이동 모바일 마케팅 KPI가 당신을 속이고 있습니까?

다음에 마케팅 대시보드를 볼 때 시간을 내어 악마의 옹호자처럼 행동하십시오. 마케팅 KPI가 잘못된 방향으로 이끌고 있을 수 있습니다. 이유?

메트릭은 스토리텔링의 한 형태를 나타냅니다. 측정하는 데이터 요소가 화면의 숫자이기 전에는 순간, 이야기 또는 이벤트의 모음이었습니다. 유지, 이탈, 고정성, 취득당 비용, 평생 가치와 같은 중요한 비즈니스 개념은 마케팅 분석가와 데이터 과학자가 전달하는 방법을 구축하는 스토리입니다.

모든 데이터 포인트 이면에는 추적 중인 메트릭을 계산하기 위한 일련의 가정과 방법론이 있습니다. 그리고 동일한 아이디어( 예: LTV) 를 측정하는 데 여러 승인된 방법이 있다는 점 을 감안할 때 수학적 절충안을 만들 가능성이 높습니다.

결과적으로 가장 좋아하는 KPI가 사용자를 속이거나 불완전한 이야기를 전달할 수 있습니다. 주요 마케팅 지표 가 유지할 수 있는 비밀을 이해하는 것이 중요합니다 . 방법은 다음과 같습니다.

운영화 자세히 알아보기

비즈니스 목표(예: 고객 참여 증가)에서 추적 가능한 유형의 측정항목(예: 월별 재방문 사용자 수, 재방문 사용자당 세션 수, 재방문 사용자당 전환 수 등)을 달성하는 프로세스를 운영화라고 합니다. . 첫 번째 단계는 측정하려는 아이디어를 떠올리는 것입니다. 그런 다음 이러한 아이디어를 수량화하는 방법을 브레인스토밍하여 옵션 목록을 생성합니다. 아이디어를 측정할 수 있는 잠재적인 방법의 목록을 얻은 후에는 절충안(예: 무언가를 측정하는 것이 기술적으로 얼마나 실현 가능한지, 그 수치가 포착하려는 대상을 가장 잘 나타내는지 여부)을 평가할 수 있습니다. 이 과정을 거치면 약간의 테스트와 반복이 필요할 수 있습니다. 그러면 메트릭을 추적할 방법에 도달하게 됩니다.

귀하가 잘 알고 있는 운영화의 비마케팅 사례를 보려면 "학문적 우수성"을 측정하는 US News 및 World Report Education 순위를 살펴보십시오 . 수치를 자세히 살펴보면 회사가 동문 기부율, 학계 동료 평가 등을 포함하여 전체 점수를 집계하기 위해 몇 가지 다른 차원을 살펴보고 있음을 알 수 있습니다. US News 는 자체 보고된 설문조사를 통해 이 정보를 수집합니다.

이 프로세스가 어떻게 보이는지에 대한 마케팅 예는 Google Analytics의 도움말 센터를 참조하세요. 여기에서 회사는 기술 및 분석 관점에서 웹사이트 방문, 사이트에 머문 시간, 재방문 등을 측정하는 방법을 공개합니다. Google Analytics 추적 코드 가 추상적인 개념을 수량화 가능한 숫자로 변환한 다음 대시보드에 로그인할 때 표시되는 숫자를 생성하는 방식 을 명확하게 볼 수 있습니다 .

일반적으로 바쁜 일상 속에서 마케터는 뒤에서 일어나는 일이 아니라 이 최종 지표를 봅니다. 그러나 잘못된 가정이나 결론에 근거하여 잘못된 방향으로 가는 것을 방지할 수 있도록 정량화하는 대상을 정확히 아는 것이 중요합니다.

데이터가 오해될 수 있는 방법을 알고 있습니다.

데이터 세트로 작업할 때 숫자를 제대로 확인하는 것이 중요하다는 것을 배웠을 것입니다. 하지만 아직 끝나지 않았습니다. 당신은 당신의 숫자가 어떻게 왔는지 조사해야 합니다. 실험 설계에 결함이 있는 경우일 수 있습니다.

또한 데이터가 자신이 생각하는 바를 보여주고 있다고 가정하더라도 해당 데이터를 여전히 잘못 해석할 수 있습니다. 다음은 레이더에 포착할 수 있는 몇 가지 일반적인 범인입니다.

편향 : 이 통계적 개념은 분석하려는 그룹이 전체 모집단을 대표해야 한다는 샘플링의 기본 개념을 반영합니다. 마케팅 맥락에서 편향은 다양한 이유로 발생할 수 있습니다. 예를 들어, 표본에 있는 사람들은 현재 분석에서 추적하거나 포함하지 않으려는 공통점을 공유할 수 있습니다. 예를 들면 다음과 같습니다. 실제로 평균 고객 기반보다 표본에 부유한 개인의 비율이 더 높더라도 모든 고객의 구매 행동을 일반화할 수 있습니다.

혼동 요인: 두 변수의 관계에 집착하여 상관 관계를 이끄는 숨겨진 세 번째 변수가 있다는 사실을 깨닫지 못할 수 있습니다. 예를 들어, 여름 방학에 매출이 급증하고 공휴일이 가장 많이 구매하는 날이라고 결론을 내릴 수 있지만 실제로는 더운 날이 매출에 영향을 미칩니다.

논리적 오류: 초등학교 또는 중학교에서 이에 대해 배웠을 가능성이 큽니다. 다음은 데이터 분석에서 고개를 돌릴 수 있는 몇 가지 일반적인 사항입니다.

• 생태학적 오류: 그룹을 기반으로 개인에 대한 결론을 내리는 것.
• 흑백 오류: 실제로 더 많은 옵션이 있을 때 두 상태가 유일한 가능성이라고 가정합니다.
• 지각된 원인: 어떤 것이 다른 것을 일으키고 있다고 가정하지만 실제로는 인과관계가 없습니다. 이 오류는 과거 통계나 과학 시간에 들어봤을 "상관관계가 인과관계가 아니다"라는 표현과 관련이 있습니다.

이야기를 걸어

악마의 옹호자 역할은 말처럼 쉽지 않은 경우가 많습니다. 최고 경영진에 동의하지 않고 데이터 세트를 분석하는 데 더 많은 시간을 할애하고 균열 사이로 빠져나가는 것이 걱정되는 알려지지 않은 이야기에 괴로워하는 자신을 발견할 수 있습니다. 분기별 보고서 또는 PR 캠페인에 대한 수치를 가져와야 한다는 압박을 받거나 분석 대시보드에서 읽은 내용을 기반으로 캠페인을 판단하고 싶어 할 수 있습니다.

그럼에도 불구하고 자신의 입장을 고수하고 데이터세트의 복잡성을 기반으로 정확한 예측을 하고 있는지 확인하는 것이 중요합니다. 그렇지 않으면 예측, 예측 및 결과 측정이 기준에서 벗어날 수 있습니다.

시작하기 위해 다음은 종종 잘못 해석되는 몇 가지 측정항목입니다.

가기 전에

데이터 해석 및 작업을 연습하면서 메트릭이 어떻게 사용자를 속일 수 있는지 이해하기 시작할 것입니다. 실수를 했다면 그로부터 배우십시오. 그리고 계속해서 팀을 유지해야 합니다. 회사 우선 순위가 변경되면 더 중요한 KPI도 변경될 가능성이 매우 높습니다.