Cinque modi per mantenere la qualità dei dati nelle tue analisi

Una strategia basata sui dati è una parte essenziale di qualsiasi ruolo di marketing, rendendo la qualità dei dati una priorità assoluta per i professionisti del marketing senior. Ma come puoi assicurarti che i tuoi dati siano puliti e accurati?

Un recente rapporto di AT Internet ha esplorato le 5 dimensioni chiave per la qualità dei dati nell'analisi digitale . Ecco alcuni punti chiave del rapporto, nonché alcune cose che i professionisti del marketing possono fare per mantenere alta la qualità dei dati.

• Il 55% delle aziende utilizza i dati per prendere decisioni …[1]
• … ma solo il 33% dei CEO si fida dei propri dati [2]
• Il 56% dei dirigenti afferma che una cattiva qualità dei dati si traduce in opportunità di vendita perse [3]
• Il 51% dei dirigenti afferma che i dati errati fanno perdere tempo e causano inefficienza [3]

Questo contenuto è stato prodotto in associazione con AT Internet

1. Escludi traffico bot

Secondo s 'Incapsula 2016 Bot Traffic Report, oltre il 50% del traffico sul web può essere attribuita a bot - come la tabella qui sotto dimostra.

Immagine per gentile concessione di Incapsula

Questo traffico può essere suddiviso in bot " buoni " e " cattivi " . I bot " buoni " sono:

• Bot dei motori di ricerca di aziende come Google, Bing o Yandex (7%)
• Feed recuperatori come l'app mobile di Facebook, il bot framework Android e il bot Twitter (12%)
• Crawler commerciali – solitamente utilizzati per estrarre dati per strumenti di marketing digitale (3%)
• Bot di monitoraggio, come il pingback bot di WordPress (1%)

È molto probabile che i bot " cattivi " siano " impersonatori " che assumono un'identità falsa per aggirare la sicurezza del sito web. I più nefasti possono eseguire attacchi DDoS (Distributed Denial of Service) contro i siti che colpiscono. Questi tipi di bot hanno rappresentato il 24% del traffico Internet totale nel 2016, con un altro 1,7% contribuito dai web scraper.

Il traffico di bot di questa proporzione ha due effetti di cui i marketer dovrebbero essere consapevoli. Uno, si gonfia artificialmente i volumi di traffico (così il tuo aspetto del sito come se fosse s 'ottenere più traffico di quello che è), e due, porta metriche tasso di conversione verso il basso (in modo che le campagne sembrano meno efficaci di quanto lo siano).

L'eliminazione di questo traffico è essenziale per un benchmarking accurato. Senza dati 'puliti', E 'molto più difficile di prendere decisioni informate sulla strategia.

2. Verifica la presenza di tag mancanti o rotti

Durante gli aggiornamenti del sito e le modifiche alle app mobili, garantire l'integrità dei tag di analisi è essenziale per raccogliere dati validi , in particolare su siti con un numero elevato di pagine, come editori o rivenditori online che aggiungono e modificano frequentemente pagine.

Anche se gli errori possono essere difficili da rilevare, essi 're fondamentale per identificare e correggere al fine di assicurare l'accuratezza dei rapporti.

Tag mancanti, duplicati o errati possono influire sulla misurazione della campagna , portando a conclusioni errate sull'efficacia di determinate campagne. I siti specifici per eventi sono spesso soggetti a tag mancanti, poiché i team sono spesso sottoposti a un'intensa pressione di tempo prima del lancio, il che può portare a sviste tecniche.

Sfortunatamente, questi possono anche essere gli errori più costosi da commettere, poiché l'evento – come uno spot televisivo o una conferenza – rappresenta spesso un investimento significativo da parte dell'azienda.

3. Mantieni coerente la formattazione dei dati

L'uso di stringhe numeriche (ID di categoria, SKU) negli URL può sembrare una vittoria rispetto a stringhe lunghe e ingombranti di testo normale. Ma mentre questo può essere pratico durante l' acquisizione dei dati, può causare problemi durante l'analisi. I valori di testo intelligibili sono di grande aiuto per capire da dove provengono i dati e quali stringhe possono essere consolidate.

Anche mantenere coerenti i valori del testo è importante. Un'incongruenza comune è nei parametri della lingua, in cui gli stessi valori sono spesso scritti in modi diversi , ad esempio utilizzando ' EN' e ' English ' entrambi per rappresentare il testo in inglese.

In questo esempio, ognuno apparirà in righe diverse in un report e richiederebbe il consolidamento manuale da parte di un analista.

4. Usa una " versione unica della verità "

L'utilizzo di una serie di strumenti può essere problematico per la raccolta e l'analisi dei dati. Sistemi diversi possono utilizzare definizioni e calcoli univoci per le stesse dimensioni e metriche. Ad esempio, diversi strumenti di analisi possono attribuire le sorgenti di traffico in modo diverso a seconda che una campagna sia in esecuzione o meno.

Un problema comune è la misurazione cross-device. Un utente che visita un sito sul proprio telefono mentre si reca al lavoro e poi di nuovo sul desktop quando arriva al lavoro potrebbe essere conteggiato come due utenti diversi.

Utilizzando un unico strumento che ha la capacità di misura connesso nel comportamento tra dispositivi e piattaforme è una soluzione efficace - risparmiando il fastidio di riconciliazioni manuali e deduplications.

5. Utilizza analisi in tempo reale per identificare i problemi

I fornitori di intelligence digitale di fascia alta possono fornire agli utenti una panoramica del comportamento dei visitatori in tempo reale. Ciò consente ai team di ottenere un feedback istantaneo su campagne temporali specifiche e di rispondere a problemi ricorrenti, come errori 404 e arresti anomali delle app mobili, non appena si verificano.

Un altro caso d'uso è durante un evento di ultime notizie, in cui un sito multimediale potrebbe tenere traccia delle prestazioni dei singoli articoli in tempo reale, fornendo una visione basata sui dati sul tipo di contenuto a cui gli utenti sono maggiormente interessati.

[1] http://www.oxfordeconomics.com/thought-leadership/leaders-2020

[2] https://home.kpmg.com/xx/en/home/campaigns/2016/06/ceo-outlook.html

[3] https://www.edq.com/globalassets/white-papers/building-a-business-case-for-data-quality-report.pdf

Per saperne di più sulla preservare la qualità dei dati, scaricare AT Internet 's rapporto completo: Qualità dei dati in Digital Analytics: I 5 principali dimensioni.

Questo articolo è stato prodotto in collaborazione con AT Internet . Fare clic qui per leggere le linee guida sui contenuti collaborativi di ClickZ.