“بطن چپ” برند شما در انتظار کشف چیست؟
ست استفنز-دیویدویتز در سخنرانی اصلی خود در کنفرانس تجزیه و تحلیل بازاریابی و علم داده، تنوعی از این سوال را مطرح کرد.
بذار توضیح بدم
ست، دانشمند داده و نویسنده پرفروش نیویورک تایمز، داستان جف سدر، یک کارآفرین و مبتکر خود را در تجزیه و تحلیل برای مسابقات ، دوانی بازگو می کند.
جف با سه مدرک از دانشگاه هاروارد، شغل بانکداری خود را رها کرد تا در اطراف طبیعت و ، ها باشد. ماموریت او استفاده از داده ها برای تعیین اینکه چه چیزی ، های مسابقه را عالی می کند، بود. دورانی بود قبل از اینکه کتاب مایکل لوئیس در سال 2003، مانیبال، استفاده از تجزیه و تحلیل را در لیگ برتر بیسبال توضیح دهد.
چگونه فرمول برنده تجزیه و تحلیل داده ها را پیدا می کنید؟
جف ویژگی های ، های مسابقه را تجزیه و تحلیل کرد تا ببیند کدام یک موفقیت در سطح قهرمان را پیش بینی می کند. ویژگی هایی که وی مورد بررسی قرار داد عبارتند از:
- اندازه سوراخ های بینی
- حجم عضلات تند انقباض
- اندازه اجابت مزاج
همه آنها نتوانستند موفقیت را پیش بینی کنند. اما جف به تلاش خود ادامه داد و پس از 20 سال در آستانه ورشکستگی قرار گرفت.
اما بعد جزر و مد برگشت.
جف اولین نوار قلب را برای اندازه گیری اندام های داخلی ، ساخت و کشف کرد که بطن چپ قلب یک پیش بینی معتبر برای قهرمانان است. مورد اصلی: فرعون آمریکایی. در سال 2015، ، برنده تاج سه گانه شد، اولین بار در 37 سال که در هر سه مسابقه معروفی که توسط نژادهای اصیل 3 ساله برگزار می شد، برنده شد. اما دو سال قبل از آن، هیچ ، به جز جف، متوجه نبود که ، مسابقه شگفت انگیزی از فرعون آمریکایی خواهد شد.
این ویژگی های فرعون آمریکایی را در نظر بگیرید:
- قد (صدک 56)
- وزن (صدک 61)
- شجره نامه (صدک 70)
- اندازه بطن چپ (صدک 99.61)
در حالی که قد، وزن و شجره نامه چندان چشمگیر نبودند، بطن چپ بزرگ فراعنه آمریکایی موفقیت تاج سه گانه آن را به دقت پیش بینی کرد.
ست داستان را به اشتراک می گذارد تا این نکات را برای بازاریابان متمرکز بر داده روشن کند:
- مقدار یک مجموعه داده معمولاً اندازه آن نیست، بلکه جدید بودن آن است.
- برندگان در Big Data کارآفرین هستند.
- برندگان در Big Data در یافتن برنده بزرگ شکست می خورند.
- اکتشافات “بطن چپ” وجود دارد.
ست میگوید با پذیرش این بینشها، میتوانید مدل دادههای خود را 10 برابر بهتر از مدلهای دیگر بسازید.
درس MADS: شما می توانید “بطن چپ” برند خود را در داده های تحلیلی (به عنوان مثال، وب، بازاریابی ایمیلی، بازاریابی رسانه های اجتماعی، جستجوی پولی) کشف کنید. با طرح سوال فرضیه ای بسازید. داده ها را تجزیه و تحلیل کنید تا به آن پاسخ دهید. اگر پاسخ منفی است، سوال دیگری بپرسید. به راه خود ادامه دهید، مانند جف سدر، تا زمانی که “بطن چپ” را پیدا کنید که کمپین های شما را به موفقیت Triple Crown هدایت می کند.
آیا می توانید به آنچه مردم می گویند اعتماد کنید؟
با این حال، همه داده ها لزوما مفید نیستند. به عنوان مثال نظرسنجی را انجام دهید. ست توضیح می دهد که قالبی که اغلب توسط مرکز تحقیقات گالوپ و پیو استفاده می شود، می تواند برای درک اینکه چرا مردم کارها را انجام می دهند استفاده شود. اما یک مشکل ذاتی با نقشه برداری وجود دارد.
مردم اغلب چیزی را می گویند که فکر می کنند دیگران را تحت تاثیر قرار می دهد. به آن سوگیری مطلوبیت اجتماعی می گویند. ست مثالی از افرادی میزند که میگویند وقتی رأی ندادهاند یا میگویند به یک نامزد رأی دادهاند وقتی به دیگری رأی میدهند. آنها آگاهانه پاسخهای نادرستی میدهند، زیرا میخواهند کاری را انجام دهند که از نظر اجتماعی قابل قبول است.
اما بازاریابان برای یافتن صداقت خالص به کجا می توانند مراجعه کنند؟ در جستجوهای گوگل، ست می گوید. او آن را “سرم حقیقت دیجیتال” می نامد زیرا مردم به آن اعتراف می کنند. آنها در مورد وضعیت سلامتی، روابط و هر چیز دیگری که در ذهنشان است سؤالاتی می پرسند. آنها احساس راحتی می کنند که صادق باشند زیرا درک می کنند که هیچ ، در آن طرف نیست که آنها را قضاوت کند.
ست میگوید گوگل بیشتر از شرکا و اعضای خانوادهاش درباره مردم میداند. بنابراین، به جای اینکه بپرسید مردم چه کار می کنند، از Google Trends استفاده کنید. در پیشبینی اینکه چه کسانی به رای میآیند و نرخ بیکاری و در سنجش نژادپرستی بهتر از گالوپ است.
با این حال، ست به ما هشدار می دهد که همه داده های بزرگ را به عنوان سرم حقیقت یکسان در نظر نگیریم. اگر گوگل یک سرم حقیقت دیجیتالی است، ست پلتفرمهای اجتماعی مانند فیسبوک را «سرم دیجیتالی برای دوستانم درباره اینکه زندگی من چقدر خوب است» مینامد.
برای نشان دادن نظر خود، ست تحقیقات خود را در مورد اصطلاح “شوهر” در پست های رسانه های اجتماعی و جستجوهای گوگل به اشتراک می گذارد. در اینجا عبارات برتر تکمیل کننده بیانیه “شوهر من ___________ است” بر اساس پلت فرم آمده است:
رسانه های اجتماعی | جستجوهای گوگل |
بهترین | گی |
بهترین دوست من | یک تند تند |
شگفت انگیز | شگفت انگیز |
بزرگترین | مزاحم |
خیلی ناز | میانگین |
همانطور که می بینید، همسران می خواهند در رسانه های اجتماعی مثبت اندیشی در مورد همسرشان نشان دهند، در حالی که جستجوهای گوگل نشان می دهد که واقعاً چه فکر می کنند.
درس MADS: آنچه را که کاربران می گویند (یعنی داده های نظرسنجی) و کارهایی که کاربران انجام می دهند (یعنی داده های تجزیه و تحلیل وب یا برنامه) را مطالعه کنید. منبع سرم حقیقت دیجیتال خود را پیدا کنید و از آن برای هدایت تصمیمات بازاریابی و استراتژی کسب و کار خود استفاده کنید.
آیا باید روده را باور کرد؟
ست می گوید همه دروغ می گویند. او حتی کتاب «همه دروغ میگویند: دادههای بزرگ، دادههای جدید و آنچه که اینترنت میتواند به ما در مورد اینکه واقعاً کی هستیم» به ما بگوید را نوشت.
این فقط در نظرسنجی ها و پست های رسانه های اجتماعی نیست. مردم به خودشان دروغ می گویند. به عبارت دیگر، احساسات درونی شما ممکن است اشتباه باشد. ست داستانی درباره اپلیکیشنی به نام Mappiness می گوید. کاربران در زمانهای مختلف روز پینگ دریافت میکنند و از آنها سؤال میشود که چه احساسی دارند و چه میکنند.
داده های اول شخص نشان داد که این فعالیت ها بیشترین ارتباط را با شادی دارند:
- صمیمیت / عشق ورزی
- تئاتر / رقص / کنسرت
- نمایشگاه/موزه/کتابخانه
این فعالیت ها کمترین ارتباط را با شادی دارند:
- مراقبت یا کمک به بزرگسالان
- کار / تحصیل
- بیمار در رختخواب
در حالی که این دو لیست ممکن است شما را غافلگیر نکنند، اما این تحقیق نتیجه شگفت انگیزی را نشان داد – تفاوت بین آنچه مردم فکر می کنند آنها را خوشحال می کند و آنچه واقعاً انجام می دهد. این چیزی است که داده های Mappiness کشف کردند.
فعالیتهای کم ارزشگذاری شده که مردم را بیش از حد انتظار خوشحال میکردند عبارتند از:
- موزه
- ورزش
- نوشیدن الکل
- باغبانی
- خرید
فعالیت های بیش از حد ارزیابی شده، که مردم را کمتر از حد انتظار خوشحال می کرد، شامل موارد زیر بود:
- خوابیدن
- بازی های کامپیوتری
- تماشای تلویزیون
- خوردن
- در حال گشت و گذار در اینترنت
ست می گوید داده ها واضح است: اگر می خواهید شادتر باشید، زمان کمتری را در داخل خانه بگذرانید. بیرون بروید، فعال باشید و جهان را کشف کنید.
درس MADS: جمعآوری دادهها برای تجزیه و تحلیل میزان عملکرد ذهنی بازاریابی شما (یعنی ادراک) در واقعیت (یعنی بیش از حد ارزیابی شده، کمتر از ارزشگذاری شده، در مورد هدف).
ظاهر چه نقشی دارد؟
ست با استناد به تحقیقات الکساندر تودوروف، استاد دانشکده بازرگانی دانشگاه شیکاگو، این شخص را وارد گفتگو کرد. مطالعه او پیش بینی برندگان انتخابات را بر اساس ظاهر آنها بررسی کرد.
در این آزمایش، شرکتکنندگان عکسهای دو نامزد را در کنار هم مشاهده کردند و از آنها خواسته شد که تشخیص دهند کدام یک از آنها شایستهتر به نظر میرسد. این تحقیق با یافتن این که 70 درصد از انتخابات توسط کاندیدایی برنده شد که کاربران او را به عنوان شایستهتر انتخاب کردند.
قبل از خواندن این تحقیق، ست می گوید که هرگز به ظاهر خود توجه نکرده است. اما اکنون او به فکر تغییر آن بود، بنابراین مانند هر دانشمند داده خوب، برای کمک به تجزیه و تحلیل داده ها روی آورد.
با استفاده از فیس اپ مجهز به هوش مصنوعی، ست 100 نسخه از خود ساخت. به دنبال تحقیقات اسکندر، او دو نسخه را در برابر مردم قرار داد و از آنها پرسید که کدام یک شایسته تر به نظر می رسد.
با استفاده از تحلیل رگرسیون، او به این نتیجه رسید که تنها دو عاملی که بر اولویت شایستگی تأثیر میگذارند ریش و عینک هستند. پوشیدن هر دو امتیاز شایستگی او را از 5.8 به 7.8 رساند.
جای تعجب نیست که ست با ریش و عینک روی صحنه ظاهر شد.
درس MADS: همانطور که ظاهر یک نامزد بر درک بیننده از شایستگی تأثیر می گذارد، ظاهر و ظاهر وب سایت ها و برنامه ها نیز تأثیر می گذارد. از گروه های تمرکز برای درک اینکه کاربران کدام عناصر طراحی را با احساس لذت یا رضایت همراه می کنند، استفاده کنید.
چگونه از تجزیه و تحلیل داده ها در بازاریابی خود استفاده خواهید کرد؟
من سخنرانی اصلی ست را با الهام از یافتن راههای جدید و خلاقانه برای استفاده از تجزیه و تحلیل بازاریابی برای هدایت تصمیمگیری ، کردم. اما اکنون این کار را بهتر انجام خواهم داد زیرا تفکر “بطن چپ” ست را شنیده ام. داده ها باید داور تصمیم گیری باشند، اما به شرطی که درست و دقیق باشند.
تمامی ابزارهای ذکر شده در این مقاله توسط نویسنده پیشنهاد شده است. اگر میخواهید ابزاری را پیشنهاد دهید، مقاله را در شبکههای اجتماعی با یک نظر به اشتراک بگذارید.
مطالب مرتبط دستچین شده:
تصویر روی جلد توسط جوزف کالینوفسکی/موسسه بازاریابی محتوا
منبع: https://contentmarketinginstitute.com/articles/data-decision-making/