Hvilken sætning repræsenterer bedst nøjagtigt din nuværende marketingstrategi?

Datadrevet . Datainformeret . Data-aktiveret ?

Hvis du skraber i hovedet (eller ruller i øjnene), er du ikke alene.



Den nylige uptick i samtaler omkring data og den deraf følgende divergens har efterladt mange en marketingmedarbejder revet over, hvilken tilgang de skal tage med deres forretning.

Men i stedet for at tage en side i sagen, vil jeg hævde, at det handler mindre om semantik og mere om, hvorfor disse subtile skelne gøres.

Den største klage over udtrykket 'datadrevet' er, at det antyder, at dataene er ansvarlige. Den nye beslutningstager. Slutningen alle og være hele moderne markedsføring.

De fleste dataforskere vil tale, indtil de er blå i ansigtet om, hvordan indsigt hentet fra sofistikerede algoritmer er langt bedre end en menneskelig fornemmelse.

Tal er konkrete. De er nøjagtige. De er håndgribelige.

Men overvej et øjeblik tilfældet med den selvkørende bil.

Den selvkørende bil er muliggjort af avanceret GPS, navigation og kortlægning, sensorer, lasere, kameraer og computere.

I teorien skal computere og andre avancerede teknologier være langt bedre end at behandle alle de faktorer og oplysninger, der kræves for sikkert at navigere på veje.

Når alt kommer til alt er de i stand til at tage ind og behandle så meget mere information, end den menneskelige hjerne er i stand til. De er også bedre til at genkende og identificere komplicerede mønstre, i dette tilfælde trafikmønstre.

Men hvor selvkørende biler fejler, er deres tomrum af den enestående menneskelige evne til at fortolke kontekst, intention og vel, menneskelighed.

Det samme kan siges om forbruger- eller markedsdata. Der er simpelthen alt for meget nuance i menneskelig adfærd til, at vi nogensinde kan være fuldstændig AI / datadrevne.

Gør mig ikke forkert nu.

Som en person, hvis rolle i efterspørgselsgenerering kræver meget ansigts tid med tal, er jeg ikke her for at forkaste eller diskontere data som et nødvendigt eller effektivt marketingværktøj. Jeg synes bare, det er vigtigt for succesen for andre organisationer såvel som mine egne, at det forbliver simpelthen det - et værktøj.


hvordan man gør stryg op på instagram

For virkelig at udnytte datakraften skal du først genkende og forstå dens begrænsninger:

Data lyver ikke, men de kan ikke fortælle hele historien

Albert Einstein sagde engang: 'Ikke alt, der tæller, kan tælles, og ikke alt, der kan tælles, tæller.'

Som komplicerede og indviklede computere og maskiner er, tilbyder de os primært meget grundlæggende og ligetil information - hvem / hvad / hvornår. Selvom vi ved, at oplysninger er yderst nyttige, er vores læring begrænset uden den yderligere sammenhæng om, hvordan og hvorfor.

For eksempel kan data fortælle os, hvor mange der kunne lide eller delte et indlæg, men det kan ikke fortælle os hvorfor. Med andre ord kan det give os kvantitative resultater, men ikke kvalitative ræsonnementer.

Eller tænk over det på denne måde: Hvis nogen analyserede de timer, du har brugt sammen med kollegaer, venner og familie i en given uge, tyder data på, at dine kolleger var vigtigst for dig.

Sandsynligvis ikke tilfældet, men et godt eksempel på, hvordan data kan være vildledende uden den rette sammenhæng.

Data kan også pege på et potentielt forhold mellem forskellige faktorer, men det kan ikke bevise det. Det er det velkendte ordsprog, 'sammenhæng indebærer ikke årsagssammenhæng.'

For eksempel kan data vise en sammenhæng mellem en måned med høj websitetrafik og høj indtjening, men det betyder ikke nødvendigvis, at den øgede omsætning skyldtes den øgede trafik. Der kunne have været en tredje faktor, der påvirker begge disse tal eller en anden indirekte variabel.

Kun dit uddannede øje og erfaring ved, hvordan man nærmer sig disse tal og målinger med forsigtighed og foretager yderligere test. Hvis du opdager en sammenhæng i dine data, kan du prøve at grave dybere for enten at replikere dine resultater og isolere den sande årsag eller segmentere på forskellige måder for at se, om der opstår forskellige mønstre.

Det kan også være nyttigt at indsamle kvalitativ feedback fra metoder som websteds- og e-mail-undersøgelser.

Data er en realist, men det kan ikke tage risici

For flere år siden, 29-årig Morgan Hermand-Waiche satte sig for at købe sin kæresteundertøj til hendes fødselsdag.

Når han først opdagede, hvor dyre de fleste af hans muligheder var, indså han, at der var et alvorligt hul i markedet for et overkommeligt undertøjsfirma og begyndte straks at undersøge en mulig risikomulighed.

Problemet? Data fortalte ham at holde sig så langt væk fra lingerivirksomheden som muligt. Der var en klar industrispil, der dominerede markedet, utallige adgangsbarrierer og adskillige mislykkede forsøg inklusive flere store navnemærker.

Men på trods af hans fund kunne Hermand-Waiche ikke ignorere den ene ting, der stadig skubbede ham til at forfølge denne satsning: Hans tarm. Der skulle være et marked for overkommelig undertøj af høj kvalitet - selvom dataene antydede andet.

Hermand-Waiche er nu grundlægger og administrerende direktør for Adore Me, et e-handelsundertøjsfirma, der revolutionerer branchen. På bare få år han vendte tarmfølelsen 500's # 2 hurtigst voksende virksomhed i NYC og har samlet $ 11,5 millioner fra VC'er og private investorer.

Data kan kun fortælle os den aktuelle situation og i bedste fald foretage informerede forudsigelser.

Prøv at bruge mere kvalitative metoder som at stille spørgsmål / afstemninger på dine sociale kanaler, social lytning eller endda gode 'ol-fokusgrupper for at få mere ærlig, intim feedback på en idé, du måtte have.

Og husk, undertiden betyder revolution bare at ignorere status quo og tage en risiko.

Data kan informere, men det kan ikke forestille sig

Gentag efter mig: Big data er ikke den store idé.

Data kom ikke med 'Bare gør det' eller bad Apple om at 'tænke anderledes.'

Det er alt for let at blive fanget i ukrudtet af tal og statistikker, men husk at god markedsføring handler om at fortælle en god historie - og at fortælle en god historie betyder at forstå menneskelig adfærd, følelser og oplevelser.

Vi kan lære alle mulige ting om vores publikums handlinger ud fra data. Men det kan ikke fortælle os om deres motivationer, deres kampe, deres ønsker osv. Vi har brug for den unikke menneskelige indsigt for at fortælle gode historier og være kreative.

Men det er ikke datas fejl.


bedste tid på lørdag til at sende på instagram

Kreativitet er en kunst. Ved sin definition er 'kunst' udtryk eller anvendelse af menneskelig kreativ dygtighed og fantasi, der producerer værker, der primært værdsættes for deres skønhed eller følelsesmæssige magt. Nøgleord her er 'menneskelige' og 'følelsesmæssige.'

Eksempel: I 2016 forsøgte University of Toronto Computer Science Department at undervise i en computer hvordan man skriver en sang .

Forskere fodrede maskinen over 100 timers musik, mens en sofistikeret algoritme 'lærte' mønstre i beats, akkorder og tekster. Og mens alt det lyder imponerende højteknologisk, var den resulterende 'sang' noget af en katastrofe - med mærkelige, meningsløse tekster og en uinspirerende, robotmelodi.

Det viser sig, at data er en temmelig skør komponist.

Den gode nyhed er, at der er en måde, hvorpå data kan give den type menneskelige, følelsesmæssige indsigter, der inspirerer til stor kreativitet. Men i stedet for at lytte til numrene, skal du faktisk lytte til folk.

De seneste fremskridt i sociale lytteværktøjer tillad mærker at opdage ting om deres publikum, der ellers kan tage flere måneders kvalitative interviews. Emneaffinitet er et godt eksempel på en lyttefunktion, der er meget mere indflydelsesrig, end de fleste mennesker indser.

Forestil dig de døre, der kan åbnes, når du finder ud af, hvad dit publikum ellers taler om på det sociale. Elsker de en bestemt slags musik? Eller sport? Disse indsigter kan føre til nye sponsormuligheder, produktintegrationer eller endda et helt nyt publikumsegment.

Et andet godt eksempel på, hvordan social lytning kan inspirere til stor kreativitet, er gennem sentimentanalyse. At lære, hvordan dit publikum føler om noget som de seneste nyheder eller relevante emner, giver dig mulighed for at oprette indhold eller kampagner, der vil genlyd med dem på et dybere, mere følelsesmæssigt resonansniveau.

Coca-Cola brugte sentimentanalyse til at skabe deres Koks Tweet maskine . Ved hjælp af naturlig sprogbehandling og placering kunne mærket identificere den mindst glade by i landet.

I overensstemmelse med deres brandstrategi 'vælg lykke' bragte de en cola-automat til byen, der analyserede stemningen for hver brugers Twitter-profil.

Maskinen udleverede derefter kun en dåse til brugere med en mere positiv, glad tilstedeværelse på platformen.

Det er forbløffende, hvordan mærker kan lære og skabe så meget blot ved at analysere folks aktivitet på det sociale. Prøv at lytte til din egen sociale lytning, næste gang du leder efter kreativ indsigt.

Så uanset om du anser din organisation for at være datainformeret eller datadrevet, er alt, hvad der virkelig betyder noget, at du giver masser af plads til menneskeheden i din beslutningstagning. Fordi data uden mennesker ikke er indsigt - det er bare tal.