Аналитика данных: прошлое и ограничения вашего стека

На недавней сессии MarTech Conference «Для танго нужны двое: как маркетологи и аналитики данных могут преуспеть вместе» мы с Арти Мунши говорили о некоторых концепциях высокого уровня, которые маркетологи могут понять, чтобы помочь им эффективно работать с аналитиками данных. Ключевой частью этого является понимание ограничений данных. Одним из таких ограничений является эволюция стека martech.

Различные типы эволюции могут препятствовать тому, что аналитик данных может делать с данными, собранными с течением времени. Вот несколько примеров.

Аналитические платформы

Компания нередко меняет аналитические платформы в своем стеке. Существует множество вариантов для каждого типа компонента и множество причин, по которым компания может изменить используемые компоненты.

Типичным примером является платформа веб-аналитики. Двумя основными игроками в этой сфере являются Adobe Analytics и Google Analytics. Если ваша компания заменила одно на другое, это может ограничить исторические веб-данные вашей компании. Конечно, ваша компания могла хранить данные из обеих систем в озере данных, но это не означает, что платформы собирали и организовывали данные одинаково. Это усложняет задачу для аналитика. Если маркетолог сможет понять эту историю, он сможет включить эту эволюцию в свои запросы и ожидания.

Не забывайте, что другие компоненты стека также могут влиять на сбор и обработку данных. Переключение между ними вызовет аналогичные проблемы.

Более широкая организация

Отделы маркетинга не одиноки. Они существуют для продвижения более широкой организации. Более широкая организация также может представлять проблемы, влияющие на сбор данных.

Например, у компании может не быть озера данных, в котором хранятся данные из систем всей организации. Наличие всех данных в одном месте может упростить ввод других данных для более широкой перспективы. Например, лиды, конверсии и возможности — не единственные кусочки головоломки. Удовлетворенность клиентов, точки соприкосновения с представителями службы поддержки клиентов и т. д. — все это часть более широкой картины.

Более надежные и полные выводы возможны, если аналитики смогут выйти за рамки взаимодействия клиента с маркетинговыми кампаниями. Однако это зависит от того, насколько просто собрать все эти данные воедино.

Копните глубже: в чем разница между хранилищем данных и озером данных?

Нормативные документы

Не секрет, что правила конфиденциальности изменились. В прошлом здесь, в Соединенных Штатах, веб-браузерам было разрешено собирать большое количество информации о посетителях веб-сайтов. Было гораздо больше разрешений на обмен или продажу этой информации другим сторонам, особенно с данными третьих лиц. Благодаря этому аналитики могут предоставлять более богатую и надежную информацию. Федеральные и государственные правила ограничивают сбор этих данных, так что это больше не так.

Кроме того, правила конфиденциальности также различаются по всему миру. Европейский союз хорошо известен тем, что защищает неприкосновенность частной жизни своих граждан — гораздо больше, чем другие государственные структуры. Это не должно удивлять ни одного маркетолога, но аналитики более ограничены данными из ЕС по сравнению с данными из США.

Копните глубже: из-за того, что защита конфиденциальности Apple снижает доходы, некоторые компании находят способы обойти это

Влияние производителя устройства

Технологические компании, безусловно, должны соблюдать правила. Однако иногда они придерживаются более строгих стандартов, чем те, которыми они руководствуются. Например, Apple ограничила данные, которые компании могут собирать о пользователях своих устройств. Это превратило акцент на конфиденциальность в масштабную маркетинговую кампанию. Независимо от того, насколько восприятие соответствует действительности, маркетологи должны учитывать, что, возможно, у аналитиков не будет одинаковых данных для пользователей Apple и Android.

Самоидентификация клиента

Придерживаясь устройств, этот пункт является известным ограничением. Большинство людей используют несколько устройств, начиная от ноутбуков, телефонов и консолей. Нередко у кого-то их несколько. Например, они делают несколько безобидных личных вещей (например, проверяют новости) на своем рабочем ноутбуке, а позже делают это снова на личном ноутбуке и телефоне. В идеале было бы неплохо сшить этого человека на его устройствах, чтобы данные представляли его как одного человека, а не нескольких людей, использующих разные устройства.

Один из способов сделать это — собрать собственные данные и найти людей, использующих несколько устройств. Возможно, у них есть учетная запись, и они входят в ваши системы с нескольких устройств. Это, безусловно, один из способов выполнения такого сшивания. Однако организация не всегда может иметь учетные записи, в которые люди могут входить. В некоторых случаях для кого-то может не иметь смысла открывать счет в системах организации.

Если ваша организация смогла ввести учетные записи для создания и использования людьми, имейте в виду, что оглядываясь назад на времена, когда они не были доступны или широко использовались, будет мешать аналитикам отслеживать людей на разных устройствах с течением времени.

Ограничения, а не невозможности

Как маркетологи, важно понимать такие ограничения данных. Понимание их поможет облегчить работу с аналитиками данных. Сказав все это, это ограничения, а не невозможности. Это когда аналитики данных могут проявить себя. Они хорошо знают об ограничениях, но как специалисты по данным у них, вероятно, гораздо больше хитростей в рукаве, чем известно маркетологу. Будем надеяться, что подход к столу с хорошим пониманием местности будет способствовать творческому сотрудничеству.

Мнения, выраженные в этой статье, принадлежат приглашенному автору, а не обязательно MarTech. Штатные авторы перечислены здесь.