Welke zin geeft uw huidige marketingstrategie het beste weer?



Datagestuurd ​ Data-geïnformeerd ​ Data-enabled ​



Als je je hoofd krabt (of met je ogen rolt), ben je niet de enige.

Door de recente toename van het aantal conversaties over data en de daaruit voortvloeiende divergentie, zijn menig marketeer verscheurd over welke aanpak ze met hun bedrijf zouden moeten volgen.

Maar in plaats van een kant te kiezen in de kwestie, zou ik beweren dat het minder om semantiek gaat en meer om waarom deze subtiele onderscheidingen worden gemaakt.

De belangrijkste klacht tegen de term 'datagestuurd' is dat het insinueert dat de data de baas is. De nieuwe beslisser. Het einde allemaal en wordt allemaal moderne marketing.

De meeste datawetenschappers zullen praten tot ze blauw in het gezicht zijn over hoe inzichten verkregen uit geavanceerde algoritmen veel beter zijn dan die van een menselijk vermoeden.



Cijfers zijn concreet. Ze kloppen. Ze zijn tastbaar.

Maar denk eens even aan het geval van de zelfrijdende auto.

De zelfrijdende auto wordt mogelijk gemaakt door geavanceerde GPS, navigatie en mapping, sensoren, lasers, camera's en computers.



In theorie zouden computers en andere geavanceerde technologieën veel beter moeten zijn in het verwerken van alle factoren en informatie die nodig zijn om veilig over wegen te navigeren.

Ze kunnen tenslotte zoveel meer informatie opnemen en verwerken dan het menselijk brein kan. Ze zijn ook beter in het herkennen en identificeren van ingewikkelde patronen, in dit geval verkeerspatronen.

Maar waar zelfrijdende auto's falen, is hun leegte van het unieke menselijke vermogen om context, intentie en nou ja, menselijkheid te interpreteren.

Hetzelfde kan gezegd worden over consumenten- of marktgegevens. Er is gewoon veel te veel nuance in menselijk gedrag om ooit volledig AI / datagedreven te zijn.

11 44 ​​betekenis

Begrijp me nu niet verkeerd.

Als iemand wiens rol bij het genereren van vraag veel face-time met cijfers vereist, ben ik hier niet om gegevens te belasteren of te verdisconteren als een noodzakelijke of effectieve marketingtool. Ik denk gewoon dat het belangrijk is voor het succes van andere organisaties, net als die van mijzelf, dat het gewoon dat - een hulpmiddel blijft.

Om de kracht van data echt te benutten, moet u eerst de beperkingen ervan herkennen en begrijpen:

Gegevens liegen niet, maar ze kunnen niet het hele verhaal vertellen

Albert Einstein zei ooit: 'Niet alles wat telt, kan worden geteld, en niet alles wat kan worden geteld, telt.'

Zoals gecompliceerde en ingewikkelde computers en machines, bieden ze ons voornamelijk zeer eenvoudige en duidelijke informatie - het wie / wat / wanneer. Hoewel we weten dat informatie buitengewoon nuttig is, zijn onze lessen beperkt zonder de aanvullende context van hoe en waarom.

Gegevens kunnen ons bijvoorbeeld vertellen hoeveel mensen een bericht leuk vonden of deelden, maar ze kunnen ons niet vertellen waarom. Met andere woorden, het kan ons kwantitatieve resultaten opleveren, maar geen kwalitatieve redenering.

Of denk er op deze manier over na: als iemand de uren analyseerde die u in een bepaalde week met collega's, vrienden en familie hebt doorgebracht, zouden gegevens erop wijzen dat uw collega's het belangrijkst voor u waren.

Waarschijnlijk niet het geval, maar een goed voorbeeld van hoe gegevens misleidend kunnen zijn zonder de juiste context.

Gegevens kunnen ook wijzen op een mogelijke relatie tussen verschillende factoren, maar kunnen dit niet bewijzen. Het is het bekende gezegde: 'correlatie impliceert geen oorzakelijk verband'.

wat betekent 33?

Gegevens kunnen bijvoorbeeld een verband laten zien tussen een maand met veel websiteverkeer en hoge inkomsten, maar dat betekent niet noodzakelijk dat de hogere inkomsten werden veroorzaakt door het toegenomen verkeer. Er kan een derde factor zijn geweest die van invloed was op beide getallen, of een andere indirecte variabele.

Alleen uw geoefende oog en ervaring zullen weten hoe u deze cijfers en statistieken voorzichtig moet benaderen en verder moet testen. Als u een verband in uw gegevens ontdekt, probeer dan dieper te graven om uw resultaten te repliceren en de ware oorzaak te isoleren, of segmenteer op verschillende manieren om te zien of er verschillende patronen naar voren komen.

Het kan ook nuttig zijn om kwalitatieve feedback te verzamelen via methoden zoals site- en e-mailenquêtes.

Gegevens zijn realistisch, maar kunnen geen risico's nemen

Enkele jaren geleden, 29 jaar oud Morgan Hermand-Waiche ging op zoek naar lingerie voor zijn vriendin voor haar verjaardag.

Toen hij eenmaal ontdekte hoe duur de meeste van zijn opties waren, besefte hij dat er een groot gat in de markt was voor een betaalbaar lingeriebedrijf en begon hij onmiddellijk een mogelijke onderneming te onderzoeken.

Het probleem? Data vertelde hem dat hij zo ver mogelijk weg moest blijven van de lingeriebusiness. Er was een duidelijke hoofdrolspeler in de branche die de markt domineerde, talloze toetredingsdrempels en talloze mislukte pogingen, waaronder verschillende grote merken.

Maar ondanks zijn bevindingen kon Hermand-Waiche niet negeren wat hem nog steeds dwong om deze onderneming na te streven: zijn gevoel. Er moest een markt komen voor betaalbare kwaliteitslingerie - ook al suggereerden de gegevens anders.

Hermand-Waiche is nu oprichter en CEO van Adore Me, een e-commerce lingeriebedrijf dat een revolutie teweegbrengt in de industrie. In slechts een paar jaar hij draaide zijn buikgevoel om in Inc. 500's # 2 snelst groeiende bedrijf in NYC en heeft ongeveer $ 11,5 miljoen opgehaald bij VC's en particuliere investeerders.

Gegevens kunnen ons alleen de huidige stand van zaken vertellen en op zijn best geïnformeerde voorspellingen doen.

Probeer meer kwalitatieve methoden te gebruiken, zoals het stellen van vragen / opiniepeilingen op uw sociale kanalen, sociaal luisteren of zelfs goede focusgroepen om eerlijkere, intieme feedback te krijgen over een idee dat u heeft.

En onthoud, soms betekent revolutie gewoon het negeren van de status quo en het nemen van een risico.

Gegevens kunnen informeren, maar kunnen het zich niet voorstellen

Herhaal na mij: Big data is niet het grote idee.

De gegevens kwamen niet met 'Doe het gewoon' of vertelden Apple om 'anders te denken'.

Het is maar al te gemakkelijk om verstrikt te raken in het onkruid van cijfers en statistieken, maar onthoud dat goede marketing gaat over het vertellen van een geweldig verhaal - en het vertellen van een geweldig verhaal betekent het begrijpen van menselijk gedrag, emoties en ervaringen.

We kunnen van alles leren over de acties van ons publiek uit gegevens. Maar het kan ons niet vertellen over hun motivaties, hun worstelingen, hun verlangens, enz. We hebben die unieke menselijke inzichten nodig om geweldige verhalen te vertellen en creatief te zijn.

Maar het is niet de fout van de gegevens.

Creativiteit is een kunst. Per definitie is 'kunst' de uitdrukking of toepassing van menselijke creatieve vaardigheid en verbeeldingskracht, waarbij werken worden geproduceerd die in de eerste plaats worden gewaardeerd om hun schoonheid of emotionele kracht. Sleutelwoorden zijn hier 'menselijk' en 'emotioneel'.

Voorbeeld: in 2016 probeerde de afdeling Computerwetenschappen van de Universiteit van Toronto les te geven aan een computer hoe je een lied schrijft ​

Onderzoekers gaven de machine meer dan 100 uur muziek terwijl een geavanceerd algoritme patronen in de beats, akkoorden en songteksten 'leerde'. En hoewel dat allemaal indrukwekkend hightech klinkt, was het resulterende 'nummer' enigszins een ramp - met vreemde, onzinnige teksten en een niet-inspirerende, robotachtige melodie.

Het blijkt dat data een behoorlijk waardeloze componist is.

Het goede nieuws is dat er een manier is waarop gegevens het soort menselijke, emotionele inzichten kunnen bieden dat geweldige creatievelingen inspireert. Maar in plaats van naar de cijfers te luisteren, moet je echt naar mensen luisteren.

De meest recente vorderingen in tools voor sociaal luisteren laat merken dingen over hun publiek ontdekken die anders maanden aan kwalitatieve interviews zouden vergen. Onderwerpaffiniteit is een goed voorbeeld van een luistervaardigheid die veel meer impact heeft dan de meeste mensen beseffen.

Stel je de deuren voor die open kunnen gaan als je ontdekt waar je publiek het nog meer over heeft op social media. Houden ze van een bepaald soort muziek? Of sport? Deze inzichten kunnen leiden tot nieuwe sponsormogelijkheden, productintegraties of zelfs een geheel nieuw doelgroepsegment.

Een ander goed voorbeeld van hoe sociaal luisteren geweldige creatieven kan inspireren, is door sentimentanalyse. Als u leert hoe uw publiek denkt over zoiets als recent nieuws of relevante onderwerpen, krijgt u de mogelijkheid om inhoud of campagnes te maken die bij hen zullen resoneren op een dieper, meer emotioneel resonant niveau.

Coca-Cola gebruikte sentimentanalyse om hun Coke Tweet Machine ​Met behulp van natuurlijke taalverwerking en locatie kon het merk de minst gelukkige stad van het land identificeren.

In overeenstemming met hun merkstrategie, 'kies geluk', brachten ze een cola-automaat naar de stad die het sentiment van het Twitter-profiel van elke gebruiker analyseerde.

De machine schonk toen alleen een blikje aan gebruikers met een positievere, blijere aanwezigheid op het platform.

14 spirituele betekenis

Het is verbazingwekkend hoe merken zo veel kunnen leren en creëren door simpelweg de sociale activiteit van mensen te analyseren. Probeer de volgende keer dat u op zoek bent naar creatieve inzichten, wat van uw eigen sociale luisterervaring.

Dus of u nu uw organisatie beschouwt als datagestuurd of datagestuurd is, het enige dat er echt toe doet, is dat u bij uw besluitvorming veel ruimte overlaat voor de mensheid. Omdat gegevens zonder mensen geen inzicht zijn, maar alleen cijfers.

Deel Het Met Je Vrienden: