Cinco maneiras de manter a qualidade dos dados em suas análises

Uma estratégia baseada em dados é uma parte essencial de qualquer função de marketing, tornando a qualidade dos dados uma das principais prioridades dos profissionais de marketing sênior. Mas como você pode garantir que seus dados sejam limpos e precisos?

Um relatório recente da AT Internet explorou as 5 dimensões-chave da qualidade dos dados em analítica digital . Aqui estão algumas conclusões importantes do relatório, bem como algumas coisas que os profissionais de marketing podem fazer para manter a alta qualidade dos dados.

• 55% das empresas usam dados para tomar decisões ... [1]
• ... mas apenas 33% dos CEOs confiam em seus próprios dados [2]
• 56% dos executivos dizem que a má qualidade dos dados resulta em oportunidades de vendas perdidas [3]
• 51% dos executivos dizem que dados ruins perdem tempo e causam ineficiência [3]

Este conteúdo foi produzido em associação com a AT Internet

1. Exclua o tráfego do bot

De acordo com Incapsula 's 2016 Bot Relatório de Tráfego, mais de 50% do tráfego na web pode ser atribuída ao bots - como o gráfico abaixo demonstra.

Imagem cortesia da Incapsula

Esse tráfego pode ser dividido em bots ' bons ' e ' ruins ' . ' Bons ' bots são:

• Bots de mecanismos de pesquisa de empresas como Google, Bing ou Yandex (7%)
• Buscadores de feed como o aplicativo móvel do Facebook, o bot do framework Android e o bot do Twitter (12%)
• Rastreadores comerciais - geralmente usados ​​para extrair dados para ferramentas de marketing digital (3%)
• Monitorar bots, como o bot de pingback do WordPress (1%)

Os bots ' ruins ' são provavelmente ' imitadores ' que assumem uma identidade falsa para contornar a segurança do site. Os mais nefastos podem executar ataques de negação de serviço distribuído (ataques DDoS) contra os sites que atingem. Esses tipos de bots representaram 24% do tráfego total da Internet em 2016, com outros 1,7% contribuídos por web scrapers.

O tráfego de bot dessa proporção tem dois efeitos que os profissionais de marketing devem estar cientes. Um deles, que artificialmente infla o volume de tráfego (por isso sua aparência site como está ficando mais tráfego do que é), e dois, ela traz métricas de taxa de conversão para baixo (para suas campanhas parecer menos eficaz do que eles são).

Eliminar esse tráfego é essencial para um benchmarking preciso. Sem dados 'limpos', é significativamente mais difícil de tomar decisões informadas sobre estratégia.

2. Verifique se há tags ausentes ou quebradas

Durante as atualizações do site e mudanças em aplicativos móveis, garantir a integridade das tags analíticas é essencial para coletar dados confiáveis - especialmente em sites com um grande número de páginas, como editores ou varejistas online que frequentemente adicionam e modificam as páginas.

Embora erros podem ser difíceis de detectar, eles são críticos para identificar e corrigir, a fim de garantir a precisão dos relatórios.

Tags ausentes, duplicadas ou incorretas podem afetar a avaliação da campanha - levando a conclusões errôneas sobre a eficácia de certas campanhas. Os sites de eventos específicos costumam estar sujeitos à perda de tags, pois as equipes costumam ficar sob intensa pressão de tempo antes do lançamento, o que pode levar a omissões técnicas.

Infelizmente, esses também podem ser os erros mais caros de se cometer, pois o evento - como um anúncio de TV ou conferência - geralmente representa um investimento significativo por parte da empresa.

3. Mantenha a formatação de seus dados consistente

O uso de sequências numéricas (IDs de categoria, SKUs) em URLs pode parecer uma vitória sobre sequências de texto simples longas e difíceis de manejar. Mas embora isso possa ser prático ao capturar dados, pode causar problemas ao analisá-los. Os valores de texto inteligente são uma grande ajuda para entender de onde vêm os dados e quais strings podem ser consolidadas.

Manter os valores do texto consistentes também é importante. Uma inconsistência comum está nos parâmetros de idioma, onde os mesmos valores são geralmente escritos de maneiras diferentes - como usar ' EN' e ' Inglês ' para representar texto em inglês.

Neste exemplo, cada um apareceria em linhas diferentes em um relatório e exigiria consolidação manual por um analista.

4. Use uma ' versão única da verdade '

Usar uma série de ferramentas pode ser problemático para a coleta e análise de dados. Sistemas diferentes podem usar definições e cálculos exclusivos para as mesmas dimensões e métricas. Por exemplo, diferentes ferramentas de análise podem atribuir origens de tráfego de forma diferente, dependendo se uma campanha está sendo executada ou não.

Um problema comum é a medição entre dispositivos. Um usuário que visita um site em seu telefone no caminho para o trabalho e novamente no computador ao chegar ao trabalho pode ser contado como dois usuários diferentes.

Usar uma única ferramenta que tem a capacidade de medir o comportamento de login em dispositivos e plataformas é uma solução eficaz - poupando o trabalho de reconciliações manuais e desduplicações.

5. Use análises em tempo real para identificar problemas

Provedores de inteligência digital de ponta podem dar aos usuários uma visão do comportamento do visitante em tempo real. Isso permite que as equipes obtenham feedback instantâneo sobre campanhas de tempo específico e respondam a problemas ocorrentes, como erros 404 e travamentos de aplicativos móveis, conforme eles acontecem.

Outro caso de uso é durante um evento de notícias de última hora, em que um site de mídia pode rastrear o desempenho de artigos individuais em tempo real, fornecendo uma visão baseada em dados sobre o tipo de conteúdo em que os usuários estão mais interessados.

[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

Para saber sobre mais sobre como preservar a sua qualidade de dados, download no Internet 's relatório completo: Qualidade de Dados em Digital Analytics: Os 5 principais dimensões.

Este artigo foi produzido em colaboração com a AT Internet . Clique aqui para ler as diretrizes de conteúdo colaborativo do ClickZ.