マーケターは貴重な消費者データの山に座っています。しかし、自由に使えるすべてのデータが役立つわけではありません。質の悪いデータを扱うことは、マーケティング活動を害し、機会を逃し、最終的には収益を損ないます。



555を意味する天使の数

不良データとは、状況によって破損することが多いデータです。そして、それは私たちが認識しているよりも一般的です。意図的または悪意のあるものではなく、人為的エラーまたは不適切な収集の結果であることがよくあります。メールアドレスが時間の経過とともに変化するのと同じくらい簡単な場合もあります。他の例では、それはあなたのプロセスを壊す何かです。原因は単純な場合もありますが、その影響（分析のギャップや不正確さが原因で、測定しているすべてのものが無効になる）は悲惨なものになる可能性があります。



すべての組織のチームにデータチャンピオンがいるわけではありませんが、企業がデータファーストの文化をますます受け入れるようになるにつれて、データの健全性を優先することが必須になります。

悪いデータは標準化されていません

私生活では、通常、データを調整する方法がいくつかあります。銀行口座に不一致が見つかったとします。稼いだ金額と使った金額がわかっているので、これを銀行の明細書の履歴データと照合できます。言い換えれば、あなたは真実の源を持っています。しかし、マーケティングでは、多くの場合、ベースラインがありません。マーケティング担当者として、あなたはもちろん何が正しいかについてある程度の考えを持っていますが、すべてのデータはそれ自体に関連しています。

この問題は新しいものではなく、簡単にレーダーの下を飛ぶだけです。たとえば、Google Analyticsを使用してすべてのWebページのトラフィックを追跡していて、何らかの理由でスクリプトがページの10％を追跡していなかった場合、10が欠落していることはわかりません。データの％。このようなギャップは、いくつかの方法で発生する可能性があります。しかし、それが発生する大きな方法の1つは、標準化の欠如によるものです。

SaaSビジネスの場合、「サイトへの訪問者」を測定することは、「プラットフォーム内のユーザー」と同じ意味ではない場合があります。さまざまな分析プラットフォームにわたってこれらの指標を設定し、マーケティングから販売、エンジニアリングまで、複数の部門にわたって断片化すると、違いが生じます。 AdWordsの「クリック数」は、新規ユーザー、ユニーク数、合計セッション数に違いがあるため、必ずしも全体的なトラフィックにつながるとは限りません。大規模な場合、何百ものソースからデータを取得しています。測定対象を標準化せず、それでもすべて同じように扱うことは、悪いデータのレシピです。

悪いデータは高価です

問題を修正する方法がわからないために問題を無視している場合でも、まだ気付いていない場合でも、質の低いデータを扱うことは、マーケティング以外の多くのビジネスに影響を及ぼします。データがいたるところにあると、貴重なイニシアチブが停止し、収益が損なわれます。



4646エンジェルナンバー

これを概観すると、データは年間70％の割合で減衰するため、不良データは企業に平均して 年間970万ドル 。 ハーバードビジネスレビュー 意思決定者、マネージャー、データサイエンティスト、その他のチームメンバーは、不正確さや悪い情報源を探し出し、間違いを修正するなど、日常業務の不一致に対応する必要があるため、悪いデータには多大なコストがかかると結論付けました。そうすることは、時間と費用の両方がかかります。

お金を超えて、悪いデータはあなたの戦略を危うくし、情報に通じていないビジネス上の決定から生じる将来の浪費された機会につながります。複数のソースを通じて、さまざまな形式で、さまざまな頻度で提供される大量のデータを処理することは、断片化されたプロセスです。マーケティング部門には、このすべてのデータを継続的に分析、理解、活用するための人材が不足していることがよくあります。

良いデータはきれいです

時間をかけてデータをクリーンアップ、検証、整理すると、データが良好になり、古い情報、重複、不正確さなどの一般的な問題がシステムを悩ませることがなくなります。



この複雑さに対処するには、標準化、最適化、レポート作成、およびアジャイルアプローチのための専用のリソースと明確に定義されたプロセスとポリシーが必要です。これは、ほとんどの組織が慣れている月次レポート、四半期予測、およびエピソード的な洞察の生成からの逸脱です。しかし、このシフトは、ますますデータ主導の世界で成功するために重要です。世界クラスのマーケティング組織は、データ、分析、戦略、人、プロセス、および機能をシームレスに融合して、ビジネス結果を提供する必要があります。

繰り返し番号1212

組織が成長していて、部門間でデータを共有するための水門を開いたばかりの場合は、情報をマージできる領域を探して、顧客の全体像を把握します。チームメンバーがパイプラインのさまざまな部分を所有し、組織内の優れたデータを擁護するタスクフォースの形成を検討してください。

データパイプラインを手動でクリーンアップするためにタスクフォースにリソースを割り当てることが非現実的なオプションである場合は、検討してください。 AIツールの実装 。予測機械学習は、データメトリックのベースライン動作を学習し、膨大な量のデータを信頼できるビジネス情報に迅速に変換し、異常の発見を自動化する機能を備えています。

パイプラインをクリーンアップするための専用リソースは目前の問題を修正しますが、これらの原則を積極的に適用することほど保護的なものはありません。チームがコース修正に費やす時間を取り、最初から安全で正確なデータプロセスを構築するために費やした時間と交換します。

完璧ではなく追求

現実的であることは重要です。そして、悪いデータの現実は、それをクリーンアップすることは終わりのないプロセスであるということです。目標は、すべてが完璧な最終状態ではありません。目標は、より良いデータを奨励する職場の習慣とプロセスに向けて努力することです。

711エンジェルナンバーラブ

とはいえ、データ品質は最終的にはすべての人のビジネスです。数値を直接操作するかどうかに関係なく、データは組織のすべての出力に影響します。クリーンで維持されたパイプラインは、あなたとあなたのチームが誤ったコストを削減して、健全なデータ戦略をより簡単に追求できることを意味します。

マーケティングを真のデータファースト文化に移行することは、長い道のりです。しかし、それはその価値を証明するものです。

この記事は、データドリブンマーケティングに関するシリーズの一部であり、専門家がデータに基づいたチームと戦略的アプローチを開発するための鍵を探ります。最初の記事を読む ここに 。

友達と共有してください: