投資回報在行動中缺失

營銷團隊明智地使用了預算。 但管理層看不到結果。

當企業在任何事情上花錢時，它都希望看到“投資回報”——這種提升與支出有一定的相關性。 如果營銷是一台機器，具有固定的、可測量的輸入和輸出，這將很好。 除非我們生活在“信息時代”，否則工業時代的會計將無法注意到真正發生的事情。

營銷通常表現為資產負債表上的成本匯。 它與輸出的關係並不總是很明顯。 營銷管理和組織策略師 Kathleen Schaub 和 Proof Data Corporation 董事長 Mark Stouse 想要闡明這種情況。 Schaub 專注於復雜性如何影響營銷，而 Stouse 則更深入地研究分析。 這兩個角度匯聚在一個共同點上：衡量營銷投資回報率的舊方法遺漏了很多，為營銷工作提供了不准確的指導。

Schaub 在她的論文“營銷不是自動售貨機”中進行了更詳細的介紹。 “市場是科學所說的複雜適應性系統。 許多獨立代理（包括個人和企業）——客戶、公司、影響者、合作夥伴和政府——的交互產生了導致情況不斷變化的反饋循環。 變化會產生許多未知數。” 紹布寫道。

由於全球化和數字化，這些反饋循環加快了。 “沒有喘息的空間，”Schaub 告訴我們，因此營銷人員很難跟上。 直到過去幾十年，數據和計算機才終於提供了一種觀察這種情況的方法。 “現在事情已經加速了，我們可以在數據中看到這些模式。”

“營銷的投資回報率不存在。” 紹布說。 “從來沒有。 永遠不會。 不是舊標準意義上的。”

唯一確定的是不確定性

“可能是永久性的巨大轉變始於 COVID，”Stouse 說。 “反饋迴路真的很重要，”Stouse 繼續說道。 他說，現在你需要有一個價值目標、實現價值的途徑，以及跟踪你的努力的能力，就像 GPS 一樣。 這與第三方數據的分解同時進行。

為了獲得更真實的畫面，一些營銷人員正在回歸舊的技術：營銷組合建模 (MMM)。 這種技術在較大的財富 500 強公司中更為常見，Stouse 說。 但是操作起來太笨拙了——太慢、太手動、太貴、太難擴展，而且人們難以理解。

今天，MMM 再次審視。 “自動化已經消除了實施分析的許多挑戰。” 斯圖斯說。 “MMM 植根於多變量回歸分析，這是科學方法的基礎。” 他補充說，這是主流並且很好理解。

分析的任何變化也將引發組織的變化。 “你不能繼續擁有同樣的僵化、指揮和控制、分層、孤立的組織，並擁有這些非常僵化的瀑布式業務流程。 它們太慢了，太不人道了，它們缺乏信息，因為信息無法流向需要的地方，”Schaub 說。

“我一直在問 CMO 和 CEO，‘你們能做到 ROI 嗎？’”Schaub 回憶道。 “答案總是‘不’”。 他們有解決方法，比如歸因，以及將營銷“推向漏斗”以幫助銷售，“但最終，人們必須放棄它（營銷）可以完全預測的幻想。” 紹布說。

人們相信因果關係，只要有足夠的數據、正確的策略、正確的工作流程或足夠的效率，他們就能解決問題，Schaub 說。 COVID破壞了這種信念系統。 為了重建，分析將有所幫助，但組織還必須重新調整，以便他們能夠“在需要我們響應而不是我們預測能力的情況下”更好地工作。 她說。

如果你無法預測，項目

企業仍然可以起草情景和製定預測，勾勒出事情的預期發生方式。 “然後你必須‘快速跟隨’，因為未來變成現在，通過潛在的、低層次的重新計算，這樣你就可以找出你相對於那個預測的位置。” 斯圖斯解釋道。

在這裡，Stouse 將營銷分析與 GPS 進行了比較。 目的地不是某個日期之前達到的固定 ROI 點。 取而代之的是，儘管交通變化和必要的彎路，仍可以達到目標。 正如 GPS 重新計算一樣，決策者也可以重新計算市場支出或重新調整項目規模以更好地適應現實。

與 GPS 一樣，您需要一位能夠根據需要做出決定並改變路線的駕駛員。 Schaub 解釋說，在這裡，營銷人員在分析的建議下，能夠根據需要對情況做出反應、抓住機會或降低風險。 這不一定是一個人，但通常會是一個敏捷、多學科的團隊，更快、更聰明、更具創新性，並且可以促進人類解決問題。 Schaub 說：“你是為長遠考慮而建設的，但你唯一能採取行動的時間就是現在。”

學習以速度生活

數據和反饋循環的速度已經大大提高，改變數字環境的速度比公司理解和跟上的能力更快。

在這裡，OODA 循環的概念——觀察、定向、決定、行動——變得相關。 這個概念是由戰鬥機飛行員約翰·博伊德上校創造的，他證明如果你能比你的競爭對手更快地做到這一點，那麼當你執行下一步動作時，他將無法對你的最後一個動作做出反應。 “這越來越成為業務所在，也越來越多地成為營銷所在，”Stouse 說。 “你擁有所有這些變量，而這些變量正在以人類大腦無法追踪的速度移動。”

許多營銷人員都在努力應用敏捷營銷來為團隊成員增加價值。 在這本免費的電子書“ MarTech 團隊敏捷營銷指南”中了解如何打破這種模式。

點擊這裡下載！

“能夠使用軟件……壓縮 OODA 循環。” Stouse 舉了一個真實的例子，他的公司正在與一家科技公司合作。 “這是一家巨大的 B2B 企業科技公司。 這是一家以非常傳統、傳統的方式使用 MMM 六七年的長周期企業。” 他說。 “[B]當分析到達營銷人員時，它已經過時了，預測不再重要......他們不需要改變數學。 他們需要改變計算所有數據的速度。”

閱讀下一篇：關於利用 OODA 循環的更多信息

正如 Schaub 在她的論文中指出的那樣，營銷部門可能必須跟踪多達 30 個變量，以提供了解當前情況所需的洞察力。 但這可能不會像人們期望的那樣將它們拉到一起。 數據自動化可以縮短從數據流中編織洞察所需的時間。

“我並不是說這很容易，”Stouse 繼續說道。 “但它已經有了很大的改善。” 可以使用 Supermetrics 或 Datorama（均為 Proof 合作夥伴）等工具集來收集數據流，對其進行清理、清理和協調，然後將數據傳輸到 Proof 或 Tableau 等平台。

“我們可以找到一個擁有數據但根本沒有任何分析歷史的客戶……前 10 個模型可以在 60 天內啟動並運行。” 斯圖斯說。 去找一個做 MMM 的傳統顧問，“你可能需要 10 到 12 個月才能看到你的第一個模型。”

在這篇由兩部分組成的文章的第二部分中，了解為什麼對回報的控制和靜態測量不存在，但可預測性和反應/反應時間非常重要。這就是 OODA：能夠計劃、預測、證明（確認或證實）並根據需要轉動。