Marketing har brug for kvalitetsdata for at være datadrevet – kampe og løsninger

Markedsføringsdatakvalitet og datadrevet markedsføring

Marketingfolk er under ekstremt pres for at være datadrevne. Alligevel vil du ikke finde marketingfolk, der taler om dårlig datakvalitet eller sætter spørgsmålstegn ved manglen på datastyring og dataejerskab i deres organisationer. I stedet stræber de efter at være datadrevet med dårlige data. Tragisk ironi! 

For de fleste marketingfolk er problemer som ufuldstændige data, slåfejl og dubletter ikke engang anerkendt som et problem. De ville bruge timer på at rette fejl i Excel, eller de ville søge efter plugins til at forbinde datakilder og forbedre arbejdsgange, men de er ikke klar over, at disse er datakvalitetsproblemer, der har en ringvirkning på tværs af organisationen, hvilket resulterer i millioner af tabte penge. 

Hvordan datakvalitet påvirker forretningsprocesser

Markedsførere i dag er så overvældet af metrics, trends, rapporter og analyser, at de bare ikke har tid til at være omhyggelige med datakvalitetsudfordringer. Men det er problemet. Hvis marketingfolk ikke har præcise data til at begynde med, hvordan i alverden skulle de så være i stand til at skabe effektive kampagner? 

Jeg nåede ud til flere marketingfolk, da jeg begyndte at skrive dette stykke. Jeg var så heldig at have Axel Lavergne, Medstifter af Gennemgå Flowz at dele sin erfaring med dårlige data. 

Her er hans indsigtsfulde svar på mine spørgsmål. 

  1. Hvad var dine første kampe med datakvalitet, da du byggede dit produkt? Jeg var ved at konfigurere en anmeldelsesgenereringsmotor og havde brug for et par kroge at udnytte til at sende anmeldelsesanmodninger til glade kunder på et tidspunkt, hvor de sandsynligvis ville give en positiv anmeldelse. 

    For at få dette til at ske, oprettede holdet en Net Promoter Score (NPS) undersøgelse, der ville blive sendt ud 30 dage efter tilmelding. Når en kunde ville forlade en positiv NPS, oprindeligt 9 og 10, senere udvidet til 8, 9 og 10, ville de blive inviteret til at skrive en anmeldelse og få et gavekort på $10 til gengæld. Den største udfordring her var, at NPS-segmentet blev sat op på marketing automation-platformen, mens dataene sad i NPS-værktøjet. Frakoblede datakilder og inkonsistente data på tværs af værktøjer blev en flaskehals, der krævede brug af yderligere værktøjer og arbejdsgange.

    Da teamet fortsatte med at integrere forskellige logiske flows og integrationspunkter, var de nødt til at beskæftige sig med at opretholde overensstemmelse med ældre data. Produktet udvikler sig, hvilket betyder, at produktdata ændrer sig konstant, hvilket kræver, at virksomheder holder et konsistent rapporteringsdataskema over tid.

  2. Hvilke skridt tog du for at løse problemet? Det krævede meget arbejde med datateamet for at opbygge ordentlig datateknik omkring integrationsaspektet. Det lyder måske ret grundlæggende, men med mange forskellige integrationer og masser af opdateringer, inklusive opdateringer, der påvirker tilmeldingsflowet, var vi nødt til at bygge en hel masse forskellige logiske flows baseret på hændelser, statiske data osv.
  3. Har din marketingafdeling haft indflydelse på løsningen af ​​disse udfordringer? Det er en tricky ting. Når du går til datateamet med et meget specifikt problem, tror du måske, at det er en nem løsning og det tager kun 1 time at rette men det involverer virkelig ofte et væld af ændringer, du ikke er klar over. I mit specifikke tilfælde angående plugins var hovedkilden til problemer at opretholde konsistente data med ældre data. Produkter udvikler sig, og det er virkelig svært at holde et konsistent rapporteringsdataskema over tid.

    Så ja, helt klart medbestemmelse i forhold til behovene, men når det kommer til hvordan man implementerer opdateringerne osv. kan man virkelig ikke udfordre et ordentligt dataingeniørteam, der ved, at de skal håndtere en masse ændringer for at få det til at ske, og for at "beskytte" dataene mod fremtidige opdateringer.

  4. Hvorfor taler marketingfolk ikke om datastyring eller datakvalitet, selvom de forsøger at være datadrevne? Jeg tror, ​​at det virkelig er et tilfælde af ikke at indse problemet. De fleste marketingfolk, jeg har talt med, undervurderer i vid udstrækning dataindsamlingsudfordringerne og ser grundlæggende på KPI'er, der har eksisteret i årevis uden nogensinde at stille spørgsmålstegn ved dem. Men det, du kalder en tilmelding, et kundeemne eller endda en unik besøgende, ændrer sig massivt afhængigt af din sporingsopsætning og dit produkt.

    Meget grundlæggende eksempel: du havde ingen e-mail-validering, og dit produktteam tilføjer den. Hvad er en tilmelding så? Før eller efter validering? Jeg vil ikke engang begynde at gå ind i alle de finesser til websporing.

    Jeg tror også, det har meget at gøre med tilskrivning og måden, marketingteams er bygget op. De fleste marketingfolk er ansvarlige for en kanal eller en undergruppe af kanaler, og når du opsummerer, hvad hvert medlem af et team tilskriver deres kanal, er du normalt omkring 150 % eller 200 % af tilskrivningen. Det lyder urimeligt, når man siger det sådan, og det er der derfor ingen, der gør. Det andet aspekt er nok, at dataindsamling ofte kommer ned til meget tekniske problemer, og de fleste marketingfolk er ikke rigtig fortrolige med dem. I sidste ende kan du ikke bruge din tid på at rette data og lede efter pixel-perfekt information, fordi du bare ikke får det.

  5. Hvilke praktiske/umiddelbare skridt tror du, marketingfolk kan tage for at rette op på kvaliteten af ​​deres kundedata?Sæt dig selv i en brugers sted, og test hver enkelt af dine tragte. Spørg dig selv, hvilken slags begivenhed eller konverteringshandling du udløser ved hvert trin. Du vil sandsynligvis blive meget overrasket over, hvad der virkelig sker. At forstå, hvad et tal betyder i det virkelige liv, for en kunde, kundeemne eller besøgende, er helt grundlæggende for at forstå dine data.

Marketing har den dybeste forståelse af kunden, men kæmper for at få orden på deres datakvalitetsproblemer

Marketing er kernen i enhver organisation. Det er afdelingen, der spreder budskabet om produktet. Det er afdelingen, der er bro mellem kunden og forretningen. Afdelingen, der helt ærligt, driver showet.

Alligevel kæmper de også mest med adgangen til kvalitetsdata. Værre, som Axel nævnte, er de nok ikke engang klar over, hvad dårlig data betyder, og hvad de er oppe imod! Her er nogle statistikker hentet fra DOMO-rapporten, Marketings nye MO, for at sætte tingene i perspektiv:

  • 46 % af marketingfolkene siger, at det store antal datakanaler og kilder har gjort det sværere at planlægge på lang sigt.
  • 30 % senior marketingfolk mener, at CTO og IT-afdelingen bør påtage sig ansvaret for at eje data. Virksomheder er stadig ved at finde ud af ejerskab af data!
  • 17.5 % mener, at der mangler systemer, der samler data og tilbyder gennemsigtighed på tværs af teamet.

Disse tal indikerer, at det er på tide, at marketing eje data og efterspørgsel, for at det virkelig er datadrevet.

Hvad kan marketingfolk gøre for at forstå, identificere og håndtere udfordringer med datakvalitet?

På trods af at data er rygraden i forretningsbeslutninger, kæmper mange virksomheder stadig med at forbedre deres datastyringsramme for at løse kvalitetsproblemer. 

I en rapport fra Marketing Evolution, mere end en fjerdedel af de 82 % virksomheder i undersøgelsen blev såret af substandard data. Marketingfolk har ikke længere råd til at feje datakvalitetsovervejelser under gulvtæppet, og de har heller ikke råd til at være uvidende om disse udfordringer. Så hvad kan marketingfolk virkelig gøre for at løse disse udfordringer? Her er fem bedste fremgangsmåder til at komme i gang med.

Bedste praksis 1: Begynd at lære om datakvalitetsproblemer

En marketingmedarbejder skal være lige så opmærksom på datakvalitetsproblemer som deres IT-kollega. Du skal kende almindelige problemer, der tilskrives datasæt, som omfatter, men ikke er begrænset til:

  • Slåfejl, stavefejl, navngivningsfejl, dataregistreringsfejl
  • Problemer med navnekonventioner og manglen på standarder såsom telefonnumre uden landekoder eller brug af forskellige datoformater
  • Ufuldstændige detaljer som manglende e-mailadresser, efternavne eller vigtige oplysninger, der kræves for effektive kampagner
  • Ukorrekte oplysninger som forkerte navne, forkerte numre, e-mails osv
  • Uensartede datakilder, hvor du registrerer oplysninger om den samme person, men de er gemt på forskellige platforme eller værktøjer, hvilket forhindrer dig i at få en konsolideret visning
  • Dublerede data, hvor disse oplysninger ved et uheld gentages i den samme datakilde eller i en anden datakilde

Sådan ser dårlige data ud i en datakilde:

dårlige data problemer med markedsføring

At sætte dig ind i termer som datakvalitet, datastyring og datastyring kan hjælpe dig med at komme langt med at identificere fejl i din Customer Relationship Management (CRM) platform, og ved den strækning, så du kan handle efter behov.

Bedste praksis 2: Prioriter altid kvalitetsdata

Jeg har været der, gjort det. Det er fristende at ignorere dårlige data, for hvis du virkelig skulle grave dybt, ville kun 20 % af dine data faktisk være brugbare. Mere end 80 % af data er spildt. Prioriter altid kvalitet frem for kvantitet! Det kan du gøre ved at optimere dine dataindsamlingsmetoder. Hvis du f.eks. optager data fra en webformular, skal du sørge for, at du kun indsamler data, der er nødvendige, og begrænser behovet for, at brugeren manuelt indtaster oplysningerne. Jo mere en person skal "skrive" i info, jo højere er det sandsynligt, at de sender ufuldstændige eller unøjagtige data.

Bedste praksis 3: Udnyt den rigtige datakvalitetsteknologi

Du behøver ikke bruge en million dollars på at rette op på din datakvalitet. Der er snesevis af værktøjer og platforme derude, som kan hjælpe dig med at få styr på dine data uden at give ballade. Disse værktøjer kan hjælpe dig med, omfatter:

  • Dataprofilering: Hjælper dig med at identificere forskellige fejl i dit datasæt, såsom manglende felter, duplikerede indtastninger, stavefejl osv.
  • Datarensning: Hjælper dig med at rense dine data ved at muliggøre hurtigere transformation fra dårlige til optimerede data.
  • Datamatchning: Hjælper dig med at matche datasæt i forskellige datakilder og linke/flette data fra disse kilder sammen. For eksempel kan du bruge datamatch til at forbinde både online og offline datakilder.

Datakvalitetsteknologi giver dig mulighed for at fokusere på det, der betyder noget ved at tage dig af det overflødige arbejde. Du behøver ikke at bekymre dig om at spilde tid på at rette dine data i Excel eller i CRM, før du starter en kampagne. Med integrationen af ​​et datakvalitetsværktøj vil du være i stand til at få adgang til kvalitetsdata før hver kampagne.

Best Practice 4: Involver den øverste ledelse 

Beslutningstagere i din organisation er muligvis ikke klar over problemet, eller selvom de er det, antager de stadig, at det er et it-problem og ikke et marketingproblem. Det er her, du skal træde til for at foreslå en løsning. Dårlige data i CRM? Dårlige data fra undersøgelser? Dårlige kundedata? Alle disse er marketingproblemer og har intet at gøre med it-teams! Men medmindre en marketingmedarbejder går op for at foreslå at løse problemet, kan organisationer ikke gøre noget ved datakvalitetsproblemer. 

Bedste praksis 5: Identificer problemer på kildeniveau 

Nogle gange er dårlige dataproblemer forårsaget af en ineffektiv proces. Selvom du kan rydde op i data på overfladen, vil du blive ramt af de samme kvalitetsproblemer ved gentagelse, medmindre du ikke identificerer årsagen til problemet. 

Hvis du f.eks. indsamler kundeemnedata fra en destinationsside, og du bemærker, at 80 % af dataene har et problem med indtastning af telefonnummer, kan du implementere kontrolelementer til dataindtastning (som at placere et obligatorisk bykodefelt) for at sikre, at får præcise data. 

Grundårsagen til de fleste dataproblemer er relativt enkel at løse. Du skal bare bruge tid på at grave dybere og identificere kerneproblemet og gøre den ekstra indsats for at løse problemet! 

Data er rygraden i marketingoperationer

Data er rygraden i marketingoperationer, men hvis disse data ikke er nøjagtige, fuldstændige eller pålidelige, vil du miste penge på dyre fejl. Datakvaliteten er ikke længere begrænset til IT-afdelingen. Marketingfolk er ejere af kundedata og skal derfor være i stand til at implementere de rigtige processer og teknologi for at nå deres datadrevne mål.

Hvad mener du?

Dette websted bruger Akismet til at reducere spam. Lær, hvordan dine kommentardata behandles.