Tricksen Sie Ihre Go-to-Mobile-Marketing-KPIs aus?

Wenn Sie sich das nächste Mal Ihr Marketing-Dashboard ansehen, nehmen Sie sich die Zeit, den Anwalt des Teufels zu spielen: Ihre Go-to-Marketing-KPIs könnten Sie in die falsche Richtung lenken. Der Grund?

Metriken stellen eine Form des Geschichtenerzählens dar. Bevor die von Ihnen gemessenen Datenpunkte Zahlen auf einem Bildschirm waren, waren sie eine Sammlung von Momenten, Geschichten oder Ereignissen. Wichtige Geschäftskonzepte wie Bindung, Abwanderung, Klebrigkeit, Cost-per-Acquisition und Lebenszeitwert sind Geschichten, die Marketinganalysten und Datenwissenschaftler erzählen können.

Hinter jedem Datenpunkt steht eine Reihe von Annahmen und Methoden zur Berechnung der Metriken, die Sie verfolgen – und da es manchmal mehrere akzeptierte Methoden gibt, um dieselbe Idee zu messen ( z. B. LTV ), gehen Sie wahrscheinlich mathematische Kompromisse ein.

Infolgedessen können Ihre bevorzugten KPIs Sie täuschen oder eine unvollständige Geschichte vermitteln. Es ist wichtig, die Geheimnisse zu verstehen, die Ihre wichtigsten Marketingkennzahlen möglicherweise enthalten. Hier ist wie:

Tauchen Sie ein in die Operationalisierung

Der Prozess, vom Geschäftsziel (z. B. Steigerung der Kundenbindung) zu konkreten, nachverfolgbaren Messwerten (z. B. Anzahl wiederkehrender Benutzer in einem Monat oder Anzahl Sitzungen pro wiederkehrendem Benutzer oder Anzahl Conversions pro wiederkehrendem Benutzer oder …) zu gelangen, wird als Operationalisierung bezeichnet . Der erste Schritt besteht darin, eine Idee zu entwickeln, die Sie messen möchten. Machen Sie dann ein Brainstorming, wie Sie diese Ideen quantifizieren können, und erstellen Sie eine Liste mit Optionen. Nachdem Sie eine Liste möglicher Möglichkeiten zum Messen Ihrer Idee haben, können Sie Kompromisse einschätzen (dh wie technisch machbar es ist, etwas zu messen, und ob diese Zahl die beste Darstellung dessen ist, was Sie zu erfassen versuchen). Nach diesem Prozess, der möglicherweise einige Tests und Iterationen erfordert, gelangen Sie zu der Methode oder den Methoden, mit denen Sie Ihre Metrik verfolgen möchten.

Ein Nicht-Marketing-Beispiel für Operationalisierung, mit dem Sie wahrscheinlich vertraut sind, finden Sie in den Ranglisten der US-Nachrichten und des World Report Education, die „akademische Exzellenz“ messen. Wenn Sie sich die Zahlen genauer ansehen, werden Sie feststellen, dass das Unternehmen einige verschiedene Dimensionen berücksichtigt, um seine Gesamtpunktzahl zusammenzustellen, darunter Alumni-Spendenraten, akademische Peer-Bewertungen und mehr. US News sammelt diese Informationen durch selbstberichtete Umfragen.

Ein Marketingbeispiel dafür, wie dieser Prozess aussieht, finden Sie im Hilfecenter für Google Analytics, wo das Unternehmen offenlegt, wie es Website-Besuche, Zeit auf der Website, wiederkehrende Besuche und mehr sowohl aus technischer als auch aus analytischer Sicht misst. Sie können deutlich sehen, wie der Tracking-Code von Google Analytics funktioniert, um abstrakte Konzepte in quantifizierbare Zahlen zu übersetzen und dann die Zahlen zu generieren, die Sie sehen, wenn Sie sich bei Ihrem Dashboard anmelden.

Normalerweise sehen Marketer in ihrem geschäftigen Alltag diese Endmetrik – nicht, was hinter den Kulissen passiert. Aber es ist wichtig, genau zu wissen, was Sie quantifizieren, damit Sie vermeiden, aufgrund falscher Annahmen oder Schlussfolgerungen eine falsche Abzweigung zu nehmen.

Machen Sie sich bewusst, wie Daten missverstanden werden können

Sie haben wahrscheinlich gelernt, dass es wichtig ist, Ihre Zahlen zu überprüfen, wenn Sie mit einem Datensatz arbeiten. Aber du bist noch nicht fertig. Sie müssen untersuchen, wie Ihre Zahlen zustande gekommen sind. Es kann sein, dass Ihr Versuchsdesign Mängel aufweist.

Selbst wenn Sie davon ausgehen, dass Ihre Daten Ihnen zeigen, was Sie denken, interpretieren Sie diese Daten möglicherweise immer noch falsch. Hier sind einige häufige Übeltäter, die Sie auf Ihrem Radar haben sollten:

Verzerrung : Dieses statistische Konzept spiegelt eine grundlegende Idee der Stichprobenziehung wider – dass die Gruppen, die Sie analysieren, repräsentativ für Ihre Gesamtbevölkerung sein sollten. Im Marketingkontext können Vorurteile aus verschiedenen Gründen auftreten. Beispielsweise haben die Personen in Ihrer Stichprobe möglicherweise eine gemeinsame Eigenschaft, die Sie nicht nachverfolgen oder in Ihre aktuelle Analyse einbeziehen möchten. Hier ist ein Beispiel: Sie könnten am Ende das Kaufverhalten für alle Ihre Kunden verallgemeinern, obwohl Sie tatsächlich einen höheren Anteil an wohlhabenderen Personen in Ihrer Stichprobe haben als Ihr durchschnittlicher Kundenstamm.

Störfaktoren: Möglicherweise sind Sie auf die Beziehung zwischen zwei Variablen fixiert und erkennen nicht, dass es eine verborgene dritte Variable gibt, die die Korrelation antreibt. Sie können beispielsweise feststellen, dass Ihre Verkäufe in den Sommerferien steigen und daraus schließen, dass Feiertage die besten Tage für Einkäufe sind – aber in Wirklichkeit werden die Verkäufe durch die Tatsache beeinflusst, dass es ein heißer Tag ist.

Logische Irrtümer: Höchstwahrscheinlich haben Sie diese in der Grund- oder Junior High School gelernt (sie werden Sie in Ihrer Marketinganalyse-Karriere immer wieder verfolgen). Hier sind einige der häufigsten, die bei Ihrer Datenanalyse auffallen könnten:

• Ökologischer Irrtum: Schlussfolgerungen über eine Person auf der Grundlage einer Gruppe ziehen.
• Schwarz-Weiß-Trugschluss: Angenommen, dass zwei Zustände die einzigen Möglichkeiten sind, obwohl es tatsächlich mehr Optionen gibt.
• Wahrgenommene Ursache: Angenommen, etwas verursacht etwas anderes, aber tatsächlich gibt es keinen kausalen Zusammenhang. Dieser Irrtum hängt mit dem Ausdruck „Korrelation ist nicht Kausalität“ zusammen, den Sie vielleicht in der Vergangenheit im Statistik- oder Wissenschaftsunterricht gehört haben.

Gehen Sie das Gespräch

Den Advokaten des Teufels zu spielen, ist oft leichter gesagt als getan: Sie können feststellen, dass Sie mit der C-Suite nicht einverstanden sind, mehr Zeit mit der Analyse Ihres Datensatzes verbringen und sich über die unerzählten Geschichten quälen, von denen Sie befürchten, dass sie durch die Ritzen rutschen. Möglicherweise stehen Sie unter dem Druck, Zahlen für einen Quartalsbericht oder eine PR-Kampagne zu ziehen, oder Sie sind bestrebt, basierend auf dem, was Sie in Ihrem Analyse-Dashboard lesen, eine Wahlkampfentscheidung zu treffen.

Dennoch ist es wichtig, standhaft zu bleiben und sicherzustellen, dass Sie basierend auf den Feinheiten Ihres Datensatzes eine genaue Prognose erstellen. Andernfalls können Ihre Prognosen, Projektionen und sogar die Messung der Ergebnisse von der Basis abweichen.

Um Ihnen den Einstieg zu erleichtern, finden Sie hier einige Metriken, die häufig falsch interpretiert werden.

Bevor du gehst

Wenn Sie üben, Daten zu interpretieren und mit ihnen zu arbeiten, werden Sie allmählich ein Gefühl dafür bekommen, wie Ihre Metriken Sie möglicherweise täuschen. Wenn Sie einen Fehler machen, lernen Sie daraus. Und denken Sie daran, Ihr Team auf dem Laufenden zu halten – wenn sich die Unternehmensprioritäten ändern, ändern sich höchstwahrscheinlich auch die wichtigeren KPIs.