ฉันอยู่ในโลกการวิเคราะห์ดิจิทัลมากว่ายี่สิบปี ในช่วงเวลานี้ ฉันอยู่ฝ่ายลูกค้าสองครั้ง ฝ่ายที่ปรึกษาหนึ่งครั้ง และฝ่ายผู้ขายสองครั้ง ฉันจึงได้เห็นมุมมองทั้งหมดเกี่ยวกับวิธีการที่องค์กรเลือกผลิตภัณฑ์การวิเคราะห์ดิจิทัล แม้ว่าอาจมีบางสิ่งที่ไม่เหมือนใครสำหรับการวิเคราะห์ดิจิทัล แต่หลายสิ่งหลายอย่างที่ฉันสังเกตเห็นนั้นเป็นจริงสำหรับการเลือกผลิตภัณฑ์ซอฟต์แวร์ใดๆ แต่เนื่องจากความเชี่ยวชาญของฉันคือการวิเคราะห์ดิจิทัล ฉันจะจำกัดเนื้อหาของโพสต์นี้ไว้เฉพาะประเภทนี้

ในตอนเริ่มต้น สิ่งสำคัญคือต้องระบุว่าผลิตภัณฑ์การวิเคราะห์ดิจิทัล (หรือ "เครื่องมือ" ตามที่บางคนชอบเรียก) อาจเป็นส่วนสำคัญน้อยที่สุดของโปรแกรมการวิเคราะห์ดิจิทัล หากผลิตภัณฑ์ที่คุณเลือกมีความแตกต่างระหว่างความสำเร็จหรือความล้มเหลวของคุณในการวิเคราะห์ข้อมูลดิจิทัล แสดงว่าคุณกำลังทำบางอย่างผิดพลาดหรือตั้งมาตรฐานต่ำเกินไป ฉันเชื่อว่าผลิตภัณฑ์การวิเคราะห์ดิจิทัลบางอย่างดีกว่าผลิตภัณฑ์อื่นๆ แต่ตัวผลิตภัณฑ์นั้นไม่เพียงพอที่จะสร้างหรือทำลายความสำเร็จ ฉันยังคิดว่าผลิตภัณฑ์การวิเคราะห์ดิจิทัลบางอย่าง "เหมาะสม" กับวัฒนธรรมขององค์กรมากกว่าผลิตภัณฑ์อื่นๆ ด้วยเหตุนี้ การเลือกผลิตภัณฑ์การวิเคราะห์ดิจิทัลที่สอดคล้องกับวัฒนธรรมหรือชุดทักษะขององค์กรจึงสามารถช่วยปรับปรุงการนำไปใช้และความสำเร็จได้ แต่ด้วยบุคลากรและกระบวนการที่เหมาะสม องค์กรของคุณสามารถประสบความสำเร็จได้ด้วยผลิตภัณฑ์การวิเคราะห์ดิจิทัลใดๆในทางกลับกัน ด้วยคนและกระบวนการที่ไม่ถูกต้อง คุณอาจล้มเหลวได้ด้วยผลิตภัณฑ์การวิเคราะห์ที่ดีที่สุด

ในโพสต์นี้ ฉันต้องการแชร์วิธีที่ฉันเห็นว่าองค์กรต่าง ๆ เข้าใกล้การเลือกผลิตภัณฑ์การวิเคราะห์ดิจิทัล และเหตุใดฉันจึงคิดว่าแนวทางปฏิบัติในปัจจุบันหลายอย่างมีข้อบกพร่อง ฉันจะพยายามแบ่งปันคำแนะนำของฉันไปพร้อมกัน แม้ว่าตอนนี้ฉันทำงานให้กับผู้ให้บริการวิเคราะห์ข้อมูลดิจิทัล แต่โพสต์นี้จะไม่เกี่ยวข้องกับผู้ขาย

ความเฉื่อย

แม้จะมีใครบอกคุณ แต่ปัจจัยที่เป็นไปได้มากที่สุดสำหรับผลิตภัณฑ์การวิเคราะห์ดิจิทัลขององค์กรของคุณในอีกห้าปีข้างหน้าคือผลิตภัณฑ์ที่คุณใช้ในปัจจุบัน ความเฉื่อย (หรือบางครั้งฉันคิดว่าคือความเกียจคร้าน) นั้นทรงพลังมาก ฉันได้พูดคุยกับหลายองค์กรที่ใช้เวลามากในการบ่นเกี่ยวกับผู้ขายปัจจุบันของพวกเขา แต่มักจะอยู่กับมัน บ่อยครั้งที่องค์กรยึดติดกับสิ่งที่พวกเขามีเพราะมันเป็นสิ่งที่พวกเขารู้ และการเปลี่ยนแปลงนั้นยาก แต่ความเฉื่อยมักประกอบด้วยหัวข้อย่อยสองสามประเด็น:

การฝึกอบรม

ต้องใช้เวลาในการฝึกอบรมผู้ใช้เกี่ยวกับผลิตภัณฑ์การวิเคราะห์ดิจิทัล มีความกลัวว่าการย้ายไปยังผลิตภัณฑ์ใหม่จะทำให้ผู้ใช้ทั้งหมดของคุณต้องฝึกอบรมใหม่ ฉันเห็นว่ามีเพียงไม่กี่คนเท่านั้นที่ใช้ผลิตภัณฑ์วิเคราะห์ดิจิทัลเป็นประจำ ฉันคิดว่าความกลัวในการฝึกอบรมซ้ำมักจะเกินจริง และฉันขอแนะนำให้คุณคำนวณจำนวนผู้ใช้ที่คุณต้องฝึกอบรมใหม่ก่อนที่จะปล่อยให้สิ่งนี้เป็นอุปสรรค

จัดซื้อจัดจ้าง

ไม่เคยหยุดทำให้ฉันประหลาดใจว่ามีกี่องค์กรที่ใช้ผลิตภัณฑ์การวิเคราะห์ดิจิทัลที่พวกเขาเกลียดเพียงเพราะงานที่จำเป็นในการหาผู้ขายรายใหม่ผ่านการจัดซื้อจัดจ้าง การหลีกเลี่ยงการจัดซื้อจัดจ้างนั้นแพร่หลายโดยเฉพาะอย่างยิ่งในองค์กรที่ให้บริการทางการเงิน องค์กรจำนวนมากเกินไปปล่อยให้การจัดซื้อจัดจ้าง (หรือความกลัวการจัดซื้อจัดจ้าง) กำหนดว่าจะใช้ผลิตภัณฑ์ใด แม้ว่าก่อนหน้านี้ฉันได้ระบุไว้ว่าองค์กรใดก็ตามสามารถประสบความสำเร็จกับผลิตภัณฑ์ใดๆ ก็ได้ หากผลิตภัณฑ์ปัจจุบันของคุณใช้ไม่ได้ผลสำหรับคุณและไม่ใช่ปัญหาเกี่ยวกับบุคลากรหรือกระบวนการ คุณไม่ควรใช้การจัดซื้อจัดจ้างเป็นข้ออ้างในการหลีกเลี่ยงการมองหาผลิตภัณฑ์ใหม่ .

การดำเนินการอีกครั้ง

อีกแง่มุมหนึ่งของความเฉื่อยที่ส่งผลต่อการตัดสินใจผลิตภัณฑ์การวิเคราะห์ดิจิทัลคืองานที่เกี่ยวข้องกับการนำผลิตภัณฑ์ใหม่กลับมาใช้ใหม่ แน่นอนว่าไม่มีใครต้องการนำผลิตภัณฑ์การวิเคราะห์ดิจิทัลกลับมาใช้ใหม่ ครั้งแรกไม่ค่อยจะดี แล้วทำไมคุณยังอยากทำอีก แต่ในปัจจุบัน งานส่วนใหญ่ในการใช้งานการวิเคราะห์ดิจิทัลอยู่ในชั้นข้อมูล, CDP หรือระบบการจัดการแท็ก หากคุณใช้งานได้ดี การเปลี่ยนผู้ให้บริการวิเคราะห์ควรเกี่ยวข้องกับการส่งส่วนสุดท้ายของกระบวนการไปยังปลายทางอื่นเท่านั้น และเนื่องจากการใช้งานการวิเคราะห์ดิจิทัลส่วนใหญ่ติดตามมากเกินไป (และขยะจำนวนมาก) การนำผลิตภัณฑ์ใหม่ไปใช้ใหม่อาจเป็นโอกาสในการเริ่มต้นใหม่ด้วยกระดานชนวนที่สะอาด!

การเก็บรักษาข้อมูลย้อนหลัง

บางองค์กรอ้างถึงการเก็บข้อมูลในอดีต ซึ่งส่วนใหญ่เป็นข้อมูลปีต่อปี เป็นอุปสรรคในการเปลี่ยนไปใช้ผลิตภัณฑ์ใหม่ องค์กรของคุณควรสำรองข้อมูลการวิเคราะห์ดิจิทัลทั้งหมดในคลังข้อมูล ซึ่งคุณสามารถสำรองข้อมูลลงในผลิตภัณฑ์การวิเคราะห์ดิจิทัลได้เกือบทุกชนิด นอกจากนี้ องค์กรส่วนใหญ่ไม่ได้ใช้ข้อมูลประวัติเท่าที่พวกเขาอ้างว่า...

การอนุรักษ์อาชีพ

แม้ว่าสิ่งนี้อาจเกี่ยวข้องกับ "ความเฉื่อย" อีกวิธีหนึ่งที่องค์กรเลือกผลิตภัณฑ์การวิเคราะห์ดิจิทัลคือการรักษาอาชีพ หลายคนในอุตสาหกรรมการวิเคราะห์ดิจิทัลเป็น "ผู้เชี่ยวชาญด้านเครื่องมือ" พวกเขาสร้างอาชีพของตนบนพื้นฐานของเครื่องมือเฉพาะ ฉันควรจะรู้ เพราะฉันก็เคยเป็นคนหนึ่งในนั้น เป็นเวลาเกือบยี่สิบปีแล้วที่ฉันเป็นที่รู้จักในนามของ "Adobe Analytics" (เดิมชื่อ "Omniman" ใน Omniture SiteCatalyst) ฉันรู้ทุกอย่างเกี่ยวกับ Adobe Analytics ถ้าฉันได้ไปทำงานในบริษัท ฉันจะเลือกเฉพาะบริษัทที่ใช้ Adobe Analytics เพราะนั่นคือวิธีที่ฉันสามารถเพิ่มมูลค่าได้มากที่สุด เมื่อฉันเป็นที่ปรึกษา ลูกค้าที่ปรึกษาทุกคนที่เข้าหาฉันรู้ว่าฉันคือ Adobe Analytics คุณไม่ได้มาหาฉันเพื่อขอให้ฉันแนะนำให้คุณย้ายจาก Adobe ไปใช้ Google Analytics คุณมาหาฉันเพื่อช่วยปรับปรุงการใช้ Adobe Analytics ของคุณ

ในขณะที่ฉันเป็นตัวอย่างที่ชัดเจนในเรื่องนี้ หลายคนในอุตสาหกรรมรู้จักผลิตภัณฑ์วิเคราะห์ข้อมูลดิจิทัลเพียงผลิตภัณฑ์เดียวหากพวกเขาทำงานด้านองค์กร พวกเขาจะไม่ได้รับแรงจูงใจในการแนะนำให้องค์กรเลิกใช้ผลิตภัณฑ์ที่พวกเขารู้จัก การทำเช่นนั้นจะทำให้พวกเขามีค่าน้อยลงและอาจทำให้ตกงานได้ ด้วยเหตุนี้ หลายคนจึงมองข้ามข้อบกพร่องของผลิตภัณฑ์การวิเคราะห์ข้อมูลดิจิทัลที่พวกเขารู้จัก เพราะการทำเช่นนั้นเป็นไปเพื่อผลประโยชน์ของตนเอง อย่างไรก็ตาม หากบุคคลเหล่านี้เป็นผู้ดำเนินการหรือนักวิเคราะห์ที่ดี พวกเขาควรมีความมั่นใจมากพอที่จะปรับทักษะของตนให้เข้ากับผลิตภัณฑ์การวิเคราะห์ดิจิทัล การรู้จักผลิตภัณฑ์ที่หลากหลายทำให้คุณมีคุณค่ามากขึ้นในระยะยาว

อคติที่ปรึกษา / เอเจนซี่

ปัญหาการรักษาอาชีพที่ฉันเพิ่งอธิบายยังมีอยู่ที่ระดับสถาบันภายในที่ปรึกษาและหน่วยงานต่างๆ หลายองค์กรมีความสัมพันธ์และรับคำแนะนำจากที่ปรึกษาหรือหน่วยงานที่เชี่ยวชาญด้านผู้ให้บริการวิเคราะห์ข้อมูลดิจิทัลโดยเฉพาะ แม้ว่าที่ปรึกษาและเอเจนซีบางแห่งจะรู้จักผลิตภัณฑ์การวิเคราะห์ดิจิทัลหลายตัว แต่ก็พบว่าส่วนใหญ่เชี่ยวชาญเพียงหนึ่งหรือสองอย่าง นั่นหมายความว่าที่ปรึกษาของพวกเขามีความเชี่ยวชาญในหนึ่งหรือสองผลิตภัณฑ์เท่านั้น ดังนั้น เมื่อคุณทำงานร่วมกับพวกเขา อาจเป็นกรณีที่พวกเขาแนะนำผลิตภัณฑ์ที่พวกเขารู้จัก (กลุ่มอาการ “ถ้าคุณมีค้อนอย่างเดียว ทุกอย่างดูเหมือนตะปู” แบบเก่า)

ที่ปรึกษาและตัวแทนควรยึดผลประโยชน์ของลูกค้าเป็นศูนย์กลางของสิ่งที่พวกเขาทำ แต่บ่อยครั้งเกินไป ฉันเห็นว่าพวกเขาให้ความสำคัญกับผลประโยชน์ของลูกค้ามากกว่าลูกค้า บางครั้งที่ปรึกษาและตัวแทนจะได้รับเงินใต้โต๊ะจากผู้ขายสำหรับการแนะนำลูกค้า Google มีชื่อเสียงโด่งดังเมื่อ GA 360 เปิดตัวครั้งแรก เอเจนซี่ขายมันในราคา $150,000 และเก็บ $75,000 ของราคาซื้อเพื่อให้ “การสนับสนุนที่จำกัด” ซึ่งในความเป็นจริงแล้ว ส่วนใหญ่เป็นค่าธรรมเนียมของผู้ค้นหา หากคุณนำลูกค้ามาสู่ GA 360 ได้มากพอ คุณสามารถทำเงินได้มากมาย และถ้าผู้ให้บริการรายอื่นไม่เสนอเงินใต้โต๊ะแบบเดียวกัน คุณจะแนะนำผลิตภัณฑ์ใด

คุณสมบัติสงคราม!

เมื่อคุณประเมินผู้ให้บริการวิเคราะห์ดิจิทัล เป็นเรื่องปกติที่จะถูกลากเข้าสู่สงครามฟีเจอร์ ผู้ขายแต่ละรายจะแสดงให้คุณเห็นว่าตนมีคุณสมบัติใดบ้างที่คู่แข่งไม่มี แม้ว่าการทำความเข้าใจคุณลักษณะโดยละเอียดของผลิตภัณฑ์แต่ละรายการจะเป็นสิ่งสำคัญ แต่อย่าลืมเปรียบเทียบแอปเปิ้ลกับแอปเปิ้ลและมุ่งเน้นไปที่คุณลักษณะที่คุณจะใช้งาน หลีกเลี่ยงแผนภูมิคุณลักษณะที่ผู้ขาย A ทำได้ทุกอย่างและผู้ขาย B ไม่สามารถทำอะไรได้เลย! เช่นเดียวกับข้อมูล มีวิธีที่จะบิดเบือนสิ่งต่างๆ และบอกเล่าเรื่องราวที่คุณต้องการได้เสมอ ผู้ขาย (รวมถึงฉันด้วย!) เก่งในเรื่องนั้น ฟังและจดบันทึก แต่อย่าทำให้เป็นเกณฑ์การประเมินหลักของคุณ!

นอกชั้นวาง vs. สร้างด้วยตัวคุณเอง

เมื่อถึงจุดหนึ่งบนเส้นทางการวิเคราะห์ดิจิทัล คุณหรือใครสักคนในทีมของคุณจะแนะนำให้คุณสร้างโซลูชันการวิเคราะห์ของคุณเอง แทนที่จะซื้อผลิตภัณฑ์การวิเคราะห์ที่มีขายทั่วไป ทุกองค์กรต้องผ่านขั้นตอนที่พวกเขาคิดว่าสามารถรวมเครื่องมือโอเพ่นซอร์สได้เพียงพอและประหยัดเงินได้ ในขณะที่ฉันปรบมือให้กับความทะเยอทะยาน แต่ฉันก็ยังไม่เห็นว่ามันจะสำเร็จ หากคุณสร้างผลิตภัณฑ์การวิเคราะห์ดิจิทัลที่เทียบเท่ากับผลิตภัณฑ์ที่มีอยู่ทั่วไป ทีมของคุณกำลังสนับสนุนธุรกิจของตนเองและธุรกิจซอฟต์แวร์การวิเคราะห์ดิจิทัลอิสระ หากมีสิ่งใดเสียหาย นั่นเป็นปัญหาของคุณ ไม่ใช่ผู้ขาย ความพยายามเหล่านี้เริ่มต้นจากความตั้งใจอันยิ่งใหญ่ แต่มักจะสลายไปเมื่อผู้คนออกจากองค์กรเมื่อเวลาผ่านไป เว้นแต่ข้อมูลจะเป็นส่วนสำคัญในธุรกิจของคุณ (เช่น Twitter) หรือคุณมีขนาดใหญ่พอที่จะรองรับสิ่งนี้ (เช่น Amazon.com) คุณควรจ่ายเงินให้คนอื่นแทนการสร้างข้อมูลด้วยตัวเอง หากคุณไม่สามารถกำจัดจุดบกพร่องออกจากระบบได้ ฉันจะสร้างสถาปัตยกรรมข้อมูลเพียงไม่กี่ส่วน (เช่น ไปป์ไลน์ข้อมูล ตัวรวบรวมเหตุการณ์ ฯลฯ)

ซื้อห้องชุด

บางครั้งผู้ขายจะเสนอผลประโยชน์จากการซื้อผลิตภัณฑ์ทั้งชุดของตน เนื่องจากเรากำลังพูดถึงผลิตภัณฑ์การวิเคราะห์ดิจิทัล คุณจึงรู้ว่าผู้ขายรายใดเสนอชุดผลิตภัณฑ์และรายใดไม่มี ไม่มีอะไรผิดที่จะซื้อชุดผลิตภัณฑ์จากผู้ขายรายเดียว สามารถบรรลุการทำงานร่วมกันอย่างแท้จริงได้ด้วยการผูกมัดกับระบบนิเวศหนึ่งเดียว (สอบถามลูกค้า Apple รายใดก็ได้) แต่การทำงานร่วมกันเหล่านั้นมาพร้อมกับเงื่อนไขบางประการ ในบางกรณี ผลิตภัณฑ์ในชุดไม่ใช่ "ผลิตภัณฑ์ที่ดีที่สุด" สำหรับทุกโซลูชัน แทบจะเป็นไปไม่ได้เลยที่ผู้ขายรายใดจะมีผลิตภัณฑ์ที่ดีที่สุดในโซลูชัน 5-6 รายการ แต่ถ้าแต่ละผลิตภัณฑ์ตอบสนองความต้องการของคุณได้เพียงพอ และคุณต้องการ "รวมทุกอย่าง" กับผู้จำหน่ายรายเดียว วิธีการแบบชุดอาจเป็นวิธีที่ดีที่สุดในการทำให้กลุ่มเทคโนโลยีของคุณง่ายขึ้นและลดภาระในการผสานรวม

แต่ข้อเสียอีกประการของแนวทาง "ชุด" คือการสูญเสียอำนาจการกำหนดราคาที่อาจเกิดขึ้น ชอบหรือไม่ เมื่อผู้ขายขายผลิตภัณฑ์หลายรายการในชุดของพวกเขาให้คุณ พวกเขารู้ว่าการเปลี่ยนไปใช้ผลิตภัณฑ์อื่นจะเป็นเรื่องยาก พวกเขาได้สร้างคูน้ำเสมือนจริงรอบๆ องค์กรของคุณ สิ่งนี้ทำให้ผู้จำหน่ายชุดมีความยืดหยุ่นด้านราคามากกว่าที่พวกเขาจะมีหากคุณใช้ผลิตภัณฑ์ของพวกเขาเพียงอย่างเดียว ผู้ขายห้องชุดหลายรายจะโต้แย้งว่าการซื้อสินค้าหลายรายการจะช่วยให้คุณประหยัดเงินได้ แต่ฉันได้ยินมาจากหลายบริษัทที่รู้สึกเหมือนจู่ๆ ตื่นขึ้นมาในวันหนึ่งและตระหนักว่าพวกเขากำลังจ่ายเงินในวันนี้มากกว่าเมื่อสองสามปีก่อน

ในช่วงไม่กี่ปีที่ผ่านมา มีความคิดที่ "ต่อต้านห้องชุด" เล็กน้อยในตลาด ซึ่งได้โจมตีตลาดการวิเคราะห์ดิจิทัลด้วย เมื่อมีคนพูดว่า “กองข้อมูลสมัยใหม่” บางครั้งก็เป็นรหัสสำหรับการใช้ประโยชน์จากผู้ขายหลายรายสำหรับส่วนต่างๆ ของกองข้อมูล บางองค์กรต้องการทำงานกับผลิตภัณฑ์ที่ดีที่สุดเท่าที่จะเป็นไปได้ในแต่ละพื้นที่ และรู้สึกว่าภูมิทัศน์ทางเทคโนโลยีได้พัฒนาไปจนถึงจุดที่การรวมผลิตภัณฑ์ที่แตกต่างกันหลายรายการกลายเป็นเรื่องจัดการได้ง่ายขึ้น ฉันไม่คิดว่ามีคำตอบที่ถูกหรือผิดที่นี่ แต่ควรพูดคุยกันภายในองค์กรของคุณ

เว็บไซต์รีวิวลูกค้า

ในพื้นที่ B2B มีไซต์รีวิวผลิตภัณฑ์มากมาย ในเว็บไซต์เหล่านี้ ลูกค้าจะให้คะแนนประสบการณ์ของตนกับผลิตภัณฑ์และแบ่งปันเกร็ดเล็กเกร็ดน้อยเกี่ยวกับผลิตภัณฑ์ ฉันพบว่าไซต์บทวิจารณ์เหล่านี้มักจะมีบทวิจารณ์โดยผู้ที่คลั่งไคล้หรือต้องการดูดผู้ขาย ความคิดเห็นมีแนวโน้มที่จะไปสุดโต่งหรืออย่างอื่นเนื่องจากคนส่วนใหญ่ที่ใช้ผลิตภัณฑ์ทุกวันไม่มีแรงจูงใจที่แท้จริงในการแสดงความคิดเห็นในฟอรัมสาธารณะ ดังนั้นฉันจะใช้เว็บไซต์ตรวจสอบเหล่านี้ด้วยเม็ดเกลือ

บทวิจารณ์จากนักวิเคราะห์อุตสาหกรรม

แหล่งความคิดเห็นของผู้ขายอีกแหล่งหนึ่งคือบทวิจารณ์จากนักวิเคราะห์อุตสาหกรรม องค์กรต่างๆ เช่น Forrester, Gartner ฯลฯ พบปะกับผู้ขายและลูกค้าของพวกเขา และประเมินผู้ขายตามเกณฑ์ต่างๆ และเผยแพร่ผลการค้นพบเหล่านั้นในรายงาน เช่น Gartner Magic Quadrant หรือ Forrester Wave การประเมินเหล่านี้มีแนวโน้มที่จะเป็นวิทยาศาสตร์มากกว่าไซต์บทวิจารณ์จากลูกค้าที่กล่าวถึงข้างต้น แต่อาจมีวัตถุประสงค์มากกว่า สำหรับรายงานเหล่านี้ ผู้ให้บริการส่งข้อมูลอ้างอิงของลูกค้าที่นักวิเคราะห์อุตสาหกรรมพูดคุยด้วย ดังนั้นคุณจึงมีแนวโน้มที่จะได้รับมุมมองที่ดีที่สุดเกี่ยวกับผู้ขาย แต่สิ่งที่บางคนไม่รู้ก็คือนักวิเคราะห์เหล่านี้ให้ข้อมูลการสอบถามจากลูกค้าที่โทรมาตลอดทั้งปีและรับฟังข้อเสนอแนะที่หลากหลาย ทั้งดีและไม่ดี นอกเหนือจากการประเมินที่สำคัญเหล่านี้ ซึ่งทำให้พวกเขามีมุมมองที่เป็นจริงมากขึ้นเกี่ยวกับผู้ขายที่มีปัญหา โดยรวมแล้ว รายงานเหล่านี้เป็นจุดเริ่มต้นที่ดีสำหรับการดูว่าอุตสาหกรรมกำลังดำเนินไปในทิศทางใด และผู้ขายรายใดดำเนินการในพื้นที่เดียวกัน

สนับสนุน

หนึ่งในปัจจัยการประเมินผลิตภัณฑ์ที่ลดคุณค่าบ่อยเกินไปคือการสนับสนุนลูกค้า เมื่อคุณเลือกผู้ขาย คุณจะเข้าสู่ความสัมพันธ์แบบหุ้นส่วนกับพวกเขา แต่หลายองค์กรพบว่าการสนับสนุนที่ได้รับจากผู้ให้บริการวิเคราะห์ข้อมูลดิจิทัลนั้นเป็นสิ่งที่สุดวิสัย ผู้ให้บริการบางรายไม่ได้ให้การสนับสนุนโดยตรง แต่ให้ใช้ประโยชน์จากที่ปรึกษา/หน่วยงานที่กล่าวถึงข้างต้นเพื่อให้การสนับสนุน ซึ่งไม่เป็นประโยชน์เมื่อพบข้อบกพร่องของผลิตภัณฑ์หรือมีคำขอคุณสมบัติที่สำคัญ ผู้ขายรายอื่นจ้างฝ่ายสนับสนุนทรัพยากรนอกชายฝั่งที่ไม่รู้จักผลิตภัณฑ์ดีพอที่จะให้การสนับสนุนอย่างเพียงพอ หากคุณเข้าไปอยู่ในกลุ่ม #Measure Slack คุณจะพบกระทู้ด่าแม่ค้ามากมายอย่างหลีกเลี่ยงไม่ได้ แต่ส่วนใหญ่แล้ว ผู้ที่พูดจาโผงผางเกี่ยวกับการสนับสนุนที่ไม่ดียังคงใช้ผลิตภัณฑ์วิเคราะห์ต่อไปด้วยเหตุผลข้างต้น

องค์กรอื่นๆ ควรให้ความสำคัญกับการสนับสนุนที่ได้รับ ฉันอยากทำงานกับผู้ขายที่บางครั้งก็ทำพลาดแต่เป็นเจ้าของและทำงานอย่างหนักเพื่อปรับปรุงให้ดีขึ้นกว่าผู้ขายที่ไม่สนใจฉันเลย แต่บ่อยครั้งเกินไป ฉันคิดว่าลูกค้าตั้งมาตรฐานต่ำเกินไป และคิดว่าการสนับสนุนเส็งเคร็งที่พวกเขาได้รับคือการสนับสนุนประเภทเดียวกับที่พวกเขาจะได้รับจากผู้ขายรายอื่น

ราคา

ในโลกแห่งความเป็นจริง ราคามีความสำคัญ สินค้าบางอย่างมีราคาแพงกว่าที่อื่น ในขณะเดียวกัน ฉันไม่คิดว่าราคาควรจะเป็นทุกอย่าง ผมเห็นหลายองค์กรให้ความสำคัญกับราคามากเกินไป

คุณต้องการบุคลากร กระบวนการ และผลิตภัณฑ์เพื่อให้ประสบความสำเร็จ หากคุณทำสิ่งต่างๆ อย่างถูกต้อง บุคลากรและส่วนกระบวนการของการวิเคราะห์ดิจิทัลจะทำให้คุณเสียค่าใช้จ่ายมากกว่าผลิตภัณฑ์การวิเคราะห์ดิจิทัล ดังนั้น จำนวนเงินที่คุณใช้จ่ายกับผลิตภัณฑ์วิเคราะห์ดิจิทัลจึงไม่ควรเป็นปัจจัยในการตัดสินใจ

อย่างไรก็ตาม มีบางกรณีที่การซื้อผลิตภัณฑ์วิเคราะห์ดิจิทัลที่มีราคาแพงเกินไปอาจส่งผลกระทบโดยตรงต่องบประมาณที่เหลืออยู่ของคุณในด้านบุคลากรและกระบวนการ หากเป็นกรณีนี้ ฉันขอแนะนำให้เลือกคนและดำเนินการกับผลิตภัณฑ์ทุกวันในสัปดาห์ ตัวอย่างเช่น ฉันจะซื้อผลิตภัณฑ์การวิเคราะห์ดิจิทัลที่สามารถทำงานได้ 80% ของงานที่คุณต้องการในราคา 50% เมื่อเทียบกับผลิตภัณฑ์ที่มีราคาแพงกว่าสองเท่าและสามารถบรรลุสิ่งที่จำเป็นได้ 100% มีผู้ใช้น้อยมากที่จะใช้ 20% ที่คุณจะขาดหายไป

ผู้บริหารสัมพันธ์

ไม่มีใครชอบที่จะพูดถึงเรื่องนี้ แต่ความสัมพันธ์กับผู้บริหาร ดินเนอร์สุดหรู และการออกไปเที่ยวเล่นกอล์ฟนั้นได้ผลบ่อยกว่าที่คุณคิด! ผู้คนชอบเข้าร่วมการประชุมผู้ขายที่หรูหรา อาหารค่ำรสเลิศ เล่นสกี ขับรถแฟนซีในสนามแข่ง ฯลฯ หากคุณเป็นผู้มีอำนาจตัดสินใจสำหรับผลิตภัณฑ์การวิเคราะห์ที่บริษัทของคุณ และผู้ขายปฏิบัติต่อคุณอย่างดี คุณจะให้รางวัลแก่พวกเขาโดยรู้ตัวหรือไม่รู้ตัวด้วย การต่ออายุสัญญา ฉันเคยเห็นคนจำนวนมากถูกดูดเข้าไปในความสัมพันธ์ของผู้ขายที่กลายเป็นมิตรภาพมากกว่าผู้ขายและลูกค้า

ฉันเคยเห็นกรณีที่ทีมวิเคราะห์ข้อมูลดิจิทัลต้องการใช้ผลิตภัณฑ์อื่น แต่เจ้านายของเจ้านายของพวกเขามีความสัมพันธ์อันยาวนานกับผู้บริหารที่ผู้ขาย (มักเกี่ยวข้องกับสโมสรในชนบท!) ความสัมพันธ์ดังกล่าวสามารถเอาชนะความคิดเห็นของทีมเกี่ยวกับผลิตภัณฑ์จริงได้อย่างง่ายดาย

คุณควรประเมินผลิตภัณฑ์อย่างไร

ดังนั้น บทความก่อนหน้านี้จึงครอบคลุมถึงสิ่งที่ไม่ควรทำเมื่อประเมินผลิตภัณฑ์การวิเคราะห์ดิจิทัล ฉันจะแนะนำให้คุณประเมินผลิตภัณฑ์การวิเคราะห์ดิจิทัลได้อย่างไร แม้ว่าจะไม่มีกระสุนเงินสำหรับการประเมินผลิตภัณฑ์ แต่นี่คือคำแนะนำของฉัน:

1. ให้ความสำคัญกับวัฒนธรรม – ซื่อสัตย์กับตัวเองเกี่ยวกับวัฒนธรรมองค์กรของคุณจำเป็นต้องมีสภาพแวดล้อมแบบรวมศูนย์หรือแบบบริการตนเองเพื่อให้การวิเคราะห์ดิจิทัลประสบความสำเร็จหรือไม่ คนในองค์กรของคุณต้องการรับข้อมูลของตนเองหรือต้องการยื่นตั๋วสนับสนุนและให้ผู้อื่นสร้างรายงานให้ ตรวจสอบให้แน่ใจว่าคุณใช้ประโยชน์จากผลิตภัณฑ์ที่เหมาะกับแนวทางที่เกี่ยวข้อง องค์กรของคุณคือการสร้างและการซื้อที่ใจหรือไม่? อย่าพยายามยัดเยียดวิธีการสร้างให้กับองค์กรซื้อ (หรือในทางกลับกัน)
2. ซื้อเพื่อวันนี้ – ฉันเห็นหลายองค์กรที่มีมุมมองที่ “มีแรงบันดาลใจ” ต่อองค์กรและทีมของพวกเขาพวกเขาต้องการเป็น 9 เต็ม 10 เมื่อพูดถึงการวิเคราะห์ทางดิจิทัล ดังนั้นพวกเขาจึงซื้อผลิตภัณฑ์ที่พวกเขาจะใช้หากได้9 เต็ม 10 แต่ในความเป็นจริงแล้ว พวกเขาต้องการ 3 เต็ม 10 มากกว่า นั่นคือ เช่นเดียวกับการจ่ายเงินซื้อรถเฟอร์รารี่เมื่อคุณใช้คุณสมบัติต่างๆ ของรถฟอร์ดไม่ครบ! จงซื่อสัตย์ว่าองค์กรของคุณอยู่ที่ไหนในวันนี้และซื้อผลิตภัณฑ์ที่จะช่วยคุณในวันนี้ ในอีกไม่กี่ปีข้างหน้า คุณสามารถอัปเกรดได้ในภายหลัง...
3. ประเมินทุก ๆ สามปี – ฉันขอแนะนำให้คุณประเมินผลิตภัณฑ์การวิเคราะห์ดิจิทัลใหม่ทุก ๆ สามปีแม้ว่าคุณจะพอใจกับผู้ให้บริการรายปัจจุบันของคุณ แต่คุณก็ไม่มีอะไรจะเสียโดยการเปรียบเทียบพวกเขากับผู้ให้บริการรายอื่นและดูว่ามีอะไรอีกบ้าง งานประเมินส่วนใหญ่ดำเนินการโดยผู้ขาย หากคุณยังคงชอบผู้ขายรายปัจจุบันของคุณมากที่สุด คุณสามารถมั่นใจได้ว่าคุณจะใช้ผลิตภัณฑ์ที่เหมาะสมต่อไป หากคุณพบผู้ให้บริการรายอื่นทำสิ่งที่น่าสนใจ คุณสามารถตัดสินใจได้ว่าคุณสมบัติเหล่านั้นควรค่าแก่การเปลี่ยนแปลงหรือผลักดันให้ผู้ให้บริการรายปัจจุบันของคุณเพิ่มคุณสมบัติเหล่านั้น
4. มุ่งเน้นไปที่กรณีการใช้งาน – เป็นเรื่องง่ายที่จะดูดเข้าสู่สงครามคุณสมบัติของผลิตภัณฑ์ (ดูด้านบน)แต่ถ้าคุณมุ่งเน้นไปที่กรณีการใช้งานจริงที่องค์กรของคุณต้องทำให้สำเร็จ คุณสามารถให้ผู้ขายสาธิตวิธีจัดการกับกรณีการใช้งานเหล่านั้น ซึ่งช่วยให้คุณไม่ต้องเปรียบเทียบฟีเจอร์ต่อฟีเจอร์
5. ใช้ประโยชน์จากเครือข่ายของคุณ – ค้นหาว่าองค์กรใดใช้ผู้ให้บริการวิเคราะห์ดิจิทัลแต่ละรายที่คุณกำลังประเมินจากนั้นใช้ประโยชน์จากเครือข่ายของคุณเพื่อค้นหาคนที่คุณไว้วางใจซึ่งทำงานในบริษัทเหล่านั้นและใช้ผลิตภัณฑ์เหล่านั้น จากนั้นถามพวกเขาโดยตรงว่าชอบผลิตภัณฑ์อย่างไร เช่น การสนับสนุน ฯลฯ ขอให้พวกเขาสาธิตวิธีการใช้ผลิตภัณฑ์
6. Implementation Modularity – อย่าผูกมัดตัวเองกับผู้ขายรายใดรายหนึ่งมากเกินไปอย่าใส่โค้ดโดยตรงบนไซต์ของคุณ หากคุณสามารถหลีกเลี่ยงได้ เมื่อคุณใช้งาน ให้สร้างสตรีมการรวบรวมข้อมูลของคุณเองเพื่อควบคุมข้อมูลที่คุณรวบรวมและเพียงส่งไมล์สุดท้ายไปยังผู้ขาย คล่องตัวอยู่เสมอ ดำเนินการเพื่อให้คุณสามารถเปลี่ยนเป็นผู้ขายรายใหม่ได้ภายในสี่สัปดาห์
7. จ้าง Generalists – อย่าให้ความสำคัญกับทักษะเฉพาะของผู้ขายมากเกินไปเมื่อจ้างนักวิเคราะห์และผู้ดำเนินการด้านการวิเคราะห์ดิจิทัลพนักงานของคุณสามารถเรียนรู้ผลิตภัณฑ์การวิเคราะห์ดิจิทัลใหม่ๆ คุณไม่สามารถสอนให้คนฉลาดหรือเล่นเป็นทีมได้! การจ้างงานทั่วไปจะหลีกเลี่ยงอคติใด ๆ ในทีมของคุณเกี่ยวกับผู้ขายรายใดรายหนึ่ง

นี่คือข้อสังเกตบางส่วนของฉันเกี่ยวกับวิธีที่องค์กรต่างๆ ประเมินผลิตภัณฑ์การวิเคราะห์ดิจิทัลในปัจจุบัน และคำแนะนำบางส่วนของฉันเกี่ยวกับวิธีประเมินผลิตภัณฑ์ในอนาคต