营销人员如何控制他们的数据堆栈

“控制您的营销数据。” 如果您今天是一名营销人员，那么您已经多次听到这个建议。 你的同事、你聘请的顾问、市场研究公司、供应商、你的老板——几乎每个人都认为这是常识。 同样常见的是整个行业散布的失败的营销数据仓库项目。

尽管听起来令人难以置信，但关于 Facebook、谷歌、电视​​、目录和其他渠道的所有媒体支出的每日综合报告仍然是一个悬而未决的挑战。

管理营销数据和品牌运营数据不一样

许多现代品牌都有技术本地人负责营销。 构建海量数据库、数据管道和高级数据处理系统是他们的第二天性。 他们是管理核心运营数据（例如客户订单历史记录）的高手，将其显示出来以便再次订购相同的东西或个性化客户体验以推荐类似的商品。

所有这些数据都是他们核心体验的核心，对品牌的运营来说，妥善管理这些数据是必不可少的。 另一方面，与他们在何处以及如何宣传其产品有关的数据堆栈不是品牌运营的核心，因此无法以相同的勤奋程度进行管理。

然而，每个营销渠道都是独一无二的雪花，其供应链的细微差别最终都会影响数据堆栈的外观——更重要的是应该如何控制质量。

简而言之——营销数据是一头不同的野兽，它当然是一头野兽。

“真相之源”数据质量很难

在营销分析领域，“事实来源”(SOT) 是一个沉重的词组。 它意味着被消费的数据是最高质量的，可以像首席财务官所依赖的会计质量数据一样被视为真实。 通常，最接近数据的系统是“事实来源”。 例如，谷歌分析将成为网络分析报告的 SOT。 Shopify 可能是电子商务订单报告的 SOT。 Facebook 报告将是 Facebook 支出、覆盖面和绩效指标的 SOT。 目录邮件合并报告将是目录流通等的 SOT。

现在想象一下将所有这些数据集放在一起，成为一个品牌的跨渠道 SOT。

现在，想象一下首席执行官、首席财务官、首席营销官、营销和分析利益相关者都在登录，以将这个整合的数据资产用于他们所有的日常运营目的。

让我们慢慢了解。如果你在这个空间里呆了一会儿，你现在应该会觉得喉咙里有肿块。

数据堆栈质量，峡谷

数据质量是“数据库中的数据”与数据驱动的营销组织之间的鸿沟。 鉴于每个数据源的碎片化程度，弄清楚如何正确收集、转换、保存和质量控制每个雪花数据源是一项艰巨的任务。

以下是您在此过程中会遇到的一些事情：

事情总是崩溃

包括 Google Ads、Facebook 和其他海量系统在内的 API 并不完美。 完全相同的 API 数据请求可能已经工作了好几个月，并且会开始“随机”失败。 如果没有适当的检测，它只会是数据库中数据中的漏洞，直到对它进行 QA 之前你永远不会知道。 还有很多其他用例，包括 API 限制、API 中断更改、更改规范和其他可能导致数据“损坏”的合法行为。 所有这些挑战都会随着非 API 驱动的数据源而倍增。

苹果 vs 橙子 vs 羽衣甘蓝

显而易见的是，所有数据都不是平等的。 来自 Shopify 的订单和收入报告数据与 Facebook 支出和点击报告或 Facebook 覆盖率报告或来自网站的点击日志具有不同的动态。 每个数据源都旨在服务于特定目的，因此需要以非常特定的方式进行收集、存储和质量控制。

只是将数据放入数据库表中，而不对数据将如何使用进行批判性思考，通常会使数据变得无用。 此外，定义对每个来源非常具体的适当质量控制规则需要对数据以及可以与之进行合理比较的数据有深入的了解。

活动分类法

通常跨渠道有数百个广告系列、数千个广告集、关键字和订单项，以及跨渠道的数十万次创意迭代。 它通常是堆积如山的数据，如果未能将数据正确分类到与决策一致的有意义的组中，也会使所有这些数据变得毫无用处。

还有更多的角度，例如不同的归因窗口、Facebook 与 Google Ads 中对转化和收入的不同定义以及其他影响数据质量的问题。

一个整体的跨渠道框架是必要的

将所有这些数据整合在一起需要一个精心规划的跨渠道营销数据框架，该框架明确指定每个数据集适用于何处，以及如何将它们整合在一起，以便为营销投资和运营决策提供有意义的信息。

营销数据是B2C品牌最大的未开发资产

那么，这给营销人员留下了什么？ 这是一个失败的原因吗？ 果汁值得榨吗？

具有前瞻性思维的早期采用者正在从整合的营销数据中看到变革性的好处。 它提供了测试学习成长的营销实践，简化了跨渠道规划，提供了渠道问责制并提供了每日媒体组合报告。 品牌正在意识到数据驱动营销承诺的所有好处。

未使用的营销数据是 B2C 品牌中巨大的未开发资产。 我们不只是让阳光和风吹，我们还让它发挥作用。 让我们团结起来，让营销数据发挥作用。

Madan Bharadwaj 是 Measured 的联合创始人兼首席技术官。