Исследование маркетинг-аналитики от OWOX BI: интервью с Симо Ахава

13
808
Материалы для скачивания
12.83 Mb

Мы воспользовались прекрасной возможностью взять интервью у Симо Ахавы после его вдохновляющего выступления на конференции Go Analytics! и поговорили о волнительных тенденциях маркетинг аналитики в 2019 году.

Симо Ахава выступает на Go Analytics!

Симо Ахава — популярный талантливый аналитик, соучредитель консалтинговой компании 8-bit-sheep, специализирующейся на эффективных коммуникационных структурах. Поэтому он хорошо знаком с тем, как развивать эффективную аналитику и маркетинговые команды. И мы рассмотрели следующий список вопросов от маркетологов и аналитиков:

Все вопросы были подготовлены и заданы Марией Бочевой, которая любит вслух цитировать блог Симо на скрам-созвонах в OWOX BI :).

Проблемы маркетологов и аналитиков

С какими трудностями вы сталкиваетесь при внедрении аналитики и как бы вы оценили общее развитие рынка?

Мне кажется, что основная трудность заключается в понимании возможностей и ограничений каждого инструмента. В каждом инструменте на рынке есть своя «темная сторона луны». Я не имею в виду, что эти инструменты скрывают, как они работают (хотя некоторые намеренно это делают), но скорее всего интеграция этих инструментов в процессы организации может быть довольно непредсказуемой.

Я также обеспокоен тем, как много новых сервисов стремятся сделать процессы «быстрее». Как будто скорость — это некая ценность, к которой должны стремиться все компании. Быть быстрым обычно приходится ценой осторожности. Всегда есть риск сделать что-то действительно быстро с целью получить результаты, которые на самом деле вообще не нужны.

​Я думаю, что общее знание и понимание используемых инструментов улучшилось. Например, GTM уже помог маркетологам пользоваться благами мира разработчиков. Это здорово, и я надеюсь, что эта тенденция сохранится. Точно так же облачные сервисы становятся все более понятными и доступными, что привело к росту интереса к автоматизации и проектированию данных.

Как аналитик может больше влиять на маркетинг? Чем аналитики могут быть полезны для маркетинговой команды?

Аналитик не должен влиять на маркетинг. А вот данные как раз должны. «Аналитик» — это просто описание роли, и лично я считаю почти вредоносным, чтобы «аналитики» были движущей силой в организации. Как только вы наняли аналитика, вы нашли того, кому делегируете всю работу с данными.

‘‘

Роль аналитика должна заключаться больше в наставничестве. Он должен вдохновлять команды маркетинга и разработчиков выходить за рамки своих собственных возможностей и рассматривать данные как неотъемлемую часть их собственной работы.

Simo Ahava,
8-bit-sheep

Компетенция аналитика ограничивается только данными, поэтому его роль должна выходить за рамки каких-либо команд. Он должен стать мостом между различными частями организации. Таким образом, он больше похож на скрам-мастера, чем на простую пешку на доске с данными.

Какие трудности вы сейчас преодолеваете в сфере аналитики?

Я не сталкиваюсь с какими-либо аналитическими вызовами как таковыми. Однако, я постоянно занят изучением инструментов, которые помогут организациям извлечь как можно больше смысла из их данных, — вот это постоянное испытание.

В то же время передо мной стоит задача, как сделать организации более осведомленными о своих собственных недостатках. Самая большая проблема для маркетинг-аналитики — это ее интеграция в процессы компании по сути, а не на словах. Многие компании так стремятся стать «data-driven» или «digital first», что очень быстро этот процес превращаются в охоту за лучшим инструментом. Хотя на самом деле такие организации должны сосредоточиться на создании смешанных команд, быть более гибкими в проектировании своего сервиса. И иметь глубокое понимание того, какие бизнес-задачи и проблемы необходимо решить, прежде чем хвататься за инструменты.

Трудности коммуникации

Как вы считаете, недопонимание между аналитиками и маркетологами — частое явление? Если да, то есть ли у вас рекомендации, как его преодолеть?

Это случается так же часто, как недопонимание между любыми двумя людьми в организации. Как решить проблему недопонимания? Общайтесь лучше :)

У гибких методологий, полностью зависимых от надежных коммуникационных структур, таких как Scrum, можно многому научиться. Если вы нашли проблему с общением, выясните, в чем ее причина, и решите ее, введя новые условия и контексты для общения, такие как ежедневные встречи, пересмотр стека беклог-задач, ретроспективные и демо-сессии.

‘‘

Проблемы общения, как ржавые трубы, портят текущие потоки данных. Это срочно нужно исправлять.

Simo Ahava,
8-bit-sheep

Каких знаний не хватает аналитикам и маркетологам, чтобы компания была data-driven?

Я думаю, что в основном они упускают два момента:

  1. Они считают, что компания должна быть data-driven
  2. Вовлеченность и доверие со стороны окружающих

Другая причина, по которой трудно найти точку опоры в компании, заключается в том, что вы не верите в то, что делаете. Это проблема коммуникации. Так что можете смотрите мой ответ на предыдущий вопрос :)

Вовлеченность и доверие можно получить, сделав ваши усилия прозрачными. Разместите дашборды с отчетами по всему офису, сделайте данные центральной темой вашего общения на демо и встречах по спринту, дайте всем понять, что каждая мелочь, которая происходит с продуктом или услугой, имеет измеримое воздействие.

Чтобы узнать больше о решениях проблем общения в компании, загрузите презентацию Симо Ахавы. Вы сможете прочитать ее, слушая его выступление на конференции Go Analytics!.

Тренды маркетинговой аналитики

Simo Ahava

Как вы думаете, каково будущее маркетинговой аналитики?

Я думаю, что будущее мрачно. У нас уже есть ограничения в браузерах и приложениях (консервативная политика Safari по отношению к собственным cookie, блокировка рекламы и контента и т.д.), повышенный спрос на «privacy-driven» дизайн, а также ненадежность сигнальных данных в долгосрочной перспективе. Со всем этим заглянуть в будущее становится все сложнее.

Я уверен, что маркетинговая аналитика продолжит переходить от концепции одного поставщика услуг (например, Google Analytics) к более комплексной передачи данных, а это означает, что инженеры данных будут пользоваться все большим спросом.

Какие возможности вы видите на рынке сегодня?

Всегда есть поставщики услуг, организации, частные лица, страны, политики, законодатели и люди в целом, которые делают глупости. Все это создает неопределенность в цифровых дисциплинах, включая маркетинг. Мы можем либо условно принять это и продолжать бороться в условиях все более ограниченных условий, либо мы можем преодолеть барьеры и начать думать о маркетинговой аналитике не как о единой дисциплине, а как о более широком спектре возможностей, которые компания может осуществить при работе с данными.

Маркетинг тесно связан с разработкой продукта и сервиса. Если в организации есть специальная маркетинговая команда, которая не вовлечена в повседневные процессы того, что производит компания, — это проблема. Точно так же, если организация по-прежнему считает, что поиск наилучшего инструмента является решением всех ее проблем, это тоже нехорошо.

Лично я думаю, что самая большая проблема — это та проблема, которая никогда не исчезала: неспособность общаться. Каждый сбой, с которым может столкнуться организация, от самой маленькой промашки до большой PR-катастрофы, всегда можно отследить до проблемы с коммуникацией между двумя или более людьми. Решение этих проблем с коммуникацией является ключом к наведению порядка в организации, а порядок в организации — ключом к здоровому рынку.

Навыки аналитиков и их самые большие ошибки

Какие технические навыки наиболее важны для аналитиков сегодня? Должен ли аналитик знать SQL, Python и R, создавать дашборды с помощью самых известных инструментов визуализации, таких как Data Studio, Tableau, QlikView и т.д.?

Я думаю, что базовый уровень для аналитики все еще очень зависит от того, с каким типом аналитики вы хотите работать. Если вы задаете определенный уровень ожиданий от навыков, то создаете исключительность, а не побуждаете людей начать работать с определенной дисциплиной. Даже если у вас нет опыта работы с языками программирования или программами визуализации в самом начале вашей карьеры в аналитике, вы все равно можете сделать многое. Естественно, когда вы начнете развиваться, то и требования к вам станут более конкретными.

  • Для веб-аналитики первостепенное значение имеет понимание аналитических браузерных инструментов.
  • Для тех, кто работает с большими наборами данных, SQL знать обязательно. 
  • Что круче — Python или R — это вечное обсуждение, но не думаю, что знание этих языков крайне необходимо, если вы хотите работать в аналитике.

Но если я был бы вынужден сделать выбор, я бы выбрал Python благодаря его расширяемости за рамки анализа данных.

Какими личными качествами должен обладать хороший аналитик?

Эмпатия к деловой среде, в которой он работает, скорость реакции, чтобы суметь приспособиться к изменениям вокруг, умение налаживать связи, чтобы преодолевать барьеры, а не выстраивать их, и, конечно же, ненасытная жажда к обучению всему новому.

Самый важный навык — это коммуникация. Данные — это одна из тех вещей, которая действительно страдает, если люди в организации, где эти данные создаются, не могут общаться. Данные — это основа организации, и они могут выявить недостатки в организации более честно, чем какой-либо консультант.

Какую самую большую ошибку может допустить аналитик?
Поделитесь опытом ваших ошибок как аналитика.

На мой взгляд, самая большая ошибка, которую может сделать каждый, кто работает с данными, — это намеренное неверное истолкование или неправильное использование метрик для поддержки несостоятельной гипотезы. 

Я часто сталкиваюсь с этим в еще незрелых организациях, которые начинают с A/B-тестирования или только что внедрили Google Analytics. Они подгоняют конверсии, чтобы поддержать свои «очевидные» гипотезы и намеренно избегают принятия результатов тестов, ведь они идут вразрез с тем, что они интуитивно считают правильным.

Такой же образ мышления можно увидеть при описания активности на сайте с помощью простого показатель отказов. Очень часто аналитики получают поверхностные показатели отказов, которые в свою очередь приводят к неправильным выводам. Случается это, например, когда нет обширных инструкций, а также если нет продуманной стратегии, что за чем нужно делать, чтобы снизить показатель отказов.

Мои собственные ошибки как консультанта часто связаны с двумя вещами, которые я как раз описал выше. Меня легко сбить с толку «простотой» аналитики в тех случаях, когда мне нужно быстро добиться хороших результатов. Я стараюсь изо всех сил избегать этого, но быть абсолютно беспристрастным по отношению к данным зачастую очень сложно. Мне легче быть справедливым в тех случаях, когда я не слишком эмоционально вовлекаюсь в дела клиента. В таких случаях мне легче быть крайне честным и пытаться убедить организацию изменить свое мышление.

Лирическое заключение OWOX BI

Мы очень благодарны Симо за ответы и готовы подписаться под каждым его словом. За последние 20 лет потоки в океане данных начали двигаться быстрее, сокрушая даже довольно крепкие на первый взгляд корабли. Вооружайтесь правильными инструментами и справляйтесь с данными, но самое важное — собирайте действительно преданную команду на борту.

Каждый день мы предоставляем наши услуги, чтобы компании росли быстрее за счет качественной маркетинг-аналитики, улучшенной инсайт-генерации и автоматизации от этапа сбора до построения и визуализации отчетов.

Оставайтесь на связи! Подписывайтесь на наш блог, чтобы прочитать следующие интервью из нашего исследования о состоянии цифровой аналитики и адаптировать опыт ведущих аналитиков для вашего бизнеса.

Подписаться

А что бы вы лично спросили у Симо? Оставляйте свои варианты нам в комментариях!

Вас также могут заинтересовать