당신의 직감이 말할 수 있는 것은 데이터가 말할 수 없는 것입니다.

귀하의 현재 마케팅 전략을 가장 정확하게 나타내는 문구는 무엇입니까?

데이터 기반 . 데이터 기반 . 데이터 사용 가능 ?

머리를 긁적이거나(또는 눈을 굴리면) 혼자가 아닙니다.

최근 데이터에 대한 대화가 증가하고 그에 따른 차이가 발생하면서 많은 마케터가 비즈니스에 어떤 접근 방식을 취해야 하는지 고민하게 되었습니다.

그러나 문제에서 편을 들기보다는 의미론보다는 이러한 미묘한 구분이 이루어지는 이유에 대해 더 많이 논의하고 싶습니다.

"데이터 기반"이라는 용어에 대한 주요 불만은 데이터가 담당한다는 것을 암시한다는 것입니다. 새로운 결정권자. 모든 것을 끝내고 모두 현대적인 마케팅이 되십시오.

대부분의 데이터 과학자는 정교한 알고리즘에서 수집한 통찰력이 인간의 직감보다 훨씬 우수한 방법에 대해 얼굴을 붉힐 때까지 이야기할 것입니다.

숫자는 구체적입니다. 정확합니다. 그것들은 유형적입니다.

그러나 자율주행 자동차의 경우를 잠시 생각해 보십시오.

자율 주행 자동차는 고급 GPS, 내비게이션 및 매핑, 센서, 레이저, 카메라 및 컴퓨터를 통해 가능합니다.

이론적으로 컴퓨터와 기타 첨단 기술은 도로를 안전하게 탐색하는 데 필요한 모든 요소와 정보를 처리하는 데 훨씬 뛰어납니다.

결국, 그들은 인간의 두뇌가 할 수 있는 것보다 훨씬 더 많은 정보를 받아들이고 처리할 수 있습니다. 또한 복잡한 패턴(이 경우 트래픽 패턴)을 더 잘 인식하고 식별합니다.

그러나 자율주행차가 실패하는 곳은 맥락, 의도, 그리고 인간성을 해석하는 인간 고유의 능력이 없기 때문입니다.

소비자 또는 시장 데이터에 대해서도 마찬가지입니다. 우리가 완전히 AI/데이터 기반으로 하기에는 인간 행동에 너무 많은 뉘앙스가 있습니다.

이제 오해하지 마십시오.

수요 창출 역할을 하기 위해 많은 숫자를 대면해야 하는 사람으로서 저는 데이터를 필요하거나 효과적인 마케팅 도구로 비방하거나 할인하기 위해 여기에 있는 것이 아닙니다. 저는 다른 조직의 성공과 제 자신의 성공을 위해 그것이 단순히 도구로 남아 있다는 것이 중요하다고 생각합니다.

데이터의 힘을 진정으로 활용하려면 먼저 데이터의 한계를 인식하고 이해해야 합니다.

데이터는 거짓말을 하지 않지만 모든 것을 말할 수는 없다

알버트 아인슈타인(Albert Einstein)은 “셀 수 있는 모든 것이 셀 수 있는 것은 아니며, 셀 수 있는 모든 것이 셀 수 있는 것도 아니다.”라고 말했습니다.

복잡하고 복잡한 컴퓨터와 기계는 주로 매우 기본적이고 직접적인 정보(누가/무엇을/언제)를 제공합니다. 정보가 매우 도움이 된다는 것을 알고 있지만, 우리의 학습은 방법과 이유에 대한 추가 컨텍스트 없이는 제한적입니다.

예를 들어 데이터는 얼마나 많은 사람들이 게시물을 좋아하거나 공유했는지 알 수 있지만 그 이유는 알 수 없습니다. 즉, 정량적 결과는 제공할 수 있지만 질적 추론은 제공할 수 없습니다.

또는 이렇게 생각해 보십시오. 누군가가 당신이 주어진 주에 동료, 친구 및 가족과 보낸 시간을 분석했다면, 데이터는 당신의 동료가 당신에게 가장 중요하다고 제안할 것입니다.

아마도 그렇지는 않지만 적절한 컨텍스트 없이 데이터가 어떻게 오도될 수 있는지에 대한 좋은 예입니다.

데이터는 다양한 요인 간의 잠재적인 관계를 나타낼 수도 있지만 이를 증명할 수는 없습니다. "상관관계가 인과관계를 의미하지 않는다"는 것은 익숙한 격언입니다.

예를 들어, 데이터는 웹사이트 트래픽이 높은 달과 수익이 높은 달 사이의 상관관계를 보여줄 수 있지만 이것이 반드시 증가된 수익이 트래픽 증가로 인한 것임을 의미하지는 않습니다. 이 두 수치에 영향을 미치는 세 번째 요인이나 다른 간접 변수가 있을 수 있습니다.

훈련된 눈과 경험만이 이러한 수치와 지표에 주의해서 접근하고 추가 테스트를 수행할 수 있다는 것을 알게 될 것입니다. 데이터에서 상관 관계를 발견하면 더 깊이 파고들어 결과를 복제하고 진정한 원인을 분리하거나 다양한 방법으로 분류하여 다른 패턴이 나타나는지 확인하십시오.

사이트 및 이메일 설문조사와 같은 방법에서 질적 피드백을 수집하는 것도 도움이 될 수 있습니다.

데이터는 현실주의자이지만 위험을 감수할 수는 없습니다.

몇 년 전, 29세의 Morgan Hermand-Waiche는 생일 선물로 여자친구의 란제리를 사러 나갔습니다.

대부분의 옵션이 얼마나 비싼지 알게 된 그는 저렴한 란제리 회사 시장에 심각한 격차가 있음을 깨달았고 즉시 가능한 벤처 기회를 조사하기 시작했습니다.

문제? 데이터는 그에게 가능한 한 란제리 사업에서 멀리 떨어져 있으라고 말했습니다. 시장을 지배하는 분명한 산업의 왕이 있었고, 수많은 진입 장벽과 여러 유명 브랜드를 포함한 수많은 실패 시도가 있었습니다.

그러나 그의 발견에도 불구하고 Hermand-Waiche는 여전히 그를 이 벤처를 추구하도록 부추기는 한 가지, 그의 직감을 무시할 수 없었습니다. 데이터가 달리 제시하더라도 저렴하고 품질이 좋은 란제리 시장이 있어야 했습니다.

Hermand-Waiche는 현재 업계에 혁명을 일으키고 있는 전자 상거래 란제리 회사인 Adore Me의 설립자이자 CEO입니다. 불과 몇 년 만에 그는 직감이 Inc. 500에서 NYC에서 가장 빠르게 성장하는 2위 회사가 되었으며 VC와 개인 투자자로부터 약 1,150만 달러를 모금했습니다.

데이터는 사물의 현재 상태만 알려주고 기껏해야 정보에 입각한 예측을 할 수 있습니다.

소셜 채널에 질문/설문조사를 게시하거나, 소셜 경청 또는 좋은 포커스 그룹과 같은 보다 질적인 방법을 활용하여 아이디어에 대해 보다 정직하고 친밀한 피드백을 얻으십시오.

그리고 때때로 혁명은 현상을 무시하고 위험을 감수하는 것을 의미합니다.

데이터는 정보를 제공할 수 있지만 상상할 수는 없습니다.

반복: 빅 데이터는 큰 아이디어가 아닙니다.

데이터는 "Just Do It"을 제안하거나 Apple에게 "Think Different"라고 말하지 않았습니다.

숫자와 통계의 잡초에 빠지기가 너무 쉽지만 훌륭한 마케팅은 훌륭한 스토리를 전달하는 것이며 훌륭한 스토리를 전달한다는 것은 인간의 행동, 감정 및 경험을 이해한다는 것을 의미한다는 것을 기억하십시오.

우리는 데이터에서 청중의 행동에 대한 모든 것을 배울 수 있습니다. 그러나 그것은 그들의 동기, 투쟁, 욕망 등에 대해 우리에게 말할 수 없습니다. 우리는 훌륭한 이야기를 말하고 창의적이 되기 위해 독특한 인간 통찰력이 필요합니다.

그러나 그것은 데이터의 잘못이 아닙니다.

창의력은 예술입니다. 그 정의에 따르면 "예술"은 인간의 창의적 기술과 상상력을 표현하거나 적용하여 주로 아름다움이나 감정적 힘으로 높이 평가되는 작품을 생산하는 것입니다. 여기서 키워드는 "인간"과 "감정적"입니다.

사례: 2016년 토론토 대학교 컴퓨터 공학과는 컴퓨터에게 노래 쓰는 법을 가르치려고 했습니다.

연구원들은 정교한 알고리즘이 비트, 코드 및 가사의 패턴을 "학습"하는 동안 100시간 이상의 음악을 기계에 제공했습니다. 그리고 모든 것이 인상적으로 하이테크로 들리지만, 결과로 나온 "노래"는 이상하고 무의미한 가사와 영감을 주지 않는 로봇 멜로디가 포함된 다소 재앙이었습니다.

데이터는 꽤 형편없는 작곡가입니다.

좋은 소식은 데이터가 훌륭한 크리에이티브에 영감을 주는 인간적이고 감정적인 통찰력을 제공할 수 있다는 것입니다. 그러나 숫자에 귀를 기울이는 대신 실제로 사람들의 말을 들어야 합니다.

소셜 리스닝 도구의 가장 최근의 발전으로 브랜드는 몇 달 간의 정성적 인터뷰가 필요할 수 있는 잠재고객에 대한 정보를 발견할 수 있습니다. 주제 선호도는 대부분의 사람들이 인식하는 것보다 훨씬 더 영향력 있는 듣기 능력의 좋은 예입니다.

청중이 소셜에서 말하는 다른 내용을 찾을 때 열릴 수 있는 문을 상상해 보세요. 그들은 특정 종류의 음악을 좋아합니까? 아니면 스포츠? 이러한 통찰력은 새로운 후원 기회, 제품 통합 또는 새로운 잠재 고객 세그먼트로 이어질 수 있습니다.

사회적 경청이 어떻게 훌륭한 창의력을 불러일으킬 수 있는지에 대한 또 다른 좋은 예는 감정 분석입니다. 청중이 최근 뉴스나 관련 주제에 대해 어떻게 느끼는지 알면 더 깊고 감성적으로 공감할 수 있는 콘텐츠나 캠페인을 만들 수 있습니다.

Coca-Cola는 감정 분석을 사용하여 Coke Tweet Machine을 만들었습니다. 자연어 처리와 위치를 사용하여 브랜드는 국가에서 가장 행복하지 않은 도시를 식별할 수 있었습니다.

'행복을 선택하라'는 브랜드 전략에 따라 그들은 각 사용자의 트위터 프로필에 대한 감정을 분석하는 콜라 자판기를 도시에 가져왔습니다.

그런 다음 기계는 플랫폼에서 더 긍정적이고 행복한 존재감을 가진 사용자에게만 캔을 분배했습니다.

브랜드가 소셜에서 사람들의 활동을 분석함으로써 어떻게 그렇게 많은 것을 배우고 창조할 수 있는지는 놀랍습니다. 다음 번에 창의적인 통찰력을 찾고 있을 때 소셜 경청을 해보세요.

따라서 조직을 데이터 기반 조직으로 간주하든 데이터 기반 조직으로 간주하든, 정말 중요한 것은 의사 결정에서 인류를 위한 충분한 여지를 남겨두는 것입니다. 사람이 없는 데이터는 통찰력이 아니라 숫자에 불과하기 때문입니다.