Cum să transformi grămezi de date în perspective utilizabile și semnificative (Ghid 2021)

Ești copleșit de toate datele din fața ta?

Există o bogăție fără precedent de date, dar cum le puteți transforma în informații utile?

Vedeți, călătoria de la date la perspective este plină de provocări. Veți avea nevoie de un set puternic de pași pentru a le combate.

Aici vă vom arăta cum să extrageți informații din grămezi de date , să tăiați informații inutile și să luați decizii mai rapide bazate pe date în organizația dvs.

Ce sunt datele și statisticile?

Înainte de a intra în el, să definim ce înțelegem prin date și perspective.

• Datele sunt fapte și statistici colectate prin observație. Acestea pot fi numere, text, imagini, audio etc.
  
  Să punem asta în perspectivă:
  
  Presupunând că dețineți un magazin de comerț electronic și aveți Google Analytics (GA) activat, fiecare utilizator care navighează în magazinul dvs. online lasă niște urme digitale care sunt preluate de GA.
  
  Acestea acoperă date demografice, dispozitive, browsere etc. Dacă vedeți aceste fapte brute, probabil că ar părea o farfurie, deoarece uneori sunt nestructurate și fără context.

  

• Informația este un produs al rafinării acestor date și al oferirii lor de structură și context. În acest fel, datele au puțin mai mult sens cu ochiul liber.
  
  În cazul magazinului dvs. de comerț electronic, un exemplu ar fi tabloul de bord GA. Când toate datele sunt reunite și prezentate în context, acestea sunt consumabile și puteți extrage informații din acestea.

  

• Perspectiva este cunoștințe valoroase dobândite din înțelegerea informațiilor. Când consumați informații (sau date) și le interpretați cu acuratețe în contextul său și alte informații disponibile, ajungeți la o perspectivă.
  
  În lumea afacerilor, insight-urile reprezintă punctul central al colectării datelor. Gândiți-vă la perspective ca la o analiză a funcționării interioare a operațiunii pe care o observați. Ei spun o poveste semnificativă din date.

Exemplu de Insight

Identificarea printr-o analiză eficientă a datelor că 97% dintre clienții tăi te găsesc atunci când își planifică nunta este un exemplu de perspectivă.

În sine, aceasta este doar o informație care este grozav de știut.

Dar dacă acest lucru este folosit pentru a crea un plan care aduce valoare tangibilă mărcii și clienților dvs., aceasta este o perspectivă acționabilă. De exemplu, puteți folosi aceste informații pentru a planifica o campanie publicitară care vizează persoanele care urmează să se căsătorească.

Știi deja că acest public este atras de tine; astfel, o rentabilitate ridicată a cheltuielilor publicitare (Return on ad public) nu ar fi prea surprinzătoare.

Înainte ca datele să fie transformate în astfel de perspective, acestea trebuie mai întâi colectate și apoi analizate.

Diferite metode prin care datele pot fi colectate

Majoritatea companiilor colectează date din mai multe surse folosind metode diferite. Și fiecare metodă vine cu propriul set de reguli.

Google Analytics, de exemplu, adună date folosind JavaScript și un cod de urmărire.

Odată ce codul de urmărire este adăugat în pagina dvs., scriptul trimite date către serverele Google. Acestea includ datele paginii (URL, titlu), datele browserului (vizualizare, rezoluția ecranului), datele utilizatorului (locație, limbă) și multe altele.

Este similar cu analiza rețelelor sociale de pe Facebook, Twitter, Instagram și alte site-uri. De asemenea, puteți colecta date de la:

• sondaje
• statisticile de creștere a pieței
• urmărirea datelor tranzacționale
• analiza feedback-ului clienților
• date de abonament și înregistrare etc.

De aici, datele trec la pasul următor.

Analiza datelor vs analiza datelor

Spre deosebire de utilizarea populară, acești termeni nu înseamnă același lucru.

• Analiza datelor este știința colectării și utilizării datelor. Este totul între colectarea datelor brute și luarea de măsuri din acestea. Aceasta include colectarea, organizarea, stocarea și analiza datelor folosind învățarea automată, statistici și modele bazate pe computer.
• Analiza datelor este o subcomponentă a analizei datelor. Analiza datelor este un proces de examinare, curățare, transformare și organizare a datelor cu scopul final de a extrage informații valoroase și de a le folosi pentru a informa deciziile și a acționa.

Într-o organizație tipică, oamenii de știință ai datelor, directorii și managerii sunt de obicei singurii care folosesc analiza datelor pentru a obține informații.

O organizație eficientă bazată pe date ar trebui să distribuie accesul la date și înțelegerea datelor tuturor membrilor săi.

Acest lucru ne aduce la un concept care schimbă jocul: democratizarea datelor .

Ce este democratizarea datelor?

Democratizarea datelor înseamnă punerea datelor la dispoziția tuturor din cadrul organizației, fără barierele expertizei ultraspecializate . Aceasta înseamnă că oricine din organizația dvs. poate accesa date, le poate înțelege și le poate folosi pentru a lua decizii și recomandări.

Ideea este că, cu cât mai mult hands-on-deck (din punct de vedere al datelor), cu atât mai repede compania adoptă o cultură de luare a deciziilor bazată pe date de sus în jos.

Dar există o captură.

Cu acest nivel de acces, devine mai dificil să mențineți securitatea și integritatea datelor. Există, de asemenea, posibilitatea ca datele să fie interpretate greșit de către cineva fără expertiza unui analist calificat.

Totuși, democratizarea datelor este un factor cheie în luarea unor decizii mai inteligente și mai rapide bazate pe date și pentru îmbunătățirea experienței clienților .

Specialiștii de marketing de la Royal Bank of Scotland au arătat cât de eficient ar putea fi să-și implice colegii care nu fac marketing în procesul de optimizare a experienței clienților.

Provocări în generarea de informații din date

Calea de la date la perspective este plină de provocări. Atât de mult încât alternativele la acțiunile bazate pe date par mai atractive.

Specialiştii în marketing, oamenii de ştiinţă ai datelor, directorii de afaceri şi alţi profesionişti care lucrează cu date zilnic par să fie de acord.

Am efectuat un sondaj rapid (aici și aici) care a dezvăluit că validarea datelor este cea mai mare provocare pentru 39% dintre ei. Doar 11% și-au atribuit dificultățile volumului de date. 28% au optat pentru integrarea datelor din diverse surse, în timp ce 22% citează timpul și efortul implicat.

În afară de aceste patru, alte provocări legate de transformarea datelor în rezultate acționabile includ:

• Inaccesibilitatea datelor
• Calitatea slabă a datelor și
• Presiunea de a oferi rentabilitatea investiției

Pentru Steven Alexander Young, fondatorul Challenger Digital, cea mai mare provocare este izolarea variabilei din spatele unei schimbări în performanță. Datele analitice nu spun întotdeauna întreaga poveste:

Când traficul a scăzut aici, a fost din cauză că cineva a făcut modificări în pagină (și dacă da, ce)? Dacă pagina nu s-a schimbat, s-a întâmplat ca un concurent să sporească SEO și să te depășească (și dacă da, cine)? (…) Chiar și atunci când pot convinge un client la telefon să ofere detalii și să excludă lucrurile, deseori ei trebuie să meargă pe propria goană în cadrul echipei lor pentru a găsi răspunsuri. Desigur, paralelă cu aceasta este posibilitatea mereu prezentă de actualizări ale algoritmului Google.

Thom Ives (Ph.D.), Lead Data Scientist la UL Prospector, a comparat datele cu țițeiul care trebuie rafinat și curățat. El avertizează că datele „ar putea fi periculoase atunci când sunt manipulate în mod greșit”.

Acest lucru îi face pe factorii de decizie.

După cum se dovedește, chiar dacă 74% dintre companii sunt de acord că vor să fie bazate pe date, conform unui raport al Forrester, doar 29% ar putea acționa pe baza rezultatelor analizei.

Oricât de mult deciziile bazate pe date sunt excelente în afaceri în creștere, greșelile pot fi devastatoare. Poate că posibilitatea de a face greșeli a descurajat cea mai mare parte a celorlalți 71% care iau decizii prin experiență sau sentimente, sau pur și simplu urmează status quo-ul.

Adesea, acest lucru se întâmplă în detrimentul accesării celor 59 de zettaocteți de date ai noștri (adică 59 urmați de 21 de zerouri!) pentru a genera informații care transformă afacerea.

Peep Laja, CEO al Wynter, rezumă în mod adecvat: „Suntem bogați în date, dar slabi în perspectivă.”

10 pași acționați pentru a transforma datele în perspective

Valorile sunt ușoare; perspicacitatea este dificilă – una este să aduni o mulțime de date, dar alta este să le transformi într-un activ valoros. Din fericire, există o metodă încercată și testată pentru a obține răspunsuri.

Cue în metoda științifică.

Totuși, acesta nu este un moment eureka. Oamenii de știință au folosit această metodă atunci când obțin informații din date de secole.

Cei 10 pași pe care îți vom arăta se inspiră din metoda științifică și deschid calea către perspective și recomandări acționabile.

Să sărim direct:

1. Începeți cu întrebările potrivite

A pune întrebările potrivite înainte de a cerceta datele vă asigură că nu vă petreceți timp cu lucrurile greșite.

Este ca și cum ai stabili o destinație clară înainte de a porni într-o călătorie.

Înainte de a căuta grămezi de date, află la ce întrebări vrei să răspundă datele tale. În acest fel, evitați să veniți cu informații care nu au impact asupra obiectivelor de afaceri.

Pentru o companie SaaS, câteva întrebări cu care să începeți sunt:

• Câți cititori de postări de blog au trecut la alte piese de conținut?
• Ce procent din traficul pe site-ul meu se potrivește cu personalitatea mea de cumpărător?
• În ce etapă a pâlniei de vânzări se scurge cel mai mult?

2. Urmăriți valorile potrivite (Fără valori de vanitate!)

Perspectivele care orientează afacerea în direcția corectă nu provin din privirea unor valori greșite.

Măsuri de vanitate, în special. Ele te fac să arăți bine, dar nu adaugă cadrul de perspectivă. Exemplu: vizualizări de pagină și numărul de clicuri.

În plus, valorile greșite pot distra atenția. Deoarece v-ați decis la o întrebare la care trebuie să răspundeți la pasul 1, identificați valorile pe care ar trebui să le urmăriți.

Aniekan Inyang, un om de știință de date la Stears Business avertizează că nu ține cont de nuanțele specifice industriei:

Acest lucru poate duce la alegerea unei funcții greșite pentru a urmări o valoare, nu la urmărirea unei valori relevante sau la interpretarea ei greșită.

Folosește-l pentru a parcurge o cale către o ipoteză pe care o poți testa.

3. Stabiliți-vă obiectivele finale

Cel mai probabil aveți anumite obiective de afaceri pre-test. Acestea trebuie să fie strâns aliniate cu obiectivele dvs. de testare.

Din întrebările cu care ați început, v-ați dat seama ce doriți să urmăriți. Dar ce vrei să obții cu asta?

Notați acest lucru, deoarece vă ajută să dezvoltați o ipoteză specifică, măsurabilă.

4. Integrați-vă sursele de date

Seturile de date pe care le aveți sunt doar o parte a populației și nu vor spune întotdeauna întreaga poveste.

Dr. Thom Ives a împărtășit:

Poate avea părtiniri despre care nu știm și va fi mai slab decât toate datele.

Cu cât adunați mai multe date acționabile, cu atât vă apropiați de poveștile corecte.

Interpretarea datelor tale se apropie de ochi atunci când adună toate sursele. Asigurați-vă că utilizați instrumentele potrivite pentru a integra surse disparate, astfel încât să nu pierdeți ocazia de a culege informații semnificative despre clienți.

5. Utilizați contextul și elementele vizuale pentru a simplifica seturile de date

Vizualele sunt destul de comune cu datele astăzi. Nu întâlnești aproape niciodată o formă brută de neînțeles de date. Cu toate acestea, fără contextul potrivit, fie nu obțineți povestea completă, fie obțineți una greșită.

Pentru context, disecați datele folosind cele 5 W:

• Cine (audiență, clienți potențiali, potențiali)
• Ce (obiective, evenimente, observații)
• Când (interval de timp, programe)
• Unde (pagină web, rețele sociale, pagină de destinație) și
• De ce , (de ce s-a întâmplat?)

Contextul face ca datele dvs. să sară de pe ecran cu mai multă semnificație în spate. Reduce șansele de a greși.

Pe lângă imaginile precise, aceste șanse devin și mai mici. Dar erorile se fac și pe imagini.

De exemplu, este obișnuit să faci o greșeală costisitoare cu diagramele cu bule. Varierea razei în locul zonei bulei la valorile corespunzătoare duce la povestirea datelor inexacte, ca în imaginea de mai jos.

Să folosim bula portocalie din stânga sus și cea verde de lângă ea pentru a sublinia. Balonul portocaliu pare de 4 ori mai mare decât vecinul său verde.

Fără valorile reale etichetate în interior, acest lucru poate induce în eroare. Valoarea bulei portocalii (1,84 miliarde USD) este de numai 2 ori mai mare decât cea a verdelui (0,92 miliarde USD).

Iată o gafă amuzantă a lui Fox News:

6. Segmentați datele dvs

Tăierea datelor în segmente vă poate ajuta să le înțelegeți mai bine. Google Analytics, de exemplu, are funcții încorporate care fac acest lucru ușor de realizat.

Împărțiți traficul web în funcție de anumite asemănări și va simplifica procesul de extragere a informațiilor. Segmentările vă pot aprofunda înțelegerea publicului țintă.

De asemenea, atunci când segmentați, gândiți-vă dincolo de segmentele de vârstă școlară și de gen. Există mult mai multe detalii cu care poți grupa vizitatorii web.

O modalitate de a face acest lucru este segmentarea clienților după valoarea tranzacțională (segmentarea valorii) - adică cât de mult vor cheltui probabil pe produse. Va trebui să utilizați datele tranzacțiilor anterioare pentru a realiza acest lucru. Date precum cât au cheltuit, cât de des l-au cheltuit și valoarea produselor pe care le-au cumpărat.

Odată ce experimentați această simplitate o dată, ea devine rapid un proces de bază în strategia dvs. de informații.

Iată un alt exemplu care ilustrează importanța unei segmentări adecvate a datelor:

7. Vizualizați datele în intervalele de timp potrivite

Luarea deciziilor pe baza unor perspective extrase dintr-o porțiune de timp poate fi dezastruoasă. Doar privire la imaginea mică cu zero referințe la date istorice este o eroare comună.

Datele au de obicei o poveste de fundal.

Este important să verificați asta pentru a înțelege prezentul. Uneori, evenimentele au avut loc în trecut, ca răspuns la influențe externe, cum ar fi sărbători, anotimpuri, cicluri economice etc.

Luați în considerare acest lucru în timp ce explorați întregul spectru al unei tendințe pentru a obține o citire mai precisă asupra lucrurilor.

8. Localizați modelele potrivite

Urcarea și căderea — două dintre cele mai ușor de observat pe un grafic cu linii. Acesta este, de obicei, modul în care vizualizările de pagină și datele de implicare sunt afișate în GA.

Alte tipuri de diagrame, cum ar fi seriile temporale și diagramele de dispersie, ne ajută să imaginăm modele în date. Puteți observa când există o tendință ascendentă sau descendentă, puteți vizualiza o corelație între două variabile și multe altele.

Toate sunt adaptate pentru a dezvălui poveștile din spatele datelor. Un cuvânt de precauție: nu priviți niciodată modelele izolat de contextul lor.

În analizarea parcelelor dvs., profesorul MIT Dr. Rama Ramakrishnan sugerează să vă potriviți complotul cu așteptările preliminare:

Există ceva care nu se potrivește? Orice te face să spui „Este ciudat” sau „Nu are niciun sens.”? Măriți-vă și încercați să înțelegeți ce anume în afacerea dvs. face ca acel lucru ciudat să apară în astfel de date. Acesta este pasul critic. (…) Poate că tocmai ați găsit o perspectivă asupra afacerii și v-ați îmbunătățit înțelegerea. Sau puteți descoperi că există o eroare în modul în care datele dumneavoastră au fost colectate sau calculate (Legea lui Twyman).

9. Creați o ipoteză câștigătoare

După ce ți-ai analizat datele și ai făcut concluzii precise, este timpul să vină cu o ipoteză pe care să o poți testa.

În elaborarea unei ipoteze, găsiți o soluție la o problemă pe care o puteți verifica prin experimentare.

O ipoteză măsurabilă constă din 3 părți:

• Observare,
• Execuția, și
• Rezultat

Iată un exemplu real venit de la un partener Convert:

Observație: Din datele de analiză, am observat o rată de respingere ridicată pe pagina produsului nostru emblematic. De asemenea, am efectuat sondaje, sondaje și cercetări privind gradul de utilizare și am descoperit că utilizatorii nu au înțeles valoarea produsului nostru și nu au încredere în el. De asemenea, majoritatea vizitatorilor nu au derulat mai jos pe pagină.

Execuție: dorim să adăugăm o copie mai bună în zona de pliere pentru a păstra mai mulți vizitatori ai paginii, pentru a rezolva problemele de încredere și pentru a crește conversiile în pagină.

Rezultat: Acest lucru ar trebui să conducă la mai mulți vizitatori web să defileze prin pagină, să dorească produsul nostru emblematic și să-l cumpere. Vom măsura acest lucru prin rata de respingere mai mică, rate de conversie mai mari și venituri.

După ce ați aterizat aici, următorul pas este testarea .

Acest exemplu este o ipoteză reală care a condus la rezultate impresionante. Pentru mai multe detalii despre experimente, consultați primul exemplu de perspectivă acționabilă de mai jos.

10. Pregătiți-vă pentru a experimenta

Cu ipoteza de mai sus, puteți face ceea ce fac expertii în optimizarea ratei de conversie și puteți efectua un test.

Până în acest moment, ipotezele tale - chiar dacă sunt susținute din date - sunt doar la fel de bune ca intuiția.

Experimentarea te aduce mai aproape de a crea un fapt solid.

Aici începeți să obțineți rentabilitatea investiției pentru analiza datelor dvs.

Abordarea științifică ne-a ajutat să transformăm datele noastre brute, de neînțeles, în ceva lizibil. Apoi am aplicat puterea analizei datelor pentru a dezvălui perspectivele suculente pe care le conținea.

Am dezvoltat ipoteze măsurabile din aceste perspective și am făcut următorul pas logic: experimentarea.

Există sute de instrumente care ne conduc prin acești pași. Dar Convert le leagă pe toate la sfârșit și ne aduce la obiectivul nostru final - informații utile.

Convert se integrează cu zeci de instrumente, astfel încât să puteți experimenta și descoperi informații incredibil de puternice care conduc direct la venituri mai mari. Încercați integrarea Convert în versiunea de încercare gratuită

Depășirea perspectivelor: cum să transformați informațiile într-o strategie

Perspectivele nu sunt utile în atingerea obiectivelor de afaceri dacă nu sunt transpuse în strategie și nu sunt puse în aplicare.

Cum poți folosi efectiv informațiile pe care le obții pentru a genera beneficii pozitive care influențează direct profitul organizației tale?

Să împărtășim 3 exemple:

Transformarea datelor în exemple de informații utile

Studiu de caz #1: Cum a folosit SplitBase Google Analytics pentru a culege date pentru un experiment care a dezvăluit o oportunitate pentru o creștere cu 27% a conversiilor

BestSelf Co. a descoperit o scurgere de informații pe pagina produsului lor emblematic. Așa că au lucrat cu SplitBase pentru a-l conecta.

Cum au făcut-o?

Folosind diverse mijloace pentru a culege date, cum ar fi sondaje, sondaje și hărți termice, au găsit vinovatul.

Beneficiul produsului nu a fost comunicat suficient de bine, astfel încât oamenii nici măcar nu treceau de zona pliului. De aici, ei au elaborat ipoteza pe care am împărtășit-o mai devreme.

Au făcut un test și au descoperit că au dreptate. Noul titlu care afirmă în mod clar beneficiul major al produsului și dovada socială a stimulat semnificativ vânzările produsului.

Studiu de caz nr. 2: această promoție cu livrare gratuită a câștigat sau a pierdut bani?

Aceasta a fost întrebarea în mintea echipei care conducea un magazin de comerț electronic de lux din sticlă lucrată manual.

Au lansat o promoție de transport gratuit și au constatat o creștere a ratelor de conversie. Deși asta a însemnat mai mulți bani, având în vedere costurile de livrare a acestor produse către clienți, a fost oferta suficientă pentru a compensa costurile de transport?

Acum, cum și-au găsit răspunsul...

Au apelat la Brave One, o agenție de optimizare a ratei de conversie, care a venit cu un plan pentru a afla dacă pierd sau profită și cu cât.

Cu Google Analytics și Mixpanel pentru colectarea datelor și Convert pentru experimentare, Brave One a comparat site-ul fără ofertă cu o versiune a acestuia cu oferta.

Derularea afacerii cu oferta a adus cu 16.000 de dolari mai mult decât derularea fără ea în același interval de timp.

Studiu de caz nr. 3: Datele au ajutat-o ​​pe Nike să își ajusteze direcționarea și să atingă inimile unui public mai larg

Când Nike a vrut să lanseze o campanie numită „Găsește-ți măreția” la începutul Jocurilor Olimpice din 2012, au săpat în datele lor și au găsit asta:

Majoritatea publicului lor țintă nu erau sportivi profesioniști. Erau oameni care îi admirau pe profesioniști și își doreau să fie ca ei.

Ce au făcut cu asta?

Și-au ajustat țintirea.

Nike merge de obicei după sportivii profesioniști. Dar de data aceasta, au decis să inspire pe toată lumea, indiferent de nivelul lor de fitness, să-și depășească limitele.

Unul dintre videoclipurile campaniei a avut peste 3 milioane de vizualizări.

Și nu se oprește aici: Adidas a cheltuit milioane de dolari pentru a obține o sponsorizare olimpica, totuși Nike s-a bucurat de același nivel de expunere cu mai puțin de jumătate din acel buget de marketing.

Rezumând

Experimentarea nu ar trebui să marcheze sfârșitul călătoriei dvs. de optimizare.

Ar trebui să fie un proces continuu, pentru că nu suntem niciodată mereu la îndemână cu percepția noastră.

De asemenea, amintiți-vă... în cazul în care nu aveți abilitățile de a efectua analize interne de date, vă puteți baza întotdeauna pe cunoștințele experților în date.

Dr. Thom Ives sugerează că, pe măsură ce apar mai multe date, trebuie să perfecționăm inferențe pe care le-am făcut cu datele vechi.

Și veștile bune? În acest fel, continuăm să abordăm perspectiva care este mai reprezentativă pentru publicul nostru și să luăm predicții și decizii mult mai precise.