KPI การตลาดบนมือถือของคุณกำลังหลอกล่อคุณอยู่หรือเปล่า?

ครั้งต่อไปที่คุณดูที่แดชบอร์ดการตลาดของคุณ ให้ใช้เวลาในการเล่นเป็นผู้สนับสนุนของมาร: KPI การตลาดที่คุณไปสู่เป้าหมายอาจนำคุณไปในทิศทางที่ผิด เหตุผล?

เมตริกแสดงถึงรูปแบบการเล่าเรื่อง ก่อนที่จุดข้อมูลที่คุณกำลังวัดจะเป็นตัวเลขบนหน้าจอ สิ่งเหล่านี้เป็นชุดของช่วงเวลา เรื่องราว หรือเหตุการณ์ แนวคิดทางธุรกิจที่สำคัญ เช่น การรักษาลูกค้า การเลิกรา ความเหนียว ราคาต่อหนึ่งการกระทำ และมูลค่าตลอดอายุการใช้งาน เป็นเรื่องราวที่นักวิเคราะห์การตลาดและนักวิทยาศาสตร์ข้อมูลสร้างวิธีที่จะบอกเล่า

เบื้องหลังทุกจุดข้อมูลคือชุดสมมติฐานและวิธีการในการคำนวณเมตริกที่คุณกำลังติดตาม และเนื่องจากบางครั้งมีวิธีที่ยอมรับได้หลายวิธีในการวัดแนวคิดเดียวกัน ( เช่น LTV ) คุณมีแนวโน้มที่จะทำการแลกเปลี่ยนทางคณิตศาสตร์

ด้วยเหตุนี้ KPI ที่คุณชื่นชอบจึงอาจหลอกลวงคุณหรือสื่อสารเรื่องราวที่ไม่สมบูรณ์ สิ่งสำคัญคือต้องเข้าใจความลับที่ ตัวชี้วัดทางการตลาดที่สำคัญ ของคุณ อาจเก็บไว้ โดยใช้วิธีดังนี้:

เจาะลึกการดำเนินงาน

กระบวนการจากเป้าหมายทางธุรกิจ (เช่น เพิ่มการมีส่วนร่วมของลูกค้า) ไปสู่ตัวชี้วัดที่จับต้องได้ ติดตามได้ (เช่น จำนวนผู้ใช้ที่กลับมาในหนึ่งเดือน หรือจำนวนเซสชันต่อผู้ใช้ที่กลับมา หรือจำนวนการแปลงต่อผู้ใช้ที่กลับมา หรือ...) เรียกว่า การดำเนินการ . ขั้นตอนแรกคือการคิดแนวคิดที่คุณต้องการวัด จากนั้นระดมความคิดว่าจะหาปริมาณของแนวคิดเหล่านี้อย่างไร และสร้างรายการตัวเลือก หลังจากที่คุณมีรายการวิธีที่เป็นไปได้ในการวัดความคิดของคุณแล้ว คุณสามารถประเมินการประนีประนอมได้ (กล่าวคือ เป็นไปได้ทางเทคนิคเพียงใดในการวัดบางสิ่ง และตัวเลขนั้นเป็นตัวแทนที่ดีที่สุดของสิ่งที่คุณพยายามจะจับภาพหรือไม่) หลังจากกระบวนการนี้ ซึ่งอาจต้องมีการทดสอบและการทำซ้ำระหว่างทาง คุณจะไปถึงวิธีการหรือวิธีที่คุณต้องการติดตามตัวชี้วัดของคุณ

สำหรับตัวอย่างที่ไม่ใช่การตลาดของการดำเนินงานที่คุณน่าจะคุ้นเคย ให้ดูที่ การจัดอันดับ US News and World Report Education ซึ่งวัด "ความเป็นเลิศทางวิชาการ" เมื่อพิจารณาจากตัวเลขแล้ว คุณจะเห็นว่าบริษัทพิจารณามิติข้อมูลต่างๆ สองสามอย่างเพื่อรวบรวมคะแนนโดยรวม รวมถึงอัตราการบริจาคศิษย์เก่า การจัดอันดับเพื่อนทางวิชาการ และอื่นๆ US News รวบรวมข้อมูลนี้ผ่านการสำรวจด้วยตนเอง

สำหรับตัวอย่างทางการตลาดของกระบวนการนี้ โปรดดูที่ศูนย์ช่วยเหลือสำหรับ Google Analytics ซึ่งบริษัทเปิดเผยวิธีการวัดการเข้าชมเว็บไซต์ เวลาบนไซต์ การกลับมาเยี่ยมชม และอื่นๆ จากทั้งมุมมองทางเทคนิคและการวิเคราะห์ คุณสามารถเห็นได้อย่างชัดเจน ว่าโค้ดติดตามของ Google Analytics ทำงานอย่างไรเพื่อแปลแนวคิดที่เป็นนามธรรมเป็นตัวเลขที่วัดได้ แล้วสร้างตัวเลขที่คุณเห็นเมื่อลงชื่อเข้าใช้แดชบอร์ดของคุณ

โดยปกติ ในแต่ละวันที่วุ่นวาย นักการตลาดจะเห็นเมตริกสุดท้ายนี้ ไม่ใช่สิ่งที่เกิดขึ้นเบื้องหลัง แต่สิ่งสำคัญคือต้องรู้ว่าคุณกำลังหาปริมาณอะไรอยู่ เพื่อที่จะได้หลีกเลี่ยงการเลี้ยวที่ผิดโดยอาศัยสมมติฐานหรือข้อสรุปที่ไม่ถูกต้อง

รู้วิธีที่ข้อมูลสามารถเข้าใจผิดได้

คุณอาจได้เรียนรู้ว่าเมื่อคุณทำงานกับชุดข้อมูล การตรวจสุขภาพจิตของคุณเป็นสิ่งสำคัญ แต่คุณยังไม่เสร็จ คุณต้องตรวจสอบ ว่า ตัวเลขของคุณเป็นอย่างไร อาจเป็นกรณีที่การออกแบบการทดสอบของคุณมีข้อบกพร่อง

นอกจากนี้ แม้สมมติว่าข้อมูลของคุณแสดงให้คุณเห็นว่าคุณคิดว่าเป็นอย่างไร คุณก็อาจยังตีความข้อมูลนั้นอย่างไม่ถูกต้อง ต่อไปนี้คือสาเหตุของปัญหาที่พบได้บ่อยในเรดาร์ของคุณ:

อคติ : แนวคิดทางสถิตินี้สะท้อนแนวคิดพื้นฐานของการสุ่มตัวอย่าง ซึ่งกลุ่มที่คุณกำลังวิเคราะห์ควรเป็นตัวแทนของประชากรทั้งหมดของคุณ ในบริบททางการตลาด ความลำเอียงอาจเกิดขึ้นได้จากหลายสาเหตุ ตัวอย่างเช่น คนในกลุ่มตัวอย่างของคุณอาจมีคุณลักษณะที่เหมือนกันซึ่งคุณไม่ได้พยายามติดตามหรือรวมไว้ในการวิเคราะห์ปัจจุบันของคุณ นี่คือตัวอย่าง: คุณอาจจบลงด้วยการสรุปพฤติกรรมการซื้อของลูกค้าทั้งหมดของคุณ แม้ว่าคุณจะมีสัดส่วนของบุคคลที่มั่งคั่งในกลุ่มตัวอย่างของคุณสูงกว่าฐานลูกค้าทั่วไปก็ตาม

Confounders: คุณอาจยึดติดกับความสัมพันธ์ของสองตัวแปร โดยไม่ทราบว่ามีตัวแปรที่สามที่ซ่อนอยู่ซึ่งขับเคลื่อนความสัมพันธ์ ตัวอย่างเช่น คุณอาจสังเกตเห็นว่ายอดขายของคุณพุ่งสูงขึ้นในช่วงวันหยุดฤดูร้อน และสรุปว่าวันหยุดเป็นวันสำคัญสำหรับการซื้อสินค้า แต่ในความเป็นจริง ยอดขายได้รับอิทธิพลจากข้อเท็จจริงที่ว่าเป็นวันที่อากาศร้อน

ความ ผิดพลาดเชิงตรรกะ: เป็นไปได้มากว่าคุณได้เรียนรู้เกี่ยวกับสิ่งเหล่านี้ในโรงเรียนประถมศึกษาหรือมัธยมศึกษาตอนต้น (พวกเขากลับมาหลอกหลอนคุณอย่างมากในอาชีพการวิเคราะห์การตลาดของคุณ) ต่อไปนี้คือข้อมูลทั่วไปบางส่วนที่อาจเป็นประโยชน์ต่อการวิเคราะห์ข้อมูลของคุณ:

• ความผิดพลาดทางนิเวศวิทยา: การหาข้อสรุปเกี่ยวกับบุคคลโดยพิจารณาจากกลุ่ม
• การเข้าใจผิดแบบขาวดำ: สมมติว่าสองสถานะเป็นไปได้เพียงอย่างเดียวเมื่อในความเป็นจริงมีตัวเลือกมากขึ้น
• การรับรู้สาเหตุ: สมมติว่าบางสิ่งบางอย่างทำให้เกิดสิ่งอื่น แต่ในความเป็นจริงไม่มีความสัมพันธ์เชิงสาเหตุ ความเข้าใจผิดนี้เกี่ยวข้องกับนิพจน์ "ความสัมพันธ์ไม่ใช่สาเหตุ" ซึ่งคุณอาจเคยได้ยินในวิชาสถิติหรือวิทยาศาสตร์ในอดีต

เดินพูดคุย

การเล่นเป็นทนายของมารมักจะพูดง่ายกว่าทำ: คุณอาจพบว่าตัวเองไม่เห็นด้วยกับชุดข้อมูลนี้ ใช้เวลามากขึ้นในการวิเคราะห์ชุดข้อมูลของคุณ และทนทุกข์กับเรื่องราวที่เล่าไม่ได้เล่าที่คุณกังวลว่าจะผ่านรอยร้าวได้ คุณอาจอยู่ภายใต้แรงกดดันในการดึงตัวเลขสำหรับรายงานรายไตรมาสหรือแคมเปญประชาสัมพันธ์ หรือคุณอาจกังวลที่จะเรียกการพิจารณาแคมเปญตามสิ่งที่คุณกำลังอ่านในแดชบอร์ดการวิเคราะห์ของคุณ

อย่างไรก็ตาม สิ่งสำคัญคือต้องยืนหยัดและทำให้แน่ใจว่าคุณกำลังคาดการณ์อย่างถูกต้องตามความซับซ้อนของชุดข้อมูลของคุณ มิฉะนั้น การคาดการณ์ การคาดคะเน และแม้แต่การวัดผลลัพธ์อาจผิดเพี้ยน

เพื่อช่วยให้คุณเริ่มต้นได้ ต่อไปนี้คือเมตริกบางส่วนที่มักตีความอย่างไม่ถูกต้อง

ก่อนที่คุณจะไป

ในขณะที่คุณฝึกการตีความและทำงานกับข้อมูล คุณจะเริ่มเข้าใจว่าเมตริกของคุณอาจหลอกล่อคุณได้อย่างไร หากผิดพลาด จงเรียนรู้จากมัน และอย่าลืมให้ทีมของคุณอยู่ในวงเสมอ เนื่องจากลำดับความสำคัญของบริษัทเปลี่ยนไป มีแนวโน้มมากที่ KPI ที่มีความสำคัญมากกว่าจะเปลี่ยนไปเช่นกัน