Одной из наиболее привлекательных частей цифрового маркетинга является сосредоточенность на данных.

Если о тактике есть положительные данные, ее легче принять. Аналогичным образом, если тактика не была проверена, может быть сложно заручиться поддержкой для ее тестирования.

Основной способ, которым цифровые маркетологи добиваются доверия к данным, — это исследования. Эти исследования обычно относятся к одной из двух категорий:

• анекдотический: ограниченное количество точек данных, однако обычно имеется гораздо больше подробностей об отдельных механиках.
• Статистически значимый: большое количество точек данных (обычно более 100), которые могут быть подвергнуты более простому анализу из-за огромного объема анализируемых объектов.

Оба набора данных имеют свое место в разработке стратегий цифрового маркетинга. Вот почему опасно слишком сильно наклоняться к тому или другому.

Как человек, работавший в организациях, способных публиковать оба типа наборов данных, и заядлый потребитель обоих типов, я подумал, что было бы полезно покопаться в следующем:

• Минимальные критерии для каждого типа исследования.
• Какую ценную информацию бренды могут получить в результате обоих типов исследований?
• Как организовать собственное обучение.

В этом посте будут рассмотрены несколько различных исследований в области цифрового маркетинга.

Это связано с тем, что основные принципы, которые управляют анекдотическими (меньшие данные) и статистически значимыми (большие данные), довольно схожи в разных маркетинговых дисциплинах.

Минимальные критерии для каждого типа обучения

Распространенная ошибка, которую допускают люди при организации исследований, заключается в том, что они думают, что объем данных — единственный критерий, делающий их исследования ценными.

Да, приятно, когда данных много, но есть и другие важные факторы:

• Сколько переменных рассматривается?
• Какие меры по смягчению выбросов/избыточных переменных существуют, если таковые имеются?
• Может ли исследование ответить критикам данными, а не эмоциями?

Эти три требования будут минимальными независимо от того, фокусируетесь ли вы на анекдотическом исследовании или на статистически значимом. Однако существуют и некоторые критерии, специфичные для исследования.

Анекдотические исследования

При взгляде на меньший набор данных (т. е. менее 10 учетных записей, данные менее чем за год и т. д.) гораздо сложнее изучить влияние до и после того, что вы хотите протестировать.

Людям захочется как можно больше подробностей, поскольку исследование обычно показывает результаты конкретных действий, предпринятых в одном аккаунте/для одного бренда.

Это означает, что скриншоты будут иметь решающее значение. Если вы не сможете точно показать, что произошло, это не будет воспринято всерьез.

Однако снимки экрана не требуют от вас раскрытия информации о клиенте, на которого вы работаете. Фильтрация торговых марок абсолютно разумна.

Нельзя упускать из виду контрольные показатели, важные показатели, а также наличие у инициативы «несправедливых преимуществ» (большой бюджет, фирменные кампании и т. д.).

Хорошим примером анекдотического исследования является изучение влияния изменений, произошедших за несколько месяцев. Этот график Уилла О'Харры показывает изменение посещаемости «фанатских» сайтов по сравнению с сайтами с громкими именами.

В этом исследовании мы видим, что сайты, которые в противном случае имели бы меньше трафика, получили большой всплеск из-за изменения критериев качества контента. Это анекдотическое исследование, поскольку оно рассматривает только пять сайтов.

Исследования больших данных

В то время как люди не прощают отсутствия подробностей в отдельных исследованиях, исследования больших данных проявляют немного большую снисходительность.

Это связано с тем, что их основным показателем является объем счетов, которые говорят о конкретной тенденции. Однако это не означает, что исследования больших данных свободны от тщательного изучения – просто основное внимание уделяется другим вещам.

Критерии включения больших данных должны быть очень строгими. Включенные сущности должны быть как можно ближе друг к другу.

Кроме того, для исследований больших данных обычно требуется множество объектов. Если вы собираетесь прокомментировать конкретную тенденцию, необходимо, чтобы было достаточно объема, чтобы подкрепить это утверждение.

Например, в моем исследовании Optmyzr, рассматривающем Типы соответствия Google и стратегии назначения ставокмы включили около 2600 аккаунтов в разных странах. (Отказ от ответственности: я работаю в Optmyzr.) Мы могли бы включить больше учетных записей, если бы были более снисходительны к критериям.

Что ценностные бренды могут извлечь из обоих типов исследований

Может возникнуть соблазн сосредоточиться только на одном типе обучения. Тем не менее, оба имеют свое место и могут определять значимую стратегию работы с клиентами.

Большие данные помогают понять общие концепции и тенденции, которые могут повлиять на вашу учетную запись. Это будут руководящие принципы, такие как:

• Какой выбор структуры имеет более высокие шансы на успех?
• На чем сосредоточить усилия по созданию контента.
• Как люди тратят свои деньги?
• Когда какой тип сообщений использовать в воронке продаж?

Что полезно в такого рода знаниях, так это то, что они дают вам хорошую отправную точку для формирования вашей стратегии. Они также могут быть полезны для проверки собственной вменяемости.

Например, блестящий Майк Райан (SMEC) провел исследование о том, сколько конверсий необходимо для успешных кампаний PMax. Хотя эти данные полезны в любом контексте, полезно знать, что они основаны на 14 000 кампаний.

Из этих данных мы видим, что для достижения достойных результатов наши кампании PMax должны получать не менее 60 конверсий за 30-дневный период.

Если они не могут этого сделать, возможно, стоит оценить другие типы кампаний. Вполне возможно, что аккаунт может добиться успеха и без результатов этого исследования, но они будут исключением из общего правила.

Аналогичным образом, в равной степени умный и интересный Грег Гиффорд (Search Labs) провел исследование списков бизнес-профилей Google, чтобы оценить, действительно ли «лучшие практики» выдерживают анализ.

Он и его команда изучили 1000 дилерских центров и обнаружили, что некоторые из лучших практик верны, а другие основаны на корреляции, а не причинно-следственной связи.

Анекдотические исследования лучше дадут вам «дикие и сумасшедшие идеи» для проверки. Они также очень полезны для людей, терпимых к риску, для изучения новых тенденций.

Как организовать собственные исследования

Организация исследования сводится к пониманию того, как будет выглядеть объем исследования и насколько оно повторяемо. Если вы проведете исследование только один раз, оно не будет таким полезным, поскольку тенденции постоянно меняются.

Кроме того, если ваша сфера охвата слишком узкая или широкая, вы можете запутать данные или не полностью ответить на важный вопрос.

Убедитесь, что ваша гипотеза оставляет место для того, чтобы вы могли оказаться неправы.

Если не принять меры предосторожности, данные могут сказать что угодно. Крайне важно соблюдать строгие правила относительно того, что включено и почему.

Дополнительные ресурсы:

---

Рекомендованное изображение: Сергей Нивенс/Shutterstock