Czy kluczowe wskaźniki efektywności marketingu mobilnego Cię oszukują?

Opublikowany: 2016-04-12

Następnym razem, gdy spojrzysz na swój marketingowy pulpit nawigacyjny, poświęć trochę czasu na zabawę w adwokata diabła: kluczowe wskaźniki efektywności marketingu mogą kierować Cię w złym kierunku. Powód?

Metryki reprezentują formę opowiadania historii. Zanim mierzone punkty danych były liczbami na ekranie, były zbiorem momentów, historii lub wydarzeń. Ważne koncepcje biznesowe, takie jak retencja, odpływ, lepkość, koszt pozyskania i wartość w całym okresie życia, to historie, które analitycy marketingowi i naukowcy zajmujący się danymi tworzą sposoby, aby je opowiedzieć.

Za każdym punktem danych kryje się zestaw założeń i metod obliczania śledzonych metryk — a biorąc pod uwagę, że czasami istnieje wiele akceptowanych sposobów mierzenia tego samego pomysłu ( na przykład LTV ), prawdopodobnie dokonujesz matematycznych kompromisów.

W rezultacie Twoje ulubione KPI mogą Cię oszukiwać lub komunikować niekompletną historię. Ważne jest, aby zrozumieć sekrety, które mogą skrywać Twoje kluczowe wskaźniki marketingowe . Oto jak:

Zagłębić się w operacjonalizację

Proces przejścia od celu biznesowego (np. zwiększenie zaangażowania klientów) do namacalnych, możliwych do śledzenia metryk (np. liczba powracających użytkowników w miesiącu, liczba sesji na powracającego użytkownika, liczba konwersji na powracającego użytkownika, lub…) nazywa się operacjonalizacją . Pierwszym krokiem jest wymyślenie pomysłu, który chcesz zmierzyć. Następnie przeprowadź burzę mózgów, jak określić ilościowo te pomysły, generując listę opcji. Po uzyskaniu listy potencjalnych sposobów mierzenia pomysłu możesz ocenić kompromisy (tj. na ile technicznie wykonalne jest zmierzenie czegoś i czy ta liczba jest najlepszą reprezentacją tego, co chcesz uchwycić). Po tym procesie, który może wymagać pewnych testów i iteracji, dotrzesz do sposobu, w jaki chcesz śledzić swoje dane.

Aby zapoznać się z niemarketingowym przykładem operacjonalizacji, który prawdopodobnie znasz, spójrz na rankingi US News i World Report Education, które mierzą „doskonałość akademicką”. Zagłębiając się w liczby, zobaczysz, że firma przygląda się kilku różnym wymiarom, aby skompilować swoje ogólne wyniki, w tym wskaźniki darowizn absolwentów, oceny akademickich kolegów i inne. US News zbiera te informacje za pomocą ankiet, które sami zgłaszają.

Aby zapoznać się z marketingowym przykładem tego, jak wygląda ten proces, zajrzyj do centrum pomocy Google Analytics, w którym firma ujawnia, w jaki sposób mierzy wizyty w witrynie, czas spędzony w witrynie, ponowne odwiedziny i nie tylko z perspektywy technicznej i analitycznej. Możesz wyraźnie zobaczyć , jak działa kod śledzenia Google Analytics, aby tłumaczyć abstrakcyjne pojęcia na wymierne liczby, a następnie generować liczby, które widzisz po zalogowaniu się do pulpitu nawigacyjnego.

Zwykle w swojej pracowitej codziennej pracy marketerzy widzą ten końcowy wskaźnik — a nie to, co dzieje się za kulisami. Ale ważne jest, aby dokładnie wiedzieć, co określasz ilościowo, aby uniknąć skręcenia w złą stronę na podstawie błędnych założeń lub wniosków.

Dowiedz się, w jaki sposób dane mogą zostać źle zrozumiane

Prawdopodobnie nauczyłeś się, że podczas pracy ze zbiorem danych ważne jest, aby sprawdzić swoje liczby. Ale jeszcze nie skończyłeś. Musisz zbadać , jak powstały Twoje liczby. Może się zdarzyć, że projekt Twojego eksperymentu ma wady.

Ponadto, nawet zakładając, że Twoje dane pokazują to, o czym myślisz, nadal możesz je nieprawidłowo interpretować. Oto kilka typowych winowajców, których możesz mieć na swoim radarze:

Odchylenie : ta koncepcja statystyczna odzwierciedla podstawową ideę doboru próby — grupy, które analizujesz, powinny być reprezentatywne dla całej populacji. W kontekście marketingowym uprzedzenia mogą wystąpić z różnych powodów. Na przykład osoby w Twojej próbce mogą mieć wspólną cechę, której nie próbujesz śledzić ani uwzględniać w bieżącej analizie. Oto przykład: możesz w końcu uogólnić zachowania zakupowe dla wszystkich swoich klientów, nawet jeśli w próbce masz wyższy odsetek osób zamożniejszych niż przeciętna baza klientów.

Mylące: Możesz być zafiksowany na relacji dwóch zmiennych, nie zdając sobie sprawy, że istnieje ukryta trzecia zmienna, która steruje korelacją. Na przykład możesz zauważyć, że Twoja sprzedaż gwałtownie rośnie w wakacje i dojść do wniosku, że święta są najczęstszymi dniami zakupów — ale w rzeczywistości na sprzedaż ma wpływ fakt, że jest to upalny dzień.

Błędy logiczne: najprawdopodobniej nauczyłeś się o nich w szkole podstawowej lub gimnazjum (powracają, by prześladować cię w twojej karierze analityka marketingowego). Oto kilka typowych, które mogą się przydać podczas analizy danych:

Błąd ekologiczny: wyciąganie wniosków na temat jednostki na podstawie grupy.
Błąd czarnego lub białego: zakładając, że dwa stany są jedynymi możliwościami, podczas gdy w rzeczywistości jest więcej opcji.
Postrzegana przyczyna: Zakładając, że coś powoduje inną rzecz, ale w rzeczywistości nie ma związku przyczynowego. Ten błąd jest powiązany z wyrażeniem „korelacja nie jest przyczyną”, które mogłeś słyszeć w przeszłości na lekcjach statystyki lub na lekcjach nauk ścisłych.

Chodzić na rozmowy

Granie adwokata diabła jest często łatwiejsze do powiedzenia niż do zrobienia: może się okazać, że nie zgadzasz się z c-suitem, spędzasz więcej czasu na analizowaniu swojego zbioru danych i męczysz się nad niewypowiedzianymi historiami, o które się martwisz. Możesz być pod presją, aby wyciągnąć liczby do raportu kwartalnego lub kampanii PR lub możesz chcieć dokonać oceny kampanii na podstawie tego, co czytasz w panelu analitycznym.

Niemniej jednak ważne jest, aby stać na miejscu i upewnić się, że tworzysz dokładną prognozę opartą na zawiłościach swojego zbioru danych. W przeciwnym razie Twoje prognozy, prognozy, a nawet pomiar wyników mogą być nieprawdziwe.

Na początek podajemy kilka wskaźników, które często są nieprawidłowo interpretowane.

Metryczny	Wspólna interpretacja	Możliwa ukryta historia	Co z tym zrobić
Wysoki wskaźnik retencji	Wysokie wskaźniki retencji sugerują, że Twój produkt sprawia, że Twoi klienci są zadowoleni. Możesz pomyśleć, że jesteś w dobrej sytuacji.	To Twoi najcenniejsi klienci odchodzą, a klienci o najniższej wartości, którzy zostają, przynajmniej na razie.	Spójrz na statystyki zachowanej próbki w porównaniu z odrzuconą próbką. Następnie opracuj strategię dla kampanii lub kampanii, które mają na celu zatrzymanie cennych klientów.
Wysoki wskaźnik rezygnacji	Wysokie wskaźniki rezygnacji mogą skłaniać Cię do przekonania, że coś jest nie tak z Twoim produktem.	Możesz przyciągać niewłaściwą bazę klientów (tj. Twój produkt/rynek nie pasuje do Ciebie) lub możesz tracić użytkowników na rzecz nowego konkurenta, od którego musisz się odróżnić.	Przeanalizuj, jak Twoje współczynniki odpływu klientów różnią się w różnych segmentach klientów. Sprawdź, czy istnieją wyraźne wzorce, na przykład wokół kanału atrybucji lub danych demograficznych.
Zwiększenie liczby aktywnych użytkowników w ciągu dnia (DAU) lub liczby aktywnych użytkowników w ciągu miesiąca (MAU)	Twoi użytkownicy otwierają Twoją aplikację, więc muszą być zaangażowani.	Otwierają Twoją aplikację, ale nie realizują żadnych wartościowych konwersji, gdy są w niej.	Sprawdź, co robią Twoi użytkownicy po zalogowaniu się do Twojej aplikacji. Możesz zdecydować się na śledzenie nowych wskaźników, które podkreślają różne poziomy „aktywności” (tj. osoby, które spędzają określoną liczbę minut w aplikacji, osoby, które angażują się w określoną funkcję itp.).
Zwiększona lepkość po uruchomieniu lub aktualizacji funkcji	Nowa funkcja lub aktualizacja powoduje wzrost lepkości, ponieważ poprawiła produkt.	Skuteczna kampania komunikacyjna, wydatki na reklamę lub inna przyczyna mogą przyczynić się do zwiększenia lepkości.	Upewnij się, że przypisujesz związek przyczynowy tylko wtedy, gdy możesz faktycznie wyodrębnić wszystkie zmienne. W przeciwnym razie możesz po prostu patrzeć na zbieg okoliczności lub korespondencję.
Zwiększona liczba odinstalowań po kampanii	Kampania została dostarczona tuż przed odinstalowaniem, dlatego kampania spowodowała gwałtowny wzrost liczby odinstalowań i coś w tym było szkodliwe dla relacji z klientami.	Odinstalowania niekoniecznie są zgłaszane w momencie ich wystąpienia. Zarówno Apple, jak i Google używają metod, które mogą powodować opóźnienie między odinstalowaniem a informacją o tym. Odinstalowanie zgłoszone 30 marca mogło nastąpić w dowolnym momencie przed 30 marca, w tym na długo przed kampanią z 29 marca.	Z pewnością możesz obserwować wzorce lub skoki w dezinstalacjach, ale nie rób błędnej decyzji o pewnym wzroście dezinstalacji, co oznacza, że winowajcą była określona kampania.

Zanim pójdziesz

Ćwicząc interpretowanie danych i pracę z nimi, zaczniesz rozumieć, w jaki sposób Twoje dane mogą Cię oszukiwać. Jeśli popełnisz błąd, ucz się na nim. I pamiętaj, aby Twój zespół był na bieżąco — wraz ze zmianą priorytetów firmy jest bardzo prawdopodobne, że zmienią się również ważniejsze KPI.