El màrqueting necessita que les dades de qualitat estiguin basades en dades: lluites i solucions

Qualitat de dades de màrqueting i màrqueting basat en dades

Els venedors estan sotmesos a una pressió extrema per basar-se en dades. No obstant això, no trobareu professionals del màrqueting que parlin de la mala qualitat de les dades o qüestionin la manca de gestió de dades i de propietat de les dades a les seves organitzacions. En lloc d'això, s'esforcen per basar-se en dades amb dades dolentes. Ironia tràgica! 

Per a la majoria dels venedors, problemes com ara dades incompletes, errors ortogràfics i duplicats ni tan sols es reconeixen com un problema. Es passarien hores arreglant errors a Excel o investigarien complements per connectar les fonts de dades i millorar els fluxos de treball, però no són conscients que es tracta de problemes de qualitat de les dades que tenen un efecte dominó a tota l'organització, donant lloc a milions de pèrdues. diners. 

Com afecta la qualitat de les dades al procés empresarial

Els professionals del màrqueting d'avui estan tan aclaparats amb mètriques, tendències, informes i analítiques que simplement no tenen temps per ser meticulosos amb els reptes de qualitat de les dades. Però aquest és el problema. Si els venedors no disposen de dades precises per començar, com podrien crear campanyes efectives? 

Em vaig posar en contacte amb diversos venedors quan vaig començar a escriure aquesta peça. Vaig tenir la sort de tenir-ho Axel Lavergne, cofundador de ReviewFlowz per compartir la seva experiència amb dades pobres. 

Aquí teniu les seves respostes perspicaces a les meves preguntes. 

  1. Quines van ser les teves lluites inicials amb la qualitat de les dades quan vas crear el teu producte? Estava configurant un motor de generació de ressenyes i necessitava uns quants ganxos per aprofitar per enviar sol·licituds de revisió a clients satisfets en un moment en què probablement deixarien una revisió positiva. 

    Per fer-ho possible, l'equip va crear un Net Promoter Score (NPS) enquesta que s'enviaria 30 dies després de la inscripció. Sempre que un client deixava un NPS positiu, inicialment 9 i 10, ampliat posteriorment a 8, 9 i 10, se'l convidava a deixar una ressenya i rebre una targeta regal de 10 dòlars a canvi. El repte més gran aquí va ser que el segment NPS es va configurar a la plataforma d'automatització del màrqueting, mentre que les dades estaven a l'eina NPS. Les fonts de dades desconnectades i les dades inconsistents entre les eines es van convertir en un coll d'ampolla que requeria l'ús d'eines i fluxos de treball addicionals.

    A mesura que l'equip va anar integrant diferents fluxos lògics i punts d'integració, van haver de fer front a mantenir la coherència amb les dades heretades. El producte evoluciona, la qual cosa significa que les dades dels productes estan canviant constantment, la qual cosa requereix que les empreses mantinguin un esquema de dades d'informes coherent al llarg del temps.

  2. Quins passos heu fet per resoldre el problema? Es va necessitar molt treballar amb l'equip de dades per crear una enginyeria de dades adequada al voltant de l'aspecte de les integracions. Pot semblar bastant bàsic, però amb moltes integracions diferents i moltes actualitzacions enviades, incloses les actualitzacions que afecten el flux de registre, vam haver de crear molts fluxos lògics diferents basats en esdeveniments, dades estàtiques, etc.
  3. El vostre departament de màrqueting ha tingut paraula per resoldre aquests reptes? És una cosa complicada. Quan aneu a l'equip de dades amb un problema molt específic, podríeu pensar que és una solució fàcil només triga 1h a arreglar-se però sovint implica un munt de canvis dels quals no ets conscient. En el meu cas específic pel que fa als connectors, la principal font de problemes era mantenir dades coherents amb les dades heretades. Els productes evolucionen i és molt difícil mantenir un esquema de dades d'informes coherent al llarg del temps.

    Així que sí, sens dubte una paraula en termes de necessitats, però quan es tracta de com implementar les actualitzacions, etc., realment no podeu desafiar un equip d'enginyeria de dades adequat que sàpiga que ha de fer front a molts canvis per fer-ho realitat. i "protegir" les dades contra futures actualitzacions.

  4. Per què no en parlen els venedors Gestió de dades o la qualitat de les dades tot i que intenten basar-se en dades? Crec que realment és un cas de no adonar-se del problema. La majoria dels venedors amb els quals he parlat subestimen àmpliament els reptes de la recollida de dades i, bàsicament, miren els KPI que hi ha des de fa anys sense qüestionar-los mai. Però el que anomeneu un registre, un client potencial o fins i tot un visitant únic canvia de manera massiva en funció de la configuració del vostre seguiment i del vostre producte.

    Exemple molt bàsic: no teníeu cap validació de correu electrònic i el vostre equip de producte l'afegeix. Què és llavors una inscripció? Abans o després de la validació? Ni tan sols començaré a entrar en totes les subtileses del seguiment web.

    Crec que també té molt a veure amb l'atribució i la manera com es construeixen els equips de màrqueting. La majoria dels venedors són responsables d'un canal o d'un subconjunt de canals, i quan sumeu el que cada membre d'un equip atribueix al seu canal, normalment teniu al voltant del 150% o el 200% de l'atribució. Sona poc raonable quan ho poses així, per això ningú ho fa. L'altre aspecte és probablement que la recollida de dades sovint es redueix a problemes molt tècnics, i la majoria dels venedors no els coneixen realment. En última instància, no podeu dedicar el vostre temps a arreglar dades i a buscar informació perfecta per a píxels perquè simplement no l'aconseguiu.

  5. Quins passos pràctics/immediats creus que poden prendre els professionals del màrqueting per arreglar la qualitat de les dades dels seus clients?Posa't a la pell d'un usuari i prova cada un dels teus embuts. Pregunteu-vos quin tipus d'esdeveniment o acció de conversió activeu a cada pas. Probablement us sorprendrà molt el que realment passa. Entendre què significa un nombre a la vida real, per a un client, un client potencial o un visitant, és absolutament fonamental per entendre les vostres dades.

El màrqueting té la comprensió més profunda del client, però lluita per posar en ordre els seus problemes de qualitat de dades

El màrqueting és el cor de qualsevol organització. És el departament que fa difusió del producte. És el departament que fa de pont entre el client i l'empresa. El departament que, sincerament, dirigeix ​​l'espectacle.

No obstant això, també estan lluitant més amb l'accés a dades de qualitat. Pitjor, com va esmentar l'Axel, probablement ni tan sols s'adonen del que signifiquen les dades pobres i de què s'enfronten! Aquí hi ha algunes estadístiques obtingudes de l'informe DOMO, Nou MO de màrqueting, per posar les coses en perspectiva:

  • El 46% dels venedors diuen que el gran nombre de canals i fonts de dades ha fet que sigui més difícil planificar a llarg termini.
  • El 30% dels experts en màrqueting creuen que el CTO i el departament de TI haurien d'assumir la responsabilitat de tenir les dades. Les empreses encara estan esbrinant la propietat de les dades!
  • El 17.5% creu que hi ha una manca de sistemes que recullin dades i ofereixin transparència a tot l'equip.

Aquestes xifres indiquen que ha arribat el moment que el màrqueting posseeixi dades i que la generació de demandes sigui realment impulsada per les dades.

Què poden fer els venedors per entendre, identificar i gestionar els reptes de qualitat de les dades?

Tot i que les dades són la columna vertebral per a la presa de decisions empresarials, moltes empreses encara estan lluitant per millorar el seu marc de gestió de dades per abordar problemes de qualitat. 

En un informe de Evolució del màrqueting, més d'una quarta part del 82% les empreses de l'enquesta es van veure afectades per dades deficients. Els venedors ja no poden permetre's el luxe d'escombrar les consideracions de qualitat de les dades sota la catifa ni es poden permetre el luxe de no ser conscients d'aquests reptes. Aleshores, què poden fer realment els venedors per afrontar aquests reptes? Aquí teniu cinc pràctiques recomanades per començar.

Millor pràctica 1: Comenceu a conèixer els problemes de qualitat de les dades

Un venedor ha de ser tan conscient dels problemes de qualitat de les dades com el seu company de TI. Heu de conèixer els problemes comuns atribuïts als conjunts de dades que inclouen, entre d'altres:

  • Errors ortogràfics, errors de denominació, errors de gravació de dades
  • Problemes amb les convencions de nomenclatura i la manca d'estàndards com ara números de telèfon sense codis de país o utilitzant diferents formats de data
  • Detalls incomplets, com ara adreces de correu electrònic, cognoms o informació crítica necessària per a campanyes efectives
  • Informació inexacta com ara noms incorrectes, números incorrectes, correus electrònics, etc
  • Fonts de dades diferents on enregistreu informació d'un mateix individu, però s'emmagatzemen en diferents plataformes o eines que us impedeixen obtenir una visualització consolidada
  • Dades duplicades quan aquesta informació es repeteix accidentalment a la mateixa font de dades o en una altra font de dades

Així es veuen les dades pobres en una font de dades:

problemes de dades pobres de màrqueting

Familiaritzar-se amb termes com la qualitat de les dades, la gestió de les dades i el govern de les dades us pot ajudar a identificar errors a la vostra gestió de relacions amb els clients (CRM), i en aquest tram, que us permetrà prendre les mesures necessàries.

Millor pràctica 2: prioritzeu sempre les dades de qualitat

Hi he estat, ho he fet. És temptador ignorar les dades errònies perquè si aprofundís realment, només el 20% de les vostres dades es podrien utilitzar realment. Més que 80% de les dades està malgastat. Sempre prioritza la qualitat per sobre de la quantitat! Podeu fer-ho optimitzant els vostres mètodes de recollida de dades. Per exemple, si enregistreu dades d'un formulari web, assegureu-vos de recopilar només les dades necessàries i de limitar la necessitat que l'usuari introdueixi la informació manualment. Com més ha de "escriure" informació una persona, més probabilitats d'enviar dades incompletes o inexactes.

Millor pràctica 3: Aprofiteu la tecnologia de qualitat de dades adequada

No heu de gastar un milió de dòlars en arreglar la qualitat de les vostres dades. Hi ha dotzenes d'eines i plataformes que us poden ajudar a posar en ordre les vostres dades sense fer cap enrenou. Algunes coses amb les quals us poden ajudar aquestes eines inclouen:

  • Elaboració de perfils de dades: T'ajuda a identificar diferents errors dins del teu conjunt de dades, com ara camps que falten, entrades duplicades, errors ortogràfics, etc.
  • Neteja de dades: T'ajuda a netejar les teves dades permetent una transformació més ràpida de dades pobres a dades optimitzades.
  • Coincidència de dades: T'ajuda a fer coincidir conjunts de dades en diferents fonts de dades i enllaçar/fusionar les dades d'aquestes fonts. Per exemple, podeu utilitzar la concordança de dades per connectar fonts de dades en línia i fora de línia.

La tecnologia de qualitat de les dades us permetrà centrar-vos en allò que importa tenint cura del treball redundant. No us haureu de preocupar de perdre el temps arreglant les vostres dades a Excel o dins del CRM abans d'iniciar una campanya. Amb la integració d'una eina de qualitat de dades, podreu accedir a dades de qualitat abans de cada campanya.

Millor pràctica 4: implicar l'alta direcció 

És possible que els responsables de la presa de decisions de la vostra organització no siguin conscients del problema, o fins i tot si ho són, encara estan assumint que es tracta d'un problema informàtic i no d'una preocupació de màrqueting. Aquí és on cal intervenir per proposar una solució. Dades incorrectes al CRM? Dades incorrectes de les enquestes? Dades incorrectes del client? Tot això són preocupacions de màrqueting i no tenen res a veure amb els equips informàtics! Però tret que un venedor s'acosti per suggerir resoldre el problema, les organitzacions poden no fer res sobre els problemes de qualitat de les dades. 

Millor pràctica 5: identificar problemes a nivell d'origen 

De vegades, els problemes de dades deficients són causats per un procés ineficient. Tot i que podeu netejar les dades a la superfície, tret que no identifiqueu la causa principal del problema, us trobareu amb els mateixos problemes de qualitat en repetir-vos. 

Per exemple, si esteu recopilant dades de contactes d'una pàgina de destinació i observeu que el 80% de les dades tenen problemes amb les entrades de números de telèfon, podeu implementar controls d'entrada de dades (com col·locar un camp obligatori de codi de ciutat) per assegurar-vos que" està obtenint dades precises. 

La causa principal de la majoria dels problemes de dades és relativament senzill de resoldre. Només heu de dedicar temps per aprofundir i identificar el problema bàsic i fer l'esforç addicional per resoldre el problema! 

Les dades són la columna vertebral de les operacions de màrqueting

Les dades són la columna vertebral de les operacions de màrqueting, però si aquestes dades no són precises, completes o fiables, perdràs diners per errors costosos. La qualitat de les dades ja no es limita al departament de TI. Els venedors són els propietaris de les dades dels clients i, per tant, han de ser capaços d'implementar els processos i la tecnologia adequats per assolir els seus objectius basats en dades.

Què et sembla?

Aquest lloc utilitza Akismet per reduir el correu no desitjat. Esbrineu com es processa el vostre comentari.