营销需要以数据为驱动的优质数据——奋斗与解决方案

营销数据质量和数据驱动营销

营销人员承受着数据驱动的巨大压力。 然而,您不会发现营销人员谈论糟糕的数据质量或质疑其组织内缺乏数据管理和数据所有权。 相反,他们努力使用不良数据进行数据驱动。 悲剧讽刺! 

对于大多数营销人员来说,数据不完整、拼写错误和重复等问题甚至不被认为是一个问题。 他们会花费数小时修复 Excel 上的错误,或者他们会研究插件以连接数据源并改进工作流程,但他们不知道这些数据质量问题会对整个组织产生连锁反应,导致数百万用户丢失钱。 

数据质量如何影响业务流程

今天的营销人员对指标、趋势、报告和分析如此不堪重负,以至于他们没有时间一丝不苟地应对数据质量挑战。 但这就是问题所在。 如果营销人员一开始就没有准确的数据,他们究竟如何能够创建有效的营销活动? 

当我开始写这篇文章时,我联系了几位营销人员。 我有幸拥有 阿克塞尔·拉弗涅, 联合创始人 ReviewFlowz 分享他对不良数据的经验。 

这是他对我的问题的有见地的回答。 

  1. 在构建产品时,您最初遇到的数据质量问题是什么? 我正在建立一个评论生成引擎,需要一些钩子来利用它们向满意的客户发送评论请求,而他们可能会留下积极的评论。 

    为了实现这一点,该团队创建了一个净推荐值(NPS) 调查将在注册后 30 天发送。 每当客户留下积极的 NPS 时,最初是 9 和 10,后来扩展到 8、9 和 10,他们将被邀请发表评论并获得 10 美元的礼品卡作为回报。 这里最大的挑战是 NPS 部分是在营销自动化平台上设置的,而数据则位于 NPS 工具中。 断开的数据源和跨工具的数据不一致成为瓶颈,需要使用额外的工具和工作流。

    随着团队继续集成不同的逻辑流和集成点,他们必须处理与遗留数据保持一致性的问题。 产品不断发展,这意味着产品数据不断变化,要求公司随着时间的推移保持一致的报告数据架构。

  2. 您采取了哪些措施来解决问题? 围绕集成方面建立适当的数据工程需要与数据团队进行大量合作。 听起来可能很基础,但是由于有许多不同的集成,以及大量更新,包括影响注册流程的更新,我们不得不基于事件、静态数据等构建大量不同的逻辑流程。
  3. 您的营销部门在解决这些挑战方面有发言权吗? 这是一件棘手的事情。 当你带着一个非常具体的问题去找数据团队时,你可能认为这是一个简单的解决方案,而且 只需 1 小时即可修复 但它确实经常涉及大量您不知道的变化。 在我关于插件的具体案例中,问题的主要来源是保持与遗留数据一致的数据。 产品不断发展,随着时间的推移,很难保持一致的报告数据模式。

    所以,是的,在需求方面绝对有发言权,但是当谈到如何实施更新等时,你真的无法挑战一个合适的数据工程团队,他们知道他们必须处理很多变化才能实现,并“保护”数据免受未来更新。

  4. 为什么营销人员不谈论 数据管理 或数据质量,即使他们试图以数据为驱动? 我认为这真的是一个没有意识到问题的案例。 与我交谈过的大多数营销人员都普遍低估了数据收集的挑战,基本上,他们只关注已经存在多年的 KPI,而从未质疑过它们。 但是,根据您的跟踪设置和您的产品,您所谓的注册、潜在客户甚至唯一身份访问者都会发生巨大变化。

    非常基本的例子: 您没有任何电子邮件验证,您的产品团队添加了它。 那什么是注册? 验证前还是验证后? 我什至不会开始讨论所有网络跟踪的细节。

    我认为这也与归因和营销团队的建立方式有很大关系。 大多数营销人员负责一个渠道或渠道的子集,当您将团队中的每个成员归因于其渠道的内容相加时,您通常会得到大约 150% 或 200% 的归因。 当你这样说的时候听起来很不合理,这就是为什么没有人这样做。 另一方面可能是数据收集通常归结为非常技术性的问题,而大多数营销人员并不真正熟悉它们。 归根结底,你不能把时间花在修复数据和寻找像素完美的信息上,因为你就是不会得到它。

  5. 您认为营销人员可以采取哪些实际/直接的步骤来修复其客户数据的质量?设身处地为用户着想,测试每一个漏斗。 问问自己,您在每个步骤中触发了什么样的事件或转化操作。 你可能会对真正发生的事情感到非常惊讶。 了解数字在现实生活中对客户、潜在客户或访客意味着什么,绝对是了解您的数据的基础。

营销部门对客户有最深刻的理解,却在努力解决他们的数据质量问题

营销是任何组织的核心。 它是传播产品信息的部门。 部门是客户和业务之间的桥梁。 老实说,负责演出的部门。

然而,他们在获取高质量数据方面也遇到了最大的困难。 更糟糕的是,正如 Axel 提到的,他们可能甚至没有意识到糟糕的数据意味着什么以及他们面临的挑战! 以下是从 DOMO 报告中获得的一些统计数据, 营销新模式, 把事情放在眼里:

  • 46% 的营销人员表示,庞大的数据渠道和来源让长期规划变得更加困难。
  • 30% 的高级营销人员认为 CTO 和 IT 部门应该承担拥有数据的责任。 公司仍在弄清楚数据的所有权!
  • 17.5% 的人认为缺乏整理数据并在整个团队中提供透明度的系统。

这些数字表明,现在是营销部门拥有数据和需求生成真正由数据驱动的时候了。

营销人员可以做些什么来理解、识别和处理数据质量挑战?

尽管数据是业务决策的支柱,但许多公司仍在努力改进其数据管理框架以解决质量问题。 

在报告 营销演变,超过 82% 的四分之一 调查中的公司受到不合标准数据的伤害。 营销人员再也不能承担对数据质量的考虑,也不能对这些挑战一无所知。 那么营销人员真正能做些什么来应对这些挑战呢? 这里有五个开始使用的最佳实践。

最佳实践 1: 开始了解数据质量问题

营销人员需要像他们的 IT 同事一样意识到数据质量问题。 您需要了解归因于数据集的常见问题,包括但不限于:

  • 错别字、拼写错误、命名错误、数据记录错误
  • 命名约定和缺乏标准的问题,例如没有国家代码或使用不同日期格式的电话号码
  • 不完整的详细信息,例如缺少有效活动所需的电子邮件地址、姓氏或关键信息
  • 不准确的信息,例如不正确的姓名、不正确的号码、电子邮件等
  • 您记录同一个人的信息的不同数据源,但它们存储在不同的平台或工具中,使您无法获得统一的视图
  • 重复数据,其中该信息在同一数据源或另一个数据源中意外重复

以下是数据源中不良数据的外观:

糟糕的数据问题营销

熟悉数据质量、数据管理和数据治理等术语可以帮助您在识别客户关系管理中的错误方面大有帮助(客户关系管理) 平台,并在此期间允许您根据需要采取行动。

最佳实践 2:始终优先考虑质量数据

我去过那里,做到了。 忽略不良数据很诱人,因为如果您要真正深入挖掘,那么实际上只有 20% 的数据是可用的。 多于 80% 的数据 被浪费了。 永远把质量放在数量之上! 您可以通过优化数据收集方法来做到这一点。 例如,如果您从 Web 表单记录数据,请确保只收集必要的数据并限制用户手动输入信息的需要。 一个人必须“输入”信息的次数越多,他们发送不完整或不准确数据的可能性就越大。

最佳实践 3:利用正确的数据质量技术

您不必花费一百万美元来修复数据质量。 有许多工具和平台可以帮助您整理数据而不会大惊小怪。 这些工具可以帮助您的事情包括:

  • 数据分析: 帮助您识别数据集中的不同错误,例如缺少字段、重复条目、拼写错误等。
  • 数据清理: 通过实现从较差数据到优化数据的更快转换,帮助您清理数据。
  • 数据匹配: 帮助您匹配不同数据源中的数据集并将来自这些源的数据链接/合并在一起。 例如,您可以使用数据匹配来连接在线和离线数据源。

数据质量技术将使您能够通过处理多余的工作来专注于重要的事情。 在开始活动之前,您不必担心浪费时间在 Excel 或 CRM 中修复您的数据。 通过集成数据质量工具,您将能够在每次活动之前访问质量数据。

最佳实践 4:让高级管理层参与 

您组织中的决策者可能没有意识到这个问题,或者即使他们意识到了,他们仍然认为这是一个 IT 问题而不是营销问题。 这是您需要介入以提出解决方案的地方。 CRM 中的不良数据? 来自调查的不良数据? 客户数据不好? 所有这些都是营销问题,与 IT 团队无关! 但除非营销人员站出来建议解决问题,否则组织可能对数据质量问题无能为力。 

最佳实践 5:在源代码级别识别问题 

有时,糟糕的数据问题是由低效的流程引起的。 虽然您可以在表面上清理数据,但除非您没有确定问题的根本原因,否则您将重复遇到相同的质量问题。 

例如,如果您从登录页面收集潜在客户数据,并且您注意到 80% 的数据存在电话号码输入问题,您可以实施数据输入控制(例如放置强制性城市代码字段)以确保您“重新获得准确的数据。 

大多数数据问题的根本原因相对容易解决。 您只需要花时间深入挖掘并确定核心问题并付出额外的努力来解决问题! 

数据是营销运营的支柱

数据是营销运营的支柱,但如果这些数据不准确、不完整或不可靠,您将因错误而蒙受损失。 数据质量不再局限于 IT 部门。 营销人员是客户数据的所有者,因此必须能够实施正确的流程和技术来实现他们的数据驱动目标。

你觉得呢?

本网站使用Akismet来减少垃圾邮件。 了解您的数据如何处理.