これらすべての数値をどうするか：データを実用的な洞察に変える

ビジネス戦略を伝えるためのデータが必要ですが、そのデータの背後にある完全なストーリーがなければ、それをどのように使用するのが最善かわかりません。 私たちがお手伝いします。

ほとんどの場合、3対1は公正な戦いではありません。 しかし、三匹の子ぶたと大きな悪いオオカミの話をしていると、物事はもう少し面白くなります。

文脈は重要であり、「三匹の子ぶた」は小さな子供たちの聴衆にとって異なる道徳を持っているかもしれませんが、私たちの目的のために、物語の道徳はこれです：

定量的なデータは、何が起こっているのかを完全に理解するのに十分ではありません。 これは、実際に何が起こっているのか、それに対して何ができるのかを理解するのに役立つ定性的なデータです。

つまり、マーケティング担当者は、はるかに多くのデータ（およびデータの種類）を調べる必要があります。 ほとんどの場合、リードとバイヤーを適切に理解するために必要な主要なコンテキストや、それらに適切にマーケティングする方法など、ナレッジベースにギャップがあります。

私たちは、定性的データが提供する価値、それを収集して分析する方法、そしてあなたが学んだことを中心に戦略を構築する方法を見ていきます。

ステップ1：定量的データに加えて定性的データを収集する

必要な定性的データを入手する唯一の方法は、それを収集することです。 しかし、それには時間とリソースがかかり、あなたはそれらの貴重な商品を手放すことを少しためらうかもしれません。

それで大丈夫です！ 定性的なデータを収集するために何が必要か、そしてさらに重要なことに、なぜそれが重要なのかについて、いくつかの質問に答えましょう。

定性的データは、マーケティング戦略に価値を付加します

定性的なデータは、顧客中心の考え方を持つための鍵です。 リードと顧客を単なるデータと見なすと、購入者の行動の観点から何を期待できるかを十分に理解できます。

ただし、このデータを定性的なデータが提供するコンテキスト化と一緒につなげると、完全なストーリーが得られます。 そして、その完全なストーリーは、戦略の観点からあなたの次のステップがどうあるべきかについてのより明確な理解をあなたに与えるでしょう。

定量的データが、リードの30％が選択フェーズで目標到達プロセスから脱落することを示しているとしましょう。 定性的なデータを収集するまで、リードが提供されている機能のリストを見つけるのが難しいためだとはわかりません。

どちらのタイプのデータでも、方向性があります。 あなたはあなたのリードと彼らが何を経験しているのかをよりよく理解しています。 あなたは行動することができます—その定性的なデータを収集することによってのみ可能になった何か。

定性的データを収集する方法

定性的なデータを収集する方法はいくつかあります。

最も到達範囲の広いバージョンは、製品に関するソーシャルメディアの投稿を追跡することです。 これは、過度に侵襲的でなくてもフィードバックを収集する簡単な方法であり、すでに収集した定量的データを持ち、さらに質問をしたくない人にコンテキストを提供するのにも役立ちます。

まだデータを収集していないが、収集する予定がある場合は、調査の使用を検討してください。 それらはカスタマイズ可能であり、定性的および定量的な質問を一度に行うことができるため、その瞬間の人々の感情を簡単に追跡できます。

より多くのリソースを自由に利用できる場合は、フォーカスグループまたはインタビューを利用できます。 これらの戦術はどちらも、フォローアップの質問をしたり、説明を求めたり、顧客やリードの考え方についてさらに洞察を集めたりすることができます。

フォーカスグループは、1対1のインタビューよりもリソースの負担が少ないですが、グループの1人のメンバーおよび/またはグループのメンバーが互いに影響を及ぼし、結果を汚す時間独占のリスクがあります。 面接はより個人的なものですが、実施するにはより多くの時間とお金が必要です。

ステップ2：実際に重要な定性的データを把握する

リードや顧客から集めた数字と言葉の間で、あなたはデータの中を泳いでいます。 今は重要なこともあれば、しばらくは問題にならないこともあれば、まったく問題にならないこともあります。 では、どのようにしてどれがどれであるかを判断しますか？

まず、この情報で何をしたいのかを正確に知る必要があります。 あなたはあなたの製品、あなたのサイト、あなたのコンテンツ、あなたのマーケティングキャンペーン、または何か他のものを完全に変える方法を探していますか？

その質問に答えて、収集したデータが現在分析するのに最も価値があるかどうかを判断する必要があります。 そこから、定性的データの全体的な感情と、感情分析で気付いた傾向の両方を分析する必要があります。

たとえば、あなたのWebサイトを混乱させていると感じる人々が、あなたの製品に対する全体的な否定的な感情も報告していることがわかったとします。 さらに、カスタマーサポートとの良好な相互作用を報告した人々は、依然としてあなたの製品に対する全体的な否定的な感情を報告しています。

この場合、あなたが理解したいことのために、あなたのウェブサイトとの相互作用の傾向を見ることはあなたの顧客サポートスタッフとの相互作用の傾向を見ることよりも影響力があります。

現在の場所で最も影響力のあるデータを特定したら、それをコンテキスト化するときが来ました。

ステップ3：定性的データ分析を使用して定量的データをコンテキスト化する

あなたはあなたの定量的データを持っています。 あなたはどの定性的データが重要かを知っています。 次に、2つがどのように組み合わされるかを確認します。

このステップで探しているのは、これら2つのデータ型間の相関関係です。

あなたの目標がカスタマーサポートを改善することであるとしましょう。 あなたは、レストラン業界のソロプレナーが平均5回カスタマーサポートに連絡し、毎回経験した待ち時間について信じられないほど否定的に話したことがわかります。

しかし、レストラン業界の企業は同じ平均レートでカスタマーサポートに連絡しましたが、待ち時間が少し長いことを認めながら、カスタマーサポートについて絶賛しました。

この場合、会社の規模とカスタマーサポートに対する一般的な感情の間には強い相関関係があります。 待機時間に関する定性的なデータは、どこを改善できるかを正確に示しており、小規模なクライアントの中には、カスタマーサービス担当者からの支援を待つために必要な時間がないことを強く理解しています。

そのような認識はあなたに強い方向性の感覚を与えるはずです。 カスタマーサポートシステムを改善したい場合は、ライブチャットサービスやチャットボットを提供して、ソロプレナーの修正が容易な問題を解決したり、知識ベースを増やしたり、カスタマーサービス担当者を増やしたりするなどのソリューションを検討する必要があります。

データ相関によって明らかになった問題にどのように対処するかに関わらず、その過程であなたを導くための定性的なデータがあります。