Marketing heeft kwaliteitsgegevens nodig om gegevensgestuurd te zijn - Struggles & Solutions

Marketinggegevenskwaliteit en gegevensgestuurde marketing

Marketeers staan ​​onder extreme druk om datagedreven te zijn. Toch zul je marketeers niet zien praten over slechte datakwaliteit of twijfels hebben over het gebrek aan databeheer en data-eigendom binnen hun organisaties. In plaats daarvan streven ze ernaar om datagedreven te zijn met slechte data. Tragische ironie! 

Voor de meeste marketeers worden problemen zoals onvolledige gegevens, typefouten en duplicaten niet eens als een probleem herkend. Ze zouden uren besteden aan het herstellen van fouten in Excel, of ze zouden onderzoek doen naar plug-ins om gegevensbronnen te verbinden en workflows te verbeteren, maar ze zijn zich er niet van bewust dat dit problemen met de gegevenskwaliteit zijn die een rimpeleffect hebben in de hele organisatie, wat resulteert in miljoenen verloren geld. 

Hoe datakwaliteit het bedrijfsproces beïnvloedt

Marketeers worden tegenwoordig zo overspoeld met statistieken, trends, rapporten en analyses dat ze gewoon geen tijd hebben om nauwgezet te zijn met uitdagingen op het gebied van gegevenskwaliteit. Maar dat is het probleem. Als marketeers om te beginnen al niet over nauwkeurige gegevens beschikken, hoe zouden ze dan in vredesnaam effectieve campagnes kunnen maken? 

Ik heb contact gezocht met verschillende marketeers toen ik dit stuk begon te schrijven. Ik had het geluk om te hebben Axel Lavergne, Mede-oprichter van ReviewFlowz om zijn ervaring met slechte gegevens te delen. 

Hier zijn zijn inzichtelijke antwoorden op mijn vragen. 

  1. Wat waren uw aanvankelijke problemen met gegevenskwaliteit toen u uw product aan het bouwen was? Ik was bezig met het opzetten van een engine voor het genereren van beoordelingen en had een paar haken nodig om beoordelingsverzoeken naar tevreden klanten te sturen op een moment dat ze waarschijnlijk een positieve beoordeling zouden achterlaten. 

    Om dit mogelijk te maken heeft het team een ​​Net Promoter Score (NPS) enquête die 30 dagen na aanmelding zou worden verzonden. Telkens wanneer een klant een positieve NPS achterliet, aanvankelijk 9 en 10, later uitgebreid tot 8, 9 en 10, zou hij worden uitgenodigd om een ​​recensie achter te laten en in ruil daarvoor een cadeaubon van $ 10 krijgen. De grootste uitdaging hierbij was dat het NPS-segment op het marketingautomatiseringsplatform was opgezet, terwijl de data in de NPS-tool zat. Losgekoppelde gegevensbronnen en inconsistente gegevens tussen tools werden een knelpunt dat het gebruik van extra tools en workflows vereiste.

    Terwijl het team verschillende logische stromen en integratiepunten ging integreren, kregen ze te maken met het handhaven van de consistentie met legacy-gegevens. Product evolueert, wat betekent dat productgegevens voortdurend veranderen, waardoor bedrijven in de loop van de tijd een consistent schema voor rapportagegegevens moeten bijhouden.

  2. Welke stappen heeft u ondernomen om het probleem op te lossen? Er was veel samenwerking met het datateam nodig om de juiste data-engineering rond het integratie-aspect op te bouwen. Klinkt misschien vrij eenvoudig, maar met veel verschillende integraties en veel updates die worden verzonden, inclusief updates die de aanmeldingsstroom beïnvloeden, moesten we een heleboel verschillende logische stromen bouwen op basis van gebeurtenissen, statische gegevens, enz.
  3. Heeft uw marketingafdeling inspraak gehad bij het oplossen van deze uitdagingen? Het is een lastige zaak. Als je met een heel specifiek probleem naar het datateam gaat, denk je misschien dat het een gemakkelijke oplossing is en duurt slechts 1 uur om te repareren maar het gaat vaak om een ​​heleboel veranderingen waarvan je je niet bewust bent. In mijn specifieke geval met betrekking tot plug-ins, was de belangrijkste bron van problemen het onderhouden van consistente gegevens met verouderde gegevens. Producten evolueren en het is erg moeilijk om in de loop van de tijd een consistent schema voor rapportagegegevens te behouden.

    Dus ja, zeker een stem in termen van de behoeften, maar als het gaat om het implementeren van de updates enz., kun je echt geen goed data-engineeringteam uitdagen dat weet dat ze met veel veranderingen te maken krijgen om het te laten gebeuren, en om de gegevens te "beschermen" tegen toekomstige updates.

  4. Waarom praten marketeers niet over? gegevensbeheer of datakwaliteit, ook al proberen ze datagedreven te zijn? Ik denk dat het echt een kwestie is van het niet beseffen van het probleem. De meeste marketeers met wie ik heb gesproken, onderschatten de uitdagingen op het gebied van gegevensverzameling en kijken in feite naar KPI's die al jaren bestaan ​​zonder ze ooit in twijfel te trekken. Maar wat u een aanmelding, een lead of zelfs een unieke bezoeker noemt, verandert enorm, afhankelijk van uw trackingconfiguratie en van uw product.

    Heel eenvoudig voorbeeld: u had geen e-mailvalidatie en uw productteam voegt deze toe. Wat is een aanmelding dan? Voor of na validatie? Ik zal niet eens ingaan op alle subtiliteiten van webtracking.

    Ik denk dat het ook veel te maken heeft met attributie en de manier waarop marketingteams zijn opgebouwd. De meeste marketeers zijn verantwoordelijk voor een kanaal of een subset van kanalen, en als je optelt wat elk lid van een team aan hun kanaal toeschrijft, kom je meestal uit op ongeveer 150% of 200% van de toeschrijving. Klinkt onredelijk als je het zo stelt, en daarom doet niemand dat. Het andere aspect is waarschijnlijk dat het verzamelen van gegevens vaak neerkomt op zeer technische problemen, en de meeste marketeers zijn er niet echt bekend mee. Uiteindelijk kunt u uw tijd niet besteden aan het herstellen van gegevens en het zoeken naar pixel-perfecte informatie, omdat u het gewoon niet krijgt.

  5. Welke praktische/onmiddellijke stappen denkt u dat marketeers kunnen nemen om de kwaliteit van hun klantgegevens te verbeteren?Verplaats jezelf in de schoenen van een gebruiker en test al je trechters. Vraag uzelf bij elke stap af wat voor soort gebeurtenis of conversieactie u activeert. Je zult waarschijnlijk erg verrast zijn over wat er echt gebeurt. Begrijpen wat een getal in het echte leven betekent, voor een klant, lead of bezoeker, is absoluut essentieel voor het begrijpen van uw gegevens.

Marketing heeft het diepste begrip van de klant en heeft toch moeite om hun problemen met de gegevenskwaliteit op orde te krijgen

Marketing vormt het hart van elke organisatie. Het is de afdeling die het woord over het product verspreidt. Het is de afdeling die de brug vormt tussen de klant en de business. De afdeling die eerlijk gezegd de show runt.

Toch worstelen ze ook het meest met toegang tot kwaliteitsgegevens. Erger nog, zoals Axel al zei, realiseren ze zich waarschijnlijk niet eens wat slechte gegevens betekenen en waar ze mee te maken hebben! Hier zijn enkele statistieken verkregen uit het DOMO-rapport, De nieuwe MO . van marketing, om dingen in perspectief te plaatsen:

  • 46% van de marketeers zegt dat het enorme aantal datakanalen en bronnen het moeilijker heeft gemaakt om voor de lange termijn te plannen.
  • 30% senior marketeers vinden dat de CTO en IT-afdeling de verantwoordelijkheid moeten nemen voor het bezit van gegevens. Bedrijven zijn nog steeds bezig met het uitzoeken van het eigendom van gegevens!
  • 17.5% is van mening dat er een gebrek is aan systemen die gegevens verzamelen en transparantie bieden voor het hele team.

Deze cijfers geven aan dat het tijd is voor marketing om gegevens te bezitten en om vraag te genereren om het echt gegevensgestuurd te maken.

Wat kunnen marketeers doen om uitdagingen op het gebied van gegevenskwaliteit te begrijpen, te identificeren en aan te pakken?

Ondanks dat data de ruggengraat vormen voor zakelijke besluitvorming, worstelen veel bedrijven nog steeds met het verbeteren van hun datamanagementraamwerk om kwaliteitsproblemen aan te pakken. 

In een rapport van Marketingevolutie, meer dan een kwart van de 82% bedrijven in het onderzoek werden gekwetst door ondermaatse gegevens. Marketeers kunnen het zich niet langer veroorloven om overwegingen met betrekking tot gegevenskwaliteit onder het tapijt te vegen, en ze kunnen het zich ook niet veroorloven om niet op de hoogte te zijn van deze uitdagingen. Dus wat kunnen marketeers echt doen om deze uitdagingen aan te gaan? Hier zijn vijf best practices om mee aan de slag te gaan.

Beste praktijk 1: Leer meer over problemen met gegevenskwaliteit

Een marketeer moet net zo op de hoogte zijn van problemen met de datakwaliteit als zijn IT-collega. U moet veelvoorkomende problemen kennen die worden toegeschreven aan datasets, waaronder, maar niet beperkt tot:

  • Typefouten, spelfouten, naamfouten, fouten bij het opnemen van gegevens
  • Problemen met naamgevingsconventies en het ontbreken van standaarden zoals telefoonnummers zonder landcodes of het gebruik van verschillende datumnotaties
  • Onvolledige details zoals ontbrekende e-mailadressen, achternamen of kritieke informatie die nodig is voor effectieve campagnes
  • Onnauwkeurige informatie zoals onjuiste namen, onjuiste nummers, e-mails enz.
  • Verschillende gegevensbronnen waar u informatie van dezelfde persoon vastlegt, maar ze zijn opgeslagen op verschillende platforms of tools waardoor u geen geconsolideerd overzicht krijgt
  • Dubbele gegevens waarbij die informatie per ongeluk wordt herhaald in dezelfde gegevensbron of in een andere gegevensbron

Zo zien slechte gegevens eruit in een gegevensbron:

slechte gegevensproblemen marketing

Door uzelf vertrouwd te maken met termen als gegevenskwaliteit, gegevensbeheer en gegevensbeheer kunt u een heel eind komen bij het identificeren van fouten in uw klantrelatiebeheer (CRM) platform, en door dat stuk, zodat u actie kunt ondernemen als dat nodig is.

Best Practice 2: Geef altijd prioriteit aan kwaliteitsgegevens

Ik ben daar geweest, heb dat gedaan. Het is verleidelijk om slechte gegevens te negeren, want als je echt diep zou graven, zou slechts 20% van je gegevens daadwerkelijk bruikbaar zijn. Meer dan 80% van de gegevens wordt verspild. Geef altijd prioriteit aan kwaliteit boven kwantiteit! U kunt dat doen door uw methoden voor het verzamelen van gegevens te optimaliseren. Als u bijvoorbeeld gegevens opslaat van een webformulier, zorg er dan voor dat u alleen gegevens verzamelt die nodig zijn en beperk de noodzaak voor de gebruiker om de informatie handmatig in te voeren. Hoe meer een persoon informatie moet 'typen', hoe groter de kans dat hij onvolledige of onnauwkeurige gegevens instuurt.

Best Practice 3: Maak gebruik van de juiste technologie voor gegevenskwaliteit

U hoeft geen miljoen dollar uit te geven om uw gegevenskwaliteit te verbeteren. Er zijn tientallen tools en platforms die u kunnen helpen uw gegevens op orde te krijgen zonder gedoe. Dingen waarmee deze tools u kunnen helpen, zijn onder meer:

  • Gegevensprofilering: Helpt u bij het identificeren van verschillende fouten in uw dataset, zoals ontbrekende velden, dubbele invoer, spelfouten enz.
  • Data-opschoning: Helpt u bij het opschonen van uw gegevens door een snellere transformatie van slechte naar geoptimaliseerde gegevens mogelijk te maken.
  • Gegevens overeenkomend: Helpt bij het matchen van datasets in verschillende databronnen en het koppelen/samenvoegen van de data uit deze bronnen. U kunt data match bijvoorbeeld gebruiken om zowel online als offline gegevensbronnen met elkaar te verbinden.

Dankzij datakwaliteitstechnologie kunt u zich concentreren op wat belangrijk is door het overtollige werk uit handen te nemen. U hoeft zich geen zorgen te maken dat u tijd verspilt aan het corrigeren van uw gegevens in Excel of in het CRM voordat u een campagne start. Met de integratie van een tool voor gegevenskwaliteit heeft u vóór elke campagne toegang tot kwaliteitsgegevens.

Best Practice 4: Betrek het hoger management 

Besluitvormers in uw organisatie zijn zich misschien niet bewust van het probleem, of zelfs als ze dat wel zijn, gaan ze er nog steeds vanuit dat het een IT-probleem is en geen marketingprobleem. Dit is waar u moet ingrijpen om een ​​oplossing voor te stellen. Slechte gegevens in het CRM? Slechte gegevens uit enquêtes? Slechte klantgegevens? Dit zijn allemaal marketingkwesties en hebben niets te maken met IT-teams! Maar tenzij een marketeer optreedt om het probleem op te lossen, kunnen organisaties niets doen aan problemen met de gegevenskwaliteit. 

Best Practice 5: Identificeer problemen op bronniveau 

Soms worden slechte gegevensproblemen veroorzaakt door een inefficiënt proces. Hoewel u gegevens aan de oppervlakte kunt opschonen, krijgt u bij herhaling dezelfde kwaliteitsproblemen, tenzij u de oorzaak van het probleem niet identificeert. 

Als u bijvoorbeeld leadgegevens van een bestemmingspagina verzamelt en u merkt dat 80% van de gegevens een probleem heeft met het invoeren van telefoonnummers, kunt u controles voor gegevensinvoer implementeren (zoals het plaatsen van een verplicht veld voor de stadscode) om ervoor te zorgen dat u' nauwkeurige gegevens krijgt. 

De hoofdoorzaak van de meeste dataproblemen is relatief eenvoudig op te lossen. U hoeft alleen maar de tijd te nemen om dieper te graven en het kernprobleem te identificeren en extra moeite te doen om het probleem op te lossen! 

Gegevens vormen de ruggengraat van marketingactiviteiten

Gegevens vormen de ruggengraat van marketingactiviteiten, maar als deze gegevens niet nauwkeurig, volledig of betrouwbaar zijn, verliest u geld aan kostbare fouten. Datakwaliteit beperkt zich niet meer tot de IT-afdeling. Marketeers zijn eigenaar van klantdata en moeten daarom de juiste processen en technologie kunnen implementeren om hun datagedreven doelen te bereiken.

Wat denk je?

Deze site gebruikt Akismet om spam te verminderen. Ontdek hoe uw reactiegegevens worden verwerkt.