arreu, posen fi a iniciatives valuoses i us perjudiquen els resultats.


quina mida té la foto del perfil d’Instagram

Per posar-ho en perspectiva, atès que les dades decauen a un ritme del 70% anual, les males dades costen de mitjana a les empreses 9,7 milions de dòlars anuals . Harvard Business Review va concloure que les males dades costen molt perquè els responsables de la presa de decisions, els científics de dades i altres membres de l’equip han d’acomodar les discrepàncies en el seu treball quotidià: perseguir les inexactituds i les fonts errònies, corregir els errors. Fer-ho requereix molt de temps i costa.

Més enllà dels dòlars, les dades errònies comprometen la vostra estratègia i condueixen a malgastar oportunitats pel camí derivades de decisions comercials desinformades. Tractar les quantitats massives de dades proporcionades a través de múltiples fonts, en diferents formats i freqüències diferents, és un procés fragmentat. És comprensible que els departaments de màrqueting sovint no tinguin la mà d’obra necessària per analitzar, comprendre i aprofitar totes aquestes dades de manera contínua.

Les bones dades són netes

Bons resultats de dades quan us dediqueu temps a netejar, verificar i organitzar les dades de manera que problemes comuns, com ara informació obsoleta, duplicats o imprecisions, deixin de afectar el vostre sistema.

Per fer front a aquesta complexitat es requereixen recursos dedicats i processos i polítiques ben definits per a l’estandardització, l’optimització, l’informe i un enfocament àgil. Es tracta d'una desviació de la generació d'informes mensuals, de predicció trimestral i d'informació episòdica a la qual estan acostumades la majoria de les organitzacions. Però aquest canvi és fonamental per a l’èxit en un món cada vegada més basat en dades. Una organització de màrqueting de classe mundial hauria de fusionar perfectament dades, anàlisis, estratègies, persones, processos i capacitats per obtenir resultats empresarials.


com programar publicacions a les xarxes socials

Si la vostra organització creix i acabeu d’obrir les comportes per compartir dades entre departaments, cerqueu àrees on es pugui combinar la informació perquè tingueu una imatge més completa del client. Penseu en la possibilitat de formar un grup de treball, on els membres de l’equip siguin propietaris de diferents parts del gasoducte i defensin les bones dades de la vostra organització.

Si assignar els recursos a un grup de treball per netejar manualment la canalització de dades és una opció poc realista per a vosaltres, tingueu en compte implementació d’eines d’intel·ligència artificial . L’aprenentatge automàtic predictiu pot aprendre el comportament de base de les mètriques de dades i té la capacitat de transformar ràpidament grans extensions de dades en informació empresarial de confiança, així com automatitzar el descobriment d’anomalies.

Els recursos dedicats per netejar la canonada solucionen el problema, però no hi ha res més protector que aplicar aquests principis de manera proactiva. Preneu-vos el temps que el vostre equip dedicaria a corregir dades incorrectes i canvieu-les pel temps dedicat a construir processos de dades segurs i precisos en els vostres esforços des del principi.

Persecució, no perfecció

Ser realista és important. I la realitat de les dades errònies és que netejar-les és un procés sense fi. L’objectiu no és un estat final on tot sigui perfecte. L’objectiu és procurar hàbits i processos al vostre lloc de treball que afavoreixin millors dades.


com fer una biografia de twitter

Dit això, la qualitat de les dades és, en última instància, cosa de tots. Tant si treballeu directament amb els números com si no, les dades afecten tots els resultats d’una organització. Una canonada neta i mantinguda significa que vosaltres i el vostre equip podeu reduir definitivament els costos erronis i seguir amb més facilitat estratègies de dades saludables.

Avançar el màrqueting cap a una autèntica cultura basada en dades pot ser un llarg viatge. Però és un que demostra el seu valor.

Aquesta peça forma part de la nostra sèrie sobre màrqueting basat en dades, en què els nostres experts exploren les claus per desenvolupar un enfocament estratègic i en equip basat en les dades. Llegiu el primer article aquí .