Perfekta data är omöjliga

Perfekta data är omöjliga Marketing Tech-blogg

Perfekta data är omöjliga Martech ZoneMarknadsföring i modern tid är en rolig sak; webbaserade marknadsföringskampanjer är mycket lättare att spåra än traditionella kampanjer, men det finns så mycket information tillgänglig att människor kan förlamas i en strävan efter mer data och 100% korrekt information. För vissa är den tid som sparas genom att snabbt kunna ta reda på antalet personer som såg deras onlineannons under en viss månad förnekas av den tid de spenderar på att försöka se varför deras trafikkällnummer inte riktigt lägger till.

Förutom oförmågan för perfekta data finns det också mängden data som är oroande. Det finns faktiskt så mycket att det ibland kan vara svårt att se skogen för träden. Behöver jag titta på studsfrekvensen eller exitfrekvensen? Visst, sidokostnad är ett värdefullt dataobjekt, men finns det bättre variabler som kan modellera hur mycket en viss innehållssida är värd att fylla i ett onlinemål? Frågorna är oändliga och svaren också. En expert kanske säger till dig, ”det beror bara”, men en person med huvudet i dimman av digital analytics kanske tror att det finns en perfekt uppsättning siffror om de bara tittar igenom allt.

På båda dessa områden är svaret enkelt - nöja sig med ofullkomlighet eftersom perfekta data och / eller fullständiga data är omöjliga. En av killarna som pratar så bra om detta är Avinash Kaushik. om du inte vet namnet är han en av New York Times bästsäljande artister, en av Googles huvudgubbar och sitter i styrelsen för flera universitet. Hans blogg, Occams Razor, är rent guld för dagens dataanalytiker och jag stötte nyligen på ett av hans äldre inlägg, En sexstegsprocess för att utveckla din mentala modell. I det beskriver han tanken att det inte finns någon uppsättning perfekta data och att människor behöver följa en mycket enklare väg till "Virtuous Data".

Av alla fantastiska poäng han gör är den som sticker ut mest:

... ditt jobb beror inte på data med 100% integritet på webben. Ditt jobb beror på att hjälpa ditt företag Move Fast och Think Smart.

Nästa gång du laddar upp Analytics, kom bara ihåg att om du arbetar med bra data och har följt bästa praxis bör du vara redo att fatta beslut om hur du går vidare. Eftersom oavsett de gigantiska ansträngningar du kan anställa i strävan efter fullständiga och perfekta data, kan den tid du spenderade på att göra det ha arbetat med omvandlingsfrekvenser, skapat ett nytt splitstest etc. Du vet, saker som kommer att hjälpa ditt företag växa och behåll ditt jobb.

Vill du starta en konversation? Kontakta mig på Twitter @sharpguysweb.

Vad tror du?

Den här sidan använder Akismet för att minska spam. Läs om hur din kommentardata behandlas.