您的首選移動營銷 KPI 是否在欺騙您？

下次您查看營銷儀表板時，請花時間扮演魔鬼的擁護者：您的首選營銷 KPI 可能會將您引向錯誤的方向。 原因？

指標代表了一種講故事的形式。 在您測量的數據點是屏幕上的數字之前，它們是瞬間、故事或事件的集合。 重要的業務概念，例如留存率、流失率、粘性、每次獲取成本和生命週期價值，都是營銷分析師和數據科學家構建方式講述的故事。

每個數據點背後都有一組假設和方法，用於計算您正在跟踪的指標——並且考慮到有時有多種公認的方法可以衡量相同的想法（例如 LTV ），您可能會在數學上進行權衡。

因此，您最喜歡的 KPI 可能會欺騙您或傳達不完整的故事。 了解您的關鍵營銷指標可能保留的秘密非常重要。 就是這樣：

深入操作化

從業務目標（例如提高客戶參與度）到有形的、可跟踪的指標（例如，一個月內的回訪用戶數，或每位回訪用戶的會話數，或每位回訪用戶的轉化次數，或……）的過程稱為操作化. 第一步是想出一個你想要衡量的想法。 然後，集思廣益如何量化這些想法，生成選項列表。 在您列出衡量您的想法的潛在方法之後，您可以評估權衡（即衡量某事物在技術上的可行性以及該數字是否是您試圖捕捉的最佳代表）。 在此過程（可能需要一些測試和迭代）之後，您將達到您想要跟踪指標的方式。

對於您可能熟悉的非營銷運營示例，請查看美國新聞和世界報導教育排名，該排名衡量“學術卓越”。 深入研究這些數字，您會發現該公司從幾個不同的維度來編制其總體分數，包括校友捐贈率、學術同行評級等。 美國新聞通過自我報告的調查收集這些信息。

有關此流程的營銷示例，請查看 Google Analytics 的幫助中心，該公司從技術和分析角度披露了它如何衡量網站訪問、網站停留時間、回訪等。 您可以清楚地看到Google Analytics 跟踪代碼如何將抽象概念轉換為可量化的數字，然後生成您在登錄儀表板時看到的數字。

通常，在他們忙碌的日常工作中，營銷人員會看到這個最終指標——而不是幕後發生的事情。 但重要的是要準確地知道你在量化什麼，這樣你就可以避免基於不正確的假設或結論而採取錯誤的行動。

了解數據可能被誤解的方式

您可能已經了解到，當您使用數據集時，認真檢查您的數字很重要。 但你還沒有完成。 您需要檢查您的數字是如何產生的。 您的實驗設計可能存在缺陷。

此外，即使假設您的數據向您展示了您的想法，您仍然可能錯誤地解釋該數據。 以下是一些常見的罪魁禍首：

偏差：這個統計概念反映了抽樣的基本思想——你正在分析的群體應該代表你的整體人口。 在營銷環境中，由於多種原因可能會出現偏差。 例如，您的樣本中的人可能具有共同的特徵，而您並未嘗試跟踪或包含在當前分析中。 這是一個示例：您最終可能會概括所有客戶的購買行為，即使您的樣本中富裕人士的比例實際上高於您的平均客戶群。

混雜因素：您可能會專注於兩個變量的關係，而沒有意識到有一個隱藏的第三個變量在推動相關性。 例如，您可能會注意到您的銷售在暑假期間飆升，並得出結論認為假期是購買的最佳時間——但實際上，銷售受到天氣炎熱這一事實的影響。

邏輯謬誤：最有可能的是，您在小學或初中時就了解了這些（它們在您的營銷分析職業生涯中非常困擾您）。 以下是一些可能在您的數據分析中引起注意的常見問題：

• 生態謬誤：根據群體得出關於個人的結論。
• 黑白謬誤：假設兩種狀態是唯一的可能性，而實際上有更多的選擇。
• 知覺原因：假設某件事導致另一件事，但實際上沒有因果關係。 這種謬誤與“相關性不是因果關係”的說法有關，你可能在過去的統計學或科學課上聽到過這種說法。

說走就走

扮演魔鬼的擁護者往往說起來容易做起來難：您可能會發現自己不同意最高管理層，花費更多時間分析您的數據集，並為您擔心從裂縫中溜走的不為人知的故事而苦惱。 您可能面臨為季度報告或公關活動提取數據的壓力，或者您可能急於根據您在分析儀表板中閱讀的內容做出活動判斷。

儘管如此，堅持自己的立場並確保根據數據集的複雜性做出準確的預測是很重要的。 否則，您的預測、預測甚至結果測量可能會偏離基準。

為了幫助您入門，這裡有一些經常被錯誤解釋的指標。

你走之前

當您練習解釋和處理數據時，您將開始了解您的指標可能如何欺騙您。 如果您犯了錯誤，請從中吸取教訓。 請記住讓您的團隊了解情況——隨著公司優先事項的變化，更重要的 KPI 很可能也會發生變化。