Gerade jetzt gibt es unzählige "Kaiser", die mutig Entscheidungen treffen, die mit "Daten" bekleidet sind. Die schreckliche Wahrheit ist, dass diese Entscheidungen überhaupt nichts tragen. Als Vermarkter lebe und sterbe ich von den Daten und habe festgestellt, dass Marketing-Automatisierungsplattformen wie SharpSpring die bestmöglichen Schneider sind, um zu vermeiden, in Meetings unanständig zu werden.
Es gibt eine Explosion, wie einfach es ist, Berge von Daten zu sammeln, also jeder macht bessere Entscheidungen als Ergebnis, richtig? Unglücklicherweise nicht. Wir sammeln mehr Daten als je zuvor, aber das bedeutet nicht, dass wir es effektiv nutzen. Die Lösung ist einfach: Qualität über Quantität. Denken Sie daran, dass mit Daten, mehr ist nicht immer besser.
Als datengesteuerter Vermarkter präsentiere ich regelmäßig verschiedene Gruppen und mein Ziel ist es, auf beeindruckende, reale Daten zu konzentrieren, die unser Unternehmen vorantreiben. Nach meiner Erfahrung kommen die Qualitätsdaten auf drei Schlüsselfaktoren zurück:
- Relevanz
- Genauigkeit
- Verdaulichkeit
Relevanz: Fokus auf Daten, die eigentlich zählt
Nur weil Daten gesammelt und analysiert werden können bedeutet nicht, dass es sein sollte. Beginnen Sie mit der Bestimmung, was wirklich wichtig ist, und listen Sie die wichtigsten Leistungsindikatoren (KPIs) für das, was Sie auswerten. Nehmen Sie einen Verkaufsprozess zum Beispiel: die KPIs können die Anzahl der Leads, die das Verkaufsteam bekommt, wie viele dieser Leads in den Umsatz umgewandelt werden, und der durchschnittliche resultierende Verkauf. Abhängig von der Komplexität und dem Teil des Prozesses, den Sie analysieren, können Sie auch Ihre Daten weiter segmentieren, z. B. nach Art des Kunden (SMB vs Unternehmen), Region (Nordamerika gegen Europa) oder Verkäufer. Hör nicht auf Geben Sie Ihren Metriken-Kontext, indem Sie Ziele für jeden von ihnen festlegen. Setzen Sie diese Ziele so hoch wie Sie denken, ist möglich, nicht nur auf der Ebene der aktuellen Leistung. Wenn Sie sehen, dass Sie diese Ziele nicht treffen, treten Sie zurück und schauen Sie, warum Sie nicht für jedes KPI sind. Es kann sich herausstellen, dass Sie Ziele setzen, die zu ehrgeizig sind, aber nehmen Sie einen harten Blick darauf, warum Sie nicht in der Lage waren, diese Ziele zu treffen, und stellen Sie sicher, dass das Problem tatsächlich die Ziele ist, und nicht die Prozesse, bevor Sie sie senken.
Genauigkeit: denn jeder kann einfach Zahlen machen
Die heutigen Daten werden aus vielen verschiedenen Quellen gesammelt. Das eröffnet Gelegenheit und Lücken. Es ist kritisch, dass die Daten korrekt abgestimmt sind und dass es keine großen Unerklärungen für Lücken gibt. Eine Lösung besteht darin, eine voll integrierte Plattform zu nutzen, die alle relevanten Zahlen in ein großes zusammenhängendes Bild zieht. Wenn das nicht eine Option ist, dann musst du sicherstellen, dass deine Daten nicht mit Schlaglöchern (oder zumindest wissen, wo sie sind, können Sie um sie herum schwenken).
Um herauszufinden, wo Sie ein wenig mehr Sorgfalt nehmen müssen, markieren Sie zuerst den Prozess, den Sie anschauen, mit besonderer Aufmerksamkeit auf irgendwelche Übergänge (aka potenzielle schwarze Löcher, wo Daten verschwinden), und beachten Sie alle Bereiche, in denen Sie wenig haben - keine Sichtbarkeit. Sind die Lücken, die dich entgleisen, oder kannst du um sie herum arbeiten? Manchmal werden Sie die Antwort nicht wirklich wissen, also müssen Sie vielleicht einige Näherungen machen und einfach nur drücken. Zum Beispiel, wenn Sie eine harte Zeit sehen Bestätigungen, die Aussichten zeigten sich zu Treffen mit Ihrem Sales-Team, aber Ihr Verkaufsteam ist ständig erzählt Ihnen, wie große Anwesenheit ist, können Sie diese Zahl als relativ hoch (sagen 85% -100% ) Als Anwesenheit ist kein bedeutendes Leck in Ihrem Verkaufstrichter. Lassen Sie sich nicht Lücken zurück, wenn Sie es nicht brauchen.
Es gibt eine weitere große Ungenauigkeit, wie eine überraschende Anzahl von Menschen auf Daten schauen. Es kommt so oft und kann so beeindruckend sein, dass es seine eigene besondere Erwähnung bekommt (und es ist wirklich nah und lieb meinem Herzen). Daten müssen aus einer Kohortenperspektive betrachtet werden!Am einfachsten bedeutet die Kohortenanalyse nur die Gruppierung der Basiseinheiten eines Prozesses nach der Zeit (mindestens) und gruppiert dann alles, was von diesen Basiseinheiten unter demselben Zeitraum fließt. Klingt einfach, richtig? Es gibt zwei große Herausforderungen: Zuerst werden Daten fast nie auf diese Weise gemeldet, und zweitens kann es schwierig sein, wirklich Kohorten-Daten zu bekommen.
Nehmen, zum Beispiel führt und verkauft. Es ist leicht zu zeigen, dass im April haben Sie 1,000 führt und 200 Umsatz. Es ist verlockend zu sagen, dass bedeutet, dass Ihre Lead-to-Sales-Conversion-Rate ist 20% (200 / 1,000), aber das ist wahrscheinlich nicht richtig. Wenn Sie einen moderaten bis langen Umsatzzyklus haben, sind die Verkäufe im April wahrscheinlich von den Leuten, die in den Monaten vorher gekommen sind. Stattdessen ist ein leichterer Ansatz zur Bestimmung der Umrechnungskurse, um die Leads zu verfolgen, die während jedes Monats eingetreten sind, und berichten über Verkäufe, die von April nach April geführt wurden. So wurde von den 1,000-Leads, die im April eingetreten sind, 250 von diesen Leads in den Umsatz umgewandelt, so dass Ihre echte Lead-to-Sales-Conversion-Rate 25% (250 / 1000) ist. Das braucht etwas mehr Arbeit, da die Kohortenverkäufe für April im Mai, Juni und darüber hinaus weiter zunehmen werden, so dass Updates notwendig sein werden, aber der Wert der Einsicht weit überwiegt die zusätzliche Zeit.
Persönlich schneide ich die Zeit, die man mit SharpSpring jeden Tag braucht, um das ganze Kohortenbild zu bekommen, da es alle Stücke des Prozesses zusammen für mich verbindet. Als jemand, der Stunden verbracht hat, um Daten aus verschiedenen Systemen zusammenzufassen, kann ich nicht übertreiben, wie viel von einem Spiel-Wechsler eine einzige voll integrierte Plattform ist.
Verdaulichkeit: Ihre Daten sind egal, wenn niemand es versteht
Sammeln und Knirschen von Daten ist nur die Hälfte der Schlacht. Danach musst du alles zusammenlegen, was leicht verstanden werden kann. Sobald Sie ein tiefes Verständnis der Daten haben, müssen Sie es effektiv für andere verpacken. Es gibt zwei große Herausforderungen, die Verdauungsstörungen verursachen können, wenn es um Daten geht: Volumen und Klarheit.
Die Linie zwischen zu wenig Daten und zu viel Daten kann schwer zu finden sein. Denken Sie an die Probleme, die Sie zu lösen versuchen, die Entscheidungen, die Sie versuchen, und die Fragen, die die Stakeholder haben werden. Gehen Sie durch alle drei dieser Stücke, beachten Sie die Fragen in jedem, und sehen, wie gut die Daten in der Lage, sie zu beantworten sind. Wenn es Daten gibt, die keine der Fragen beantworten, gibt es notwendigen Kontext für Daten, die Fragen beantworten? Wenn nicht, das sind wahrscheinlich Daten, die Sie auslassen können.
Für die Daten, die die oben genannten Fragen beantworten, wie gut beantwortet sie sie? Wenn du Qualifikationen hinzufügen musst, während du antwortest, wie zum Beispiel, warum bestimmte Faktoren die Daten verdecken, ist das ein gutes Zeichen dafür, dass du nicht genug Daten hast und / oder dass du es nötig hast, es körniger zu brechen. Erwarten Sie Folgemaßnahmen und sehen Sie, ob die Daten auch darauf antworten können.
Klarheit ist ziemlich einfach zu adressieren, aber es wird oft übersehen. Die beiden Dinge, die am meisten zur Klarheit beitragen, sind Ordnung / Gruppierung und Etikettierung. Bestellen / Gruppieren ist einfach, stellen Sie sicher, dass alles in einer logischen Reihenfolge fließt (von der Bühne bis zur Bühne, chronologisch usw.). Die Etikettierung ist trügerisch. Es scheint einfach, aber das ist eine Illusion. Das größte Problem, das ich sehe, dass die Auswirkungen auf Klarheit ist, fehlt an Spezifität in Etiketten. Denken Sie daran, dass, wenn Sie den Report / Dashboard / etc. Entworfen haben, haben Sie einen Vorteil: Ihre Etiketten machen mehr Sinn für Sie als sie zu jemand sehen die Daten zum ersten Mal. Mach einen Schritt zurück und schaue es objektiv an. Dann mach einen Test mit einem Kollegen und richte keine Verwirrung an.
Weiter zu erreichen
Bessere, klarere Daten sind bessere Entscheidungen, bessere Ergebnisse und letztlich größere Grundlinien. Die oben genannten ist ein guter Ausgangspunkt, aber verpflichten uns ständig zu arbeiten, um die Daten zu verbessern, die Sie sammeln, nutzen und teilen. Die Anstrengung hat einen riesigen ROI für Ihren Betrieb. Außerdem wird dein Kaiser kühl - es ist Zeit, etwas Kleider anzutragen.
