Apakah KPI Pemasaran Seluler Go-To Anda Menipu Anda?

Diterbitkan: 2016-04-12

Lain kali Anda melihat dasbor pemasaran Anda, luangkan waktu untuk berperan sebagai advokat iblis: KPI pemasaran Anda mungkin mengarahkan Anda ke arah yang salah. Alasannya?

Metrik mewakili bentuk mendongeng. Sebelum titik data yang Anda ukur adalah angka di layar, itu adalah kumpulan momen, cerita, atau peristiwa. Konsep bisnis penting seperti retensi, churn, kelengketan, biaya per akuisisi, dan nilai umur adalah kisah yang dibangun oleh analis pemasaran dan ilmuwan data.

Di balik setiap titik data terdapat serangkaian asumsi dan metodologi untuk menghitung metrik yang Anda lacak—dan mengingat bahwa terkadang ada beberapa cara yang dapat diterima untuk mengukur ide yang sama ( LTV, misalnya ), kemungkinan besar Anda akan melakukan pengorbanan matematis.

Akibatnya, KPI favorit Anda mungkin menipu Anda atau mengomunikasikan cerita yang tidak lengkap. Penting untuk memahami rahasia yang mungkin disimpan oleh metrik pemasaran utama Anda. Berikut caranya:

Menggali operasionalisasi

Proses beralih dari sasaran bisnis (misalnya meningkatkan keterlibatan pelanggan) menjadi metrik yang nyata dan dapat dilacak (misalnya jumlah pengguna yang kembali dalam sebulan, atau jumlah sesi per pengguna yang kembali, atau jumlah konversi per pengguna yang kembali, atau...) disebut operasionalisasi . Langkah pertama adalah memunculkan ide yang ingin diukur. Kemudian, lakukan brainstorming bagaimana mengukur ide-ide ini, menghasilkan daftar pilihan. Setelah Anda memiliki daftar cara potensial untuk mengukur ide Anda, Anda dapat menilai pengorbanan (yaitu seberapa layak secara teknis untuk mengukur sesuatu dan apakah angka itu merupakan representasi terbaik dari apa yang Anda coba tangkap). Setelah proses ini, yang mungkin memerlukan beberapa pengujian dan iterasi di sepanjang prosesnya, Anda akan sampai pada cara atau cara yang Anda inginkan untuk melacak metrik Anda.

Untuk contoh operasionalisasi non-pemasaran yang mungkin Anda kenal, lihat peringkat US News and World Report Education, yang mengukur “keunggulan akademik”. Menggali angka-angkanya, Anda akan melihat bahwa perusahaan melihat beberapa dimensi berbeda untuk mengumpulkan skor keseluruhannya, termasuk tingkat donasi alumni, peringkat rekan akademik, dan banyak lagi. US News mengumpulkan informasi ini melalui survei yang dilaporkan sendiri.

Untuk contoh pemasaran tentang seperti apa proses ini, lihat pusat bantuan untuk Google Analytics, tempat perusahaan mengungkapkan cara mengukur kunjungan situs web, waktu di situs, kunjungan kembali, dan lainnya dari perspektif teknis dan analitis. Anda dapat dengan jelas melihat cara kerja kode pelacakan Google Analytics untuk menerjemahkan konsep abstrak menjadi angka yang dapat diukur dan kemudian menghasilkan angka yang Anda lihat saat masuk ke dasbor Anda.

Biasanya, dalam kesibukan mereka sehari-hari, pemasar melihat metrik akhir ini—bukan apa yang terjadi di balik layar. Tetapi penting untuk mengetahui dengan tepat apa yang Anda ukur sehingga Anda dapat menghindari salah belok berdasarkan asumsi atau kesimpulan yang salah.

Ketahui cara-cara di mana data dapat disalahpahami

Anda mungkin telah belajar bahwa ketika Anda bekerja dengan kumpulan data, penting untuk memeriksa kewarasan nomor Anda. Tapi Anda belum selesai. Anda perlu memeriksa bagaimana angka-angka Anda muncul. Mungkin saja desain eksperimen Anda memiliki kekurangan.

Selain itu, bahkan dengan asumsi data Anda menunjukkan apa yang Anda pikirkan, Anda mungkin masih salah menafsirkan data itu. Berikut adalah beberapa penyebab umum yang ada di radar Anda:

Bias : Konsep statistik ini mencerminkan ide dasar pengambilan sampel—bahwa kelompok yang Anda analisis harus mewakili keseluruhan populasi Anda. Dalam konteks pemasaran, bias dapat terjadi karena berbagai alasan. Misalnya, orang-orang dalam sampel Anda mungkin memiliki sifat yang sama yang tidak Anda coba lacak atau sertakan dalam analisis Anda saat ini. Berikut ini contohnya: Anda dapat menggeneralisasi perilaku pembelian untuk semua pelanggan Anda, meskipun Anda sebenarnya memiliki proporsi individu yang lebih kaya dalam sampel Anda daripada rata-rata basis pelanggan Anda.

Pembaur: Anda mungkin terpaku pada hubungan dua variabel, tidak menyadari bahwa ada variabel ketiga tersembunyi yang mendorong korelasi tersebut. Misalnya, Anda mungkin memperhatikan bahwa penjualan Anda melonjak pada liburan musim panas dan menyimpulkan bahwa hari libur adalah hari-hari teratas untuk pembelian—tetapi pada kenyataannya, penjualan dipengaruhi oleh fakta bahwa hari itu adalah hari yang panas.

Kekeliruan logis: Kemungkinan besar, Anda mempelajari hal ini di sekolah dasar atau sekolah menengah pertama (mereka sering menghantui Anda dalam karir analisis pemasaran Anda). Berikut adalah beberapa dari yang umum yang dapat mengangkat kepala mereka dalam analisis data Anda:

Kekeliruan ekologis: Membuat kesimpulan tentang individu berdasarkan kelompok.
Kekeliruan hitam atau putih: Dengan asumsi bahwa dua keadaan adalah satu-satunya kemungkinan padahal sebenarnya ada lebih banyak pilihan.
Penyebab yang dirasakan: Menganggap sesuatu menyebabkan hal lain, tetapi sebenarnya tidak ada hubungan sebab akibat. Kekeliruan ini terkait dengan ungkapan "korelasi bukanlah sebab-akibat," yang mungkin pernah Anda dengar di kelas statistik atau sains di masa lalu.

Jalani pembicaraan

Memainkan advokat iblis seringkali lebih mudah diucapkan daripada dilakukan: Anda mungkin mendapati diri Anda tidak setuju dengan c-suite, menghabiskan lebih banyak waktu menganalisis dataset Anda, dan menderita karena cerita yang tak terhitung yang Anda khawatirkan akan lolos. Anda mungkin berada di bawah tekanan untuk menarik nomor untuk laporan triwulanan atau kampanye PR, atau Anda mungkin ingin membuat panggilan penilaian kampanye berdasarkan apa yang Anda baca di dasbor analitik Anda.

Namun demikian, penting untuk mempertahankan pendirian Anda dan memastikan bahwa Anda membuat perkiraan yang akurat berdasarkan seluk-beluk kumpulan data Anda. Jika tidak, perkiraan, proyeksi, dan bahkan pengukuran hasil Anda mungkin tidak sesuai.

Untuk memulai, berikut adalah beberapa metrik yang sering disalahartikan.

Metrik	Interpretasi umum	Kemungkinan cerita tersembunyi	Apa yang harus dilakukan tentang hal itu
Tingkat retensi tinggi	Tingkat retensi yang tinggi menunjukkan bahwa produk Anda membuat pelanggan Anda senang. Anda mungkin berpikir bahwa Anda berada dalam posisi yang baik.	Pelanggan Anda yang paling berhargalah yang berputar dan pelanggan dengan nilai terendah Anda yang bertahan, setidaknya untuk saat ini.	Lihat statistik sampel yang disimpan vs. sampel yang diaduk. Kemudian buat strategi untuk kampanye atau kampanye yang bertujuan untuk mempertahankan pelanggan berharga Anda.
Tingkat churn tinggi	Tingkat churn yang tinggi dapat membuat Anda percaya bahwa ada yang salah dengan produk Anda.	Anda mungkin menarik basis pelanggan yang salah (yaitu kecocokan produk/pasar Anda tidak sesuai), atau Anda mungkin kehilangan pengguna karena pesaing baru yang perlu Anda diferensiasikan.	Analisis bagaimana tingkat churn Anda bervariasi di berbagai segmen pelanggan Anda. Tentukan apakah ada pola yang jelas, seperti di sekitar saluran atribusi atau demografi.
Meningkatkan Pengguna Aktif Harian (DAU) atau Pengguna Aktif Bulanan (MAU)	Pengguna Anda sedang membuka aplikasi Anda, jadi mereka harus terlibat.	Mereka membuka aplikasi Anda, tetapi mereka tidak menyelesaikan konversi berharga apa pun saat mereka berada di aplikasi.	Jelajahi apa yang dilakukan pengguna Anda setelah mereka masuk ke aplikasi Anda. Anda dapat memutuskan untuk melacak metrik baru yang menyoroti berbagai tingkat "aktif" (yaitu orang yang menghabiskan beberapa menit dalam aplikasi, orang yang terlibat dengan fitur tertentu, dll.).
Peningkatan kekakuan setelah peluncuran atau pembaruan fitur	Fitur atau pembaruan baru menyebabkan peningkatan kekakuan karena telah meningkatkan produk.	Kampanye perpesanan yang sukses, pembelanjaan iklan, atau penyebab lain dapat berkontribusi pada peningkatan kekakuan.	Pastikan Anda hanya menghubungkan sebab akibat ketika Anda benar-benar dapat mengisolasi semua variabel. Jika tidak, Anda mungkin hanya melihat kebetulan atau korespondensi.
Peningkatan pencopotan setelah kampanye	Kampanye dikirimkan tepat sebelum pencopotan pemasangan, oleh karena itu kampanye menyebabkan lonjakan pencopotan pemasangan dan sesuatu tentangnya merusak hubungan pelanggan Anda.	Pencopotan pemasangan sebenarnya tidak selalu dilaporkan saat terjadi. Baik Apple dan Google menggunakan metode yang dapat menyebabkan penundaan waktu antara pencopotan pemasangan dan saat Anda mengetahuinya. Pencopotan pemasangan yang dilaporkan pada tanggal 30 Maret dapat terjadi kapan saja sebelum tanggal 30 Maret, termasuk jauh sebelum kampanye tanggal 29 Maret itu.	Anda tentu dapat melihat pola atau lompatan dalam pencopotan pemasangan Anda, tetapi jangan membuat kekeliruan dalam memutuskan peningkatan pencopotan tertentu berarti kampanye tertentu adalah pelakunya.

Sebelum kamu pergi

Saat Anda berlatih menafsirkan dan bekerja dengan data, Anda akan mulai memahami bagaimana metrik Anda mungkin menipu Anda. Jika Anda membuat kesalahan, belajarlah darinya. Dan ingat untuk menjaga tim Anda tetap dalam lingkaran—saat prioritas perusahaan berubah, kemungkinan besar KPI yang lebih penting juga akan berubah.