Что должен уметь маркетолог, чтобы получать от данных максимум пользы

Здесь мы описали основные правила работы с данными для компетентного и эффективного маркетолога. Эти правила мы сформулировали, основываясь на опыте работы с десятками тысяч клиентских проектов. В статье вы узнаете, почему важно разбираться в структуре данных, уметь задавать вопросы, самостоятельно делать отчеты и правильно их интерпретировать.

бонус для читателей

Лучшие кейсы по маркетинг-аналитике от OWOX BI

Скачать материал

Содержание

Не ограничиваться шаблонными отчетами

Обычные отчеты для контроля метрик (например, performance-отчет), конечно же нужны, но это лишь первые шаги. Они как терапевтический осмотр — помогают прощупать пульс и составить общую картину. А если с пульсом что-то не так, требуется полное обследование — тут нужны гибкие отчеты на основе полных данных с ответами на вопрос «Почему?».

Как минимум стоит работать с когортными отчетами в разных срезах, строить отчеты разной глубины, смотреть статистику отдельно по новым и вернувшимся пользователям, по разным регионам, страницам, каналам, устройствам и т.д. При наличии данных, можно считать и анализировать, что угодно.

Текущий подход к работе с данными и дашбордами не оптимален — маркетологи чаще всего не могут самостоятельно построить отчеты, потому что это сложно. Чтобы получить ответ на свой вопрос, им приходится ставить задачи аналитикам и ждать отчет. И так снова и снова… Часто для получения инсайта такой путь нужно проделать несколько раз. Ведь пока ты не получил ответ на первый вопрос, ты не знаешь, каким будет второй.

В качестве примера хотим привести отрывок из замечательного исследования ThoughtSpot «Дашборды мертвы. Как современная облачная аналитика помогает персонализировать работу с данными и поиск инсайтов для всех».

Каждый бизнес-пользователь индивидуален. Нет двух маркетологов, которые будут использовать данные одинаково, потому что нет двух одинаковых взглядов или понимания бизнеса.

Чтобы быть успешными, маркетологам нужна аналитика на основе данных, адаптированных к их конкретным потребностям.

Статические дашборды предлагают универсальный подход, который не соответствует потребностям современных бизнес-пользователей. Проще говоря, дашборды слишком жесткие, слишком медленные и слишком обобщенные, чтобы приносить значимую ценность людям, которые нуждаются в них больше всего.

Всякий раз, когда маркетологи обращаются к аналитикам за информацией, они запускают цепную реакцию. И как бы хорошо полученный дашборд ни ответил на первый вопрос пользователя, он вызывает набор следующих более глубоких вопросов.

Безумный и бесконечный цикл работы с дашбордами
Безумный и бесконечный цикл работы с дашбордами

В итоге получается, что данные используются для мониторинга текущей ситуации и анализа прошлого, но редко — для управления будущим.

Бизнес-пользователи должны иметь возможность самостоятельно «копаться» в данных. Когда они этого не могут, каждый дополнительный вопрос требует дополнительного времени и ресурсов от всей команды.

Если у маркетолога есть полные и качественные данные и он умеет с ними работать, то он сможет извлечь из них гораздо больше пользы, чем получает от стандартных отчетов.

Кроме примера ThoughtSpot, есть исследования Gartner, которые показывают, что бизнес-пользователи недовольны уровнем использования данных для принятия решения.

Поэтому мы в OWOX сделали решение, которое демократизирует доступ к данным для каждого бизнес-пользователя независимо от его технической подготовки, и обеспечили качество данных и прозрачность расчетов. Теперь аналитику достаточно один раз смоделировать данные и подключить их к OWOX BI. Маркетолог с помощью сервиса сможет самостоятельно строить нужные отчеты в любых срезах, а аналитик сможет заняться аналитикой и не тратить время на бесконечное написание SQL-запросов.

Наши клиенты
растут на 22% быстрее

Растите быстрее, анализируя, что лучше сработает в вашем маркетинге

Измеряйте KPI, находите зоны роста и увеличивайте свой ROI

Записаться на демо

Данные принесут гораздо больше ценности, если у маркетолога будет возможность самостоятельно работать с ними для принятия решений.

Разбираться в структуре данных

Даже если маркетолог получит готовый инструмент вроде OWOX BI, чтобы построить отчет, ему все равно понадобятся элементарные знания того, как работает аналитика.

Что такое хит, сессия, пользователь. Чем отличаются параметры и показатели. Какие есть уровни данных (области действия) и как они между собой соотносятся. По каким ключам объединяются данные и тому подобное. Подтянуть свои знания в этой области маркетологам помогут cправка Google Analytics и многочисленные блоги по маркетинг-аналитике. Вот небольшая подборка:

Кроме того, чтобы задавать правильные вопросы к данным и находить ответы, маркетологу нужно понимать особенности бизнеса, в котором он работает. Он должен представлять, из каких метрик будет складываться ответ и как они считаются.

К примеру, чтобы узнать, как маркетинг влияет на продажи, этот вопрос нужно декомпозировать — что конкретно в этом бизнесе подразумевается под словами «влияет», «маркетинг» и «продажи». Например, продажа — это покупка на сайте, факт отгрузки или факт денег на счету? Эти знания невозможно нагуглить. Поэтому, чтобы понимать предметную область и структуру данных, маркетологу нужно тесно пообщаться с аналитиками и самому помучаться с парой-тройкой отчетов.

Плюс в идеале система метрик конкретной компании должна быть где-то описана — в документах или внутренней базе знаний, чтобы при необходимости любой сотрудник мог с ней ознакомиться и узнать, к примеру, как группируются каналы трафика. Что такое Organic, Paid, или Social. Тот же LTV или CAC — в разных бизнесах они считаются по-разному. Конверсия у всех подразумевает разное: у кого-то это покупка, у кого-то регистрация, у кого-то — заявка или демо. То есть нужно понимать, что значит каждая из метрик, которые ты выбираешь для отчета.

Задавать правильные вопросы

Хороший маркетолог не стесняется спрашивать: себя, коллег, экспертов на рынке. Здоровое любопытство — первый шаг к развитию.

Чтобы научиться задавать правильные вопросы, можно представить бизнес-процессы в виде некой иерархии сущностей:

Иерархия сущностей в бизнес-процессах

У бизнеса есть стратегия, которой подчинены цели — их нужно достичь, чтобы эту стратегию реализовать.

Чтобы достичь целей, нужно принять определенные решения. Для принятия этих решений надо ответить на вопросы. Для поиска ответов на вопросы нужны отчеты и дашборды. В отчетах есть некие KPI, которые строятся из источников данных.

Маркетолог чаще всего работает с уровнями «Отчеты и дашборды» и «KPI». Прежде чем искать ответы на вопросы, связанные с этими уровнями, маркетологу необходимо проанализировать вопросы и задачи, которые стояли на уровнях выше.

Что это значит? Чтобы создавать отчеты, надо понимать, как это по цепочке поможет реализовать стратегию бизнеса. Например, вы работает в стартап-бизнесе, где важен рост, или вы работает в режиме cash cow, когда важна максимизация прибыли и удержание доли на рынке, или бизнесу важна клиентская база. Все эти ответы напрямую повлияют на то, какими должны быть отчеты и какие данные для этих отчетов потребуются.

Вопросы, которые помогут разобраться, зачем нужен отчет

1. Какая стратегия у компании, за счет чего она более успешна на рынке, чем конкуренты?

Например: мы повышаем рентабельность бизнеса за счет самообслуживания клиентов в онлайне и в результате получаем более высокую оценку от инвесторов и рынка.

2. Какие цели надо достичь для реализации этой стратегии?

Например: мы должны увеличить ARPU клиентов, которые пользуются онлайн кабинетом, на X%.

3. Какие решения и в какой зоне ответственности планируется принять, чтобы достичь этих целей?

Например: мы хотим управлять вложениями в digital-каналы на основе их объективного влияния на ARPU клиентов. Для этого надо учитывать все факторы, не только позитивные и не только те, что лежат на поверхности. На кону бюджет в X млн. рублей.

4. На какие вопросы надо ответить, чтобы принять эти решения?

Например: что нам выгоднее с точки зрения увеличения ARPU, предлагать более дешевый план и доп. услуги или ничего не предлагать пока клиент на более дорогом плане.

5. Какие отчеты и графики вам помогут ответить на эти вопросы?

Например: нам нужен bar-chart со сравнением ARPU и LTV в когортах A,B,C с возможностью выбора региона. Также нужен график, только с динамикой во времени.

6. Какие KPI и в каких разрезах должны быть в отчетах и графиках?

Например: 1) Нам нужны ARPU и LTV клиентов для каждого тарифа и региона 2) ΔROS у тех, кому предложили услугу A, ΔROS у тех, кому не предложили услугу B.

7. Данные из каких источников необходимы, чтобы рассчитать эти KPI?

Например: данные нужные из CRM, стандартной выгрузки Google Analytics 360 и рекламных сервисов.

Этими вопросами мы хотим проиллюстрировать, что сам по себе отчет вырван из контекста и не имеет бизнес-ценности. При подготовке любых данных важно понимать, как это поможет создать добавленную ценность и реализовать бизнес-стратегию. Да, в хорошем бизнесе стратегия не меняется каждый день, но бесполезной тратой времени будет делать ненужные отчеты, которые никто не сможет использовать.

Правильно интерпретировать данные в отчетах

Разобраться, какие метрики необходимы для отчета, и суметь его построить — это лишь полдела. Чтобы получить от данных реальную пользу, нужно уметь их правильно интерпретировать. Иначе вы рискуете принимать ошибочные или неочевидные решения на основе данных.

Приведем достаточно известный пример такой ошибки, описанный в книге Дэвида Хэнда «Темные данные».

Контекст: обычный человек сдал тест на ВИЧ. Точность теста 99,99%. Результат теста положительный. Какая вероятность того, что этот человек действительно болен ВИЧ?

Ошибочное решение: этот человек болен с вероятностью 99,99%.

Верное решение: вероятность 50%. Истинная вероятность того, что обычный человек заразиться ВИЧ 1 к 10 тыс. Это значит, что если 10 тыс обычных людей сдадут тест, один человек окажется действительно болен. Так как тест обладает высокой точностью, 99.99%, он его определит. Но точность теста меньше 100%, он выдает ложно положительный результат в 0,01% случаев. Это значит, что еще один человек также получит положительный результат. Итого будет два человека с положительным результатом теста, один из которых действительно болен.

Это яркий пример того, насколько важно правильно интерпретировать данные, прежде чем принимать решения на их основе.

Учиться интерпретации данных — дело не быстрое, но необходимое. В этом вам поможет стат- и матанализ. Также можно ознакомиться с наглядными примерами, которые приведены в книгах:

  1. Теория игр, Авинаш Диксит, Барри Дж. Нейлбафф.
  2. Темные данные, Дэвид Хэнд.
  3. Сигнал и шум, Сильвер Нейт.
  4. Стратегия Го, Павел Авраамов.

Грамотно визуализировать данные

Первое, что нужно сделать перед созданием графика — проверить данные на точность и корректность. К примеру, если у вас коэффициент конверсии где-то равен 300%, а в среднем он обычно составляет 50-70%, проверьте, откуда взялось такое число. Возможно, это было поле total и у вас суммировались все данные. Возможно, это какой-то выброс, который нужно удалить с визуализации, иначе этот скачок поломает всю картину — 300% нивелируют разницу между 50% и 70%. Из-за такого выброса в отчете вы можете ошибиться и принять неверное решение.

В обычной жизни мы привыкли к тому, что правильное сообщение нужно донести до правильного человека в правильное время. При визуализации данных есть три похожих правила:

  1. Нужно выбрать правильный график в зависимости от того, какая у вас цель.
  2. Убедиться, что посыл вашего графика подходит аудитории.
  3. Оформить график в правильном дизайне.
Дизайн круговой диаграммы

Если вы сделали своевременное сообщение, но график не отображает динамику, у него неправильный посыл либо сложный дизайн, то результата, на который вы рассчитывали, не получится.

Зачем визуализировать данные и как правильно это делать. Какие инструменты можно использовать для создания интерактивных дашбордов без помощи разработчиков и как выбрать тот, который подойдет именно вам.

Краткие выводы

Чтобы правильно интерпретировать данные и выжимать из них максимум пользы, маркетологу нужно понемногу подтянуть знания во всех областях: финансы, бизнес-операции, продажи, маркетинг, аналитика, статистика. Сначала это может вызвать реакцию отрицания, ведь у маркетолога другие задачи. Но если вы хотите заниматься настоящим Data Driven маркетингом и работать эффективно, то без базового понимания этих областей будет очень сложно.