Nilalaman
Ang sinumang nagtatrabaho sa mga digital medium ay laging may ilang uri ng pagka-akit sa mga sukatan. Ang isa sa mga pangunahing haligi ng pagpapanatili para sa pag-usbong ng panahon ng digital ay ang kakayahang masukat at makakuha ng data sa isang pare-pareho at napapanahong paraan na hindi pinapayagan ng ibang medium. Pinapayagan nito ang patuloy na pag-optimize ng kampanya at, syempre, pagsusuri sa return on investment (ROI). Walang bago sa isinulat ko lamang - karaniwang sinasabi ko ang halata.
Dahil ang mga sukatan ay nagsimula sa isang maagang yugto sa mga tuntunin ng pang-unawa ng halaga, ang karamihan sa mga kumpanya ay nag-iimbak ng data upang makuha ang maximum na dami ng impormasyong posible mula sa kanilang mga kampanya - maging ito ay data ng deklarasyon o pag-uugali. Ang bawat pag-input ng consumer o pakikipag-ugnay sa mga tatak ay maingat na nakaimbak sa malawak na mga database na pagkatapos ay makakagawa ng mga output, kung aling mga tatak ang maaaring magamit upang ma-optimize ang kanilang mga pagsisikap sa komunikasyon o marketing. Ito ang pangunahing prinsipyo na nagmula sa kung ano ang napag-isipang ngayon bilang Big Data.
Ang Big Data ay isinilang sa patuloy na pangangalap ng data na ang mga kumpanya tulad ng Google ay umunlad ang kanilang negosyo. Napakalaking impormasyon na hindi maaaring maproseso ng tradisyonal na mga handler ng data o software. Samakatuwid nangangailangan sila ng nakatuon na mga server at tiyak na mga mekanismo upang makuha ang ilang mga kaugnay na impormasyon na maaaring gumana ang mga tatak. Tulad ng digital na umuusbong nang higit pa sa isang mindset at mas kaunti bilang isang nakahiwalay na daluyan, mas nasasaksihan natin ang takbo sa pag-iimbak ng data.Maging sa pamamagitan ng mga mobile device tulad ng mga smartphone o tablet, maging sa pamamagitan ng mga desktop at laptop, o kahit na sa pamamagitan ng umuusbong na nakakonektang TV na teknolohiya, ang katotohanan ay ang bawat galaw na ginagawa ng mamimili ay sinusubaybayan at nakaimbak upang maitayo ng mga tatak ang kanilang marketing sa relasyon mga diskarte sa mas mabisang paraan.
Ito ay kamangha-manghang prinsipyo - ngunit ang totoo ang karamihan sa mga tatak ay hindi gumagamit ng maayos ang kanilang data ng consumer. Sa teorya, ang pagkakaroon ng lahat ng data na ito ay dapat magbigay ng kinakailangang impormasyon upang maihatid ang tunay na adaptive advertising at makisali sa mga mamimili sa isang ganap na bagong antas. Ngunit tulad ng ipinapakita ng mga pag-aaral hindi lamang ang mga tatak na hindi gumagamit ng maayos ang kanilang data, hindi nila matukoy, sa sandaling ito, ang mga mekanismo upang gawin itong isang cross-cultural tool sa kumpanya.
Kadalasan ito ang punto kung saan dapat kang kumuha ng dalawa o tatlong mga hakbang pabalik upang makakuha ng pananaw sa paksang ito. Ang orihinal na teorya sa likod ng koleksyon ng data ay ang pagsagot sa mga katanungan. Ano ang nais makita ng aking mamimili? Ano ang orihinal na layunin sa likod ng pagkuha ng kanyang email at kita? Bakit sinusuri namin kung anong uri ng impluwensya siya sa kanyang network? Ano ang layunin ng pagkilala sa kanyang mga paboritong video at channel sa YouTube? Ang pangunahing papel ng data ay upang sagutin ang mga katanungan na tinukoy nang orihinal ng mga layuning itinatag namin para sa isang naibigay na gawain.
Habang nagbabago ang data at naging mas madali ang pagtitipon nito, gayon din ang tukso para sa paglikha ng maraming walang silbi (sa antas ng massification) na data na magpapakita lamang ng mga tatak mula sa kanilang mga hangarin. Ang mga layuning ito at / o mga layunin ay nagiging isang post-kampanya / gawain ng pagkilos, sa halip na mga panimulang punto. Ang data ay nagbago sa digital, na nangangahulugang ang parehong pagkakawatak-watak na sinimulan ng mga saksi na kumilos at kumilos, tungkol sa iba't ibang mga touch point, ay dapat gamitin sa parehong paraan kapag nauugnay sa analytics. Nangangahulugan ito na dapat mong tukuyin ang layunin ng data na iyong kinokolekta upang magsimula at hindi pag-aralan ang lahat para lamang sa pag-aaral.
Ang ehersisyo ay medyo simple - mayroon kang tatlong mga antas ng pagtukoy ng mga layunin ng data na magkakasamang naglalaro:
Data na nakatuon sa kampanya
Karaniwang ginagamit upang suriin ang mga partikular na layunin ng kampanya. Bilang isang pangunahing halimbawa, kung naglalayon ka sa kamalayan, sukatin ang mga pagbisita. Kung nais mong suriin ang kaugnayan ng nilalaman, sukatin ang mga view ng pahina bawat pagbisita. Kung sinusuri mo ang abot ng nilalaman, suriin ang mga pagbabahagi at pagbanggit. Katapatan, suriin ang pakikipag-ugnayan ng tatak sa mga tool sa lipunan (tala - mga tool, hindi kinakailangang mga website). Suriin ang trapiko ng consumer mula at labas ng naka-target na daluyan, maging ito ang pahina sa Facebook, ang channel sa YouTube o ang website. Lumikha ng mga link na may mga offline na puntos ng ugnayan na tinitiyak kung saan nagmumula o pupunta ang mamimili upang suriin ang katamtamang kahusayan. Tukuyin nang eksakto kung ano ang iyong mga layunin at suriin ang mga sukatan na nauugnay sa kanila, upang hindi ka malito sa data na hindi sumasagot sa iyong mga katanungan.
Data na nakatuon sa relasyon
Ang pinakamahirap na tukuyin at magsimula sa. Ito ang data na karaniwang nauugnay sa pagkilala sa mga pattern ng pag-uugali ng consumer na karaniwang ginagamit sa mga platform ng CRM. Nangangahulugan ito ng pagtukoy kung ano ang mga landas ng consumer na nais mong subaybayan, ano ang pangmatagalang layunin ng relasyon at kalidad nito sa maraming mga touch point, ano ang rate ng pakikipag-ugnayan ng consumer sa tatak sa maraming mga kampanya na binuo at, higit sa lahat, ano ang mga pakikipag-ugnayan na nakuha sa mamimili sa labas ng mga sandali ng tatak.
Data na nakatuon sa channel
Ihiwalay kung ano ang inaasahan sa pag-uugali mula sa consumer sa isang naibigay na channel. Dito maaari kang magkaroon ng dalawang mga baitang:
- Sa mga tuntunin ng hinihimok ng aparato, kung susuriin mo ang mobile data, isaalang-alang na ang input na inaasahan mula sa consumer ay hindi katulad ng sa isang desktop environment. Ang data ng mobile ay nagmula sa isang mas direkta, pangunahing salpok kaysa sa isang napagnilay, naisip na pag-uugali na nabuo sa isang nakahiwalay na daluyan tulad ng desktop o laptop computer. Gayundin, ang inaasahang karanasan ng kapaligiran sa mobile ay karaniwang nauugnay sa pagdaragdag ng isang offline na karanasan o paglahok sa ganap na magkakaibang mga paraan. Tiyak na naiiba mula sa mas maraming impormasyon at malawak na diskarte na hatid sa iyo ng karanasan sa desktop.
- Sa mga tuntunin ng konteksto, dapat mo ring ilapat ito sa isang social media environment kumpara sa isang website na pagmamay-ari ng tatak. Kung isinasaalang-alang mo ang kaugnayan ng iyong mensahe sa Twitter, marahil maaari mong suriin ang mga follow-through na lead sa iyong iba pang mga medium, ngunit manatili sa mga layunin na unang natukoy mo para sa iyong kampanya sa Twitter - pinapalaki ba nito ang iyong tagasubaybay? Nakikipag-ugnay ba sa tamang mga consumer, samakatuwid nakakakuha ng isang tiyak na porsyento ng mga tagasunod o retweet na umaangkop sa isang tukoy na pangkat ng edad o profile ng influencer? Piliin nang eksakto kung ano ang iyong layunin sa bawat aparato at sundin ang mga sukatan na nagbibigay sa iyo ng sagot para dito.
Ang artikulong ito ay maaaring humantong sa iyo sa ilang pagkabigo, dahil marahil ay umaasa ka ng isang detalyadong diskarte sa kung aling mga sukatan ang nauugnay para sa bawat layunin at alin ang hindi. Sapat na materyal iyon upang magsulat ng isang libro. Ang aking hangarin ay tulungan lamang kaming magkaroon ng kamalayan na ang Big Data ay may kaugnayan din bilang sagot na ibinibigay nito. Ipunin kung ano ang may kaugnayan at tukuyin ang tamang mga query upang makuha kung ano talaga ang kailangan mo mula rito. Tulad ng digital na pag-unlad, sa gayon ay ang interpretasyon ng impormasyon na maaari mong makuha mula dito - pati na rin ang paghihiwalay at kadalisayan ng parehong data. Gumawa ng mga tamang katanungan upang magsimula at tukuyin ang iyong mga sukatan. Sa pagtatapos ng araw, ang data na iyon ay magiging mas kapaki-pakinabang kaysa sa napakalaking database na iyong nakolekta para sa mga edad kung saan wala kang tamang dalubhasa upang ibahin ito sa isang inteligence na idinagdag sa halaga ng negosyo.
Tandaan, hindi ito tungkol sa kung gaano karaming data ang iyong nakalap, ito ang maaari mong makamit kasama nito.
