Cum să profitați la maximum de strategia dvs. de date cu modelul de maturitate de analiză
Publicat: 2022-11-18Majoritatea agenților de marketing sunt de acord că metodele de măsurare fără cookie-uri vor avea un impact mare asupra reclamei. Dar, implementarea acestor metode necesită un anumit nivel de capacitate de analiză și acces la datele potrivite.
S-ar putea să te întrebi:
- Care este nivelul meu actual de capacitate de analiză?
- Ce pot învăța despre afacerea mea cu ea?
Continuați să citiți pentru a afla mai multe despre modelul de maturitate de analiză, cum să vă dați seama în ce pas vă aflați și despre cel mai bun mod de a merge mai departe.
Treci înainte >>
- Care este modelul de maturitate de analiză
- Care sunt diferitele etape
- Nestructurat
- Descriptiv
- Diagnostic
- Predictiv
- Prescriptiv
- Unde esti in model
- Cum să alegi modelul potrivit pentru tine
Glisați foaia de cheat
Salvați fișa de cheat pentru modelul de maturitate de analiză pentru mai târziu
Care este modelul de maturitate de analiză?
Modelul de maturitate de analiză este un cadru care ajută companiile să determine modul în care își pot folosi datele pentru a găsi informații și pentru a lua decizii, mai degrabă decât să colecteze date de dragul lor.
Există mai multe modele de maturitate de analiză - unele dintre cele mai utilizate sunt:
- Gartner - Modelul de maturitate pentru date și analize
- SAS — Tabloul de scor analitic al maturității
- OCDE—Model de maturitate analitică
- DAMM—Model de maturitate pentru analiza datelor pentru asociații
Vom folosi modelul Gartner ca bază. Am ales modelul lor pentru că este ușor de înțeles, acționabil și aplicabil în diferite segmente din afara marketingului, cum ar fi vânzările, finanțele etc. postare, indiferent de modelul pe care îl utilizați.
Care sunt diferitele etape ale modelului de maturitate analitică?
Modelul Gartner are patru etape, prima etapă necesitând unele abilități de analiză de bază. Am adăugat încă o etapă la model – nestructurată – pentru a acoperi afacerile care nu au abilități de analiză. Apoi aveți analize descriptive, diagnostice, predictive și prescriptive. Vom analiza fiecare separat și vă vom ajuta să vă înțelegeți faza și cum să mergeți mai departe.
Nestructurat
Analiza nestructurată a datelor înseamnă că nu aveți o strategie de date și nu utilizați deloc analize.
Să presupunem că vă ocupați de a vinde încălțăminte — adidași de baschet. Nu ai idee cât de interesați sunt oamenii de un anume adidași și de ce ar fi.
Înainte de a ajunge la analiza descriptivă, vă aflați în stadiul de întârziere sau restrictiv. În cea mai mare parte, majoritatea afacerilor încep aici. Deci, dacă aștepți să faci saltul, nu ești singur.
Analiza de marketing
Ce înseamnă cu adevărat, de ce ar trebui să-ți pese și cum să te faci mai bine
Descriptiv
Analiza descriptivă – ceea ce s-a întâmplat – este cea mai simplă formă de analiză și baza pentru tipuri mai aprofundate. Analiza descriptivă rezumă ceea ce s-a întâmplat sau se întâmplă prin extragerea tendințelor din datele brute și oferind o perspectivă asupra a ceea ce înseamnă aceste tendințe.
Continuând exemplul nostru anterior, analiza descriptivă vă poate spune ceva de genul: acest adidași de baschet are o creștere sezonieră a interesului în august, septembrie și începutul lunii octombrie a fiecărui an.
Puteți utiliza vizualizările de date pentru a comunica analize descriptive, deoarece diagramele, graficele și hărțile pot arăta tendințele datelor, precum și scăderile și vârfurile, într-un mod clar și ușor de înțeles.
„Vizualele vă ajută creierul să proceseze mai multe date în același timp. Folosit bine, vă poate ajuta cititorul să înțeleagă date complexe într-o clipă.”Ralph Spandl, șeful de vizualizare a datelor, Supermetrics
În această etapă, puteți utiliza instrumente pentru foi de calcul precum Google Sheets, Excel și instrumente de vizualizare a datelor precum Looker Studio (fost Data Studio) sau Power BI.
Foi de calcul Google și Excel
Puneți toate datele dvs. de marketing separate în foi de calcul, astfel încât să vă puteți lua la revedere pentru a copia/lipi
Diagnostic
Făcând analiza cu un pas mai departe cu analiza de diagnosticare - de ce s-a întâmplat acest lucru - include compararea tendințelor sau mișcării, vedea dacă există corelații între anumite statistici și determinarea relațiilor cauză-efect acolo unde este posibil.
Puteți să vă uitați la datele demografice despre ce grup folosește cel mai frecvent adidași de baschet și să aflați că aceștia au vârste cuprinse între 13 și 16 ani. Dar, clienții care cumpără acești pantofi sport tind să aibă între 30 și 50 de ani. Unele date din sondajul clienților colectate mai devreme dezvăluie că unul dintre motivele principale pentru care clienții cumpără adidași de baschet este că părinții le oferă adolescenților. Creșterea vânzărilor la sfârșitul verii și la începutul toamnei se poate datora sezonului de baschet care începe în acel an.
„A fi bazat pe statistici înseamnă să iei datele tale de marketing și să le dai sens, astfel încât să poți lua decizia corectă.”Edward Ford, Director Gen Demand, Supermetrics
Deși puteți face analize de diagnosticare manual în instrumente precum Excel și Google Sheets, vedem de obicei specialiștii în marketing folosesc un instrument BI precum Looker Studio sau Power BI pentru a aplica o logică simplă pentru a compara anumite statistici între ele.
Utilizarea unui depozit de date este, de asemenea, o opțiune populară, deoarece vă permite să adunați date din diferite surse - media plătite și rețele sociale organice - într-o singură locație înainte de a le furniza unui instrument de vizualizare. Puteți aplica conceptele de mai sus în diferite cazuri de utilizare — examinând cererea de marketing și explicând comportamentul clienților.
Predictiv
Analiza predictivă - ce s-ar putea întâmpla în viitor - date istorice pentru a face predicții privind tendințele sau rezultatele viitoare. Puteți face acest lucru manual sau cu algoritmi de învățare automată.
Analiza predictivă poate fi utilizată în marketing pentru a prognoza tendințele vânzărilor în diferite perioade ale anului și pentru a planifica campanii în consecință. De exemplu, știind că interesul și vânzările pentru pantofii de baschet au crescut în august, septembrie și începutul lunii octombrie în fiecare an în ultimul deceniu, te-ar putea ajuta să prezici că aceeași tendință va avea loc și anul viitor. Datele comportamentale istorice vă pot ajuta, de asemenea, să anticipați probabilitatea unei persoane de a trece de la cunoașterea mărcii la achiziționarea unui produs. Deci, dacă știți că o persoană interacționează de obicei cu cinci piese de conținut înainte de a cumpăra, vă puteți planifica conținutul în consecință. Stocarea datelor istorice într-un depozit de date, cum ar fi BigQuery, vă poate ajuta să faceți manual analize predictive.
Instrumentele de modelare a datelor, cum ar fi dbt, pot ajuta la automatizarea combinării informațiilor din diferite surse în tabele pregătite pentru informații. Analiza predictivă poate fi automatizată în continuare folosind o platformă de învățare automată. În plus, un set de date solid cu capabilități de învățare automată oferă o tranziție lină la nivelul prescriptiv.
Analize predictive
Tot ce trebuie să știi pentru a începe
Prescriptiv
În cele din urmă, analiza prescriptivă – ce ar trebui să facem în continuare – ia în considerare toți factorii posibili dintr-un scenariu și sugerează concluzii utile.
Pentru a completa exemplul de adidași de baschet. Acum că știi că sezonul de baschet începe în curând și cererea de adidași va crește – pe baza analizei tale de tendințe – ce ar trebui să faci? Puteți rula un test A/B cu două reclame publicitare. Unul care vizează utilizatorii finali ai produsului dvs. - adolescenții. Și unul care vizează cumpărătorii tăi — părinții. Rezultatele experimentului vă pot ajuta să vă dați seama cum să profitați și mai bine de acest interval de timp scurt.
În timp ce analiza prescriptivă manuală este posibilă cu seturi de date mai mici, veți obține rezultate mai bune utilizând algoritmi de învățare automată atunci când lucrați cu cantități mai mari de date pentru a obține un răspuns la „care este cel mai bun lucru de făcut în continuare?”. Platforme precum Google Cloud Vision AI sau Vertex AI vă pot ajuta să implementați aceste modele de învățare automată.
Doriți să construiți un model prescriptiv?
Echipa noastră de servicii profesionale vă poate ajuta
Unde ești în model și cum poți merge mai departe?
Înainte de a decide pe ce să vă concentrați, este important să înțelegeți unde se află organizația dvs. în diferite domenii ale modelului de maturitate analitică. În funcție de locul în care vă aflați, puteți planifica cum să mergeți mai departe.
1. Evaluare
Mai întâi, evaluează-ți nivelul actual de maturitate a analizelor pentru a afla ce date colectezi și folosești. Răspunde la următoarele întrebări:
- Care sunt sursele tale actuale de date?
- Cine are acces la acele date?
- Ce instrumente folosești?
2. Disponibilitate
Aici, ar trebui să vă dați seama ce alte surse de date sunt disponibile pentru dvs., inclusiv:
- Surse de date interne: CRM, analize web, feedback-ul clienților
- Surse de date externe: platforme publicitare, date publice etc.
3. Prioritizare
Apoi, luați în considerare valorile pe care le monitorizați și întrebările la care răspund. Acordați prioritate celor care vă oferă informații utile despre „de ce” și „cum” în loc să vă concentrați pe valorile care oferă doar informații despre „câte”.
„A fi bazat pe date nu este același lucru cu a fi bazat pe insight – datele sunt doar o piesă a puzzle-ului. Numai înțelegând „de ce” din spatele comportamentului clienților putem crea o campanie de marketing cu adevărat eficientă.”Will Yang, șeful Creșterii, Instrumentl
4 oameni
Asigurați-vă că părțile interesate relevante au acces la datele relevante. Implementați practici agile pentru a sparge silozurile și a simplifica partajarea datelor între departamente. Luați în considerare să oferiți angajaților acces la date, să-i învățați cum să le folosească și să încurajați idei noi.
„Educă-ți echipa despre alfabetizarea datelor și fă-o parte din cultură. Deoarece echipa ta trebuie să folosească date, trebuie să cunoască elementele de bază.”Lee Feinberg, Președinte, Decizie Viz
5. Teh
Investește în tehnologie care te poate ajuta să interpretezi datele disponibile și să obții valoare din acestea. Ar trebui să vă gândiți la abilitățile de analiză ale echipei dvs. și să alegeți instrumentele care sunt potrivite pentru acestea. Pentru utilizatorii non-tehnici, merită să apelați la instrumente de vizualizare a datelor cu o interfață ușor de utilizat pentru a face rapoartele ușor de înțeles.
Pe de altă parte, dacă echipa ta are niște abilități SQL, vor obține mai multă valoare din utilizarea unui depozit de date.
„Dacă aveți o situație în care echipa știe să scrie SQL, dar poate că nu știu totul despre ingineria datelor, în acest caz, un depozit de date este mai potrivit.”Evan Kaeding, inginer principal de vânzări, Supermetrics
Treceți prin aceste cinci aspecte și puneți-vă aceleași întrebări de fiecare dată când intenționați să treceți mai departe prin model pentru a afla dacă sunteți pregătit.
Cum să alegi modelul potrivit pentru tine
Unde ar trebui să vă aflați în modelul de maturitate de analiză se rezumă la cine utilizează datele și la ce decizii vă așteptați să luați din acestea.
Deși puteți obține informații mai bune și rentabilitatea investiției din trecerea la model, în special cu analize predictive și prescriptive, trebuie să fiți atenți la câteva lucruri.
Aveți nevoie de date precise pentru a vă antrena modelele de inteligență artificială și de învățare automată - cu cât seturile de date sunt mai bune, cu atât predicțiile sunt mai bune. Dacă datele dvs. sunt incomplete sau au informații greșite, rezultatele dvs. vor afecta.
De exemplu, dacă datele demografice de vârstă de la cumpărătorii de adidași de baschet conțin numai date despre utilizatorul final, adolescenți, și omite informațiile conform cărora părinții sunt cumpărătorii efectivi ai acestor adidași. Modelul dumneavoastră prescriptiv nu îi va considera pe părinți ca un grup căruia să vă comercializeze produsul și, cel mai probabil, vă va sfătui să promovați doar adolescenților. Echipa de marketing va investi probabil în publicul greșit și va pierde oportunitatea de a stimula vânzările.
În acest caz, ar fi mai logic să folosiți un model descriptiv - ce s-a întâmplat - sau un model de diagnostic - de ce s-a întâmplat - și să construiți calitatea în acele seturi de date înainte de a putea conduce predicții și decizii bine informate generate de învățarea automată. și AI în etapele ulterioare.
Proprietatea datelor
Cum să obțineți informații mai profunde din datele dvs. de marketing
Învelire
Modelul de maturitate de analiză vă ajută să profitați la maximum de datele dvs. și să îmbunătățiți procesul decizional. Fiecare pas din model te va pregăti pentru următorul.
Așa că puteți începe prin a utiliza analiza descriptivă pentru a spune povestea a ceea ce se întâmplă, apoi puteți construi pe asta și puteți afla de ce se întâmplă acele lucruri cu ajutorul analizei de diagnosticare.
Odată ce aveți acces la datele potrivite și sunt de încredere, puteți trece la analiza predictivă pentru a identifica tendințele. Și, în sfârșit, puteți folosi acele predicții pentru a informa ce ar trebui să faceți în viitor cu analize prescriptive.
Nu vă faceți griji dacă nu sunteți încă în faza prescriptivă, trecerea prin model înseamnă mai mult să vă evaluați nevoile și resursele actuale și să profitați la maximum de acestea înainte de a le scala prea repede. Nu există un loc potrivit sau greșit în care să fii, doar locul potrivit pentru echipa ta și afacerea ta.
Glisați foaia de cheat
Salvați fișa de cheat pentru modelul de maturitate de analiză pentru mai târziu
Despre autor
Pieter este inginer de vânzări la Supermetrics. El lucrează îndeaproape cu clienții pentru a identifica oportunitățile de rentabilitate sporită a valorii în stiva lor de date de marketing. În afara orelor de lucru, el poate fi găsit de obicei trăgând cu cercuri pe terenul de baschet.