Apa yang bisa dikatakan usus Anda bahwa data tidak bisa

Frasa mana yang paling akurat mewakili strategi pemasaran Anda saat ini?

Berbasis data . Informasi data . Data diaktifkan ?

Jika Anda menggaruk-garuk kepala (atau memutar mata), Anda tidak sendirian.

Peningkatan baru-baru ini dalam percakapan seputar data dan perbedaan yang dihasilkan telah membuat banyak pemasar bingung tentang pendekatan mana yang harus mereka ambil dengan bisnis mereka.

Tetapi alih-alih memihak dalam masalah ini, saya berpendapat bahwa ini bukan tentang semantik dan lebih banyak tentang mengapa perbedaan halus ini dibuat.

Keluhan utama terhadap istilah "berbasis data" adalah bahwa istilah itu menyindir bahwa datalah yang bertanggung jawab. Pembuat keputusan baru. Akhiri semua dan jadilah semua pemasaran modern.

Sebagian besar ilmuwan data akan berbicara sampai bingung tentang bagaimana wawasan yang diperoleh dari algoritme canggih jauh lebih unggul daripada firasat manusia.

Angka bersifat konkret. Mereka akurat. Mereka nyata.

Tapi pertimbangkan sejenak kasus mobil self-driving.

Mobil self-driving ini dimungkinkan oleh GPS canggih, navigasi dan pemetaan, sensor, laser, kamera, dan komputer.

Secara teori, komputer dan teknologi canggih lainnya harus jauh lebih unggul dalam memproses semua faktor dan informasi yang diperlukan untuk menavigasi jalan raya dengan aman.

Bagaimanapun, mereka mampu menerima dan memproses lebih banyak informasi daripada yang mampu dilakukan oleh otak manusia. Mereka juga lebih baik dalam mengenali dan mengidentifikasi pola yang rumit, dalam hal ini pola lalu lintas.

Tapi di mana mobil self-driving gagal adalah kekosongan mereka dari kapasitas manusia yang unik untuk menafsirkan konteks, niat dan juga, kemanusiaan.

Hal yang sama dapat dikatakan tentang data konsumen atau pasar. Ada terlalu banyak nuansa pada perilaku manusia bagi kita untuk sepenuhnya didorong oleh AI/data.

Sekarang jangan salah paham.

Sebagai seseorang yang perannya dalam menghasilkan permintaan membutuhkan banyak tatap muka dengan angka, saya tidak di sini untuk menjelek-jelekkan atau mengabaikan data sebagai alat pemasaran yang diperlukan atau efektif. Saya hanya berpikir itu penting untuk keberhasilan organisasi lain, serta saya sendiri, bahwa itu tetap sederhana – alat.

Untuk benar-benar memanfaatkan kekuatan data, Anda harus terlebih dahulu mengenali dan memahami keterbatasannya:

Data tidak berbohong, tetapi tidak dapat menceritakan keseluruhan cerita

Albert Einstein pernah berkata, "Tidak semua yang diperhitungkan dapat dihitung, dan tidak semua yang dapat dihitung diperhitungkan."

Seperti halnya komputer dan mesin yang rumit dan rumit, mereka terutama menawarkan kepada kita informasi yang sangat mendasar dan langsung – siapa/apa/kapan. Meskipun mengetahui bahwa informasi sangat membantu, pembelajaran kami terbatas tanpa konteks tambahan tentang bagaimana dan mengapa.

Misalnya, data dapat memberi tahu kami berapa banyak orang yang menyukai atau membagikan kiriman, tetapi tidak dapat memberi tahu kami alasannya. Dengan kata lain ia dapat menawarkan kepada kita hasil-hasil kuantitatif tetapi bukan penalaran kualitatif.

Atau pikirkan seperti ini: Jika seseorang menganalisis jam yang Anda habiskan bersama rekan kerja, teman, dan keluarga dalam seminggu, data akan menunjukkan bahwa rekan kerja Anda paling penting bagi Anda.

Mungkin tidak demikian, tetapi contoh yang baik tentang bagaimana data dapat menyesatkan tanpa konteks yang tepat.

Data juga dapat menunjukkan hubungan potensial antara berbagai faktor, tetapi tidak dapat membuktikannya. Ini adalah pepatah yang akrab, "korelasi tidak menyiratkan sebab-akibat."

Misalnya, data mungkin menunjukkan korelasi antara lalu lintas situs web yang tinggi dan pendapatan yang tinggi selama satu bulan, tetapi itu tidak berarti peningkatan pendapatan disebabkan oleh peningkatan lalu lintas. Mungkin ada faktor ketiga yang mempengaruhi kedua angka ini, atau variabel tidak langsung lainnya.

Hanya mata dan pengalaman terlatih Anda yang tahu untuk mendekati angka dan metrik ini dengan hati-hati dan melakukan pengujian lebih lanjut. Jika Anda menemukan korelasi dalam data Anda, coba gali lebih dalam untuk mereplikasi hasil Anda dan mengisolasi penyebab sebenarnya, atau segmen dengan berbagai cara untuk melihat apakah pola yang berbeda muncul.

Mengumpulkan umpan balik kualitatif dari metode seperti situs dan survei email juga dapat membantu.

Data adalah realistis, tetapi tidak dapat mengambil risiko

Beberapa tahun yang lalu, Morgan Hermand-Waiche yang berusia 29 tahun berangkat untuk membeli pakaian dalam pacarnya untuk ulang tahunnya.

Begitu dia menemukan betapa mahalnya sebagian besar pilihannya, dia menyadari ada celah serius di pasar untuk perusahaan pakaian dalam yang terjangkau dan segera mulai meneliti kemungkinan peluang usaha.

Masalah? Data menyuruhnya untuk menjauh sejauh mungkin dari bisnis pakaian dalam. Ada gembong industri yang jelas mendominasi pasar, hambatan masuk yang tak terhitung jumlahnya dan banyak upaya gagal termasuk beberapa merek terkenal.

Namun terlepas dari temuannya, Hermand-Waiche tidak dapat mengabaikan satu hal yang masih mendorongnya untuk mengejar usaha ini: nalurinya. Harus ada pasar untuk pakaian dalam yang terjangkau dan berkualitas – bahkan jika data menunjukkan sebaliknya.

Hermand-Waiche sekarang adalah pendiri dan CEO dari Adore Me, sebuah perusahaan pakaian dalam e-commerce yang merevolusi industri ini. Hanya dalam beberapa tahun, dia mengubah firasatnya menjadi perusahaan Inc. 500 dengan pertumbuhan tercepat #2 di NYC dan telah mengumpulkan sekitar $11,5 juta dari VC dan investor swasta.

Data hanya dapat memberi tahu kita keadaan saat ini, dan paling banter membuat prediksi yang tepat.

Coba gunakan metode yang lebih kualitatif seperti mengajukan pertanyaan/jajak pendapat di saluran sosial Anda, mendengarkan secara sosial, atau bahkan kelompok fokus yang bagus untuk mendapatkan umpan balik yang lebih jujur ​​dan intim tentang ide yang mungkin Anda miliki.

Dan ingat, terkadang revolusi hanya berarti mengabaikan status quo dan mengambil risiko.

Data dapat menginformasikan, tetapi tidak dapat dibayangkan

Ulangi setelah saya: Data besar bukanlah ide besar.

Data tidak muncul dengan "Just Do It" atau memberi tahu Apple untuk "Berpikir Berbeda."

Terlalu mudah terjebak dalam angka dan statistik, tetapi ingat bahwa pemasaran yang hebat adalah tentang menceritakan kisah yang hebat – dan menceritakan kisah yang hebat berarti memahami perilaku, emosi, dan pengalaman manusia.

Kami dapat mempelajari segala macam hal tentang tindakan audiens kami dari data. Tapi itu tidak bisa memberi tahu kita tentang motivasi mereka, perjuangan mereka, keinginan mereka, dll. Kita membutuhkan wawasan manusia yang unik itu untuk menceritakan kisah-kisah hebat dan menjadi kreatif.

Tapi itu bukan kesalahan data.

Kreativitas adalah seni. Menurut definisinya "seni" adalah ekspresi atau penerapan keterampilan kreatif dan imajinasi manusia, menghasilkan karya untuk dihargai terutama karena keindahan atau kekuatan emosionalnya. Kata kunci di sini adalah "manusia" dan "emosional".

Contoh kasus: Pada tahun 2016, Departemen Ilmu Komputer Universitas Toronto mencoba mengajari komputer cara menulis lagu.

Para peneliti memberi makan mesin lebih dari 100 jam musik sementara algoritme canggih "mempelajari" pola dalam ketukan, akord, dan lirik. Dan sementara semua itu terdengar sangat berteknologi tinggi, "lagu" yang dihasilkan agak seperti bencana – dengan lirik yang aneh dan tidak masuk akal dan melodi robot yang tidak menginspirasi.

Ternyata, data adalah komposer yang cukup jelek.

Kabar baiknya adalah, ada cara data dapat memberikan jenis wawasan emosional manusia yang menginspirasi kreatif yang hebat. Tetapi alih-alih mendengarkan angka-angka, Anda harus benar-benar mendengarkan orang.

Kemajuan terbaru dalam alat pendengar sosial memungkinkan merek menemukan hal-hal tentang audiens mereka yang mungkin membutuhkan waktu berbulan-bulan untuk wawancara kualitatif. Afinitas topik adalah contoh bagus dari kemampuan mendengarkan yang jauh lebih berdampak daripada yang disadari kebanyakan orang.

Bayangkan pintu yang bisa terbuka ketika Anda mengetahui apa lagi yang dibicarakan audiens Anda di media sosial. Apakah mereka menyukai jenis musik tertentu? Atau olahraga? Wawasan ini dapat mengarah pada peluang sponsor baru, integrasi produk, atau bahkan segmen pemirsa baru.

Contoh bagus lainnya tentang bagaimana mendengarkan secara sosial dapat menginspirasi kreativitas yang hebat adalah melalui analisis sentimen. Mempelajari perasaan audiens Anda tentang sesuatu seperti berita terbaru atau topik yang relevan memberi Anda kesempatan untuk membuat konten atau kampanye yang akan beresonansi dengan mereka pada tingkat yang lebih dalam dan lebih bergema secara emosional.

Coca-Cola menggunakan analisis sentimen untuk membuat Coke Tweet Machine mereka. Menggunakan pemrosesan bahasa alami dan lokasi, merek tersebut mampu mengidentifikasi kota yang paling tidak bahagia di negara ini.

Sesuai dengan strategi merek mereka, "pilih kebahagiaan", mereka membawa mesin penjual Coke ke kota yang menganalisis sentimen setiap profil Twitter pengguna.

Mesin kemudian hanya membagikan sekaleng kepada pengguna dengan kehadiran yang lebih positif dan bahagia di platform.

Sungguh menakjubkan bagaimana merek dapat belajar dan berkreasi begitu banyak hanya dari menganalisis aktivitas orang-orang di media sosial. Coba lakukan beberapa mendengarkan sosial Anda sendiri saat Anda mencari wawasan kreatif di lain waktu.

Jadi, apakah Anda menganggap organisasi Anda berdasarkan informasi atau data, yang terpenting adalah Anda menyisakan banyak ruang untuk kemanusiaan dalam pengambilan keputusan Anda. Karena data tanpa manusia bukanlah wawasan – itu hanya angka.