Войти в систему
Войти с помощью соц. сетей:
Мы поговорим об эффективных методах оценки успешного цифрового маркетинга, инструментах, необходимых для отслеживания ваших достижений, и о том, как убедительно рассказать о них и включить в презентацию цифровой стратегии. Ключевые темы:
• Ландшафт данных
• Надежность решений, принятых на основе данных
• Что такое аналитика?
• Инструменты и технологии
• Моделирование атрибуции
• Отчетность
Цели главы
Ознакомившись с главой, вы осознаете важность аналитики и ключевых методов разработки структуры отчетности. Узнаете о моделировании атрибуции и степени надежности решений, принятых на основе данных. Ознакомитесь с теговой и серверной аналитиками, а также с аналитикой социальных медиа и веб-аналитикой.
Заключительный этап разработки стратегии, возможно, важнее всего. Если вы осуществите стратегию, но не сумеете эффективно оценить ее успех, скорее всего возникнет путаница или не всё будет прозрачным, чего уже не исправить. Другими словами, если стратегия воплощается в жизнь, но вы не можете доказать, что достигли определенных результатов, возникает риск вскоре получить отрицательный фидбэк от заинтересованных лиц в компании, а те, кто принимает решения, даже могут отказать вам в поддержке. Если нельзя продемонстрировать, что намеченные цели достигнуты, то каким образом вы или (а это, возможно, гораздо важнее) заинтересованные лица узнают, насколько успешна ваша стратегия, или как ее усовершенствовать, чтобы двигаться дальше? Всё сказанное ранее полностью теряет смысл, если не удостовериться, что ваша аналитика верна, а прогнозы всесторонне обоснованы.
Маркетологи в области цифровых технологий, к счастью (или, как скажут некоторые, к несчастью), располагают бессчетным количеством инструментов и данных, чтобы обеспечить полную прозрачность. Таким образом, сложность не в недостатке технологий или прозрачности, а в том, как осуществить стратегию и подготовить отчет о полученных данных. Как наилучшим образом использовать эти данные и свести воедино разрозненную информацию, чтобы достичь ясного понимания ситуации? Это не просто наука, но и своего рода искусство.
Термин «большие данные» в последние годы часто используется в цифровом маркетинге. Это прекрасный способ выразить именно то, о чем мы сейчас говорим. «Большие данные» настолько обширны и сложны, что с ними трудно работать с помощью обычных инструментов и технологий. В то же время необходимо принимать разумные решения на основе интерпретации всего массива данных, а не его отдельных частей. Термин «большие данные» впервые появился в 1997 году, когда сотрудники NASA описывали проблемы, связанные с визуализацией данных. В более широком смысле специалисты в области информатики употребляют его с 2008 года, а в цифровом маркетинге термин используется примерно с 2010 года.
Big data
«Объем сведений настолько большой, что выходит за пределы возможностей обычного программного обеспечения для обработки баз данных собирать, хранить, анализировать информацию и управлять ею» (McKinsey, 2011).
Мы уже обсуждали исследования и аналитику в главе 2. Это ключевые области, которые позволяют собирать информацию для формирования вашей стратегии и влияют на нее с течением времени. Они по-прежнему остаются ключевыми показателями успеха, но вряд ли отразятся на информационных панелях с отчетом о вашей работе, поэтому мы не будем рассматривать их здесь снова.
Обработать данные, которыми мы располагаем, жизненно важно для развития стратегии. И, как мы отметили выше, важно продемонстрировать результаты, которых мы достигли, лицам, принимающим решения. Опасно использовать их неправильно. Есть две основные сложности, о которых стоит помнить: человеческий фактор и согласованность данных.
Сами по себе данные не обладают никакой ценностью. Простой массив информации не имеет смысла, если с ним ничего не делать. Необходимо человеческое вмешательство – либо напрямую, либо с помощью алгоритма или формулы, – чтобы придать данным какое-либо значение. Отсюда возникает возможность ошибки. Взаимодействие человека и информации даже глубже с учетом того, что человеческое вмешательство необходимо в первую очередь для сбора данных. Не только наша интерпретация данных может быть ошибочной – сами данные могут быть ошибочными.
Например, если мы пользуемся стандартным и простым в использовании аналитическим инструментом, таким как Google Analytics, то видим четыре ключевых этапа, где люди играют ключевую роль.
• Кто-то разрабатывает программное обеспечение.
• Кто-то устанавливает Google Analytics на свой сайт.
• Кто-то настраивает сбор данных и подготовку отчетов с помощью Google Analytics.
• Кто-то принимает решения на основе этих отчетов.
Так, программное обеспечение может быть идеальным, но его настройки – неправильными. Порой настройки полностью функциональны, но интерпретация данных ошибочна. Кроме того, и настройки, и интерпретация могут быть правильными, но программа даст сбой.
Очень немногие компании полагаются на один вид данных, когда принимают решения. Однако сложно объединить в одну систему финансовые данные, информацию о продажах и персонале, затраты на маркетинг, данные о ценах, об инвестициях и огромное количество прочих сведений. Это не столько технологическая проблема – сложности связаны с конфиденциальностью и конвенциональностью. Руководить платным поиском с помощью той же системы, в которой вы платите креативному агентству и управляете зарплатой сотрудников, не слишком разумно. Велика вероятность того, что ваши данные окажутся рассогласованными. Даже если вы будете использовать две очень похожие системы (например, разработанные одной компанией), цифры могут не сойтись. Это возможно из-за определения терминов.
Например, как вы определите термин «хит» (hit)? Немедленно возникают два ответа: 1) скачивание элемента с веб-страницы, например изображения; 2) просмотр веб-страницы.
С технической точки зрения первый ответ верен: «хит» – это скачивание файла. Но многие до сих пор обозначают этим термином просмотр веб-страницы, даже если пользователь не скачивает ни одного файла. Вероятность рассогласования данных велика, а потому жизненно важно уделить внимание этому вопросу.
Вопрос надежности решений, принятых на основе данных, показывает, что важно понимать, какие именно показатели вы хотите измерить. Если возникнут проблемы с данными, нужно оперативно решить, какое определение того или иного показателя или какую опцию использовать. В примере, приведенном выше, можно использовать актуальное определение «хита», чтобы соответствовать требованиям сервера, хотя вас могут больше интересовать просмотры веб-страниц и подсчет уникальных посетителей сайта для анализа трафика.
Войти с помощью соц. сетей: