Vilken fras representerar bäst din nuvarande marknadsföringsstrategi?



Data driven . Datainformerad . Data aktiverad ?



Om du kliar dig (eller rullar i ögonen) är du inte ensam.

Den senaste tidens uppgång i konversationer kring data och den resulterande avvikelsen har lämnat många marknadsförare sönderrivna om vilken strategi de ska ta med sin verksamhet.

Men istället för att ta en sida i saken, skulle jag hävda att det handlar mindre om semantik och mer om varför dessa subtila skillnader görs.

Det stora klagomålet mot termen ”datadriven” är att det antyder att uppgifterna är ansvariga. Den nya beslutsfattaren. Slutet alla och alla modern marknadsföring.

De flesta dataforskare kommer att prata tills de är blåa i ansiktet om hur insikter som hämtats från sofistikerade algoritmer är mycket överlägsna de som en mänsklig känsla.



Nummer är konkreta. De är korrekta. De är påtagliga.

Men överväga för en stund fallet med den självkörande bilen.

Den självkörande bilen är möjlig med avancerad GPS, navigering och kartläggning, sensorer, lasrar, kameror och datorer.



I teorin bör datorer och andra avancerade tekniker vara mycket överlägsna när det gäller att bearbeta alla faktorer och information som krävs för att säkert navigera på vägar.

När allt kommer omkring kan de ta in och bearbeta så mycket mer information än den mänskliga hjärnan kan. De är också bättre på att känna igen och identifiera komplicerade mönster, i detta fall trafikmönster.

Men där självkörande bilar misslyckas är deras tomrum av den unika mänskliga förmågan att tolka sammanhang, avsikt och väl, mänsklighet.

Detsamma kan sägas om konsument- eller marknadsdata. Det finns helt enkelt alltför mycket nyanser i mänskligt beteende för att vi någonsin ska vara helt AI / datadrivna.

Missförstå mig inte nu.

Som någon vars roll i efterfrågan genererar mycket ansiktsbehandling med siffror är jag inte här för att förnedra eller diskontera data som ett nödvändigt eller effektivt marknadsföringsverktyg. Jag tycker bara att det är viktigt för framgången för andra organisationer, liksom mina egna, att det förblir helt enkelt det - ett verktyg.

För att verkligen utnyttja datakraften måste du först känna igen och förstå dess begränsningar:

Data ljuger inte, men de kan inte berätta hela historien

Albert Einstein sa en gång: 'Inte allt som räknas kan räknas och inte allt som kan räknas räknas.'

Så komplicerade och invecklade datorer och maskiner är, de erbjuder oss främst mycket grundläggande och okomplicerad information - vem / vad / när. Samtidigt som vi vet att information är oerhört hjälpsam är våra kunskaper begränsade utan ytterligare sammanhang om hur och varför.

Data kan till exempel berätta för oss hur många som gillade eller delade ett inlägg, men det kan inte berätta varför. Med andra ord kan det ge oss kvantitativa resultat men inte kvalitativa resonemang.

Eller tänk på det på det här sättet: Om någon analyserade timmarna du tillbringade med kollegor, vänner och familj under en viss vecka skulle data tyder på att dina kollegor var viktigast för dig.

Förmodligen inte fallet, men ett bra exempel på hur data kan vara vilseledande utan rätt sammanhang.

Data kan också peka på ett potentiellt samband mellan olika faktorer, men det kan inte bevisa det. Det är det välbekanta ordspråket, 'korrelation innebär inte orsakssamband.'

ängelnummer 1023

Till exempel kan data visa en korrelation mellan en månad med hög webbplatstrafik och höga intäkter, men det betyder inte nödvändigtvis att den ökade intäkten orsakades av den ökade trafiken. Det kunde ha varit en tredje faktor som påverkar båda dessa siffror, eller en annan indirekt variabel.

Endast din utbildade blick och erfarenhet kommer att veta att du närmar dig dessa siffror och mätvärden och gör ytterligare tester. Om du upptäcker en korrelation i dina data, försök att gräva djupare för att antingen replikera dina resultat och isolera den verkliga orsaken, eller segmentera på olika sätt för att se om olika mönster dyker upp.

Det kan också vara till hjälp att samla in kvalitativ feedback från metoder som webbplats- och e-postundersökningar.

Data är en realist, men det kan inte ta risker

För flera år sedan, 29-åring Morgan Hermand-Waiche gick ut för att köpa sin flickvänunderkläder för hennes födelsedag.

När han väl upptäckte hur dyra de flesta av hans alternativ var insåg han att det fanns ett allvarligt gap på marknaden för ett prisvärt underkläderföretag och började genast undersöka en möjlig satsningsmöjlighet.

Problemet? Data berättade för honom att hålla sig så långt borta från underkläder som möjligt. Det fanns en tydlig branschkoning som dominerade marknaden, otaliga inträdeshinder och många misslyckade försök inklusive flera stora varumärken.

Men trots hans resultat kunde Hermand-Waiche inte ignorera den enda sak som fortfarande driver honom att bedriva denna satsning: Hans tarm. Det måste finnas en marknad för prisvärda underkläder av hög kvalitet - även om uppgifterna föreslog något annat.

Hermand-Waiche är nu grundare och VD för Adore Me, ett e-handelsunderkläderföretag som revolutionerar branschen. På bara några år, han vände tarmkänslan 500: s # 2 snabbast växande företag i NYC och har samlat in cirka 11,5 miljoner dollar från VC och privata investerare.

222 ängelbetydelse

Data kan bara berätta det nuvarande läget och i bästa fall göra informerade förutsägelser.

Försök att använda mer kvalitativa metoder som att ställa frågor / omröstningar på dina sociala kanaler, socialt lyssnande eller till och med bra fokusgrupper för att få mer ärlig, intim feedback på en idé du kan ha.

Och kom ihåg, ibland betyder revolution bara att ignorera status quo och ta en risk.

Data kan informera, men det kan inte föreställa sig

Upprepa efter mig: Big data är inte den stora idén.

Data kom inte med 'Just Do It' eller uppmanade Apple att 'Tänka annorlunda.'

Det är alltför lätt att fastna i ogräs av siffror och statistik, men kom ihåg att bra marknadsföring handlar om att berätta en fantastisk historia - och att berätta en fantastisk historia innebär att förstå mänskligt beteende, känslor och upplevelser.

Vi kan lära oss alla möjliga saker om publikens handlingar från data. Men det kan inte berätta om deras motiv, deras kamp, ​​deras önskemål etc. Vi behöver de unikt mänskliga insikterna för att berätta stora historier och vara kreativa.

Men det är inte datas fel.

Kreativitet är en konst. Enligt sin definition är 'konst' uttrycket eller tillämpningen av mänsklig kreativ skicklighet och fantasi, som producerar verk som främst uppskattas för sin skönhet eller känslomässiga kraft. Nyckelorden här är 'mänskliga' och 'känslomässiga.'

Exempel: År 2016 försökte University of Toronto Computer Science Department lära ut en dator hur man skriver en sång .

Forskare matade maskinen över 100 timmars musik medan en sofistikerad algoritm 'lärde sig' mönster i beats, ackord och texter. Och medan allt detta låter imponerande högteknologiskt var den resulterande “låten” något av en katastrof - med konstiga, meningslösa texter och en oinspirerande, robotmelodi.

Det visar sig att data är en ganska skitkompositör.

Den goda nyheten är att det finns ett sätt att data kan ge den typ av mänskliga, känslomässiga insikter som inspirerar till stor kreativitet. Men istället för att lyssna på siffrorna måste du faktiskt lyssna på människor.

De senaste framstegen i sociala lyssnarverktyg låta varumärken upptäcka saker om sin publik som annars kan ta månader av kvalitativa intervjuer. Ämnesaffinitet är ett utmärkt exempel på en lyssningsförmåga som är mycket mer effektfull än vad de flesta inser.

Föreställ dig dörrarna som kan öppnas när du får reda på vad din publik pratar om på socialt. Älskar de en viss typ av musik? Eller sport? Dessa insikter kan leda till nya sponsringsmöjligheter, produktintegrationer eller till och med ett helt nytt publiksegment.

Ett annat bra exempel på hur social lyssnande kan inspirera till stor kreativitet är genom sentimentanalys. Att lära sig hur din publik känner för något som senaste nyheterna eller relevanta ämnen ger dig möjlighet att skapa innehåll eller kampanjer som kommer att kliva ihop dem på en djupare, mer känslomässig resonansnivå.

Coca-Cola använde sentimentanalys för att skapa sina Koks Tweet Machine . Med hjälp av naturlig språkbehandling och plats kunde varumärket identifiera den minst lyckliga staden i landet.

I enlighet med deras varumärkesstrategi, 'välj lycka', tog de med sig en koksautomat till staden som analyserade känslan av varje användares Twitter-profil.

Maskinen delade då bara ut en burk till användare med en mer positiv och glad närvaro på plattformen.

Det är fantastiskt hur varumärken kan lära sig och skapa så mycket helt enkelt genom att analysera människors aktivitet på socialt. Prova att lyssna på ditt eget sociala nästa gång du letar efter kreativa insikter.

Så oavsett om du anser att din organisation är datainformerad eller datadriven är allt som verkligen betyder att du lämnar gott om utrymme för mänskligheten i ditt beslutsfattande. Eftersom data utan människor inte är insikt - det är bara siffror.

Dela Med Dina Vänner: