杰奇站群 不良的营销数据使在线业务每年损失6,110亿美元

数据质量主题经常被忽略，而质量差的业务数据构成了许多在线公司的重要成本因素。 而且，尽管有很多内容声称不良数据质量的代价是巨大的，但是只有很少的文章写有关如何识别，分类和衡量此类成本的文章。 在下一篇文章中，我们将介绍质量差的数据如何影响您的业务，这是为什么发生的，以及如何防止由于质量差的数据而浪费时间和金钱。

这将是一项深入的极客研究，我们建议您将笔和笔记本放在附近，并为自己多喝咖啡。

在不做进一步介绍的情况下，让我们通过以下几行向您介绍我们要解决的主要主题：

1. 不良数据真的会影响您的在线业务吗？
2. 淹没在脏数据中？ 是时候下沉或游泳了
3. 对数字营销环境的理解不佳
   • 无深度
   • 没有上下文
   • 没有比赛
4. 错误的方法被用于收集数字营销数据
   • 加载的问题
   • 加载的选择
5. 无法转换为转换的数据
6. 结论

不良数据真的会影响您的业务吗？

过去几十年来，信息技术的发展使组织能够收集和存储大量数据。 但是，随着数据量的增加，管理它们的复杂性也随之增加。 研究表明，由于当今组织中正在收集和管理更大，更复杂的信息资源，这意味着数据质量差的风险增加了。 数据管理，数据治理，数据概要分析和数据仓库可能是任何企业的救赎，而不仅仅是毒蛇。

质量低劣的数据可能意味着公司会遭受许多负面影响。

您可以在下面阅读其中的一些内容：

• 对组织的经济和社会负面影响
• 顾客满意度降低
• 相关的运行成本增加
• 决策过程效率低下
• 较低的绩效（业务整体，但也降低了员工的工作满意度）
• 运营成本增加
• 建立对公司数据的信任的困难
• +许多其他

在下面的图像中，您可以轻松地看到不仅有我们正在谈论的直接成本，而且还有隐性成本。 因此，在创建数字营销策略时，在忽略正在处理的数据质量之前，请牢记以下图表。

资料来源：jiem.org

淹没在脏数据中？ 是时候下沉或游泳了

每年推出的新产品中有95％都失败了。

是的，此统计信息与数据准确性有很大关系。 或营销数据质量差。 麦肯锡公司几年前的一项研究表明，研究是公司生存的关键部分。

80％的最佳表现者进行了研究，而只有40％的最佳表现者进行了研究。

尽管如此，表现最差的人还是做了很多研究。 当然，仅仅因为他们进行研究并不能自动意味着他们进行了出色的研究。

如果您不打算做彻底的研究，那么仅仅进行研究是不够的。

如果您仍然不相信拥有准确数据的重要性，那么在进行任何形式的活动之前，无论是电子邮件营销，SEO还是邮件自动化，都请查看以下这些统计数据：

• 由于针对性不强的数字营销活动，美国每年损失6,110亿美元

• 不良数据是CRM系统故障的首要原因

• 企业通常会高估数据质量，而低估错误成本

• 不到50％的公司声称对数据质量非常有信心

• 33％的项目经常因数据不佳而失败

研究有很多方法可以导致不良的营销数据质量，但让我们仅对3个特定实例进行深入研究。 仔细观察并理解它们将帮助我们确定如何防止浪费资源（时间，金钱，人员）。 以下将对这三种情况的每一个进行详尽的详细介绍。

1. 对数字营销环境的理解不佳

2. 错误的方法被用于收集数字营销数据

3. 无法转化为行动的数据

1.对数字营销环境的理解不佳

Google趋势是一小块黄金，您可能已经知道这一点。 但是，即使拥有此乐器，其秘密也在于您如何使用它。 是的，您会找到很多数据来帮助您了解在竞争对手中保持领先的趋势。 它是一种实时搜索数据，可用来评估一段时间内消费者的搜索行为。 但是，如果您使用不当或未正确“读取”数据，会发生什么？ 假设我们对数字营销技术与策略的图像搜索感兴趣。 当我们看下面的屏幕截图时，我们可能倾向于说“数字营销技术”受到了越来越多的关注。

但是，如前所述，我正要进行图像搜索; 即使这些技术似乎在常规搜索中更受关注，但在图像搜索中，我还是应该采用战术。 进行研究还不够，但是正确理解环境是关键。

接下来的几行中，我们将基于三个维度（深度，上下文和匹配）为您提供一些不错的案例研究，这些案例对环境和客户需求的了解不足。

A）没有深度

从肯定他们知道对消费者最有利的假设到试图找出消费者真正想要的东西，公司肯定已经走了很长一段路。 但是，即使他们假装有兴趣，但如果它不是真实的或不够彻底的，事情也会出错。

某些实例是彻头彻尾的搞笑，例如麦当劳（McDonald）在2005年的竞选活动中，试图模仿年轻人的行话，只是为了让事与愿违。 知道某个群体（年轻人）喜欢某种东西（他们自己的行话），并不意味着该群体会喜欢它的任何版本，尤其是当它不合适或听起来像您的父亲试图变得“酷”和“用它。”

麦当劳的广告上显示“ Double Chee**urger？ 我打了它–我是一个美元菜单的家伙，”他们不知道他们在说什么，变得很痛苦，他们只是想听起来博学多识（在这里您可以找到“我打了”的“城市”定义）它）。 而且，如果有比不适合做的事情更糟糕的事情，那么它就必须努力适合并失败。 如果您不和酷孩子在一起，但是您认为可以，那么您仍然有机会赢得尊重。

如果您不和酷孩子在一起，但是您迫切想要进入，那就是您注定要失败的时刻。 肤浅绝对是研究不力的标志。

几年后，麦当劳对青年人的工作方式也产生了类似的误解。 当他们开始使用“ McDStories”主题标签分享成功故事时，他们试图使事情发生并“传播”。 事实证明，这是另一个失败–不仅在消费者的理解上，而且在技术的理解上。 “ McDStories”主题标签很快就被那些决定分享自己故事的不满意的随机顾客重新使用。 只是他们的回忆不如公司的那么好听，也很讨人喜欢。 这个特定的示例对于SEO来说是非常有先见之明的，因为它突出了尝试制造商誉的危险。 消费者的意识水平以及他们所拥有的技术工具会使反叛和反讽很可能是外界对趋势设定的反应。

B）没有上下文

市场研究很重要。 糟糕的数据会导致糟糕的业务决策。 但是您可能已经知道了。

即使您进行了彻底的研究，您仍然可以通过不提出正确的问题来误导客户。

这里的经典例子是新可乐。

并不是说他们的研究本身并不出色：他们有证据表明，口味是他们市场下滑的主要原因。 他们还进行了200,000次盲品口味测试，超过一半的受访者更喜欢“经典”可乐和百事可乐的口味。 因此，所有科学都正确地将它们指向引入新可乐。 他们最终做到了，结果却是灾难性的。 由于公众的强烈**，该公司最终放弃了新的配方，转而使用经典的配方。

那么出了什么问题呢？ 这是不良数据的后果吗？ 确实是同一回事：他们没有完全了解客户（尽管与麦当劳的方式略有不同）。 可口可乐的错误是将他们的顾客视为生活在真空中的苏打水消费者，而不是像可口可乐的消费者。

一般而言，盲测是一种非常好的工具-除非您不希望受访者对他们的选择视而不见。

因此，不仅要考虑功能性，还要考虑品牌知名度和情感依恋。

您网站的设计很可能是过时或无聊的。 研究表明，年轻人通常被闪亮，光滑的东西所吸引。 但是，也许您的过时和无聊的特定类型对您的用户有效。 数据治理和信息管理非常重要; 但是，数据分析也是如此。

尝试对事物保持某种观点，并确保您对消费者提出正确的问题。

C）没有比赛

在其他时候，这可能更像是公司与客户之间的不匹配问题。 市场研究不足是业务策略失败和不良数据来源的主要原因。 如果您想发展自己的品牌，那么您应该建立的最重要的内容之一就是建立可靠的营销研究系统。 客户会出于某种原因购买或不购买产品。 对于您的公司的未来来说，了解此原因是至关重要的。

是什么驱动您的客户？ 是什么让他们离开？ 是什么让他们继续为您提供服务？

所有这些的答案就在您的鼻子下。 您的销售和支持团队。 他们是金矿。 考虑一下; 如果不直接从用户那里找到他们想要的东西，没有中间，没有花哨的反馈，只是可以利用的简单，准确的数据，那么有什么更好的方法可以准确地找到用户想要的东西。 当然，这取决于您如何“掌握”数据以及如何使用它们。 例如，如果有人要求您提供您没有的新功能; 是的，这很令人沮丧，因为您可能会收到数十封类似的邮件。 但是，利用它们，开发它们并赢得客户（并因此赢得金钱）。 请看下面的屏幕截图，并注意所有错过的机会。

资料来源：helpscout.net

通过所有的努力，一家公司/企业/网站正在尝试找到一种最能覆盖其受众的方法。 有些努力是通过在线内容与公众“间接”接触，但也有一些直接接触。 与销售和支持团队进行讨论可能是一个很好的机会，使您可以更好地了解受众的需求或挑战并相应地调整策略。

如果您从未将支持团队视为研究工具，那么您可能会错过很多东西。

但是，让我通过品牌协会领域的有趣案例研究向您介绍公司和客户之间的不匹配会导致什么。 只有查看下面的屏幕截图，您才能了解乐购产品与优质葡萄酒生产线之间的关联问题。

澳大利亚葡萄酒公司Yalumba通过特易购（Tesco）畅销英国，并严重依赖他们与该连锁超市的联系，并因成功的合作而对自己的成功充满信心。 但是，他们开始被勉强压榨，因此仔细观察了Tesco的情况，并对发现的结果感到惊讶。

他们发现自己的品牌是由乐购（Tesco）销售的商品–促销时提供，并被消费者认为是好酒，但没什么特别的，因为它通常以特价出售。 他们的市场研究发现，他们的品牌在特殊场合还不够好，因为它是Tesco的促销酒。 太棒了，他们毕竟还进行了市场研究，为时已晚。

它不是消费者选择的葡萄酒，消费者与品牌之间几乎没有联系。 这是一个典型的商品陷阱，造成了利润压力，并且从长远来看是不可持续的。 该公司造成了这样一个问题：由于研究不力以及品牌忠诚度和促销活动之间的联系而导致商品陷入陷阱，从而导致人们期望较低的价格，从而最终导致Yalumba的利润率难以为继。

2.错误的方法被用于收集数字营销数据

在本章中，我们将解决各种选择和问题，但在此之前，我们将讨论一些错误的方法如何导致您走错路。 而且，它不必进行大规模的研究，甚至只需进行最少的研究即可。 假设我们对巴西的“餐厅”利基市场感兴趣。 我们希望看到网络上所有写在南美国家“餐馆”上的东西。 我使用“品牌提及”来实现，正如您在下图中看到的那样。

这确实是一个令人印象深刻的提及。 但是，最初的搜索是使用我针对的英语单词“ restaurants”来完成的。 在葡萄牙语中搜索相同的单词是否会有所作为？ 当然可以。 差异很大。 因此，即使要进行简单的搜索，如果要获得准确的数据，也应始终牢记方法。

下面您将基于一些常见的错误方法找到一些非常有趣的案例研究。

A）加载的问题

您如何表达问题以及决定向受访者提供多少（或更少）信息，都可以发挥作用。

例如，在下面的图像中，哪一行更长？ 如果您在本章末尾与我们保持一致，如果您尚不知道答案，将会找到答案。

给他们很少的信息显然会扭曲他们提供有用答案的能力。 但是事实证明，提供过多的信息可能具有相同的效果。 菲利普·格雷夫斯（Philip Graves）在有关市场研究失败的文章中，提供了两个很好的例子说明这种现象在起作用：

1.一种是与银行有关的调查，首先要询问人们最近是否更换了银行，其次是对银行是否满意。 尽管这一质询不一定提供不想要的信息，但确实会在受访者的脑海中隐式地创建它。

试想一下：如果您对银行变更问题的回答为“否”，那么当您获得第二个问题时，您的大脑很容易给出与第一个问题的答案一致的答案。 您不能对第二个问题回答“否”，否则回想起来，您对第一个问题的回答似乎很奇怪。 您最近有没有更换银行？ 不！ 您对银行满意吗？ “是”几乎自动出现。 如果您不满意，为什么不更换银行？

但是，当然杰奇站群，那不是您可以在现场执行的操作。 但是，您可以在现场找到与上一个答案一致的答案，在这种情况下，答案是“是”。 您尚未更改银行，因为您对此感到满意。 两者之间不必存在因果关系，但是如果存在，则这两个答案更容易接受。 我们喜欢秩序，对称和和谐。

进行研究时，请确保问题是一致的，合乎逻辑的且易于理解的。

2. Graves文章中的另一个例子更为明显。 在一项调查中询问“作为世界上薪水最高的乘务人员，英航的乘务人员应该**吗？” 97％的受访者说“不”。 令人惊讶的是，我们应该补充。 这是一个已加载问题的经典示例。 措辞的方式使人们几乎不可能说“是”，因为我们谈论的是世界上薪水最高的乘务人员。 实际上，这里使用的机制与上一个机制非常相似-只是更为明确。 我们的大脑很难把握两种对立的观点，因此我们尝试调整其中一种以适应另一种观点。

这就像在问：作为数字营销中的最佳工具，成功率达到80％，您认为专业人士应该选择我们吗？

在这种情况下，工作中存在两个隐含的观点：“薪水高的人应该对工作感到满意”和“薪水高的人不应**”。 或者，为了将它们进一步简化为方程式的口头禅，“金钱=满足感”和“满足感–表示不满足感”。

诺贝尔奖获得者丹尼尔·卡赫曼（Daniel Kaheman）在他的《思考，快和慢》一书中详细谈到了这种思维-我们常常不知道这种思维。 根据简单的方程式和事物之间的二元关系来思考更容易，更快，所以我们通常这样做。 我们也倾向于走阻力最小的道路，因此，根据问题的措辞方式，我们更有可能给出需要最少脑力的答案。

就像上面图片中的线条一样; 即使您在认知水平上知道线是相等的，您仍然倾向于将第一个线较长。

在调查问卷中提问很辛苦。

B）加载的选择

提出的问题只是以错误的方式提出正确问题的一个例子。

您使用的语言所固有的偏见也会对您获得的答案产生重大影响。

例如，问人们“您的满意度如何”有很大的不同。 和“您有多不满意？” 即使答案选项完全相同（例如：“非常满意”，“满意”，“相当满意”，“相当不满意”，“不满意”，“非常不满意”）。 即使人们没有意识到自己容易受到启动的影响，甚至完全拒绝启动，启动也会产生非常强烈的效果。

但是，仅仅提出正确的问题还不够–您还必须正确选择。 有开放性问题，您可能会得到无法比较的答案，最终将变得无用。

有封闭式问题，您可能最终不包括一些非常相关的答案，这反过来又将迫使受访者提供不代表他们的答案。

即使您采用混合方法，也可以通过使两端的选择不具有可比性或对称性来解决问题。

假设您被询问有关邮件自动化服务的评估，选项包括：“优秀”，“非常好”，“很好”，“非常差”，“灾难性”。 如果您只是对收到的服务感到不满意，则不太可能发出信号，因为除非您对此有所准备，否则找不到适合您的不满意程度的答案。 即使您非常不满意，您也更可能会选择“非常贫穷”而不是其他任何理由，因为“灾难性”通常很少发生。 此外，由于存在3个积极选择，而只有2个否定选择，这一事实使最不积极的选择（仍然是非常积极的）显得比应有的中间立场更为明显。 因此，如果您只是有些不满意，则更有可能将其保留给自己，并选择“好”而不是“非常差”。 显然，这是一个夸张的例子，但是那里有很多更微妙的但同样成问题的研究设计缺陷。

3.无法转换为转换的数据

在这里，我们实际上是在谈论无用的数据。 到目前为止，我们所讨论的不是质量问题，数据不准确，业务流程，数据管理，成本相关或流程质量问题。 到现在为止，我们已经得出结论，在线数据的质量是一个主要问题，不仅对于市场研究行业，而且对于依赖准确数据进行决策的企业领导者也是如此。

有时，公司过于关注捕鼠器，往往会与他们实际工作的人们（消费者）的情感和需求失去联系。

例如，假设您计划通过SEO增强您的网站。 有一天，您意识到自己拥有大约300万个链接。 太神奇了，对不对？ 还有更多，您正在获取Microsoft的链接配置文件。 但是，您仅凭此信息就可以做任何事情吗？ 300万个链接？ 并不真地。 您需要将其与引用域的数量（在我们的案例中，报告为大量链接时，其引用率极低），链接影响力，它们的自然性等相关联。否则，仅拥有数量众多的引用域就没有多大用处了。链接。 您不能基于该策略制定策略，也不能做出数字营销决策。

然而，这些事情也发生在大个子身上。 让我们以Google眼镜为例。 伟大的发布还不到2年，生产商宣布将停止生产该产品。 Google没办法进行适当的研究吗？ 当然可以。 那怎么了

他们忽略了什么？ 一切都会有人说。 好吧，不是所有的东西都可以，但是很明显，他们利用了自己拥有的数据，但是没有以有效的方式使用它们（我们可以说，这些仍然是不良数据的结果）。 经过研究，制片人得出了一个结论：如果可以像使用智能手机和平板电脑一样将高科技缩小到适合自己的手，并取得如此巨大的成功，那么为什么不缩小技术使其接近人类的一部分呢？身体？ 他们的市场研究样本对这个想法感到很兴奋。 这是他们提供给公司的信息。 该产品已创建，已发布，一点也没有荣耀。 更重要的是，它毫不客气地在几个月内失败了。 所以发生了什么事？ 这是不良数据的后果吗？ 生产者使潜在客户的梦想成真; 他们为什么不卖？

隐私和价格问题使很多公众疏远了-Google仅向西海岸的富人发布了早期版本的事实，从而将产品冠以精英主义者的名声，而不是“负担得起的奢侈品”的哲学。 即使他们有很多数据，也没有用。 根据CNN的资料，在发布之前，Google没想到会有少数人愿意花1,500美元（或负担得起）在公众面前**，他们的设备悬挂在他们的眼睛周围，别人可能会认为这是对他人隐私的威胁或自命不凡令人讨厌的小工具。

“ Google的快速撤退暴露了公司采用“构建并会到来”方法所犯的最根本的罪过。 这是科技公司所依赖的过程，称为公开Beta测试。”

市场研究中存在盲点，这些盲点代价高昂，而且市场研究无法预测这些变量。

结论

错误的数据可能导致错误的分析，这可能导致错误的业务决策，不仅是某些非常糟糕的收入。 第一步。 如果您知道今天不良的数据质量影响，那么明天就不会影响您的业务。 人们应该始终意识到，不良数据不仅会长期影响您的整体数据管理，而且还会影响您将来的所有业务决策。