Cara Mendapatkan Lebih Banyak dari Laporan Pemasaran Anda

Bagaimana pemasar membuat keputusan cerdas tentang cara terhubung dengan pelanggan?

Keputusan pemasaran yang cerdas adalah keputusan berdasarkan data. Ada begitu banyak data yang tersedia untuk bisnis tentang pelanggan mereka sekarang – sampai-sampai bisa sangat banyak. Bagaimana Anda tahu data apa yang digunakan?

Jika Anda berpikir bahwa Anda harus mengumpulkan semua data pelanggan yang Anda bisa dan menyimpannya seperti tupai, pikirkan lagi. Anda ingin data yang Anda kumpulkan menjadi informasi yang dapat Anda gunakan untuk terhubung dengan pelanggan dengan lebih baik.

Christopher Lewis, Manajer Akun di ActiveCampaign, menyelenggarakan webinar tentang cara menganalisis data yang Anda miliki tentang pelanggan dengan lebih baik untuk menjadikan Anda pemasar yang lebih cerdas dan efektif.

Jika Anda pintar tentang data, laporan pemasaran Anda dapat menjadi salah satu sumber daya yang paling berguna untuk terhubung dengan pelanggan.

Tonton webinarnya di atas, atau baca rekapnya di bawah ini. Anda akan belajar:

• Perbedaan antara data dan data yang baik . Data bagus, tapi data bagus lebih baik
• Bagaimana mengidentifikasi metrik rias membantu Anda belajar membuat sasaran pemasaran yang bermakna
• KPI vs. PSI: Bedanya apa dan harus fokus yang mana?
• Pengumpulan data ABC – dan bagaimana Harry Hipotetis menggunakannya untuk melihat perbedaan dalam pemasaran melalui data

1. Data baik, tetapi data yang baik lebih baik

Semua orang menginginkan data besar – itu memabukkan.

Tetapi mengumpulkan data hanya untuk memilikinya tidak akan membantu bisnis Anda. Ada perbedaan antara data yang ada dan data bagus yang dapat Anda gunakan. “Hanya karena informasi tersedia tidak berarti itu relevan,” kata Christopher.

Di masa lalu, pengumpulan data sangat minim — lebih sulit untuk mendapatkan data dari upaya pemasaran seperti media cetak dan rekaman atau surat. Pengumpulan data lebih lambat dan tidak dapat diperbarui secara real time.

Di dunia sekarang ini, industri jenuh dengan data.

Ponsel, komputer, tablet, kartu kredit, dan perangkat lunak mengumpulkan data secepat kilat. Ada banyak data bagus di luar sana. Tantangannya adalah mengumpulkan data yang berharga bagi bisnis Anda.

Ada 3 ciri data yang baik. Data yang baik adalah:

1. Responsif – Ini memberi tahu bisnis Anda untuk membantu Anda membuat keputusan yang cerdas
2. Dapat ditindaklanjuti – Anda dapat membuat rencana untuk menggunakannya
3. Didorong oleh narasi – Ini mengikuti kisah perjalanan bisnis Anda bersama dengan perjalanan pelanggan Anda.

“Banyak UKM dapat hanyut oleh daya pikat banyak informasi,” kata Chris, “itu adalah pola pikir 'jika ada, saya harus memilikinya.'” Apa yang tidak dipertimbangkan oleh UKM adalah informasi yang tersedia tidak' t selalu sama dengan informasi yang relevan.

Bagian tersulit dalam menggunakan data yang baik adalah mengetahui apa yang harus disimpan dan apa yang harus dilepaskan. Beberapa bisnis adalah “penimbun data.” Bahkan jika tidak ada rencana untuk data, beberapa orang hanya ingin memilikinya.

Ketidakrelevanan adalah dosa kardinal terbesar dalam hal pengumpulan data yang buruk. Bisnis Anda perlu memangkas beberapa data dan mendapatkan data relevan yang Anda butuhkan. Kecuali Anda memiliki rencana kualitas untuk menggunakan info ini, Anda tidak perlu mengumpulkan warna favorit pelanggan Anda.

Skenario bagaimana data dapat diklasifikasikan sebagai baik adalah mengumpulkan tanggal lahir. Jika Anda adalah perusahaan penerbitan digital dan Anda mengumpulkan informasi ini, Anda dapat mengirim artikel kepada seseorang sejak mereka lahir. Itu ide konten yang keren dan contoh data bagus yang responsif.

2. Identifikasi metrik kesombongan untuk menciptakan tujuan pemasaran yang bermakna

Apa itu metrik kesombongan?

Itu metrik yang tidak penting.

Metrik yang Anda dapatkan dari laporan pemasaran Anda tidak berguna kecuali jika metrik tersebut berkontribusi pada tujuan pemasaran yang berarti. Setiap industri memiliki metrik rias, dan mudah untuk dimasukkan ke dalam keberhasilan metrik rias ini karena mereka merasa sangat penting – mereka besar dan mudah didapat.

Kecuali Anda dapat melihat dampak kualitas dari metrik yang membantu Anda membentuk sasaran jangka panjang, beberapa metrik tidak sepadan dengan waktu Anda.

Namun terkadang, perlu menarik metrik yang salah untuk mengetahui metrik yang tepat. Chris membagikan salah satu contoh dari industri otomotif.

Sebuah dealer mobil tertentu bekerja dengan metode kontak usang untuk pelanggan – khususnya panggilan telepon. Mereka gagal melihat nilai dalam memperbarui proses mereka berdasarkan perilaku pelanggan – seperti perilaku online. Karena itu, mereka hanya berfokus pada metrik pelanggan yang sudah ketinggalan zaman:

• Volume panggilan telepon
• Volume email

“Tujuan dari dealer mobil adalah untuk menjual mobil. Jadi mereka berpikir X jumlah email + X jumlah panggilan telepon dalam seminggu = X jumlah penjualan mobil untuk minggu itu,” kata Chris. Namun pendekatan mereka sudah ketinggalan zaman karena cara orang menggunakan teknologi telah banyak berubah — orang tidak menggunakan ponsel mereka seperti dulu, jadi metrik lama tidak penting lagi.

Banyak bisnis tidak menyadari perlunya data baru. Data yang mereka kumpulkan tidak akurat, tetapi mereka masih menggunakannya. Ketika bisnis Anda berkembang atau produk Anda berubah, data yang Anda miliki dari waktu sebelumnya tidak akurat.

Konsumen saat ini ingin tetap anonim selama mungkin, dan mereka tidak melakukan panggilan sesering mungkin. Sebagian besar pelanggan modern memulai dengan mencari informasi secara online, yang berarti bahwa metrik panggilan dan email sama sekali tidak berguna bagi dealer.

“Itu membuat saya berpikir, 'informasi seperti apa yang dapat kami ambil secara anonim yang memengaruhi keputusan pelanggan? Ada info pelanggan online yang dapat kita gunakan sebagai bisnis sehingga pada saat pelanggan muncul di dealer, mereka sudah siap untuk mengambil kunci dan pergi,'” kata Chris.

Info tersebut mencakup tindakan pelanggan seperti:

• Mengklik pada peta ke dealer
• Mengklik laporan Carfax
• Melihat ulasan dealer atau melihat deskripsi dealer

Tindakan pelanggan ini menunjukkan bahwa orang tidak hanya pasif melihat iklan atau email. Mereka secara khusus tertarik untuk muncul di tempat parkir.

Chris membantu bisnis otomotif membuat laporan pemasaran yang benar-benar berguna – dan membantu mereka membuat sasaran yang terukur.

Apa yang ditemukan oleh bisnis otomotif dalam laporan tersebut adalah bahwa mereka akan mengambil semua jenis interaksi yang dimiliki pelanggan selama jangka waktu tertentu, dan membaginya untuk melihat titik kontak terakhir pada iklan tersebut sebelum iklan tersebut dihapus. .

Bisakah Anda melihat titik koneksi pelanggan apa yang bahkan tidak masuk dalam 5 jenis teratas?

Laporan pemasaran menunjukkan lima titik koneksi pelanggan teratas. Jenis seperti "peta ke dealer" dan "situs web dealer" datang bahkan sebelum email. Dan kemudian petunjuk arah mengemudi dan detail lainnya dicetak.

Panggilan telepon tidak dapat ditemukan di lima titik koneksi teratas.

Laporan pemasaran ini membantu bisnis otomotif mengontekstualisasikan jenis data yang ada — dan memberi mereka kebebasan untuk berhenti menggunakan metode usang seperti panggilan telepon dan mulai melihat hal-hal yang memotivasi pelanggan untuk datang dan membeli.

Menurut pendapat Chris, tarif terbuka adalah metrik kesombongan pemasaran email terbesar.

Jika sebuah perusahaan hipotetis memiliki:

• Tingkat terbuka 45% (karena hal-hal seperti baris subjek yang bagus, branding yang familiar, dan irama pengiriman yang bagus)
• Rasio klik-tayang 0,3% yang sangat rendah (karena penempatan CTA yang buruk, jumlah salinan yang berlebihan, dan CTA yang tidak jelas)
• Rasio pentalan 85% yang terlalu tinggi (dari pengalaman pengguna situs yang buruk, halaman arahan yang buruk, dan CTA yang membawa mereka ke halaman yang tidak relevan).

Itu berarti ada ruang untuk pengujian.

Perusahaan menguji perubahan pada CTA mereka dan tidak ada yang lain. Tingkat terbuka mereka tetap sama. Mereka melompat ke 15% klik-tayang, yang fantastis. Tapi tingkat bouncing mereka masih 80%.

Mereka hanya turun 5% pada rasio pentalan mereka, yang berarti keberhasilan mereka dalam menghasilkan keuntungan pada email mereka masih belum tinggi.

Bahkan jika Anda memiliki tingkat terbuka yang besar, Anda masih belum menghasilkan banyak uang. Seperti yang dikatakan Chris, “jika kita menghabiskan seluruh waktu kita terobsesi dengan tarif terbuka, dan bukan pada konversi, kita bisa sedikit tersesat.”

Sebagai ahli dalam pengumpulan dan analisis info pelanggan, Chris memiliki mantra penting untuk diingat:

“Proses menghasilkan hasil. Dan jika Anda tidak mendapatkan hasil yang Anda inginkan, Anda harus memeriksa proses yang menghasilkannya.”

3. KPI vs. PSI: Bedanya apa?

Anda mungkin akrab dengan akronim KPI , atau indikator kinerja utama . Tapi KPI tidak bekerja sendiri. Mereka hanya bekerja karena PSI.

Apa perbedaan antara KPI dan PSI? Chris menggalinya untuk Anda.

• KPI = Indikator Kinerja Utama
• PSI = Indikator Keberhasilan Proses

KPI berhubungan langsung dengan tujuan bisnis Anda. KPI khusus industri dan diidentifikasi sebagai sangat fokus pada metrik tunggal (10% lebih banyak penjualan baru; 80% retensi)

KPI umum meliputi:

• Jumlah konversi
• Persentase pendapatan berulang
• Jumlah penjualan
• Jumlah pelanggan baru
• Tingkat retensi pelanggan

KPI berubah seiring pertumbuhan bisnis. Pemasaran terus berubah, dan perjalanan pelanggan Anda harus berjalan seiring dengan perjalanan bisnis Anda. Bisnis baru memiliki KPI yang sangat berbeda dari perusahaan berusia 10 tahun.

Bisnis baru perlu fokus pada pengoptimalan produk, atau membangun basis klien. Setelah Anda membangun bisnis Anda dan tumbuh menguntungkan, KPI Anda berubah dengan pertumbuhan Anda.

PSI berada di bawah KPI Anda. PSI bersifat operasional dan KPI bersifat organisasional. Jika organisasi ingin menghasilkan lebih banyak uang, proses apa yang perlu terjadi untuk melihat hasil itu?

Berikut cara kerjanya:

Jika KPI Anda adalah "pelanggan baru", PSI Anda akan melihat proses orientasi Anda untuk titik gesekan untuk mencapai KPI Anda.

Jika bisnis Anda menetapkan KPI seperti mendapatkan pelanggan baru atau meningkatkan waktu yang dihabiskan di halaman situs tertentu, Anda harus bertanya pada diri sendiri apa sebenarnya yang dapat Anda lakukan untuk mewujudkannya.

Jika Anda mencoba untuk pelanggan baru, Anda melihat titik gesekan.

• Seberapa mudah untuk mendaftar pelanggan baru?
• Seberapa terpikat mereka?
• Apa insentif menjadi bagian dari daftar saya?

Jika prosesnya berhasil, Anda secara statistik lebih mungkin mencapai tujuan dan KPI Anda. Dan ini membantu Anda mengidentifikasi nomor apa yang harus Anda fokuskan

Setelah Anda mengidentifikasi KPI dan PSI Anda, Anda mungkin menyadari bahwa mereka tidak selaras. Saat Anda menyelaraskan KPI dan PSI Anda, kemungkinan besar Anda akan mendapatkan info tentang laporan pemasaran yang membantu bisnis Anda berkembang.

4. Ikuti ABC pengumpulan data untuk melihat perbedaan dalam pemasaran

Terkadang semudah ABC – bukan 1-2-3.

Berikut adalah kumpulan data ABC yang dapat Anda ikuti untuk melihat perbedaan dalam pemasaran.

• Ajukan pertanyaan seperti seorang peneliti
• Bangun strategi yang efektif
• C mengontekstualisasikan data Anda

Saat Anda mengajukan pertanyaan, Anda mengidentifikasi area untuk perbaikan – pastikan pertanyaan Anda cukup spesifik untuk mendapatkan jawaban yang berkualitas. Fokus pada sesuatu yang operasional yang dapat diidentifikasi dan ditingkatkan melalui pengujian.

Bisnis seperti milik Anda mungkin berkata, “Saya tahu bahwa saya mendapatkan tarif terbuka yang cukup baik untuk pengiriman pada hari Selasa, tetapi saya selalu mengirim pada hari Selasa. Saya tidak sepenuhnya yakin bahwa itu adalah hari terbaik untuk mengirim. Apa yang akan terjadi jika saya mengirimnya pada hari Kamis?

Ini adalah jenis pertanyaan yang Anda cari.

Saat Anda mengajukan pertanyaan yang tepat, Anda membuat hipotesis, seperti:

• “Jika saya mengurangi jumlah pertanyaan yang saya ajukan dalam formulir saya, pengiriman akan meningkat 25%.”
• “Jika saya mengubah verbiage dari baris subjek saya, tarif terbuka akan meningkat sebesar 10%.”
• “Jika saya menggeser posisi CTA saya, Click-Throughs akan meningkat sebesar 5%.”

Bagaimana Anda membangun strategi yang efektif? 3 langkah:

1. Pilih metode pengujian Anda – inkremental atau iteratif
2. Pilih alat untuk membantu pengujian – seperti pengujian A/B
3. Pastikan Anda mengetahui audiens yang Anda uji – segmentasikan kontrol dan variabel di audiens Anda untuk aliran yang berbeda

Memilih metode pengujian Anda adalah langkah besar pertama.

Pengujian tambahan melibatkan perubahan hanya satu variabel pemasaran pada satu waktu – seperti baris subjek email.

Pengujian berulang adalah saat Anda menguji beberapa variabel kampanye pemasaran sekaligus. Tetapi akan lebih sulit untuk mendapatkan data yang dapat digunakan dari pengujian berulang karena perlu waktu lebih lama untuk mengidentifikasi perubahan apa yang benar-benar membuat perbedaan positif dalam pemasaran Anda.

Mengkontekstualisasikan data berarti menganalisis hasil pengujian Anda.

• Isolasi Driver dan Depresor . AKA Carilah outlier. Apakah Anda memiliki seseorang yang kinerjanya jauh lebih rendah atau lebih tinggi dari yang diharapkan? Waspadalah terhadap Teater Sukses dan Rata-Rata Buruk (jangan mengambil tarif terbuka 45% pada nilai nominal; satu orang dapat membuka email lebih dari sekali dan itu melemahkan angka tarif terbuka Anda.
• Tentukan apakah hipotesis Anda benar atau salah . Jika benar, bagaimana Anda menggunakan data baru ini? Jika salah, apa yang Anda pelajari dari tes tersebut? Pengujian tidak pernah membuang waktu
• Putuskan apakah pertanyaan Anda telah dijawab sepenuhnya . Apakah Anda perlu mengubah hipotesis Anda? Terkadang pertanyaan yang menurut Anda perlu dijawab bukanlah pertanyaan yang benar – dan tidak apa-apa!

Inilah yang terjadi ketika Direktur Pemasaran SMB Hipotetis Harry menggunakan ABC untuk mengumpulkan data yang berguna dan melihat perbedaan dalam pemasarannya.

Harry hipotetis sedang menguji tarif terbuka. Tantangan nya adalah:

• Berjuang dengan Penjualan
• Rasio Pantulan Tinggi
• Klik-Tayang Rendah
• Bukaan Rendah

Hipotesisnya adalah: "Jika saya mengubah hari pengiriman saya dari Selasa menjadi Rabu, saya akan menerima tarif terbuka 5% lebih tinggi."

Pembenaran hipotesisnya adalah: “Hari pemesanan terendah kami adalah Minggu-Selasa; mungkin ini waktu yang salah untuk menghubungi. Mengapa kami mengirim email pada hari pesanan rendah? Mari kita coba hari baru.”

Ini adalah tes tambahan yang "Harry" buat di dalam ActiveCampaign:

Otomatisasi membagi pengujian antara kontrol dan grup variabel.

Selama tes 1 bulan, penonton dibagi 50/50. Grup kontrol A mendapat email pada hari Selasa seperti biasa, dan grup variabel B mendapat email pada hari Rabu. Isinya sama di kedua email. Hanya tingkat terbuka sedang diuji.

Ternyata Hipotetis Hipotesis Harry benar. Ada peningkatan tarif terbuka 6,3% . Bahkan, itu diremehkan. Rata-rata kurs buka grup A pada hari Selasa adalah 9,6%, dan rata-rata untuk grup B pada hari Rabu adalah 15,9%.

Bagaimana Harry belajar dari informasi ini? Dia berhenti mengirim pada hari Selasa! Pelanggan telah dapat memberi tahu dia apa yang mereka inginkan, dan bisnis Harry dapat mengambil info itu dan menciptakan pemasaran yang dapat ditindaklanjuti yang ingin mereka alami.

Secara statistik, semakin Anda mengikuti perjalanan pelanggan Anda, semakin Anda mengizinkan pasar untuk memberi tahu Anda tentang apa yang diinginkannya, Anda mungkin melihat hasil yang Anda inginkan.

Kesimpulan: Data bagus, data bagus lebih baik

Laporan pemasaran dapat menjadi salah satu sumber daya Anda yang paling berguna selama laporan tersebut memberi Anda informasi yang dapat Anda gunakan secara efektif.

Ingatlah:

• Data itu bagus, tetapi data yang bagus lebih baik – kumpulkan data yang penting bagi bisnis Anda
• Mengidentifikasi metrik kesombongan membantu Anda belajar membuat sasaran pemasaran yang bermakna
• Tetapkan KPI dan PSI untuk mempelajari data apa yang menjadi fokus
• Ikuti ABC pengumpulan data untuk melihat perbedaan dalam pemasaran melalui data