Bağırsaklarınız size verilerin söyleyemediğini söyleyebilir

Hangi ifade mevcut pazarlama stratejinizi en doğru şekilde temsil ediyor?

Veri odaklı . Veri bilgili . Veri etkin mi?

Kafanı kaşıyorsan (veya gözlerini deviriyorsan), yalnız değilsin.

Son zamanlarda verilerle ilgili tartışmalardaki artış ve bunun sonucunda ortaya çıkan farklılık, birçok pazarlamacıyı işlerinde hangi yaklaşımı benimsemeleri gerektiği konusunda kararsız bıraktı.

Ancak meselede taraf tutmak yerine, bunun anlambilimden daha az ve bu ince ayrımların neden yapıldığı hakkında daha fazla olduğunu iddia ediyorum.

“Veriye dayalı” terimine karşı en büyük şikayet, verilerin sorumlu olduğunu ima etmesidir. Yeni karar verici. Her şeyin sonu ve modern pazarlamanın tamamı olmak.

Çoğu veri bilimcisi, karmaşık algoritmalardan elde edilen içgörülerin bir insan önsezisinden çok daha üstün olduğu konusunda yüzleri mavi olana kadar konuşacaktır.

Rakamlar somut. Onlar doğru. Onlar somut.

Ama bir an için kendi kendini süren araba durumunu düşünün.

Kendi kendini süren araba, gelişmiş GPS, navigasyon ve haritalama, sensörler, lazerler, kameralar ve bilgisayarlar ile mümkün hale getirildi.

Teoride, bilgisayarlar ve diğer ileri teknolojiler, karayollarında güvenli bir şekilde gezinmek için gereken tüm faktörleri ve bilgileri işlemede çok daha üstün olmalıdır.

Sonuçta, insan beyninin yapabileceğinden çok daha fazla bilgiyi alıp işleyebilirler. Ayrıca, bu durumda trafik kalıpları gibi karmaşık kalıpları tanıma ve tanımlamada daha iyidirler.

Ancak kendi kendini süren arabaların başarısız olduğu yer, bağlamı, niyeti ve iyiliği, insanlığı yorumlamak için benzersiz insan kapasitesinden yoksun olmalarıdır.

Aynı şey tüketici veya piyasa verileri için de söylenebilir. Tamamen yapay zeka/veri odaklı olmamız için insan davranışında çok fazla nüans var.

Şimdi beni yanlış anlama.

Talep oluşturmadaki rolü sayılarla çok fazla yüz yüze görüşmeyi gerektiren biri olarak, gerekli veya etkili bir pazarlama aracı olarak verileri kötülemek veya küçümsemek için burada değilim. Sadece benimkinin yanı sıra diğer organizasyonların başarısı için bunun sadece bir araç olarak kalmasının önemli olduğunu düşünüyorum.

Verinin gücünden gerçekten yararlanmak için önce sınırlarını tanımanız ve anlamanız gerekir:

Veri yalan söylemez ama tüm hikayeyi anlatamaz

Albert Einstein bir keresinde, "Sayılan her şey sayılamaz ve sayılabilen her şey sayılmaz" demişti.

Karmaşık ve karmaşık bilgisayarlar ve makineler olduğu için, bize esas olarak çok temel ve anlaşılır bilgiler sunarlar - kim/ne/ne zaman. Bilginin son derece yararlı olduğunu bilmekle birlikte, öğrenmelerimiz nasıl ve neden ek bağlamı olmadan sınırlıdır.

Örneğin, veriler bize bir gönderiyi kaç kişinin beğendiğini veya paylaştığını söyleyebilir, ancak nedenini söyleyemez. Başka bir deyişle, bize nicel sonuçlar sunabilir, ancak nitel akıl yürütme sunamaz.

Ya da şu şekilde düşünün: Birisi belirli bir hafta içinde iş arkadaşlarınızla, arkadaşlarınızla ve ailenizle geçirdiğiniz saatleri analiz ederse, veriler iş arkadaşlarınızın sizin için en önemli olduğunu gösterir.

Muhtemelen durum böyle değil, ancak verilerin uygun bağlam olmadan nasıl yanıltıcı olabileceğine dair güzel bir örnek.

Veriler ayrıca farklı faktörler arasında potansiyel bir ilişkiye işaret edebilir, ancak bunu kanıtlayamaz. Bilinen bir atasözü, "korelasyon nedensellik anlamına gelmez".

Örneğin, veriler, bir aylık yüksek web sitesi trafiği ile yüksek gelir arasında bir korelasyon gösterebilir, ancak bu, artan gelirin artan trafikten kaynaklandığı anlamına gelmez. Bu sayıların her ikisini de etkileyen üçüncü bir faktör veya başka bir dolaylı değişken olabilirdi.

Bu sayılara ve metriklere dikkatle yaklaşmayı ve daha fazla test yapmayı yalnızca eğitimli gözünüz ve deneyiminiz bilir. Verilerinizde bir korelasyon keşfederseniz, sonuçlarınızı çoğaltmak ve gerçek nedeni izole etmek için daha derine inmeyi deneyin veya farklı kalıpların ortaya çıkıp çıkmadığını görmek için çeşitli şekillerde bölümlere ayırın.

Site ve e-posta anketleri gibi yöntemlerden de niteliksel geri bildirim toplamak da yardımcı olabilir.

Veri gerçekçidir, ancak risk alamaz

Birkaç yıl önce, 29 yaşındaki Morgan Hermand-Waiche, kız arkadaşının doğum günü için iç çamaşırını almak için yola çıktı.

Seçeneklerinin çoğunun ne kadar pahalı olduğunu keşfettiğinde, piyasada uygun fiyatlı bir iç çamaşırı şirketi için ciddi bir boşluk olduğunu fark etti ve hemen olası bir girişim fırsatını araştırmaya başladı.

Sorun? Data ona iç çamaşırı işinden olabildiğince uzak durmasını söyledi. Pazara hakim olan açık bir endüstri lideri, giriş için sayısız engel ve birkaç büyük marka dahil olmak üzere sayısız başarısız girişim vardı.

Ancak bulgularına rağmen, Hermand-Waiche onu bu girişimi sürdürmeye iten tek şeyi görmezden gelemedi: İçgüdü. Veriler aksini iddia etse bile, uygun fiyatlı, kaliteli iç çamaşırı için bir pazar olması gerekiyordu.

Hermand-Waiche şu anda sektörde devrim yaratan bir e-ticaret iç çamaşırı şirketi olan Adore Me'nin kurucusu ve CEO'su. Sadece birkaç yıl içinde, içgüdülerini Inc. 500'ün NYC'de en hızlı büyüyen 2. şirketi haline getirdi ve VC'lerden ve özel yatırımcılardan yaklaşık 11.5 milyon dolar topladı.

Veriler bize yalnızca mevcut durumu anlatabilir ve en iyi ihtimalle bilinçli tahminlerde bulunabilir.

Sahip olabileceğiniz bir fikir hakkında daha dürüst ve samimi geri bildirim almak için sosyal kanallarınızda sorular/anketler oluşturma, sosyal dinleme ve hatta iyi odak grupları gibi daha nitel yöntemler kullanmayı deneyin.

Ve unutmayın, bazen devrim sadece statükoyu görmezden gelmek ve risk almak demektir.

Veri bilgi verebilir, ancak hayal edemez

Benden sonra tekrar edin: Büyük veri büyük fikir değildir.

Veriler “Sadece Yap” ile gelmedi veya Apple'a “Farklı Düşün” demedi.

Sayıların ve istatistiklerin yabani otlarına kapılmak çok kolaydır, ancak harika pazarlamanın harika bir hikaye anlatmakla ilgili olduğunu ve harika bir hikaye anlatmanın insan davranışlarını, duygularını ve deneyimlerini anlamak anlamına geldiğini unutmayın.

Verilerden hedef kitlemizin eylemleri hakkında her türlü şeyi öğrenebiliriz. Ancak bize onların motivasyonları, mücadeleleri, arzuları vb. hakkında bilgi veremez. Harika hikayeler anlatmak ve yaratıcı olmak için bu benzersiz insan anlayışlarına ihtiyacımız var.

Ama bu verilerin suçu değil.

Yaratıcılık bir sanattır. "Sanat", tanımı gereği, insanın yaratıcı becerisinin ve hayal gücünün ifadesi veya uygulamasıdır, öncelikle güzellikleri veya duygusal güçleri için takdir edilecek eserler üretir. Buradaki anahtar kelimeler “insan” ve “duygusal”.

Konuyla ilgili örnek: 2016 yılında, Toronto Üniversitesi Bilgisayar Bilimleri Bölümü bir bilgisayara nasıl şarkı yazılacağını öğretmeye çalıştı.

Araştırmacılar makineyi 100 saatten fazla müzikle beslerken, sofistike bir algoritma ritimlerdeki, akorlardaki ve şarkı sözlerindeki kalıpları “öğrendi”. Ve tüm bunlar kulağa etkileyici bir şekilde yüksek teknoloji gibi gelse de, ortaya çıkan “şarkı” biraz felaketti - garip, saçma sözler ve ilham vermeyen, robotik bir melodi ile.

Görünüşe göre data oldukça berbat bir besteci.

İyi haber şu ki, verilerin harika yaratıcılığa ilham veren insani, duygusal içgörüler sağlamasının bir yolu var. Ama sayıları dinlemek yerine, insanları gerçekten dinlemelisiniz.

Sosyal dinleme araçlarındaki en son gelişmeler, markaların kitleleri hakkında aksi takdirde aylarca nitel görüşmeler gerektirebilecek şeyleri keşfetmesine olanak tanır. Konu yakınlığı, çoğu insanın fark ettiğinden çok daha etkili olan dinleme yeteneğinin harika bir örneğidir.

Kitlenizin sosyal medyada başka ne hakkında konuştuğunu öğrendiğinizde açılabilecek kapıları hayal edin. Belli bir müzik türünü seviyorlar mı? Yoksa spor mu? Bu içgörüler yeni sponsorluk fırsatlarına, ürün entegrasyonlarına ve hatta yepyeni bir kitle segmentine yol açabilir.

Sosyal dinlemenin harika yaratıcılığa nasıl ilham verebileceğine dair bir başka güzel örnek de duygu analizidir. Hedef kitlenizin son haberler veya ilgili konular gibi bir şey hakkında nasıl hissettiğini öğrenmek, onlara daha derin, daha duygusal olarak yankı uyandıracak içerik veya kampanyalar oluşturma fırsatı verir.

Coca-Cola, Coke Tweet Machine'i oluşturmak için duygu analizini kullandı. Marka, doğal dil işlemeyi ve konumu kullanarak ülkedeki en mutsuz şehri belirlemeyi başardı.

“Mutluluğu seç” marka stratejilerine uygun olarak, şehre her kullanıcının Twitter profilinin duyarlılığını analiz eden bir Kola otomatı getirdiler.

Ardından makine, platformda daha olumlu ve mutlu bir varlığı olan kullanıcılara yalnızca bir kutu dağıttı.

Markaların insanların sosyal medyadaki aktivitelerini analiz ederek bu kadar çok şeyi öğrenmesi ve yaratması inanılmaz. Bir dahaki sefere yaratıcı içgörüler aradığınızda kendi sosyal dinlemenizden bazılarını yapmayı deneyin.

Bu nedenle, kuruluşunuzu ister veriye dayalı ister veri odaklı olarak değerlendirin, asıl önemli olan karar verme sürecinizde insanlığa yeterince yer bırakıyor olmanızdır. Çünkü insanlar olmadan veriler içgörü değildir - sadece sayılardır.