SEO 보고 편향: 온라인 마케팅 데이터에 대한 객관적인 유지 방법

인간은 완벽한 사상가가 아니다. 우리는 스스로를 논리적이고 간단한 문제 해결사라고 상상하고 싶지만, 현실은 대부분의 경우 가장 객관적인 데이터에 대한 우리의 해석을 완전히 왜곡시키는 숨겨진 편견과 오해에 시달리고 있습니다. 데이터 세트를 보거나 자연 환경에서 무언가를 관찰할 때 우리는 구체적인 판단을 내린 다음 해당 항목과의 상호 작용을 형성합니다. 그리고 실용적인 관점에서 우리는 그것을 잘합니다. 인간의 두뇌는 생존 메커니즘으로 패턴을 쉽게 감지하도록 진화했습니다.

이 메커니즘은 과민하고 결함이 있어서 제가 넘어가려고 하는 많은 편향을 초래합니다. 일상생활에서는 큰 영향을 미치지 않을 수 있지만 마케팅과 광고의 영역에서는 객관적인 데이터가 중요합니다. 이러한 편견이 객관적인 데이터 세트에 대한 해석에 영향을 미치면 고객에게 잘못된 정보를 제공하거나 더 나쁜 방향으로 성장하도록 캠페인을 조정할 수 있습니다.

바이어스 보상이 중요한 이유

다행히도 편견의 노예가 될 필요는 없습니다. 뇌를 재프로그래밍하여 완전히 피할 수 있는 방법은 없지만 이러한 편견이 업무에 영향을 미치기 어렵게 만드는 전략이 있습니다. 일종의 장애 또는 조정 시스템이라고 생각하십시오. 예를 들어, 골프 코스에서 바람이 동쪽으로 불고 있다는 것을 알고 있다면 공이 실제로 가고자 하는 곳의 서쪽으로 샷을 정렬할 수 있습니다. 이것은 바람을 요인으로 제거하지는 않지만 약간의 조정만으로 필요한 결과를 얻는 데 도움이 됩니다. 그렇지 않으면 샷이 착지해야 하는 곳의 동쪽으로 멀리 날아가게 됩니다.

이 골프 비유에는 한 가지 큰 문제가 있습니다. 그것은 당신이 그것을 완료하면 당신의 샷이 코스에서 벗어났다는 것을 깨닫게 될 것이라는 사실입니다. 마케팅 영역에서 측정항목을 잘못 해석하면 이 사실을 결코 알 수 없습니다.

편견이 어떻게 당신의 마음을 망칠 수 있는지에 대한 효과적인 시연으로 이 착시를 살펴보십시오.

(이미지 출처: Nerdist)

측면 패널의 중앙 사각형을 상단 패널의 중앙 사각형과 비교합니다. 대부분의 사람들은 측면 사각형이 밝은 주황색으로 보이는 반면 상단 사각형은 둔한 갈색으로 보인다고 주장할 것입니다. 내가 여기서 글을 쓰는 것을 그만둔다면 많은 사람들이 그것을 계속 믿을 것입니다.

그러나 현실은 두 사각형이 정확히 같은 색이라는 것입니다. 뇌가 조명 조건에 대해 과도하게 보정하도록 속이는 주변의 색이 있는 사각형을 덮으면 이것이 사실임을 알 수 있습니다. 이 프로세스는 내가 말하는 일종의 "편향 수정"입니다. 그렇지 않으면 데이터를 잘못 해석하게 되지만 이를 사용하면 더 정확한 결론에 도달할 수 있습니다.

편향의 유형

이 가이드에서 다룰 두 가지 유형의 편향이 있지만 두 번째는 형식적인 정의에서 기술적으로 "편향"이 아닙니다. 둘 다 데이터를 보고 해석하는 방식에 큰 영향을 줄 수 있으므로 특정 캠페인에 대한 측정항목을 측정하거나 보고할 때마다 두 가지를 모두 고려해야 합니다.

• 인지 편향. 첫 번째 유형은 고전적인 인지 편향입니다. 이들은 대다수의 인구에 내재되어 있지만 개인과 시나리오에 따라 영향의 정도가 다릅니다. 이것을 뇌의 자연적, 그렇지 않으면 가치 있는 과정을 이용하는 상황으로 생각하십시오. 위의 색상 예에서 우리의 두뇌가 자연적으로 빛과 그림자의 존재를 설명할 수 있다는 것은 좋은 일입니다. 그러나 이는 왜곡된 인식을 초래합니다. 다음 예에도 동일하게 적용됩니다. 어느 줄이 더 짧습니까?

(이미지 출처: Brain Bashers)

편향의 하위 유형은 셀 수 없이 많으며 현대 마케터에게 가장 관련성이 높은 몇 가지를 살펴보겠습니다.

• 오해와 오해. 나는 또한 그것이 지표의 진정한 "의미"를 잘못 해석하게 만드는 일종의 편견이라고 생각합니다. 현대 기술 덕분에 우리는 불과 10년 전만 해도 가능하다고 생각했던 것보다 훨씬 더 많은 데이터에 액세스할 수 있습니다. 그렇다고 해서 모든 데이터 요소에 명확한 정의가 있거나 이해하기 쉽다는 의미는 아닙니다. 많은 유사한 측정항목이 유사한 이름을 공유하지만 캠페인에 대해 매우 뚜렷한 보기를 제공합니다. 유사하게, 팀원들 사이의 한 번의 잘못된 의사소통은 같은 아이디어에 대해 매우 다른 해석으로 이어질 수 있습니다.

(이미지 출처: 코넥신)

먼저 메트릭 해석에 영향을 줄 수 있는 가장 일반적인 인지 편향 몇 가지를 살펴보겠습니다.

인지 편향

이 목록은 포괄적이지 않습니다. 추론, 사회적 행동, 심지어 기억에 영향을 줄 수 있는 인지적 편향이 놀라울 정도로 많습니다. 그러나 나는 당신의 마음이 마케팅 결과를 찾고, 분석하고, 해석하는 방법에 영향을 미칠 수 있는 대부분의 편견을 포착했습니다. 각 하위 섹션에서 편향과 이를 보완하는 데 사용할 수 있는 세부 전략에 대해 설명합니다.

확증 편향

첫 번째는 가장 일반적으로 인식되는 인지 편향 중 하나인 확증 편향입니다. 이 현상은 개인이 일단 특정 신념에 정착하면 그 신념을 "확인"하도록 이끄는 정보를 추구 및/또는 선호하고 그 신념과 모순되는 정보를 피하거나 불이익을 줄 것이라고 주장합니다. 예를 들어 얼마 전 소셜 미디어에서 센세이션을 일으킨 이상한 드레스를 예로 들어 보겠습니다.

(이미지 출처: 링크드인)

중앙 사진은 원본이며, 양쪽에 있는 두 장의 사진은 조명과 필터가 다른 드레스를 보여줍니다. 가운데 사진은 금색과 흰색 또는 파란색과 검정색으로 설명하는 응답을 생성했습니다. 하나의 정의에 직면한 사용자는 사진의 시각적 정보가 모호하다는 것을 깨닫지 못한 채 드레스를 해당 색상으로 보는 경우가 많습니다.

마케팅 캠페인의 맥락에서 이것은 전략 중 하나에 대한 결론을 미리 형성했을 때 발생할 수 있습니다. 예를 들어, 많은 시간과 돈을 투자했기 때문에 새로운 콘텐츠 전략이 잘되고 있다고 가정할 수 있습니다. 그런 다음 이 가정을 확인하는 데이터 요소만 볼 수 있습니다. 더 많은 댓글을 받고 새로운 대화를 촉발한다고 가정해 보겠습니다. 그러나 낮은 유기적 트래픽 수치와 같은 모순된 데이터 포인트를 무시하거나 간과할 수 있습니다.

이를 보완하려면 전략을 구체화하기 전에 성공을 결정하기 위해 측정할 측정항목을 선택하십시오. 그런 다음 이 측정항목 집합과 일관성을 유지하고 수치가 본능과 모순되더라도 분석에서 가능한 한 객관적인 상태를 유지하십시오.

선택 편향

선택 편향은 일반적으로 편향되지 않고 효과적인 것으로 간주되기 위해 충분한 무작위 참가자 샘플에 의존하는 설문 조사로 분류됩니다. 선택 편향은 결과를 한 방향 또는 다른 방향으로 기울이는 참가자 풀로 이어지는 일부 부적절한 절차일 수 있습니다. 예를 들어, 국가 차원의 설문조사를 위해 아이다호에 있는 사람들만 인터뷰하는 경우 아이다호 거주자를 과도하게 대표하는 답변을 받게 됩니다.

마케팅 캠페인에 대한 설문조사(예: 청중의 콘텐츠 선호도에 대한 데이터 수집)를 수행하는 경우 여기에서 발생할 수 있는 영향이 분명합니다. 좁거나 편향된 참가자 풀을 선택하면 데이터는 본질적으로 신뢰할 수 없습니다. 그러나 이는 Google Analytics에서 가져올 수 있는 데이터에도 적용됩니다.

예를 들어 다른 섹션을 탐색하는 경우 "일반" 트래픽이 떠나기 전에 평균 3개의 내부 페이지를 방문한다는 것을 알 수 있습니다. 이를 통해 귀하의 사이트가 사람들을 더 깊이 유인하는 데 효과적이라는 결론을 내릴 수 있습니다. 하지만 소셜 트래픽은 어떻습니까? 소셜 방문자가 첫 페이지 이후에 자주 이탈한다면 블로그 게시물(또는 기타 소셜 링크)이 그 호기심을 자극하는 데 효과적이지 않다는 표시일 수 있습니다.

앵커링

앵커링 효과는 특정 이벤트(또는 이 경우 특정 메트릭)가 발생하기 전에 발생하는 모든 것과 관련이 있습니다. 우리의 마음은 비교를 위해 연결되어 있기 때문에 숫자 값을 들을 때마다 미래의 숫자 값을 즉시 비교합니다. 그 숫자가 완전히 관련이 없더라도 말입니다.

다음 만화를 예로 들어 보겠습니다.

(이미지 출처: Wealth Informatics)

두 참가자 모두 본질적으로 SSN의 마지막 숫자인 난수를 생성합니다. 동일한 와인 한 병에 대해 얼마로 평가할 것인지 물으면 일반적으로 숫자가 더 높은 사람이 더 높은 가치로 평가할 것입니다.

이는 측정항목 보고에서도 발생할 수 있습니다. 예를 들어, 최근에 마케팅 캠페인을 간단히 변경한 후 ROI가 300% 향상되었다고 자랑하는 기사를 읽었다고 가정해 보겠습니다. 자신의 트래픽에서 30%의 증가율을 발견하면 상당히 낮다고 생각할 수 있습니다. 반대로 누군가가 아주 낮은 전환율(예: 극히 일부)에 대해 불평하는 것을 듣는다면 그 30% 성장 수치가 꽤 좋아 보이기 시작할 수 있습니다.

불합리한 에스컬레이션

약속의 확대라고도 하는 비합리적인 확대는 측정항목을 보고하거나 해석하는 방법과 관련이 없고 거기에서 얻은 결론으로 ​​무엇을 하는지에 대한 편향입니다. 이러한 편견에서 개인은 과거에 관련된 약한 행동을 취했다면 강력한 행동을 취할 가능성이 더 큽니다.

대표적인 예가 1달러짜리 지폐가 그룹보다 먼저 경매되는 '달러 경매' 게임이다. 누구나 원하는 금액으로 달러를 입찰할 수 있습니다. 게임이 끝나면 승자는 입찰한 금액에 상관없이 1달러 지폐를 받지만 한 가지 반전이 있습니다. 2등을 한 사람은 대가로 달러를 받지 않고 경매인에게 최종 입찰가를 지불해야 합니다. 변함없이, 입찰가는 1달러 지폐의 달러 가치를 훨씬 뛰어넘습니다. 이는 일단 특정 아이디어나 특정 전략에 전념하면 어느 시점에서 그것이 비합리적이더라도 "조금 더"만 점진적으로 투자하는 것이 쉽기 때문입니다.

여기서 실용적인 요점은 무엇입니까? 지금 몇 달 동안 특정 마케팅 전략에 투자했고 괜찮은 결과를 보았지만 지난 몇 달 동안 거의 달성하지 못할 정도로 느려졌다고 가정해 보겠습니다. 비합리적인 확대 편향은 미래의 이익에 대한 증거가 없더라도 이미 여기까지 왔기 때문에 계속 투자하게 할 것입니다. 이러한 편향을 물리칠 수 있는 유일한 방법은 각 전략의 장단점을 객관적이고 바람직하게는 수치적 증거와 함께 평가하는 것입니다.

과신 효과

우리 모두는 필사적으로 회복할 수 없을 정도로 과신합니다. 나는 당신의 자존감이나 다양한 사회적 상황에서 편안함을 말하는 것이 아닙니다. 나는 당신 자신의 인식을 평가하는 경향에 대해 이야기하고 있습니다. 모든 사람은 거의 모든 시나리오에서 결정을 내리고 질문에 답하는 데 평균보다 낫다고 생각합니다.

이 때문에 마케터는 종종 자신이 실제보다 데이터 분석에 대해 더 많이 알고 있다고 믿으며 자신이 실제보다 더 나은 의사 결정권자라고 믿습니다. 발생하는 일은 다음과 같습니다. 마케터는 데이터를 보고 이에 대한 결론을 내린 다음 다른 가능성을 탐색하지 않고 해당 결론을 고수합니다. 일반적으로 하나의 결정적인 결론을 내리기에는 알려지지 않은 것이 너무 많습니다.

이를 보완하기 위해 분석과 토론에 더 많은 생각을 쏟으십시오. 각자 자신의 분석 능력에 대해 과신하지만 함께하면 서로의 약점을 보완하고보다 일관된 결론에 도달 할 수 있습니다.

본질주의

본질주의는 심오하고 때로는 끔찍한 방식으로 우리 삶에 스며드는 복잡한 인지 편향입니다. 그 이름은 복잡한 주제와 아이디어를 가장 순수한 본질로 축소하려는 자연스러운 인간의 경향을 반영하기 때문에 "본질"이라는 어근에서 파생되었습니다. 이것은 추상화가 어렵고 습득이 필수적인 학습 및 발달의 초기 단계에서 중요하지만, 나중에 인생에서 이것은 우리가 다른 것에 대해 알고 있는 것을 기반으로 사물, 장소, 사람을 범주화하는 불쾌한 경향을 줍니다. 장소, 사람. 그것은 고정 관념과 편견에 대해 적어도 부분적으로 책임이 있습니다.

훨씬 덜 심각한 범죄에서 본질주의는 마케터가 특정 유형의 측정항목을 과도하게 일반화하거나 범주화하는 원인이 되기도 합니다. 예를 들어, 이탈률은 본질적으로 "나쁨"이므로 이탈률은 항상 낮아야 한다고 생각할 수 있습니다. 처음부터 타겟 인구통계에 속하지 않는 사람들은 이탈률이 좋은 것일 수도 있습니다.

마음이 이 방향으로 헤매는 것을 막을 수 있는 쉬운 방법은 없지만 모든 지표를 긍정적인 특성과 부정적인 특성을 모두 가진 것으로 취급하여 중립성을 위해 노력할 수 있습니다. 보편적으로 "좋은" 또는 "나쁜" 위치로 축소하려고 하지 않고 각 측정항목이 무엇인지 확인하십시오. 이것은 질적이며 때때로 예측할 수 없는 사용자 행동과 관련된 특성에 특히 중요합니다.

낙관주의 편향

(이미지 출처: 마스미)

낙관주의 편향이 무엇인지 우리 모두가 알고 있다고 생각합니다. 우리 모두는 하나 또는 다른 응용 프로그램에서 그것을 느꼈고 우리 대부분은 여전히 ​​일상 생활에서 그것을 경험합니다. 아니요, 이것은 당신이 일반적으로 자신을 "낙관주의자"라고 생각하는지 "비관주의자"라고 생각하는지와는 아무 관련이 없습니다. 대신 대부분의 사람들에게 적용되는 잘 문서화된 심리적 현상입니다.

여기서 가장 큰 효과는 사람들이 본질적으로 나쁜 사건을 경험할 가능성이 평균보다 낮다고 믿는다는 것입니다. 특히 드문 경우입니다. 대부분의 사람들은 강도를 당하거나 집에 불이 나거나 직장을 잃을 것이라고 생각하지 않습니다. 그러나 사람들은 여전히 ​​그렇습니다.

마케팅 세계에서 이것은 일반적으로 PR 재해를 나타냅니다. 대부분의 브랜드는 소셜 미디어 통계가 얼마 전에 한 어리석은 말 때문에 급락하거나 유기적 트래픽 감소가 심각한 처벌 때문일 수 있다고 생각합니다. 사실, 이러한 일은 똑똑하고 잘 계획된 브랜드와 전략에서도 발생합니다. 여기에서 가능성에서 자신을 계산하지 마십시오.

그룹 속성 오류

근본적인 집단 귀인 오류는 한 사람의 행동을 볼 때 발생하고 그 사람의 특성을 전체 그룹에 즉시 투영합니다. 예를 들어, 바에서 가까운 테이블에 있는 한 무리의 사람들을 볼 수 있으며 그 중 한 명은 특히 불쾌하고 고함을 지르며 비명을 지릅니다. 그러면 많은 사람들은 즉시 한 개인이 아니라 전체 그룹이 불쾌하다고 생각할 것입니다.

보고의 의미에서 측정 범위와 일화적 증거의 사용 여부에 따라 적용될 수도 있습니다. 예를 들어 녹아웃 콘텐츠를 작성했고 소수의 사용자가 이에 대해 적극적으로 댓글을 달았다고 가정해 보겠습니다. 일반적으로 댓글은 귀하의 작품이 독자가 참여할 만큼 흥미롭거나 가치가 있다는 좋은 신호입니다. 하지만 전체 그룹에 대해 이러한 가정을 할 수 있습니까? 아니면 우연히 걸린 소수의 이상한 사람이었습니까?

이것은 작은 모집단 표본이 본질적으로 쓸모가 없다는 의미가 아닙니다. 표본은 가치가 있고 전체를 대표할 수 있습니다. 기억해야 할 중요한 점은 항상 전체를 나타내는 것은 아니며 더 큰 샘플을 살펴봄으로써 이를 보완해야 한다는 것입니다.

(이미지 출처: The Rad Group)

대부분의 이러한 편견의 결론은 어떤 것도 액면 그대로 받아들이거나 본능을 너무 믿으면 안 된다는 것입니다. 본능의 대부분은 진화적으로 유리한 인지 기능을 기반으로 합니다. 즉, 통계 분석의 논리와 수학에 관해서는 우리 마음을 신뢰할 수 없습니다. 모든 것을 2차 수준의 정밀 조사로 처리하십시오.

오해와 오해

이러한 모든 인지적 편향이 충분하지 않은 것처럼 메트릭을 정확하게 정의하지 않는 경우도 있습니다. 확증 편향은 잊어버리세요. 하나의 측정항목을 보고 다른 측정항목이라고 생각하면 어쨌든 숫자가 잘못된 것입니다. 이 섹션은 웹 트래픽 및 소셜 미디어 측정항목에 대한 가장 일반적인 혼동 지점 중 일부를 해결하기 위해 설계되었지만 실수하지 마십시오. 이는 포괄적이지 않습니다. 측정하는 모든 측정항목에 대한 해석을 다시 확인해야 합니다. 한 단어라도 전체 구성을 손상시킬 수 있습니다.

구글 애널리틱스

Google Analytics는 무료이며 탐색하기 쉽고 안정적이지만 항상 간단하다는 의미는 아닙니다. 여기에서 찾을 수 있는 몇 가지 불일치를 살펴보십시오.

• 이탈률 및 이탈률. 개념적으로 생각해보면 이탈률과 이탈률이 동일하게 들립니다. 애널리틱스의 기본 대시보드에서도 바로 옆에 있지만 아래에서 볼 수 있듯이 매우 다를 수 있습니다. 기본적으로 종료율은 해당 페이지가 세션의 마지막이었던 사용자에게만 적용됩니다. 이탈률은 해당 페이지가 세션의 첫 번째이자 유일한 사용자였던 사용자를 나타냅니다.

• 방문자, 방문 및 페이지 조회수. 방문과 페이지뷰의 차이점은 무엇입니까? 기본적으로 자신을 반복하지 않고 말할 수 있습니까? 결과적으로 "방문"은 사용자가 외부 URL에서 귀하의 웹사이트에 액세스할 때 발생하고 해당 사용자가 30분 이상 비활성 상태일 때(또는 사이트를 떠날 경우) 종료됩니다. 반면에 페이지 조회수는 사용자가 사이트의 페이지를 로드하거나 다시 로드할 때마다 계산됩니다. 따라서 하나의 경험이 하나의 방문 및 여러 조회수로 계산될 수 있습니다. 방문을 "세션"이라고도 합니다.

• 분할. 또한 트래픽을 부적절하게 분류한 경우(또는 전혀 분류하지 않은 경우) 정의된 측정항목을 잘못 해석하기 쉽습니다. 때로는 "일반 사용자"를 보고 싶을 수도 있고 검색이나 소셜 미디어를 통해 찾은 사용자와 같이 더 구체적인 것으로 드릴다운하고 싶을 수도 있지만 차이점을 아는 것이 중요합니다. 직접 및 자연 트래픽 결과가 어떻게 다른지 살펴보세요.

• 내부 트래픽. 내부 트래픽이 Google Analytics에서 보고되도록 허용하여 수치를 왜곡할 수도 있습니다. 기술적으로 여기에서 측정항목의 의미를 잘못 해석한 것은 아니지만 실제로 얼마나 많은 사람들이 귀하의 사이트를 방문하는지를 심각하게 과대평가하고 있을 수 있습니다. 다행히도 매일 사이트에 액세스하는 모든 동료와 파트너를 추적하지 못하도록 필터를 설정하는 것은 쉽습니다(그러나 대상 인구 통계의 일부는 아님).

시작하려면 관리 탭으로 이동하여 "필터"를 선택하십시오.

이렇게 하면 새 필터를 "생성"할 수 있습니다. 선택할 수 있는 필터 유형은 여러 가지가 있지만 일반적으로 IP 주소 또는 ISP 정보를 기반으로 사용자를 필터링하는 필터 유형을 선택하는 것이 좋습니다. 이렇게 하면 Analytics가 지정한 사용자의 정보를 추적하지 않습니다.

• 숫자 게임. 마지막으로 숫자는 숫자일 뿐입니다. 이탈률이 높을 수 있지만 페이지를 떠난 모든 사람이 귀하의 페이지에 관심이 없었다는 의미는 아닙니다. 소셜의 클릭률은 좋을 수 있지만 사람들이 귀하의 콘텐츠를 좋아했다는 의미는 아닙니다. 모든 것을 객관적인 메트릭으로 축소하고 싶지만 이러한 객관적인 메트릭을 있는 그대로 인식하는 것이 중요합니다.

소셜 미디어

다음으로 탐색이 필요한 몇 가지 소셜 미디어 메트릭이 있습니다.

• 좋아요(또는 팔로우). 당신이 어떤 플랫폼에 있든 상관없이 얼마나 많은 사람들이 당신의 브랜드에 관심을 가지고 있는지 알려주는 몇 가지 지표가 있습니다. 대부분의 브랜드는 팔로워 수를 자랑하거나 더 많은 "좋아요"가 필요하다고 불평하면서 이 수치를 바탕으로 번창합니다. 그러나 이 지표에 속지 마십시오. 사람들이 실제로 브랜드에 대해 어떻게 느끼는지를 정확하게 반영하지 않으며 장기적으로 훨씬 더 중요합니다.
• 페이지 인사이트. 대부분의 소셜 플랫폼은 페이지 인사이트 또는 이와 유사한 것을 제공하여 얼마나 많은 사람들이 귀하의 자료를 보거나 클릭했는지 알려줍니다. 여기서 조심하십시오. "노출"이 항상 귀하의 게시물을 실제로 본 사람과 상관관계가 있는 것은 아닙니다. 단지 해당 게시물이 뉴스피드에 채워졌다는 의미일 뿐입니다. 모호한 "클릭"은 게시물 신고를 포함한 모든 종류의 상호작용을 의미할 수 있습니다. 중요한 결론을 내리기 전에 이 믿을 수 없을 정도로 모호한 측정항목이 실제로 의미하는 바를 자세히 살펴보고 모든 소셜 플랫폼이 약간씩 다를 것이라는 점을 기억하십시오.

(이미지 출처: 페이스북)

• 약혼. 마지막으로, 게시물 좋아요, 공유 및 댓글과 같은 참여는 모두 중요하고 가치가 있지만 순전히 양적 가치로 줄이려고 하지 마십시오. 예를 들어, 1,000주를 얻은 기사는 인기 있는 것으로 간주될 수 있지만, 이는 해당 기사가 공유한 사람들에게 얼마나 대담한 인상을 주었는지를 반영하지 않습니다. 마찬가지로, 댓글을 이 사람들이 귀하 브랜드의 팬이라는 확실한 표시로 받아들이지 말고, 모든 "좋아요"가 누군가 귀하의 작품을 읽고 즐겼음을 의미한다고 가정하지 마십시오. 이러한 참여 지표를 소금 한 알과 함께 사용하십시오.

비교 오류

일반적으로 측정항목을 서로 비교하는 방식이 결국 도달하게 될 결론에 큰 영향을 미칩니다. 예를 들어, "사과에서 사과로" 측정하는 것이 매우 중요합니다. 특정 영역에서 진행 상황을 평가하려면 측정 조건을 가능한 한 정확하게 복제해야 합니다. 예를 들어, 한 달 동안의 자연 방문자의 이탈률을 보고 있다면 다른 달 동안의 소셜 방문자의 이탈률과 비교할 수 없습니다. 이것은 사과를 오렌지와 비교하는 것과 유사합니다. 문제의 월이나 트래픽 유형과 같은 비교 측정항목 사이에 하나의 변수만 허용하십시오. 두 가지를 도입하면 비교가 무너집니다.

의사 소통

당신의 의사소통 능력은 다른 사람들이 메트릭을 해석하는 방식에 큰 영향을 미친다는 것을 인식하십시오. 특정 메트릭을 읽는 방법에 대한 잘못된 또는 오해의 소지가 있는 단어는 예측 가능한 미래에 대한 해당 메트릭에 대한 사람의 해석을 손상시킬 수 있습니다. 이것은 클라이언트에게 특히 중요합니다. 당신은 그들이 가장 명확하고 객관적인 관점을 갖기를 원하므로 처음부터 부지런하고 일관성을 유지하여 마케팅 메트릭에 대한 완전하고 정확한 그림을 제공하십시오.

효용과 가치

내가 다루어야 할 측정 및 분석의 유용성과 가치와 관련하여 두 가지 중요한 시사점이 있습니다. 지금까지 내 가이드는 측정이 본질적으로 부정확하거나 추구할 가치가 없다고 믿게 만들 수 있지만 이는 사실과 거리가 멀습니다. 비즈니스를 계속 유지하려면 측정 및 분석이 중요합니다. 진정으로 중요한 것은 접근 방식입니다.

첫째, 측정값은 객관적인 경우에만 가치가 있습니다. 그리고 설상가상으로 객관적인 것은 믿을 수 없을 정도로 어렵습니다(내 인지적 편향 목록에서 보았듯이). 본능이나 선입견이 지배하도록 허용하면 지표가 거울처럼 되어 보고 싶은 것만 볼 수 있습니다. 데이터는 자기 확인의 수단이 아니라 중요한 질문에 답하기 위한 도구여야 합니다.

둘째, 모든 것을 숫자에 근거하지 마십시오 . 숫자는 객관적이고 사실이지만 현대 기술 덕분에 숫자가 너무 많습니다. 데이터는 거의 모든 것을 말하도록 조작될 수 있으며, 인간의 불완전성 덕분에 어떤 것에 대해 완전히 편향되지 않고 객관적인 결론을 내리는 것은 사실상 불가능합니다. 여기서 중요한 것은 건강한 수준의 자신감을 유지하는 것입니다. 메트릭과 숫자를 사용하여 자유롭게 결론을 내리지만 마음 한구석에는 항상 의심의 그림자가 있어야 합니다. 분석은 완벽하지 않습니다. 그것을 받아 들인다.

최종 테이크아웃

내 희망은 상세하고 가치 있는 가이드를 만드는 것이지만 이것이 본질적으로 포괄적인 가이드가 아니라는 것을 알고 있습니다. 인간의 편견과 마케팅 오류 경향에 대한 진정으로 포괄적인 가이드를 작성하려면 내가 가진 것보다 훨씬 더 많은 리소스가 필요하고, 아마도 현재 우리가 보유하고 있는 것보다 인간의 마음에 대한 더 많은 지식이 필요할 것입니다.

이 가이드에서 결론적으로 얻을 수 있는 정보가 하나 있다면 바로 이 것입니다. 데이터가 아무리 신뢰할 수 있더라도 해석을 위해서는 여전히 인간의 마음이 필요하며 인간의 마음은 오류가 있을 수 있습니다. 이 오류를 줄일 수는 있지만 제거할 수는 없으므로 대신 예상하고 보상하고 SEO 링크 구축 캠페인을 손상시키지 마십시오.