Yığınlarca Veriyi Kullanılabilir, Anlamlı Öngörülere Dönüştürme (2021 Rehberi)

Önünüzdeki tüm verilerden bunaldınız mı?

Dışarıda eşi görülmemiş bir veri zenginliği var, ancak bunu nasıl eyleme geçirilebilir içgörülere dönüştürebilirsiniz?

Görüyorsunuz, verilerden içgörülere giden yolculuk zorluklarla dolu. Onlarla savaşmak için güçlü bir dizi adıma ihtiyacınız olacak.

Burada , yığınlarca veriden içgörüleri nasıl çıkaracağınızı, gereksiz bilgileri nasıl keseceğinizi ve kuruluşunuzda veriye dayalı kararları nasıl daha hızlı alacağınızı göstereceğiz.

Veriler ve Öngörüler Nedir?

Konuya girmeden önce, veri ve öngörülerle ne demek istediğimizi tanımlayalım.

• Veriler , gözlem yoluyla toplanan gerçekler ve istatistiklerdir. Sayılar, metin, resimler, ses vb. Olabilir.
  
  Bunu perspektife koyalım:
  
  Bir e-ticaret mağazanız olduğunu ve Google Analytics'in (GA) etkinleştirildiğini varsayarsak, çevrimiçi mağazanızda gezinen her kullanıcı, GA tarafından alınan bazı dijital ayak izleri bırakır.
  
  Bu, demografik verileri, cihazları, tarayıcıları vb. kapsar. Bu ham gerçek parçalarını görürseniz, bazen yapılandırılmamış ve bağlamsız oldukları için muhtemelen anlamsız görünecektir.

  

• Bilgi , bu verileri iyileştirmenin ve ona yapı ve bağlam vermenin bir ürünüdür. Bu şekilde, veriler çıplak gözle biraz daha anlamlı hale gelir.
  
  E-Ticaret mağazanız söz konusu olduğunda, bir örnek GA gösterge tablonuz olabilir. Tüm veriler bir araya getirildiğinde ve bağlam içinde sunulduğunda tüketilebilirdir ve bundan içgörüler elde edebilirsiniz.

  

• İçgörü , bilginin anlaşılmasından elde edilen değerli bilgidir. Bilgileri (veya verileri) tükettiğinizde ve onu bağlamı ve mevcut diğer bilgiler içinde doğru bir şekilde yorumladığınızda, içgörüye ulaşırsınız.
  
  İş dünyasında, içgörü, veri toplamanın tüm noktasıdır. İçgörüleri, gözlemlediğiniz operasyonun iç işleyişine bakmak olarak düşünün. Verilerden anlamlı bir hikaye anlatırlar.

Bir Öngörü Örneği

Müşterilerinizin %97'sinin düğünlerini planlarken sizi bulduğunu etkili veri analizi yoluyla belirlemek, bir içgörü örneğidir.

Kendi başına, bu sadece bilmek güzel bir bilgidir.

Ancak bu, markanıza ve müşterilerinize somut değer katan bir plan oluşturmak için kullanılıyorsa, bu eyleme geçirilebilir bir içgörüdür. Örneğin, bu bilgiyi düğüm atmak üzere olan insanları hedefleyen bir reklam kampanyası planlamak için kullanabilirsiniz.

Bu kitlenin size çekildiğini zaten biliyorsunuz; bu nedenle yüksek bir ROAS (Reklam harcamalarından elde edilen gelir) çok şaşırtıcı olmaz.

Veriler bu şekilde içgörülere dönüştürülmeden önce toplanmalı ve ardından analiz edilmelidir.

Verilerin Toplanabileceği Çeşitli Yöntemler

Çoğu işletme, farklı yöntemler kullanarak birden çok kaynaktan veri toplar. Ve her yöntem kendi kurallarıyla gelir.

Örneğin Google Analytics, JavaScript ve bir izleme kodu kullanarak veri toplar.

İzleme kodu sayfanıza eklendiğinde, komut dosyası verileri Google sunucularına gönderir. Buna sayfa verileri (URL, başlık), tarayıcı verileri (görünüm alanı, ekran çözünürlüğü), kullanıcı verileri (konum, dil) ve daha fazlası dahildir.

Facebook, Twitter, Instagram ve diğer sitelerdeki sosyal medya analizlerine benzer. Şunlardan da veri toplayabilirsiniz:

• anketler
• pazar büyüme istatistikleri
• işlemsel veri takibi
• müşteri geri bildirim analizi
• abonelik ve kayıt verileri vb.

Buradan veriler bir sonraki adıma geçer.

Veri Analitiği ve Veri Analizi

Popüler kullanımın aksine, bu terimler aynı anlama gelmez.

• Veri analitiği , veri toplama ve kullanma bilimidir. Ham veri toplamak ve ondan harekete geçmek arasındaki her şeydir. Bu, makine öğrenimi, istatistik ve bilgisayar tabanlı modeller kullanılarak verilerin toplanması, düzenlenmesi, depolanması ve analizini içerir.
• Veri analizi , veri analitiğinin bir alt bileşenidir. Veri analizi, değerli bilgileri çıkarmak ve kararları bilgilendirmek ve harekete geçmek için kullanmak amacıyla verilerin incelenmesi, temizlenmesi, dönüştürülmesi ve düzenlenmesi sürecidir.

Tipik bir organizasyonda, içgörü elde etmek için veri analizini kullananlar genellikle yalnızca veri bilimcileri, yöneticiler ve yöneticilerdir.

Veriye dayalı verimli bir kuruluş, verilere erişimi ve verilerin anlaşılmasını tüm üyelerine dağıtmalıdır.

Bu bizi oyunun kurallarını değiştiren bir konsepte getiriyor: veri demokratikleşmesi .

Veri Demokratikleşmesi Nedir?

Verilerin demokratikleştirilmesi, verilerin ultra uzmanlaşmış uzmanlığın engelleri olmaksızın kuruluş içindeki herkesin kullanımına sunulması anlamına gelir. Bu, kuruluşunuzdaki herkesin verilere erişebileceği, verileri anlayabileceği ve kararlar ve önerilerde bulunmak için kullanabileceği anlamına gelir.

Buradaki fikir, ne kadar çok uygulamalı (veri açısından) olursa, şirketin yukarıdan aşağıya veri odaklı bir karar verme kültürünü o kadar hızlı benimsemesidir.

Ama bir yakalama var.

Bu erişim düzeyiyle, veri güvenliğini ve bütünlüğünü korumak daha da zorlaşır. Ayrıca, eğitimli bir analistin uzmanlığı olmayan biri tarafından verilerin yanlış yorumlanması olasılığı da vardır.

Yine de, verilerin demokratikleştirilmesi, daha akıllı ve daha hızlı veriye dayalı kararlar almada ve müşteri deneyimlerini iyileştirmede önemli bir itici güçtür.

Royal Bank of Scotland'daki pazarlamacılar, pazarlama dışı meslektaşlarını müşteri deneyimi optimizasyon sürecine dahil etmenin ne kadar verimli olabileceğini gösterdi.

Verilerden Öngörü Oluşturmadaki Zorluklar

Veriden içgörüye giden yol zorluklarla dolu. Öyle ki, veriye dayalı eylemlere alternatifler daha çekici görünüyor.

Pazarlamacılar, veri bilimcileri, şirket yöneticileri ve günlük verilerle çalışan diğer profesyoneller aynı fikirde görünüyor.

Veri doğrulamanın %39 için en büyük zorluk olduğunu ortaya koyan hızlı bir anket yaptım (burada ve burada). Sadece %11'i zorluklarını veri hacmine bağladı. %28'i çeşitli kaynaklardan gelen verileri entegre ederken, %22'si ilgili zaman ve çabadan bahsediyor.

Bu dördünün dışında, verileri eyleme geçirilebilir sonuçlara dönüştürmenin diğer zorlukları şunlardır:

• Verilerin erişilemezliği
• Veri kalitesinin düşük olması ve
• Yatırım getirisi sağlama baskısı

Challenger Digital'in Kurucusu Steven Alexander Young için en büyük zorluk, performanstaki bir değişikliğin arkasındaki değişkeni izole etmektir. Analytics verileri her zaman hikayenin tamamını anlatmaz:

Trafik buraya düştüğünde, bunun nedeni birisinin sayfada değişiklik yapması mıydı (eğer öyleyse, ne oldu)? Sayfa değişmediyse, bir rakip SEO'yu güçlendirdi ve sizi geçti mi (ve öyleyse, kim)? (…) Bir müşteriyi telefona arayarak detayları vermesini ve bazı şeyleri ekarte etmesini sağlayabilsem bile, cevapları takip etmek için genellikle kendi takımları içinde kendi kaz kovalamacalarına gitmek zorunda kalıyorlar. Elbette buna paralel olarak Google'ın algoritma güncellemelerinin her zaman mevcut olasılığı.

UL Prospector'da Baş Veri Bilimcisi olan Thom Ives (Ph.D.), verileri rafine edilmesi ve temizlenmesi gereken ham petrole benzetti. Verilerin "yanlış şekilde ele alındığında tehlikeli olabileceği" konusunda uyarıyor.

Bu karar vericileri tedirgin ediyor.

Forrester'ın bir raporuna göre, şirketlerin %74'ü veriye dayalı olmak istediklerini kabul etse de, yalnızca %29'u analitik sonuçlarına göre hareket edebiliyor.

Büyüyen işletmelerde veriye dayalı kararlar mükemmel olsa da, hatalar yıkıcı olabilir. Belki de hata yapma olasılığı, deneyim veya içgüdüleriyle karar veren ya da sadece statükoyu takip eden diğer %71'in büyük bir kısmını caydırdı.

Çoğu zaman, bu, işletmeyi dönüştüren içgörüler oluşturmak için 59 zettabaytlık verimize (59 ardından 21 sıfırdır!) erişme pahasına olur.

Wynter'ın CEO'su Peep Laja bunu yerinde bir şekilde şöyle özetliyor: "Veri açısından zenginiz, ancak içgörü açısından zayıfız."

Verileri Öngörülere Dönüştürmek İçin Uygulanabilir 10 Adım

Metrikler kolaydır; içgörü zordur - çok fazla veri toplamak bir şeydir, ancak onları değerli bir varlık haline getirmek başka bir şeydir. Neyse ki, yanıt almak için denenmiş ve test edilmiş bir yöntem var.

Bilimsel yöntemde ipucu.

Yine de bu bir eureka anı değil. Bilim adamları, yüzyıllardır verilerden içgörü elde ederken bu yöntemi kullanıyorlar.

Size göstereceğimiz 10 adım, bilimsel yöntemden ilham alır ve eyleme geçirilebilir içgörüler ve önerilere giden yolu açar.

Hemen atlayalım:

1. Doğru Sorularla Başlayın

Verileri incelemeden önce doğru soruları sormak, yanlış şeylere zaman harcamamanızı sağlar.

Bir yolculuğa çıkmadan önce net bir hedef belirlemek gibi.

Yığınlarca veriyi taramadan önce, verilerinizin hangi soruları yanıtlamasını istediğinizi belirleyin. Bu şekilde, iş hedefleri üzerinde hiçbir etkisi olmayan içgörüler elde etmekten kaçınırsınız.

Bir SaaS şirketi için başlamak için bazı sorular şunlardır:

• Kaç blog yazısı okuyucusu diğer içerik parçalarına geçti?
• Web sitesi trafiğimin yüzde kaçı alıcı kimliğime uyuyor?
• Satış hunisinin en çok hangi aşaması sızdırıyor?

2. Doğru Metrikleri Takip Edin (Önemli Metrikler Yok!)

İşletmeyi doğru yöne yönlendiren içgörüler, yanlış metriklere bakmaktan gelmez.

Vanity metrikleri, özellikle. İyi görünmenizi sağlarlar, ancak içgörü çerçevenize katkıda bulunmazlar. Örnek: sayfa görüntülemeleri ve tıklama sayısı.

Ayrıca, yanlış ölçümler dikkat dağıtıcı olabilir. 1. adımda yanıtlanması gereken bir soruya karar verdiğinize göre, izlemeniz gereken metrikleri tam olarak belirleyin.

Stears Business'ta Veri Bilimcisi olan Aniekan Inyang, sektöre özgü nüansları hesaba katmamaya karşı uyarıyor:

Bu, bir metriği izlemek için yanlış bir özelliğin seçilmesine, ilgili bir metriğin izlenmemesine veya yanlış yorumlanmasına yol açabilir.

Test edebileceğiniz bir hipoteze giden yolu geçmek için bunu kullanın.

3. Nihai Hedeflerinizi Belirtin

Büyük olasılıkla, ön testte belirli iş hedefleriniz var. Bunlar, test hedeflerinizle yakından uyumlu olmalıdır.

Başladığınız sorulardan neyi izlemek istediğinizi anladınız. Ancak bununla neyi başarmayı hedefliyorsunuz?

Spesifik, ölçülebilir bir hipotez geliştirmenize yardımcı olacağı için bunu yazın.

4. Veri Kaynaklarınızı Entegre Edin

Sahip olduğunuz veri kümeleri, nüfusun yalnızca bir bölümüdür ve her zaman tüm hikayeyi anlatmaz.

Dr. Thom Ives şunları paylaştı:

Bilmediğimiz önyargıları olabilir ve tüm verilerden daha zayıf olacaktır.

Ne kadar çok eyleme dönüştürülebilir veri toplarsanız, doğru hikayelere o kadar yaklaşırsınız.

Tüm kaynaklarınızı bir araya getirdiğinizde, veri yorumunuz hedefe daha çok yaklaşır. Anlamlı müşteri içgörüleri toplamayı kaçırmamak için farklı kaynakları entegre etmek için doğru araçları kullandığınızdan emin olun.

5. Veri Kümelerini Basitleştirmek için Bağlam ve Görselleri Kullanın

Görseller bugün verilerle oldukça yaygındır. Anlaşılmaz bir ham veri biçimiyle neredeyse hiç karşılaşmazsınız. Yine de, doğru bağlam olmadan ya tam hikayeyi anlamazsınız ya da yanlış olanı alırsınız.

Bağlam için, 5 W'ları kullanarak verilerinizi inceleyin:

• Kim (izleyiciler, liderler, potansiyel müşteriler)
• Ne (hedefler, olaylar, gözlemler)
• Ne zaman (zaman çerçevesi, programlar)
• Nerede (web sayfası, sosyal medya, açılış sayfası) ve
• Neden , (neden oldu?)

Bağlam, verilerinizin arkasında daha fazla anlamla ekrandan atlamasını sağlar. Hata yapma olasılığını azaltır.

Doğru görsellere eklendiğinde, bu şanslar daha da azalır. Ama görsellerde de hatalar yapılıyor.

Örneğin, balon grafiklerle maliyetli bir hata yapmak yaygındır. Balonun alanı yerine yarıçapı karşılık gelen değerlere değiştirmek, aşağıdaki resimde olduğu gibi hatalı veri hikayesi anlatımına yol açar.

Vurgulamak için sol üstteki turuncu balonu ve yanındaki yeşil balonu kullanalım. Turuncu balon yeşil komşusundan 4 kat daha büyük görünüyor.

İçinde etiketlenen gerçek değerler olmadan bu yanıltıcı olabilir. Turuncu balonun değeri (1,84 milyar dolar), yeşil balonun (0,92 milyar dolar) sadece 2 katıdır.

İşte Fox News'den komik bir gaf:

6. Verilerinizi Segmentlere Ayırın

Verileri bölümlere ayırmak, onu daha iyi anlamanıza yardımcı olabilir. Örneğin Google Analytics, bunu yapmayı kolaylaştıran yerleşik özelliklere sahiptir.

Web trafiğini belirli benzerliklere göre bölün ve bu, içgörü çıkarma sürecini basitleştirecektir. Segmentasyonlar, hedef kitleniz hakkındaki anlayışınızı derinleştirebilir.

Ayrıca, segmentlere ayırırken eski okul yaşı ve cinsiyet segmentlerinin ötesini düşünün. Web ziyaretçilerini gruplayabileceğiniz çok daha fazla ayrıntı var.

Bunu yapmanın bir yolu, müşterileri işlem değerine (değer segmentasyonu) göre, yani ürünlere ne kadar harcama yapabileceklerine göre segmentlere ayırmaktır. Bunu başarmak için geçmiş işlem verilerini kullanmanız gerekecek. Ne kadar harcadıkları, ne sıklıkla harcadıkları ve satın aldıkları ürünlerin değeri gibi veriler.

Bu basitliği bir kez deneyimlediğinizde, içgörü stratejinizde hızla temel bir süreç haline gelir.

Doğru veri segmentasyonunun önemini gösteren başka bir örnek:

7. Verileri Doğru Zaman Çerçevelerinde Görüntüleyin

Bir zaman diliminden elde edilen içgörülere dayalı kararlar vermek felaket olabilir. Yalnızca geçmiş verilere sıfır referansla küçük resme bakmak yaygın bir hatadır.

Verilerin genellikle bir arka planı vardır.

Şimdiki zamanı anlamak için bunu kontrol etmek önemlidir. Bazen tatiller, mevsimler, ekonomik döngüler vb. gibi dış etkilere tepki olarak geçmişte meydana gelen olaylar.

Olaylar hakkında daha doğru bir okuma elde etmek için bir eğilimin tüm yelpazesini keşfederken bunu göz önünde bulundurun.

8. Doğru Kalıpları Belirleyin

Tırmanma ve düşme — çizgi grafikte gözlemlenmesi en kolay eğilimlerden ikisi. Sayfa görüntülemeleri ve etkileşim verileri genellikle GA'da bu şekilde görüntülenir.

Zaman serileri ve dağılım grafikleri gibi diğer grafik türleri, verilerdeki desenleri resmetmemize yardımcı olur. Yukarı veya aşağı bir eğilim olduğunu tespit edebilir, iki değişken arasındaki ilişkiyi görselleştirebilir ve daha fazlasını yapabilirsiniz.

Hepsi, verilerin arkasındaki hikayeleri ortaya çıkarmak için tasarlandı. Bir uyarı: Kalıpları asla bağlamlarından ayrı olarak görmeyin.

MIT Profesörü Dr. Rama Ramakrishnan, planlarınızı analiz ederken, planınızı ön beklentilerle eşleştirmenizi önerir:

Eşleşmeyen bir şey var mı? Sizi 'Bu tuhaf' veya 'Bu hiç mantıklı değil' dedirten herhangi bir şey? Yakınlaştırın ve işinizde bu tuhaf şeyin bu tür verilerde görünmesini sağlayan şeyi anlamaya çalışın. Bu kritik adımdır. (…) İş hakkında yeni bir fikir bulmuş ve anlayışınızı artırmış olabilirsiniz. Veya verilerinizin toplanma veya hesaplanma biçiminde bir hata olduğunu keşfedebilirsiniz (Twyman Yasası).

9. Kazanan Bir Hipotez Oluşturun

Verilerinizi analiz edip doğru çıkarımlar yaptığınızda, test edebileceğiniz bir hipotez bulmanın zamanı geldi.

Bir hipotez oluştururken, deneyle doğrulayabileceğiniz bir soruna bir çözüm buluyorsunuz.

Ölçülebilir bir hipotez 3 bölümden oluşur:

• Gözlem,
• Yürütme ve
• Sonuç

İşte bir Convert iş ortağından gelen gerçek bir örnek:

Gözlem: Analitik verilerinden, amiral gemisi ürünümüzün sayfasında yüksek bir hemen çıkma oranı gözlemledik. Ayrıca anketler, anketler ve kullanılabilirlik araştırmaları yaptık ve kullanıcıların ürünümüzün değerini anlamadığını ve ona güvenmediğini gördük. Ayrıca, çoğu ziyaretçi sayfayı daha aşağı kaydırmadı.

Yürütme: Daha fazla sayfa ziyaretçisini elde tutmak, güven sorunlarını gidermek ve sayfadaki dönüşümleri artırmak için ekran alanına daha iyi bir kopya eklemek istiyoruz.

Sonuç: Bu, daha fazla web ziyaretçisinin sayfada gezinmesine, amiral gemisi ürünümüzü istemesine ve satın almasına yol açmalıdır. Bunu daha düşük hemen çıkma oranı, daha yüksek dönüşüm oranları ve gelir ile ölçeceğiz.

Buraya indikten sonra, bir sonraki adım test etmektir.

Bu örnek, etkileyici sonuçlara yol açan gerçek bir hipotezdir. Denemeler hakkında daha fazla ayrıntı için aşağıdaki ilk uygulanabilir içgörü örneğine göz atın.

10. Denemeye Hazırlanın

Yukarıdaki hipotezle, uzman dönüşüm oranı optimize edicilerin yaptığını yapabilir ve bir test çalıştırabilirsiniz.

Bu noktaya kadar, hipotezleriniz - verilerden kaynaklansalar bile - yalnızca sezgi kadar iyidir.

Deney yapmak, sizi kaya gibi sağlam bir gerçek yaratmaya yaklaştırır.

Veri analiziniz için yatırım getirisini almaya başladığınız yer burasıdır.

Bilimsel yaklaşım, ham, anlaşılmaz verilerimizi okunabilir bir şeye dönüştürmemize yardımcı oldu. Ardından, içerdiği sulu içgörüleri ortaya çıkarmak için veri analizinin gücünü uyguladık.

Bu içgörülerden ölçülebilir hipotezler geliştirdik ve bir sonraki mantıklı adımı attık: deney.

Bizi bu adımlardan geçiren yüzlerce araç var. Ancak Convert, sonunda hepsini birbirine bağlar ve bizi nihai hedefimize, eyleme dönüştürülebilir içgörülere getirir.

Convert, düzinelerce araçla entegre olur, böylece doğrudan daha yüksek gelir sağlayan inanılmaz güçlü içgörüleri deneyebilir ve keşfedebilirsiniz. Ücretsiz Deneme Sürümünde Entegrasyon Dönüştürmeyi Deneyin

İçgörülerin Ötesine Geçmek: İçgörüleri Stratejiye Nasıl Dönüştürürsünüz?

İçgörüler, stratejiye dönüştürülmediği ve harekete geçilmediği takdirde iş hedeflerine ulaşmada yararlı değildir.

Kuruluşunuzun kârlılığını doğrudan etkileyen olumlu faydaları sağlamak için elde ettiğiniz içgörüyü gerçekten nasıl kullanabilirsiniz?

3 örnek paylaşalım:

Verileri Eyleme Geçirilebilir Öngörü Örneklerine Dönüştürme

Örnek olay #1: SplitBase, dönüşümlerde %27'lik bir artış fırsatını ortaya çıkaran bir deney için veri toplamak üzere Google Analytics'i nasıl kullandı?

BestSelf Co., amiral gemisi ürünlerinin sayfasında bir sızıntı keşfetti. Bu yüzden takmak için SplitBase ile çalıştılar.

Bunu nasıl yaptılar?

Anketler, anketler ve ısı haritaları gibi verileri toplamak için çeşitli araçlar kullanarak suçluyu buldular.

Ürünün faydası yeterince iyi anlatılmadı, bu yüzden insanlar katlama alanını bile geçemediler. Bundan, daha önce paylaştığımız hipotezi oluşturdular.

Bir test yaptılar ve haklı olduklarını gördüler. Ürünün ana faydasını ve sosyal kanıtı açıkça belirten yeni başlık, ürünün satışlarını önemli ölçüde artırdı.

Örnek olay #2: Bu ücretsiz gönderim promosyonu para kazanıyor mu yoksa kaybediyor mu?

El yapımı lüks bir cam e-ticaret mağazası işleten ekibin aklındaki soru buydu.

Ücretsiz bir gönderim promosyonu başlattılar ve dönüşüm oranlarında bir artış buldular. Bu daha fazla para anlamına gelse de, bu ürünleri müşterilere göndermenin maliyetleri düşünüldüğünde, teklif nakliye maliyetlerini karşılamaya yeterli miydi?

Şimdi, cevaplarını nasıl buldular…

Bir dönüşüm oranı optimizasyon ajansı olan Brave One'ı aradılar ve bu ajans, kâr edip etmediklerini ve ne kadar kazandıklarını öğrenmek için bir plan hazırladı.

Brave One, veri toplamak için Google Analytics ve Mixpanel ve deneme için Convert ile, teklifsiz siteyi teklifli bir sürümle karşılaştırdı.

İşi teklifle yürütmek, aynı zaman diliminde teklifsiz yürütmekten 16.000 $ daha fazla getirdi.

Örnek olay #3: Veriler, Nike'ın hedeflemesini ayarlamasına ve daha geniş bir kitlenin kalbine dokunmasına yardımcı oldu

Nike, 2012 Olimpiyatları'nın başlangıcında 'Büyüklüğünü Bul' adlı bir kampanya başlatmak istediğinde, verilerini araştırdı ve şunu buldu:

Hedef kitlelerinin çoğu profesyonel sporcular değildi. Profesyonellere hayran olan ve onlar gibi olmak isteyen insanlardı.

Bununla ne yaptılar?

Hedeflemelerini ayarladılar.

Nike genellikle profesyonel sporcuların peşinden gider. Ancak bu sefer, fitness seviyeleri ne olursa olsun herkese sınırlarını zorlamaları için ilham vermeye karar verdiler.

Kampanyanın videolarından biri 3 milyondan fazla izlendi.

Ve burada bitmiyor: Adidas, bir Olimpiyat sponsorluğu almak için milyonlarca dolar harcadı, ancak Nike bu pazarlama bütçesinin yarısından daha azıyla aynı düzeyde risk aldı.

Özetliyor

Denemeler, optimizasyon yolculuğunuzun sonunu işaretlememelidir.

Sürekli bir süreç olmalı, çünkü içgörümüzle asla her zaman dikkatimizi çekmeyiz.

Ayrıca, unutmayın… kurum içi veri analizi yapma becerisine sahip değilseniz, veri uzmanlarının bilgi birikimine her zaman güvenebilirsiniz.

Dr. Thom Ives, daha fazla veri geldikçe, eski verilerle yaptığımız çıkarımları iyileştirmemiz gerektiğini öne sürüyor.

Ve iyi haber? Bu şekilde, hedef kitlemizi daha iyi temsil eden içgörülere yaklaşmaya ve çok daha kesin tahminler ve kararlar vermeye devam ediyoruz.