あなたの腸があなたにデータができないことを伝えることができること
公開: 2018-04-23現在のマーケティング戦略を最も正確に表すフレーズはどれですか？
データ駆動型。 データに基づく。 データ対応？
あなたが頭を掻いている（または目を転がしている）場合、あなたは一人ではありません。
最近のデータに関する会話の増加とその結果としての相違により、多くのマーケティング担当者は、ビジネスでどのアプローチを取るべきかについて悩んでいます。
しかし、問題に賛成するのではなく、セマンティクスではなく、これらの微妙な区別が行われている理由についてより多くのことを主張したいと思います。
「データ駆動型」という用語に対する主な不満は、データが担当していることをほのめかしていることです。 新しい意思決定者。 すべてを終わらせ、現代のマーケティングのすべてになりましょう。
ほとんどのデータサイエンティストは、洗練されたアルゴリズムから収集された洞察が人間の勘の洞察よりもはるかに優れていることについて、顔が真っ青になるまで話します。
数字は具体的です。 それらは正確です。 それらは具体的です。
しかし、自動運転車の場合を少し考えてみてください。
自動運転車は、高度なGPS、ナビゲーションとマッピング、センサー、レーザー、カメラ、コンピューターによって可能になります。
理論的には、コンピューターやその他の高度なテクノロジーは、道路を安全にナビゲートするために必要なすべての要素と情報を処理する上ではるかに優れているはずです。
結局のところ、彼らは人間の脳ができるよりもはるかに多くの情報を取り込んで処理することができます。 また、複雑なパターン、この場合はトラフィックパターンの認識と識別にも優れています。
しかし、自動運転車が失敗するのは、文脈、意図、そして人間性を解釈する独自の人間の能力が欠如していることです。
消費者データや市場データについても同じことが言えます。 人間の行動には、完全にAI/データ駆動型になるにはあまりにも多くのニュアンスがあります。
今私を誤解しないでください。
需要生成における役割が数字との多くの対面時間を必要とする人として、私は必要または効果的なマーケティングツールとしてデータを非難したり割引したりするためにここにいるわけではありません。 私自身だけでなく、他の組織の成功にとっても、それが単にツールであり続けることが重要だと思います。
データの力を真に活用するには、まずその制限を認識して理解する必要があります。
データは嘘をつきませんが、全体像を伝えることはできません
アルバート・アインシュタインはかつて、「数えられるものすべてが数えられるわけではなく、数えられるものすべてが数えられるわけではない」と述べました。
複雑で複雑なコンピューターやマシンは、主に、誰が、何を、いつ、非常に基本的でわかりやすい情報を提供してくれます。 情報が非常に役立つことを知っている間、私たちの学習は、方法と理由の追加のコンテキストなしで制限されます。
たとえば、データは投稿を高く評価または共有した人の数を教えてくれますが、その理由を教えてくれません。 言い換えれば、それは私たちに定量的な結果を提供することができますが、定性的な推論を提供することはできません。
または、次のように考えてください。特定の週に同僚、友人、家族と過ごした時間を誰かが分析した場合、データは、同僚があなたにとって最も重要であったことを示唆します。
おそらくそうではありませんが、適切なコンテキストがないとデータが誤解を招く可能性があることを示す良い例です。
データは、さまざまな要因間の潜在的な関係を示すこともできますが、それを証明することはできません。 これはおなじみの格言であり、「相関関係は因果関係を意味するものではありません」。
たとえば、データは1か月の高Webサイトトラフィックと高収益の相関関係を示している場合がありますが、それは必ずしも収益の増加がトラフィックの増加によって引き起こされたことを意味するわけではありません。 これらの数値の両方に影響を与える3番目の要因、または別の間接変数があった可能性があります。
訓練を受けた目と経験だけが、これらの数値と測定基準に注意してアプローチし、さらにテストを行うことを知っています。 データに相関関係が見つかった場合は、さらに深く掘り下げて結果を複製して真の原因を特定するか、さまざまな方法でセグメント化して、さまざまなパターンが出現するかどうかを確認してください。
また、サイトや電子メールの調査などの方法から定性的なフィードバックを収集することも役立ちます。
データは現実主義者ですが、リスクを冒すことはできません
数年前、29歳のMorgan Hermand-Waicheは、彼女の誕生日にガールフレンドのランジェリーを購入しようと試みました。
彼は自分の選択肢のほとんどがどれほど高価であるかを発見すると、手頃な価格のランジェリー会社の市場に深刻なギャップがあることに気づき、すぐに可能性のあるベンチャーの機会を調査し始めました。
問題？ データは彼にランジェリービジネスからできるだけ遠くにとどまるように言いました。 市場を支配する明確な業界の王者、参入障壁が無数にあり、いくつかの有名ブランドを含む多くの失敗した試みがありました。
しかし、彼の発見にもかかわらず、Hermand-Waicheは、彼にこの冒険を追求するように促している1つのこと、つまり彼の内臓を無視することはできませんでした。 データが別のことを示唆しているとしても、手頃な価格で高品質のランジェリーの市場がなければなりませんでした。
Hermand-Waicheは現在、業界に革命をもたらすeコマースランジェリー会社であるAdoreMeの創設者兼CEOです。 わずか数年で、彼は自分の直感をニューヨークで最も急成長しているInc. 500の会社に変え、VCと個人投資家から約1150万ドルを調達しました。
データは私たちに物事の現在の状態を伝えるだけであり、せいぜい情報に基づいた予測を行うことができます。
ソーシャルチャネルで質問や投票を行う、ソーシャルリスニング、さらには優れたフォーカスグループなど、より定性的な方法を利用して、考えているアイデアについてより正直で親密なフィードバックを得るようにしてください。
また、革命とは、現状を無視してリスクを冒すことを意味する場合があることを忘れないでください。
データは情報を提供できますが、想像することはできません
私の後に繰り返してください：ビッグデータは大きなアイデアではありません。
データは「JustDoIt」を思い付くか、Appleに「ThinkDifferent」を指示しませんでした。
数字や統計の雑草に巻き込まれるのは簡単ですが、優れたマーケティングとは優れたストーリーを伝えることであり、優れたストーリーを伝えることは人間の行動、感情、経験を理解することを意味することを忘れないでください。
データから、視聴者の行動についてさまざまなことを学ぶことができます。 しかし、それは彼らの動機、彼らの闘争、彼らの欲望などについて私たちに伝えることはできません。私たちは素晴らしい物語を語り、創造的であるためにそれらのユニークな人間の洞察を必要としています。
しかし、それはデータのせいではありません。
創造性は芸術です。 その定義によると、「アート」とは、人間の創造的なスキルと想像力の表現または応用であり、主にその美しさや感情的な力で評価される作品を生み出します。 ここでのキーワードは「人間」と「感情的」です。
好例：2016年、トロント大学のコンピューターサイエンス学部は、コンピューターに曲の書き方を教えようとしました。
洗練されたアルゴリズムがビート、コード、歌詞のパターンを「学習」しながら、研究者は100時間以上の音楽をマシンに供給しました。 そして、それはすべて印象的なハイテクに聞こえますが、結果として得られる「歌」は、奇妙で無意味な歌詞と刺激のないロボットのメロディーで、やや悲惨なものでした。
結局のところ、データはかなりくだらない作曲家です。
良いニュースは、データが優れたクリエイティブを刺激するタイプの人間的で感情的な洞察を提供できる方法があるということです。 しかし、数字を聞く代わりに、実際に人の話を聞く必要があります。
ソーシャルリスニングツールの最新の進歩により、ブランドは、そうでなければ数か月の定性的インタビューを必要とする可能性のあるオーディエンスに関することを発見することができます。 トピックの親和性は、ほとんどの人が理解しているよりもはるかに影響力のあるリスニング機能の優れた例です。
あなたの聴衆がソーシャルで他に何について話しているかを知るときに開くことができるドアを想像してみてください。 彼らはある種の音楽が好きですか？ またはスポーツ？ これらの洞察は、新しいスポンサーシップの機会、製品の統合、さらにはまったく新しいオーディエンスセグメントにつながる可能性があります。
ソーシャルリスニングが優れたクリエイティブをどのように刺激できるかを示すもう1つの良い例は、感情分析です。 最近のニュースや関連トピックなどについて視聴者がどのように感じているかを学ぶことで、より深く、より感情的に共鳴するレベルで視聴者の共感を呼ぶコンテンツやキャンペーンを作成する機会が得られます。
コカ・コーラは、感情分析を使用してCokeTweetMachineを作成しました。 自然言語処理と場所を使用して、ブランドは国内で最も幸せでない都市を特定することができました。
彼らのブランド戦略である「幸せを選ぶ」に沿って、彼らは各ユーザーのTwitterプロフィールの感情を分析するCoke自動販売機を街に持ち込みました。
その後、マシンは、プラットフォーム上でよりポジティブで幸せな存在感を持つユーザーにのみ缶を分配しました。
ソーシャルでの人々の活動を分析するだけで、ブランドがこれほど多くのことを学び、創造できるのは驚くべきことです。 次回、創造的な洞察を探しているときに、独自のソーシャルリスニングを試してみてください。
したがって、組織がデータに基づいているかデータ主導であるかを問わず、本当に重要なのは、意思決定に人類の余地を十分に残していることです。 人間のいないデータは洞察ではなく、単なる数字だからです。