O mercadotecnia precisa que datos de calidade se baseen en datos: loitas e solucións

Calidade de datos de mercadotecnia e mercadotecnia baseada en datos

Os comerciantes están baixo unha presión extrema para que se baseen en datos. Non obstante, non atoparás comerciantes falando da mala calidade dos datos nin cuestionando a falta de xestión e propiedade dos datos dentro das súas organizacións. Pola contra, esfórzanse por ser baseados en datos con datos malos. Tráxica ironía! 

Para a maioría dos comerciantes, problemas como datos incompletos, erros tipográficos e duplicados nin sequera se recoñecen como un problema. Pasarían horas corrixindo erros en Excel, ou estarían buscando complementos para conectar fontes de datos e mellorar os fluxos de traballo, pero non saben que se trata de problemas de calidade dos datos que teñen un efecto dominó en toda a organización que provocan millóns de perdas. cartos. 

Como a calidade dos datos afecta o proceso de negocio

Os comerciantes de hoxe están tan abrumados con métricas, tendencias, informes e análises que simplemente non teñen tempo para ser meticulosos cos retos de calidade dos datos. Pero ese é o problema. Se os comerciantes non teñen datos precisos para comezar, como serían capaces de crear campañas eficaces? 

Cheguei a varios comerciantes cando comecei a escribir esta peza. Tiven a sorte de ter Axel Lavergne, Co-fundador de ReviewFlowz para compartir a súa experiencia con datos pobres. 

Aquí están as súas respostas perspicaces ás miñas preguntas. 

  1. Cales foron os seus primeiros problemas coa calidade dos datos cando estaba a construír o seu produto? Estaba configurando un motor de xeración de opinións e necesitaba algúns ganchos para aproveitar para enviar solicitudes de revisión a clientes satisfeitos nun momento no que probablemente deixarían unha crítica positiva. 

    Para que isto suceda, o equipo creou un Net Promoter Score (NPS) que se enviaría 30 días despois do rexistro. Sempre que un cliente deixase un NPS positivo, inicialmente 9 e 10, posteriormente ampliado a 8, 9 e 10, invitaríase a deixar un comentario e recibir unha tarxeta de agasallo de 10 $ a cambio. O maior desafío aquí foi que o segmento NPS estaba configurado na plataforma de automatización de mercadotecnia, mentres os datos estaban na ferramenta NPS. As fontes de datos desconectadas e os datos inconsistentes entre as ferramentas convertéronse nun pescozo de botella que requiriu o uso de ferramentas e fluxos de traballo adicionais.

    A medida que o equipo pasou a integrar diferentes fluxos lóxicos e puntos de integración, tiveron que ocuparse de manter a coherencia cos datos legados. O produto evoluciona, o que significa que os datos do produto cambian constantemente, polo que as empresas deben manter un esquema de datos de informes coherente ao longo do tempo.

  2. Que medidas tomaches para resolver o problema? Foi necesario traballar moito co equipo de datos para crear unha enxeñaría de datos adecuada en torno ao aspecto das integracións. Pode parecer bastante básico, pero con moitas integracións diferentes e moitas actualizacións enviadas, incluídas as actualizacións que afectan o fluxo de rexistro, tivemos que crear moitos fluxos lóxicos diferentes baseados en eventos, datos estáticos, etc.
  3. O seu departamento de mercadotecnia tivo algo que dicir na resolución destes desafíos? É unha cousa complicada. Cando acudes ao equipo de datos cun problema moi específico, podes pensar que é unha solución sinxela só leva 1h en arranxar pero moitas veces implica un montón de cambios que non coñeces. No meu caso específico no que respecta aos complementos, a principal fonte de problemas foi o mantemento de datos coherentes cos datos legados. Os produtos evolucionan e é moi difícil manter un esquema de datos de informes coherente ao longo do tempo.

    Entón, si, definitivamente hai que dicir en canto ás necesidades, pero cando se trata de como implementar as actualizacións, etc., realmente non podes desafiar a un equipo de enxeñería de datos axeitado que sabe que ten que lidiar con moitos cambios para que isto suceda. e para "protexer" os datos contra futuras actualizacións.

  4. Por que non falan dos comerciantes xestión de datos ou a calidade dos datos aínda que intentan estar baseados en datos? Creo que realmente é un caso de non entender o problema. A maioría dos comerciantes cos que falei subestiman amplamente os retos da recollida de datos e, basicamente, miran os KPIs que levan anos sen cuestionalos. Pero o que chamas un rexistro, un cliente potencial ou mesmo un visitante único cambia enormemente dependendo da túa configuración de seguimento e do teu produto.

    Exemplo moi básico: non tivo ningunha validación de correo electrónico e o seu equipo de produto engádeo. Que é entón un rexistro? Antes ou despois da validación? Nin sequera comezarei a entrar en todas as sutilezas do seguimento web.

    Creo que tamén ten moito que ver coa atribución e a forma en que se constrúen os equipos de marketing. A maioría dos comerciantes son responsables dunha canle ou dun subconxunto de canles, e cando sumas o que cada membro dun equipo atribúe á súa canle, normalmente estás arredor do 150 % ou do 200 % da atribución. Soa pouco razoable cando o dis así, por iso ninguén o fai. O outro aspecto probablemente sexa que a recollida de datos adoita reducirse a problemas moi técnicos, e a maioría dos comerciantes non están realmente familiarizados con eles. En definitiva, non podes gastar o teu tempo en arranxar datos e buscar información perfecta en píxeles porque simplemente non a conseguirás.

  5. Que pasos prácticos/inmediatos cres que poden tomar os comerciantes para corrixir a calidade dos datos dos seus clientes?Póñase na pel dun usuario e proba cada un dos teus embudos. Pregúntate que tipo de evento ou acción de conversión estás desencadeando en cada paso. Probablemente te sorprendas moito do que realmente acontece. Comprender o que significa un número na vida real, para un cliente, cliente potencial ou visitante, é absolutamente fundamental para comprender os seus datos.

O mercadotecnia ten a comprensión máis profunda do cliente aínda que loita por poñer en orde os seus problemas de calidade de datos

O marketing está no corazón de calquera organización. É o departamento que fai correr a voz sobre o produto. É o departamento que é unha ponte entre o cliente e a empresa. O departamento que, sinceramente, dirixe o programa.

Non obstante, tamén están a loitar máis co acceso a datos de calidade. Peor aínda, como mencionou Axel, probablemente nin sequera se dean conta do que significan os datos pobres e do que se enfrontan. Aquí tes algunhas estatísticas obtidas do informe DOMO, Novo MO de mercadotecnia, para poñer as cousas en perspectiva:

  • O 46% dos comerciantes din que o gran número de canles e fontes de datos dificultou a planificación a longo prazo.
  • O 30% dos comerciantes sénior cre que o CTO e o departamento de TI deberían asumir a responsabilidade de posuír os datos. As empresas aínda están descubrindo a propiedade dos datos!
  • O 17.5% cre que faltan sistemas que recompilen datos e ofrezan transparencia en todo o equipo.

Estes números indican que é hora de que o marketing posúe datos e demande a xeración de que estea realmente baseado polos datos.

Que poden facer os comerciantes para comprender, identificar e xestionar os retos de calidade dos datos?

A pesar de que os datos son a columna vertebral para a toma de decisións empresariais, moitas empresas aínda están loitando para mellorar o seu marco de xestión de datos para resolver problemas de calidade. 

Nun informe de Evolución do marketing, máis dunha cuarta parte do 82% as empresas da enquisa víronse prexudicadas por datos deficientes. Os comerciantes xa non poden permitirse o luxo de varrer as consideracións de calidade dos datos baixo a alfombra nin poden permitirse o luxo de ignorar estes desafíos. Entón, que poden facer realmente os comerciantes para abordar estes desafíos? Aquí tes cinco mellores prácticas para comezar.

Mellor práctica 1: Comeza a aprender sobre os problemas de calidade dos datos

Un comerciante debe ser tan consciente dos problemas de calidade dos datos como o seu colega de TI. Debe coñecer os problemas comúns atribuídos aos conxuntos de datos que inclúen, entre outros:

  • Erros tipográficos, erros ortográficos, erros de nomenclatura, erros de gravación de datos
  • Problemas coas convencións de nomenclatura e a falta de estándares como números de teléfono sen códigos de país ou uso de formatos de data diferentes
  • Detalles incompletos como os enderezos de correo electrónico, os apelidos ou a información crítica necesaria para realizar campañas eficaces
  • Información inexacta como nomes incorrectos, números incorrectos, correos electrónicos, etc
  • Fontes de datos distintas nas que estás gravando información do mesmo individuo, pero que se almacenan en diferentes plataformas ou ferramentas que che impiden obter unha vista consolidada
  • Datos duplicados cando esa información se repite accidentalmente na mesma fonte de datos ou noutra fonte de datos

Así se ven os datos pobres nunha fonte de datos:

problemas de datos deficientes de marketing

Familiarizarse con termos como calidade de datos, xestión de datos e goberno de datos pode axudarche a identificar erros na túa xestión de relacións con clientes (CRM) e, nese tramo, permitíndolle actuar segundo sexa necesario.

Mellor práctica 2: prioriza sempre os datos de calidade

Estiven alí, fixen iso. É tentador ignorar os datos erróneos porque se realmente profundizar, só o 20% dos seus datos serían realmente utilizables. Máis que 80% dos datos é desperdiciado. Sempre prima a calidade sobre a cantidade! Podes facelo optimizando os teus métodos de recollida de datos. Por exemplo, se estás gravando datos dun formulario web, asegúrate de recompilar só os datos necesarios e limita a necesidade de que o usuario escriba manualmente a información. Canto máis teña que "escribir" información unha persoa, maior é a probabilidade de que envíe datos incompletos ou inexactos.

Mellor práctica 3: aproveitar a tecnoloxía adecuada de calidade de datos

Non tes que gastar un millón de dólares en corrixir a calidade dos teus datos. Existen decenas de ferramentas e plataformas que poden axudarche a poñer en orde os teus datos sen ter que facer nada. As cousas coas que estas ferramentas poden axudarche inclúen:

  • Perfil de datos: Axúdache a identificar diferentes erros dentro do teu conxunto de datos, como campos que faltan, entradas duplicadas, erros ortográficos, etc.
  • Limpeza de datos: Axúdache a limpar os teus datos ao permitir unha transformación máis rápida de datos pobres a datos optimizados.
  • Correspondencia de datos: Axúdache a relacionar conxuntos de datos en diferentes fontes de datos e vincular/fusionar os datos destas fontes. Por exemplo, pode utilizar a coincidencia de datos para conectar fontes de datos en liña e fóra de liña.

A tecnoloxía de calidade dos datos permitirache centrarte no que importa coidando do traballo redundante. Non terás que preocuparte de perder o tempo arranxando os teus datos en Excel ou dentro do CRM antes de comezar unha campaña. Coa integración dunha ferramenta de calidade de datos, poderás acceder a datos de calidade antes de cada campaña.

Mellor práctica 4: implicar a alta dirección 

É posible que os responsables da toma de decisións da túa organización non sexan conscientes do problema, ou aínda que o sexan, seguen asumindo que se trata dun problema de TI e non dunha preocupación de mercadotecnia. Aquí é onde debes intervenir para propoñer unha solución. Datos incorrectos no CRM? Datos incorrectos das enquisas? Datos incorrectos dos clientes? Todo isto son preocupacións de mercadotecnia e non teñen nada que ver cos equipos de TI! Pero a menos que un comerciante se achegue a suxerir a solución do problema, as organizacións poden non facer nada sobre os problemas de calidade dos datos. 

Mellor práctica 5: Identificar problemas a nivel de orixe 

Ás veces, os problemas de datos deficientes son causados ​​por un proceso ineficiente. Aínda que podes limpar os datos na superficie, a menos que non identifiques a causa raíz do problema, terás os mesmos problemas de calidade ao repetir. 

Por exemplo, se estás a recompilar datos de clientes potenciales dunha páxina de destino e observas que o 80 % dos datos teñen problemas coas entradas de números de teléfono, podes implementar controis de entrada de datos (como colocar un campo obrigatorio de código de cidade) para asegurarte de que" está obtendo datos precisos. 

A causa raíz da maioría dos problemas de datos é relativamente sinxela de resolver. Só tes que dedicar tempo para afondar e identificar o problema principal e facer o esforzo extra para resolver o problema. 

Os datos son a columna vertebral das operacións de mercadotecnia

Os datos son a columna vertebral das operacións de mercadotecnia, pero se estes datos non son precisos, completos ou fiables, perderás cartos por erros custosos. A calidade dos datos xa non se limita ao departamento de TI. Os comerciantes son os propietarios dos datos dos clientes e, polo tanto, deben ser capaces de implementar os procesos e tecnoloxía adecuados para acadar os seus obxectivos baseados en datos.

¿Que pensas?

Este sitio usa Akismet para reducir o spam. Aprende a procesar os teus datos de comentarios.