Bemarking benodig kwaliteitdata om datagedrewe te wees – sukkel en oplossings

Bemarkingsdatakwaliteit en datagedrewe bemarking

Bemarkers is onder uiterste druk om data-gedrewe te wees. Tog sal jy nie bemarkers vind wat praat oor swak datakwaliteit of die gebrek aan databestuur en data-eienaarskap binne hul organisasies bevraagteken nie. In plaas daarvan streef hulle daarna om data-gedrewe te wees met slegte data. Tragiese ironie! 

Vir die meeste bemarkers word probleme soos onvolledige data, tikfoute en duplikate nie eers as 'n probleem erken nie. Hulle sou ure spandeer om foute op Excel reg te stel, of hulle sou navorsing doen vir inproppe om databronne te verbind en werkvloei te verbeter, maar hulle is nie bewus daarvan dat dit datakwaliteitkwessies is wat 'n rimpeleffek oor die organisasie het wat lei tot miljoene verlore geld. 

Hoe datakwaliteit die besigheidsproses beïnvloed

Bemarkers is vandag so oorweldig met maatstawwe, neigings, verslae en ontledings dat hulle net nie tyd het om noukeurig te wees met datakwaliteit-uitdagings nie. Maar dit is die probleem. As bemarkers nie akkurate data het om mee te begin nie, hoe in die wêreld sou hulle doeltreffende veldtogte kon skep? 

Ek het na verskeie bemarkers uitgereik toe ek hierdie stuk begin skryf het. Ek was gelukkig genoeg om te hê Axel Lavergne, Medestigter van Hersien Flowz om sy ervaring met swak data te deel. 

Hier is sy insiggewende antwoorde op my vrae. 

  1. Wat was jou aanvanklike stryd met datakwaliteit toe jy jou produk gebou het? Ek was besig om 'n hersieningsgenerasie-enjin op te stel en het 'n paar hake nodig gehad om te gebruik om hersieningsversoeke aan gelukkige kliënte te stuur op 'n tyd wanneer hulle waarskynlik 'n positiewe resensie sou gee. 

    Om dit te laat gebeur, het die span 'n Net Promoter-telling geskep (NPS) opname wat 30 dae na aansluiting uitgestuur sal word. Wanneer 'n klant 'n positiewe NPS sou verlaat, aanvanklik 9 en 10, later uitgebrei na 8, 9 en 10, sou hulle genooi word om 'n resensie te gee en 'n $10 geskenkbewys in ruil daarvoor te kry. Die grootste uitdaging hier was dat die NPS-segment op die bemarkingsoutomatiseringsplatform opgestel is, terwyl die data in die NPS-instrument gesit het. Ontkoppelde databronne en inkonsekwente data oor nutsgoed heen het 'n bottelnek geword wat die gebruik van bykomende nutsmiddels en werkvloei vereis het.

    Terwyl die span voortgegaan het om verskillende logikavloeie en integrasiepunte te integreer, moes hulle die handhawing van konsekwentheid met verouderde data hanteer. Produk ontwikkel, wat beteken dat produkdata voortdurend verander, wat vereis dat maatskappye 'n konsekwente verslaggewingdataskema met verloop van tyd moet hou.

  2. Watter stappe het jy gedoen om die probleem op te los? Dit het baie saam met die dataspan gekos om behoorlike data-ingenieurswese rondom die integrasie-aspek op te bou. Dit klink dalk redelik basies, maar met baie verskillende integrasies en baie opdaterings wat gestuur word, insluitend opdaterings wat die aanmeldvloei beïnvloed, moes ons 'n hele klomp verskillende logikavloeie bou gebaseer op gebeure, statiese data, ens.
  3. Het jou bemarkingsafdeling 'n sê gehad om hierdie uitdagings op te los? Dit is 'n moeilike ding. Wanneer jy na die dataspan gaan met 'n baie spesifieke probleem, dink jy dalk dis 'n maklike oplossing en dit neem net 1 uur om reg te maak maar dit behels regtig dikwels 'n ton veranderinge waarvan jy nie bewus is nie. In my spesifieke geval met betrekking tot inproppe, was die hoofbron van probleme die handhawing van konsekwente data met verouderde data. Produkte ontwikkel, en dit is regtig moeilik om 'n konsekwente verslagdataskema met verloop van tyd te hou.

    So ja, beslis 'n sê in terme van die behoeftes, maar wanneer dit kom by hoe om die opdaterings ens. te implementeer, kan jy regtig nie 'n behoorlike data-ingenieurspan uitdaag wat weet dat hulle baie veranderinge moet hanteer om dit te laat gebeur nie, en om die data teen toekomstige opdaterings te "beskerm".

  4. Hoekom praat bemarkers nie oor data bestuur of datakwaliteit al probeer hulle datagedrewe wees? Ek dink dit is regtig 'n geval dat jy nie die probleem besef nie. Die meeste bemarkers met wie ek gepraat het, onderskat wyd die data-insamelingsuitdagings, en kyk basies na KPI's wat al jare bestaan ​​sonder om dit ooit te bevraagteken. Maar wat jy 'n aanmelding, 'n lood of selfs 'n unieke besoeker noem, verander grootliks na gelang van jou opsporingsopstelling en van jou produk.

    Baie basiese voorbeeld: jy het geen e-posbekragtiging gehad nie en jou produkspan voeg dit by. Wat is 'n inskrywing dan? Voor of na validering? Ek sal nie eers begin om in al die subtiliteite vir webnasporing in te gaan nie.

    Ek dink dit het ook baie te doen met toeskrywing en die manier waarop bemarkingspanne gebou word. Die meeste bemarkers is verantwoordelik vir 'n kanaal of 'n subset van kanale, en as jy optel wat elke lid van 'n span aan hul kanaal toeskryf, is jy gewoonlik ongeveer 150% of 200% van toeskrywing. Klink onredelik as jy dit so stel, daarom doen niemand dit nie. Die ander aspek is waarskynlik dat data-insameling dikwels neerkom op baie tegniese kwessies, en die meeste bemarkers is nie regtig daarmee vertroud nie. Uiteindelik kan u nie u tyd spandeer om data reg te stel en na pixel-perfekte inligting te soek nie, want u sal dit net nie kry nie.

  5. Watter praktiese/onmiddellike stappe dink jy kan bemarkers neem om die kwaliteit van hul kliëntedata reg te stel?Plaas jouself in 'n gebruiker se skoene en toets elkeen van jou tregters. Vra jouself af watter soort gebeurtenis of omskakelingsaksie jy by elke stap aktiveer. Jy sal waarskynlik baie verbaas wees oor wat werklik gebeur. Om te verstaan ​​wat 'n nommer in die werklike lewe beteken, vir 'n kliënt, lood of besoeker, is absoluut fundamenteel om jou data te verstaan.

Bemarking het die diepste begrip van die kliënt wat nog steeds sukkel om hul datakwaliteitprobleme in orde te kry

Bemarking is die kern van enige organisasie. Dit is die departement wat die woord oor die produk versprei. Dit is die departement wat 'n brug tussen die kliënt en die besigheid is. Die departement wat eerlikwaar die program bestuur.

Tog sukkel hulle ook die meeste met toegang tot kwaliteitdata. Erger nog, soos Axel genoem het, hulle besef waarskynlik nie eers wat swak data beteken en waarteen hulle te kampe het nie! Hier is 'n paar statistieke verkry uit die DOMO-verslag, Bemarking se nuwe MO, om dinge in perspektief te plaas:

  • 46% van bemarkers sê die blote aantal datakanale en bronne het dit moeiliker gemaak om vir die lang termyn te beplan.
  • 30% senior bemarkers glo dat die CTO en IT-afdeling die verantwoordelikheid moet dra om data te besit. Maatskappye is steeds besig om eienaarskap van data uit te vind!
  • 17.5% glo daar is 'n gebrek aan stelsels wat data versamel en deursigtigheid oor die hele span bied.

Hierdie syfers dui aan dat dit tyd is vir bemarking om data te besit en vraaggenerering vir dit om werklik data-gedrewe te wees.

Wat kan bemarkers doen om uitdagings vir datakwaliteit te verstaan, te identifiseer en te hanteer?

Ten spyte van die feit dat data die ruggraat vir sakebesluitneming is, sukkel baie maatskappye steeds met die verbetering van hul databestuursraamwerk om kwaliteitkwessies aan te spreek. 

In 'n verslag deur Bemarkingsevolusie, meer as 'n kwart van die 82% maatskappye in die opname is seergemaak deur substandaard data. Bemarkers kan nie meer bekostig om datakwaliteit-oorwegings onder die mat in te vee nie en kan ook nie bekostig om onbewus te wees van hierdie uitdagings nie. So, wat kan bemarkers werklik doen om hierdie uitdagings aan te spreek? Hier is vyf beste praktyke om mee te begin.

Beste praktyk 1: Begin om te leer oor datakwaliteitkwessies

'n Bemarker moet net so bewus wees van datakwaliteitkwessies as hul IT-kollega. Jy moet algemene probleme ken wat aan datastelle toegeskryf word, wat insluit maar nie beperk is tot:

  • Tikfoute, spelfoute, naamfoute, data-opnamefoute
  • Kwessies met naamkonvensies en die gebrek aan standaarde soos telefoonnommers sonder landkodes of die gebruik van verskillende datumformate
  • Onvolledige besonderhede soos ontbrekende e-posadresse, vanne of kritieke inligting wat benodig word vir effektiewe veldtogte
  • Onakkurate inligting soos verkeerde name, verkeerde nommers, e-posse ens
  • Disparate databronne waar jy inligting van dieselfde individu opneem, maar hulle word op verskillende platforms of nutsgoed gestoor wat verhoed dat jy 'n gekonsolideerde aansig kry
  • Dupliseer data waar daardie inligting per ongeluk in dieselfde databron of in 'n ander databron herhaal word

Hier is hoe swak data in 'n databron lyk:

swak data kwessies bemarking

Om jouself vertroud te maak met terme soos datakwaliteit, databestuur en databestuur kan jou help om foute binne jou klanteverhoudingsbestuur te identifiseer (CRM) platform, en deur daardie stuk, sodat jy aksie kan neem soos nodig.

Beste praktyk 2: Prioritiseer altyd kwaliteitdata

Ek was daar, het dit gedoen. Dit is aanloklik om slegte data te ignoreer, want as jy regtig diep sou delf, sou slegs 20% van jou data werklik bruikbaar wees. Meer as 80% van data is vermors. Prioritiseer altyd kwaliteit bo kwantiteit! U kan dit doen deur u data-insamelingsmetodes te optimaliseer. As jy byvoorbeeld data vanaf 'n webvorm opneem, maak seker dat jy net data insamel wat nodig is en beperk die behoefte vir die gebruiker om die inligting handmatig in te tik. Hoe meer 'n persoon inligting moet 'tik', hoe hoër sal hulle waarskynlik onvolledige of onakkurate data instuur.

Beste praktyk 3: Gebruik die regte datakwaliteittegnologie

Jy hoef nie 'n miljoen dollar te spandeer om jou datakwaliteit reg te stel nie. Daar is dosyne gereedskap en platforms daar buite wat jou kan help om jou data in orde te kry sonder om 'n bohaai op te skop. Dinge waarmee hierdie gereedskap jou kan help, sluit in:

  • Dataprofilering: Help jou om verskillende foute binne jou datastel te identifiseer, soos ontbrekende velde, duplikaatinskrywings, spelfoute, ens.
  • Dataskoonmaak: Help jou om jou data skoon te maak deur vinniger transformasie van swak na geoptimaliseerde data moontlik te maak.
  • Data wat ooreenstem: Help jou om datastelle in verskillende databronne te pas en die data van hierdie bronne saam te koppel/saam te voeg. Byvoorbeeld, jy kan datapassing gebruik om beide aanlyn en vanlyn databronne te koppel.

Datakwaliteittegnologie sal jou toelaat om te fokus op wat saak maak deur die oortollige werk te versorg. U hoef nie bekommerd te wees oor die mors van tyd om u data op Excel of binne die CRM reg te maak voordat u 'n veldtog begin nie. Met die integrasie van 'n datakwaliteithulpmiddel, sal jy voor elke veldtog toegang tot kwaliteitdata kan kry.

Beste Praktyk 4: Betrek Senior Bestuur 

Besluitnemers in jou organisasie is dalk nie bewus van die probleem nie, of selfs al is hulle, neem hulle steeds aan dat dit 'n IT-probleem is en nie 'n bemarkingskwessie nie. Dit is waar jy moet inspring om 'n oplossing voor te stel. Slegte data in die CRM? Slegte data van opnames? Slegte kliëntdata? Al hierdie is bemarkingskwessies en het niks met IT-spanne te doen nie! Maar tensy 'n bemarker optree om voor te stel om die probleem op te los, kan organisasies niks aan datakwaliteitkwessies doen nie. 

Beste Praktyk 5: Identifiseer probleme op bronvlak 

Soms word swak dataprobleme veroorsaak deur 'n ondoeltreffende proses. Alhoewel jy data op die oppervlak kan skoonmaak, sal jy by herhaling met dieselfde kwaliteitprobleme getref word, tensy jy nie die oorsaak van die probleem identifiseer nie. 

Byvoorbeeld, as jy looddata van 'n bestemmingsbladsy af insamel, en jy sien 80% van die data het 'n probleem met telefoonnommer-inskrywings, kan jy data-invoerkontroles implementeer (soos om 'n verpligte stadskodeveld te plaas) om te verseker dat jy kry akkurate data. 

Die hoofoorsaak van die meeste dataprobleme is relatief eenvoudig om op te los. Jy moet net tyd inruim om dieper te delf en die kernkwessie te identifiseer en die ekstra moeite aan te wend om die probleem op te los! 

Data is die ruggraat van bemarkingsbedrywighede

Data is die ruggraat van bemarkingsbedrywighede, maar as hierdie data nie akkuraat, volledig of betroubaar is nie, sal jy geld verloor aan duur foute. Datakwaliteit is nie meer tot die IT-afdeling beperk nie. Bemarkers is die eienaars van kliëntedata en moet dus in staat wees om die regte prosesse en tegnologie te implementeer om hul datagedrewe doelwitte te bereik.

Wat dink jy?

Hierdie webwerf gebruik Akismet om spam te verminder. Leer hoe jou opmerking verwerk is.