در جلسه اخیر کنفرانس MarTech ما، “Tango به دو نفر نیاز دارد: چگونه بازاریاب‌ها و تحلیلگران داده‌ها می‌توانند با هم برتر باشند.» من و آرتی مونشی در مورد برخی از مفاهیم سطح بالایی که بازاریابان می‌توانند درک کنند صحبت کردیم تا به آنها کمک کند تا با تحلیلگران داده کار کنند. بخش کلیدی این امر درک محدودیت های داده است. یکی از این محدودیت‌ها، تکامل یک پشته martech است.
انواع مختلف تکامل می‌توانند مانع انجام کارهایی که یک تحلیلگر داده با داده‌های جمع‌آوری‌شده در طول زمان می‌تواند انجام دهد، شود. در اینجا چند نمونه وجود دارد.
سکوهای تجزیه و تحلیل
برای یک شرکت بی سابقه نیست که سکوهای تحلیلی در پشته آن. گزینه های متعددی برای هر نوع مؤلفه و دلایل زیادی وجود دارد که چرا یک شرکت ممکن است اجزای مورد استفاده خود را تغییر دهد.
یک مثال رایج یک پلت فرم تجزیه و تحلیل وب است. دو بازیگر اصلی در این فضا Adobe Analytics و Google Analytics هستند. اگر شرکت شما یکی را با دیگری عوض کند، این می تواند داده های وب تاریخی شرکت شما را محدود کند. مسلماً، شرکت شما ممکن است داده‌های هر دو سیستم را در یک دریاچه داده ذخیره کرده باشد، اما این بدان معنا نیست که پلتفرم‌ها داده‌ها را به طور مشابه جمع‌آوری و سازماندهی کرده‌اند. این امر باعث می‌شود که تحلیلگر به سختی توضیح دهد. اگر یک بازاریاب بتواند این تاریخچه را درک کند، می تواند این تکامل را در درخواست ها و انتظارات خود بگنجاند.
فراموش نکنید که سایر اجزای پشته نیز می‌توانند بر جمع‌آوری و پردازش داده‌ها تأثیر بگذارند. /a>. تغییر آنها مشکلات مشابهی را ایجاد می‌کند.
سازمان وسیع‌تر
بخش های بازاریابی به تنهایی نمی ایستند. آنها برای ترویج یک سازمان گسترده تر وجود دارند. سازمان گسترده تر همچنین می تواند مسائلی را ارائه دهد که بر جمع آوری داده ها تأثیر می گذارد.
به عنوان مثال، یک شرکت ممکن است دریاچه داده ای نداشته باشد که داده های سیستم های سراسر سازمان در آن ذخیره می شود. داشتن داده‌ها در یک مکان می‌تواند ارائه داده‌های دیگر را برای چشم‌اندازی وسیع‌تر آسان‌تر کند. به عنوان مثال، سرنخ ها، تبدیل ها و فرصت ها تنها قطعات پازل نیستند. خوشحالی مشتری، تماس با نمایندگان خدمات مشتری و غیره، همه بخشی از تصویر بزرگتر هستند.
اگر تحلیلگران بتوانند فراتر از تعامل مشتری با کمپین‌های بازاریابی نگاه کنند، یافته‌های قوی‌تر و کامل‌تر ممکن است. با این حال، این بستگی به این دارد که در وهله اول جمع آوری همه آن داده ها چقدر آسان است.
کاوش عمیق‌تر: تفاوت بین انبار داده و دریاچه داده چیست؟
MarTech را دریافت کنید! روزانه. رایگان. در صندوق ورودی شما.
مقررات
این بر کسی پوشیده نیست که مقررات حریم خصوصی تکامل یافته اند. در گذشته، در اینجا در ایالات متحده برای مرورگرهای وب مجاز بود که اطلاعات زیادی در مورد بازدیدکنندگان وب سایت جمع آوری کنند. امکان به اشتراک گذاری یا فروش آن اطلاعات به طرف های دیگر – به ویژه با داده های شخص ثالث – بسیار بیشتر بود. به همین دلیل، تحلیلگران می توانند اطلاعات غنی تر و قوی تری ارائه دهند. مقررات فدرال و ایالتی جمع آوری این داده ها را محدود کرده اند، بنابراین دیگر اینطور نیست.
علاوه بر این، مقررات حفظ حریم خصوصی نیز در سراسر جهان متفاوت است. اتحادیه اروپا است به خاطر محافظت از حریم خصوصی شهروندانش – بسیار بیشتر از سایر نهادهای دولتی – شناخته شده است. این نباید هیچ بازاریاب را متعجب کند، اما تحلیلگران در مقایسه با ایالات متحده با داده های اتحادیه اروپا محدودتر هستند
کاوش عمیق‌تر: از آنجایی که حفاظت از حریم خصوصی اپل به درآمد آسیب می رساند، برخی از شرکت ها در حال یافتن راه حل هایی هستند
تأثیر سازنده دستگاه
شرکت‌های فناوری مطمئناً باید از مقررات پیروی کنند. با این حال، گاهی اوقات آنها به استانداردهای سختگیرانه تری نسبت به آنچه که بر آن اداره می شوند، پایبند هستند. برای مثال اپل شرکت های داده را محدود کرده در مورد کاربران دستگاه خود جمع آوری کند. این تمرکز حریم خصوصی را به یک کمپین بازاریابی گسترده تبدیل کرد. صرف نظر از اینکه چقدر این ادراک با واقعیت مطابقت دارد، بازاریابان باید توجه داشته باشند که ممکن است تحلیلگران داده های مشابهی برای کاربران اپل و اندروید نداشته باشند.
شناسایی خود مشتری
چسبیدن به دستگاه‌ها، این نکته یک محدودیت شناخته شده است. اکثر مردم از چندین دستگاه اعم از لپ تاپ، تلفن و کنسول استفاده می کنند. غیرمعمول نیست که شخصی چندین برابر از هر کدام را داشته باشد. به عنوان مثال، آنها چند کار شخصی خوش‌خیم (مانند بررسی اخبار) را روی لپ‌تاپ کاری خود انجام می‌دهند و بعداً این کار را با یک لپ‌تاپ و تلفن شخصی انجام می‌دهند. در حالت ایده‌آل، خوب است که آن فرد را در دستگاه‌هایش بخیه کنید تا داده‌ها به جای استفاده از چندین نفر از دستگاه‌های مختلف، او را به عنوان یک فرد نشان دهند.
یک راه برای انجام این کار این است که اولین- داده های حزب و افرادی را که از چندین دستگاه استفاده می کنند، جستجو کنید. شاید آنها یک حساب کاربری داشته باشند و از چندین دستگاه وارد سیستم شما شوند. این مطمئناً یکی از راه‌های انجام چنین دوختی است. با این حال، ممکن است یک سازمان همیشه حسابی برای ورود افراد نداشته باشد. در برخی موارد، باز کردن حساب کاربری در سیستم های یک سازمان ممکن است منطقی نباشد.
اگر سازمان شما توانسته است حساب‌هایی را برای ایجاد و استفاده از افراد معرفی کند، لطفاً به خاطر داشته باشید که نگاه کردن به زمان‌هایی که در دسترس نبود یا به طور گسترده مورد استفاده قرار می‌گرفت، مانع از توانایی تحلیلگران برای ردیابی افراد در دستگاه‌ها در طول زمان می‌شود.
محدودیت‌ها، نه غیرممکن‌ها
به عنوان بازاریاب، درک چنین محدودیت های داده ای ضروری است. درک آنها به تسهیل کار با تحلیلگران داده کمک می کند. با گفتن همه اینها، اینها محدودیت هستند – نه غیرممکن. این زمانی است که تحلیلگران داده می توانند بدرخشند. آنها به خوبی از محدودیت‌ها آگاه هستند، اما به‌عنوان متخصص داده، احتمالاً ترفندهای بسیار بیشتری نسبت به آنچه یک بازاریاب از آن آگاه است، در اختیار دارند. امیدواریم آمدن به میز با درک بالا از زمین، همکاری خلاقانه را تسهیل کند.
نظرات بیان شده در این مقاله نظرات نویسنده مهمان است و لزوماً MarTech نیست. نویسندگان کارکنان اینجا فهرست شده‌اند.
درباره نویسنده
استیو پترسن مدیر فناوری بازاریابی در Zuora است. او نزدیک به 8.5 سال را در دانشگاه وسترن گاورنرز گذراند و بسیاری از نقش‌های مرتبط با مارتک را برعهده داشت و آخرین آن مدیر فناوری بازاریابی بود. قبل از WGU، او به عنوان یک استراتژیست در فروشگاه دیجیتال واشنگتن دی سی The Brick Factory کار می کرد، جایی که از نزدیک با انجمن های تجاری، غیر انتفاعی، مارک های اصلی و کمپین های حمایتی کار می کرد. پترسن دارای مدرک کارشناسی ارشد مدیریت اطلاعات از دانشگاه مریلند و لیسانس هنر در روابط بین الملل از دانشگاه بریگام یانگ است. او همچنین دارای گواهینامه ScrumMaster است. پترسن در سالت لیک سیتی، منطقه UT زندگی می کند.
پترسن نمایانگر نظرات خودش است، نه کارفرمایان فعلی یا سابقش.
