CRM och dataplattformar

Marknadsföring behöver kvalitetsdata för att vara datadriven – kamper och lösningar

Marknadsförare är under extrem press att vara datadrivna. Ändå kommer du inte att hitta marknadsförare som pratar om dålig datakvalitet eller ifrågasätter bristen på datahantering och dataägande inom sina organisationer. Istället strävar de efter att vara datadrivna med dålig data. Tragisk ironi! 

För de flesta marknadsförare upplevs inte ens problem som ofullständig data, stavfel och dubbletter som ett problem. De skulle spendera timmar på att fixa misstag i Excel, eller så skulle de leta efter plugins för att ansluta datakällor och förbättra arbetsflöden, men de är inte medvetna om att detta är datakvalitetsproblem som har en ringeffekt i hela organisationen, vilket resulterar i miljontals förlorade pengar. 

Hur datakvalitet påverkar affärsprocesser

Marknadsförare idag är så överväldigade med mätvärden, trender, rapporter och analyser att de helt enkelt inte har tid att vara noggranna med datakvalitetsutmaningar. Men det är det som är problemet. Om marknadsförare inte har korrekt data till att börja med, hur i hela friden skulle de kunna skapa effektiva kampanjer? 

Jag nådde ut till flera marknadsförare när jag började skriva det här stycket. Jag hade turen att ha Axel Lavergne, medgrundare av ReviewFlowz att dela med sig av sin erfarenhet av dålig data. 

Här är hans insiktsfulla svar på mina frågor. 

  1. Vilka var dina första problem med datakvalitet när du byggde din produkt? Jag satte upp en recensionsgenereringsmotor och behövde några krokar att utnyttja för att skicka recensionsförfrågningar till nöjda kunder vid en tidpunkt då de sannolikt skulle lämna en positiv recension. 

    För att få detta att hända skapade teamet ett Net Promoter Score (NPS) undersökning som skulle skickas ut 30 dagar efter registrering. Närhelst en kund lämnar ett positivt NPS, initialt 9 och 10, senare utökat till 8, 9 och 10, skulle de uppmanas att lämna en recension och få ett presentkort på 10 USD i gengäld. Den största utmaningen här var att NPS-segmentet sattes upp på marketing automation-plattformen, medan data satt i NPS-verktyget. Frånkopplade datakällor och inkonsekventa data över verktyg blev en flaskhals som krävde användning av ytterligare verktyg och arbetsflöden.

    När teamet fortsatte med att integrera olika logiska flöden och integrationspunkter fick de ta itu med att upprätthålla överensstämmelse med äldre data. Produkten utvecklas, vilket innebär att produktdata ständigt förändras, vilket kräver att företag håller ett konsekvent rapporteringsdataschema över tiden.
  2. Vilka åtgärder vidtog du för att lösa problemet? Det krävdes mycket arbete med datateamet för att bygga upp korrekt datateknik kring integrationsaspekten. Låter kanske ganska grundläggande, men med många olika integrationer och massor av uppdateringar, inklusive uppdateringar som påverkar registreringsflödet, var vi tvungna att bygga en hel massa olika logiska flöden baserat på händelser, statisk data, etc.
  3. Hade din marknadsavdelning något att säga till om när det gällde att lösa dessa utmaningar? Det är en knepig sak. När du går till datateamet med ett mycket specifikt problem, kanske du tror att det är en enkel lösning och det tar bara 1h att fixa men det innebär verkligen ofta massor av förändringar som du inte är medveten om. I mitt specifika fall angående plugins var huvudkällan till problem att upprätthålla konsekventa data med äldre data. Produkter utvecklas, och det är verkligen svårt att hålla ett konsekvent rapportdataschema över tiden.

    Så ja, definitivt att säga till när det gäller behoven, men när det kommer till hur man implementerar uppdateringarna etc. kan du verkligen inte utmana ett ordentligt datateknikteam som vet att de måste hantera massor av förändringar för att få det att hända, och för att "skydda" data mot framtida uppdateringar.
  4. Varför pratar inte marknadsförare om datahantering eller datakvalitet trots att de försöker vara datadrivna? Jag tror att det verkligen handlar om att inte inse problemet. De flesta marknadsförare som jag har pratat med underskattar i stor utsträckning utmaningarna med datainsamling och tittar i princip på nyckeltal som har funnits i flera år utan att någonsin ifrågasätta dem. Men vad du kallar en registrering, en potentiell kund eller till och med en unik besökare förändras enormt beroende på din spårningsinställning och på din produkt.

    Mycket grundläggande exempel: du hade ingen e-postvalidering och ditt produktteam lägger till det. Vad är en registrering då? Före eller efter validering? Jag kommer inte ens börja gå in på alla finesser för webbspårning.

    Jag tror att det också har mycket att göra med attribution och hur marknadsföringsteam är byggda. De flesta marknadsförare är ansvariga för en kanal eller en delmängd av kanaler, och när du summerar vad varje medlem i ett team tillskriver sin kanal, är du vanligtvis runt 150 % eller 200 % av attributionen. Låter orimligt när man uttrycker det så, det är därför ingen gör det. Den andra aspekten är förmodligen att datainsamling ofta handlar om mycket tekniska problem, och de flesta marknadsförare är inte riktigt bekanta med dem. I slutändan kan du inte lägga din tid på att fixa data och leta efter pixelperfekt information eftersom du helt enkelt inte kommer att få det.
  5. Vilka praktiska/omedelbara steg tror du att marknadsförare kan vidta för att fixa kvaliteten på sin kunddata?Sätt dig själv i en användares skor och testa varenda en av dina trattar. Fråga dig själv vilken typ av händelse eller konverteringsåtgärd du utlöser vid varje steg. Du kommer förmodligen att bli mycket förvånad över vad som verkligen händer. Att förstå vad ett nummer betyder i verkliga livet, för en kund, lead eller besökare, är helt grundläggande för att förstå din data.

Marknadsföring har den djupaste förståelsen för kunden men kämpar för att få ordning på sina datakvalitetsproblem

Marknadsföring är hjärtat i varje organisation. Det är avdelningen som sprider budskapet om produkten. Det är avdelningen som är en brygga mellan kunden och verksamheten. Avdelningen som helt ärligt driver showen.

Ändå kämpar de också mest med tillgången till kvalitetsdata. Ännu värre, som Axel nämnde, de inser nog inte ens vad dålig data betyder och vad de ställs inför! Här är lite statistik från DOMO-rapporten, Marketings nya MO, för att sätta saker i perspektiv:

  • 46 % av marknadsförarna säger att det stora antalet datakanaler och källor har gjort det svårare att planera på lång sikt.
  • 30 % seniora marknadsförare anser att CTO och IT-avdelningen bör ta ansvaret för att äga data. Företag räknar fortfarande ut ägande av data!
  • 17.5 % anser att det finns en brist på system som samlar data och erbjuder insyn i hela teamet.

Dessa siffror indikerar att det är dags för marknadsföring att äga data och generera efterfrågan för att den verkligen ska vara datadriven.

Vad kan marknadsförare göra för att förstå, identifiera och hantera datakvalitetsutmaningar?

Trots att data är ryggraden för affärsbeslut, kämpar många företag fortfarande med att förbättra sitt ramverk för datahantering för att hantera kvalitetsfrågor. 

I en rapport från Marketing Evolution, mer än en fjärdedel av de 82 %

 företag i undersökningen drabbades av undermåliga uppgifter. Marknadsförare har inte längre råd att sopa överväganden om datakvalitet under mattan och de har inte heller råd att vara omedvetna om dessa utmaningar. Så vad kan marknadsförare egentligen göra för att möta dessa utmaningar? Här är fem bästa metoder att komma igång med.

Bästa tillvägagångssätt 1: Börja lära dig om datakvalitetsproblem

En marknadsförare måste vara lika medveten om datakvalitetsproblem som sin IT-kollega. Du behöver känna till vanliga problem som tillskrivs datamängder som inkluderar men inte är begränsade till:

  • Skrivfel, stavfel, namnfel, dataregistreringsfel
  • Problem med namnkonventioner och avsaknaden av standarder som telefonnummer utan landskoder eller användning av olika datumformat
  • Ofullständig information som saknade e-postadresser, efternamn eller viktig information som krävs för effektiva kampanjer
  • Felaktig information som felaktiga namn, felaktiga nummer, e-postmeddelanden etc
  • Olika datakällor där du registrerar information om samma individ, men de lagras på olika plattformar eller verktyg som hindrar dig från att få en konsoliderad vy
  • Dubblettdata där informationen av misstag upprepas i samma datakälla eller i en annan datakälla

Så här ser dålig data ut i en datakälla:

dålig dataproblem marknadsföring

Att bekanta dig med termer som datakvalitet, datahantering och datastyrning kan hjälpa dig att komma långt med att identifiera fel inom din Customer Relationship Management (CRM) plattform, och på den sträckan, så att du kan vidta åtgärder vid behov.

Bästa praxis 2: Prioritera alltid kvalitetsdata

Jag har varit där, gjort det. Det är frestande att ignorera dålig data eftersom om du verkligen skulle gräva djupt skulle bara 20 % av din data faktiskt vara användbar. Mer än 80 % av data är bortkastad. Prioritera alltid kvalitet framför kvantitet! Du kan göra det genom att optimera dina datainsamlingsmetoder. Om du till exempel registrerar data från ett webbformulär, se till att du bara samlar in data som är nödvändig och begränsa behovet för användaren att manuellt skriva in informationen. Ju mer en person måste "skriva" in information, desto högre är sannolikt att de skickar in ofullständiga eller felaktiga uppgifter.

Bästa praxis 3: Utnyttja rätt datakvalitetsteknik

Du behöver inte spendera en miljon dollar på att fixa din datakvalitet. Det finns dussintals verktyg och plattformar där ute som kan hjälpa dig att få ordning på din data utan att sätta fart. Saker som dessa verktyg kan hjälpa dig med inkluderar:

  • Dataprofilering: Hjälper dig att identifiera olika fel i din datamängd såsom saknade fält, dubbletter, stavfel etc.
  • Datarensning: Hjälper dig att rensa din data genom att möjliggöra snabbare omvandling från dålig till optimerad data.
  • Datamatchning: Hjälper dig att matcha datamängder i olika datakällor och länka/slå samman data från dessa källor. Du kan till exempel använda datamatchning för att ansluta både online- och offlinedatakällor.

Datakvalitetsteknik gör att du kan fokusera på det som är viktigt genom att ta hand om det överflödiga arbetet. Du behöver inte oroa dig för att slösa tid på att fixa dina data i Excel eller inom CRM innan du startar en kampanj. Med integreringen av ett datakvalitetsverktyg kommer du att kunna komma åt kvalitetsdata före varje kampanj.

Bästa praxis 4: Involvera ledande befattningshavare 

Beslutsfattare i din organisation kanske inte är medvetna om problemet, eller även om de är det, så antar de fortfarande att det är ett IT-problem och inte ett marknadsföringsproblem. Det är här du måste gå in för att föreslå en lösning. Dålig data i CRM? Dålig data från undersökningar? Dålig kunddata? Alla dessa är marknadsföringsproblem och har ingenting med IT-team att göra! Men om inte en marknadsförare går fram för att föreslå lösning av problemet, kanske organisationer inte gör något åt ​​datakvalitetsproblem. 

Bästa praxis 5: Identifiera problem på källnivå 

Ibland orsakas dåliga dataproblem av en ineffektiv process. Även om du kan rensa upp data på ytan, om du inte identifierar grundorsaken till problemet, kommer du att drabbas av samma kvalitetsproblem vid upprepning. 

Om du till exempel samlar in leaddata från en målsida och du märker att 80 % av datan har problem med telefonnummerinmatningar, kan du implementera datainmatningskontroller (som att placera ett obligatoriskt stadskodsfält) för att säkerställa att du åter får korrekta uppgifter. 

Grundorsaken till de flesta dataproblem är relativt enkel att lösa. Du behöver bara ta dig tid att gräva djupare och identifiera kärnfrågan och anstränga dig extra för att lösa problemet! 

Data är ryggraden i marknadsföringsverksamheten

Data är ryggraden i marknadsföringsverksamheten, men om dessa uppgifter inte är korrekta, fullständiga eller tillförlitliga kommer du att förlora pengar på kostsamma misstag. Datakvaliteten är inte längre begränsad till IT-avdelningen. Marknadsförare är ägare till kunddata och måste därför kunna implementera rätt processer och teknik för att nå sina datadrivna mål.

Farah Kim

Farah Kim är en människocentrerad produktmarknadsförare som specialiserar sig på att förenkla komplex information till praktiska insikter för affärspublik. Hon är fascinerad av datahantering och syftar till att hjälpa företag att övervinna operativa ineffektiviteter orsakade av ineffektiva datahanteringsmetoder.

Relaterade artiklar

Tillbaka till toppen knappen
Stänga

Adblock upptäckt

Martech Zone kan ge dig detta innehåll utan kostnad eftersom vi tjänar pengar på vår webbplats genom annonsintäkter, affiliate-länkar och sponsring. Vi skulle uppskatta om du tar bort din annonsblockerare när du tittar på vår webbplats.