universet af digital analyse er massivt og kan virke lige så komplekst som det kosmiske univers.
med så store, komplicerede emner kan vi fare vild i den store vildmark eller blive fanget i en silo. Vi kan vandre målløst eller føle en falsk følelse af enten præstation eller frustration. Derfor mister vi synet af, hvor vi er, hvordan vi har det, og hvilken retning der er sandt nordpå.
Jeg har selv oplevet disse udfordringer ved flere lejligheder. Selv enkle spørgsmål som “hvor effektiv er vores analysestrategi?”Fremkald et kompliceret sæt svar, i stedet for et simpelt billede kan CCO internalisere. Det er fordi vi er nødt til at tale om værktøjer (så mange!), arbejde (indsamling, behandling, rapportering, analyse), processer, org struktur, styringsmodeller, sidste mile huller, metrics stiger af fantastiskhed, og… så… meget… mere.
snart ser din strategiske ramme for digital analyse, som du håbede ville give et sandt nord til analysestrategispørgsmålet, sådan ud…
rammerne ovenfor dækker kun en dimension af vurderingen (!). Der er en anden kritisk ramme for at finde ud af, hvordan du kan tage din analytics-sofistikering, uanset hvor den er i øjeblikket til nirvanaland.
en hurtig søgeforespørgsel illustrerer, at det ser sådan ud…
det er vigtigt at understrege, at ingen af disse rammer / svar findes i et vakuum.
begge billeder ovenfor er skræmmende komplekse, fordi den analyseverden, vi besætter, er kompleks. Husk, værktøjer, arbejde, processer, org struktur, styringsmodeller, sidste mile huller, metrics stiger af fantastiskhed, og… så… meget… mere.
implikationerne af kompleksitet.
der er to dybt smertefulde resultater af de tilgange, du ser på billederne ovenfor (hvor du også vil se mit arbejde repræsenteret).
1. Indlysende:
2. Ikke-indlysende:
Når man tager fat på disse to resultater – blinde virksomhedsledere, blinde analyseledere – er det simpelthen hjerteskærende.
forenkling af kompleksitet.
dilemmaet om, hvordan man forenkler denne kompleksitet, for at skabe seende forretnings-og analyseledere, har dvælet med mig i nogen tid. Jeg har tænkt mig at skabe et simpelt billede, der absorberer skalaen, kompleksiteten og mange bevægelige dele.
på denne blog har du set adskillige forsøg fra mig på at afhjælpe dilemmaet. For at nævne nogle få: Digital markedsføring & Målemodel | Analyseøkosystem / Netanalyse 2.0. Hver havde til formål at løse en bestemt dimension, men ingen løste hjertesorg fuldstændigt. Især for det ikke-indlysende problem #2 ovenfor.
sulten forblev.
jeg ønskede at skabe en visuel, der ville fungere som et diagnostisk værktøj til at afgøre, om du er tabt, fanget i en silo eller vandrer målløst. Det ville hjælpe dig med at indse, i hvilket omfang analytics påvirkede forretningens bundlinje i dag, og hvad dine fremtidige analyseplaner skal udrette.
så en dag, et magisk øjeblik.
under en diskussion omkring planlægning for måling kæmpede en peer med en unik samling udfordringer. Han stillede mig et par spørgsmål, og Det udløste en ide.
Jeg gik op til tavlen og skitserede begejstret noget simpelt, der abstraherede kompleksiteten – og alligevel bevarede kraften i smartere tænkning på samme tid.
Her er skitsen jeg tegnede som svar:
Ja, det var en grim fødsel. Men for mig, den stolte forælder, det var smukt.
det tog en seksten timers direkte flyvning til Singapore for den skæve skitse at komme til liv – hvor ellers, i kraftpunkt!
slutresultatet var kun fem dias. Som man siger: Det er ikke blækket, det er tanken.
Jeg vil dele den fuldt udfoldede, praktiske og raffinerede version af disse fire dias med dig i dag. Sammen, de hjælper dig med grundlæggende at genoverveje din analysepraksis ved, 1. forstå datas faktiske indvirkning på din virksomhed i dag og, 2. plukker meget præcise og specifikke ting, der skal være i dine nærmeste og langsigtede analyseplaner.
Effektmatricen.
for at male et simpelt billede af den store, komplicerede analyseverden viser tavlen ovenfor en 2 Lot 2-matrice.
hver celle indeholder en metrisk (online, offline, nonline).
forretningsvirkningen er på y-aksen, illustreret fra Super taktisk til Super strategisk.
tid-til-brugbar er på h-aksen, illustreret fra realtid til 6-månedligt.
før vi går videre… ja, at bryde h-aksen i flere tidssegmenter skaber en 2-list 5-Matrice og ikke en 2-list 2. Overvej det for at være den pris, jeg har betalt for at gøre dette mere handlingsbart for dig. 🙂
dykning lidt dybere ind i y-aksen… Super Taktisk er den mindste mulige indvirkning på virksomheden (brøkdele af øre). Super strategisk repræsenterer den størst mulige indvirkning på virksomheden (titusindvis af dollars).
skalaen på y-aksen er eksponentiel. Du vil bemærke tallene i lys skrifttype mellem Super taktisk og Super strategisk gå fra 4 til 10 til 24 Til 68 Og videre. Dette viser, at påvirkning ikke er en trinændring-hvert trin op giver en massivt højere effekt.
dykning lidt dybere ned i h-aksen… mens de fleste data kan indsamles i realtid nu, er ikke alle metrics nyttige i realtid.
som et eksempel kan indtryk indsamles i realtid, og de kan også blive nyttige i realtid (hvis de handles, kan de have en super taktisk indvirkning-fraktioner af øre). Kundens levetidsværdi på den anden side tager lang tid at blive nyttig over måneder og måneder (hvis det handles, kan det have en super strategisk indvirkning på virksomheden – titusindvis af dollars).
Her er en repræsentation af disse ideer om Effektmatricen:
Impressions kan bruges i realtid til beslutningstagning af din skærm, video og søgeplatforme (f.eks. via automatisering). Du kan selvfølgelig rapportere bruttoresultat i realtid, men det er næsten helt ubrugeligt. Det skal analyseres dybt månedligt for at give værdifuld, handlingsbar indsigt med større indflydelse. Endelig kræver levetidsværdi måske den hårdeste strategiske analyse, fra data akkumuleret over måneder, og handlingen tager tid at give resultater – men de er storslåede.
Pause. Overvej ovenstående billede.
Hvis du forstår, hvorfor hver måling er, hvor den er, vil resten af dette indlæg fylde dig med euforisk glæde, der sjældent opleves uden fysisk kontakt.
Effektmatricen: et glædeligt dybt dyk.i alt indeholder Impact matricen 46 af de mest anvendte forretningsmålinger – med vægt på salg og markedsføring. Metrics spænder over digitale, tv, butikker, reklametavler og enhver anden tilstedeværelse af et mærke, du kan tænke på. Du ser flere digitale målinger, fordi digital er mere målbar.
nogle metrics gælder på tværs af alle kanaler, som bevidsthed, overvejelse og Købshensigt. Du bemærker, at de mest kritiske bundlinjemålinger, der muligvis kommer fra dine ERP-og CRM-systemer, også er inkluderet.
hver måling indtager et sted baseret på forretningspåvirkning og tid selvfølgelig, men også i sammenhæng med andre målinger omkring det.
Her er en forstørret visning, der indeholder den nederste venstre del af matricen:
lad os fortsætte med at internalisere impact og time-to-useful ved at se på et specifikt eksempel: Bounce Rate. Det er i rækken, der angiver en effekt på fire og i kolonnen time-to-useful ugentligt. Mens afvisningsprocent er tilgængelig i realtid, er det kun nyttigt, når du har samlet en kritisk mængde data (f.eks.
på overfladen kan det virke underligt, at en simpel metrisk som afvisningsprocent har en indvirkning på fire og TV GRP ‘ er og % nye besøg er lavere. Min grund til det er den bredere indflydelse af afvisningsprocenter.
effektiv analyse og handling på afvisningsprocent kræver følgende:
* evnen til at identificere eventuelle tomme løfter til de brugere, der hopper.
* kendskab til indholdet, herunder dets følelsesmæssige og funktionelle værdi.
* evnen til at optimere destinationssider.
Forestil dig virkningen af disse indsigter; det er langt ud over afvisningsprocenter. Derfor får afvisningsprocenten mere vægt end indtryk, bevidsthed og andre almindelige målinger.
Når du betegner en metrik som en KPI, er dette din vigtigste overvejelse: dybde af indflydelse.
med en bedre forståelse af Impact matricen, her er den fulde version:
Når du reflekterer over den udfyldte matrice, vil du bemærke, at jeg har lagdelt i subtile incitamenter.Menneske, skal du helt forny dine identitetsplatforme (en strategi, jeg altid har favoriseret: implikationer af identitetssystemer på incitamenter). Hvorfor skal du gøre denne ekstra indsats? Læg mærke til, hvor højt disse målinger sidder på business impact scale!
andre skjulte funktioner.
værdien af voice of customer metrics er tydelig ved deres høje placering i sammenhæng med y-aksen. Se på, hvor Opgaveafslutningsgraden efter primært formål og sandsynlighed for at anbefale er, som et eksempel. De er højt i hierarkiet på grund af deres positive indvirkning på både virksomheden og virksomhedskulturen – hvilket giver en blød og hård fordel.
du vil også bemærke, at de fleste rene digitale målinger – Adobe, Google Analytics – sidder i den taktiske bundlinjepåvirkning. Hvis alt hvad du gør dag og nat er bare disse målinger, er dette et vågneopkald til dig i sammenhæng med din faktiske indvirkning på virksomheden og virkningen af det på din karriere.
øverst til højre vil du opdage min besættelse af fortjeneste og Inkrementalitet, som danner grundlaget for konkurrencefordel i 2018 (og videre). Analyse af disse målinger ændrer ikke kun grundlæggende markedsføringsstrategi (tænk titusinder af dollars for store virksomheder); deres indsigt kan ændre din virksomheds produktportefølje, dine kundeengagementstrategier og meget mere.matricen indeholder også, hvad der sandsynligvis er verdens første bredt tilgængelige maskinindlærings-drevne metric: Sessionskvalitet, som du finder omtrent i midten. For hver session på dit skrivebord eller mobile site, Session kvalitet giver en score mellem 1 og 100 som en indikation af, hvor tæt Den besøgende er at konvertere. Nummeret beregnes ud fra en ML-algoritme, der har lært af dyb analyse af din brugeradfærd og konverteringsdata.
Pause. Hent den fulde opløsning version af billedet. Afspejle.
det er mit håb, at placeringen af hver af de 46 målinger vil hjælpe dig med at tilføje målinger, der kan være unikke for dit arbejde. (Del dem i kommentarer nedenfor, Tilføj til vores kollektive viden.)
med en bedre forståelse af matricen er du klar til at overvinde de to problemer, der brød vores hjerter i starten af posten – og gøre noget super-cool, som du ikke troede, vi kunne.
handling #1: analyse program modenhed diagnostisk.
nok teori, tid til noget rigtigt, se.
kernedriveren bag oprettelsen af Påvirkningsmatricen var det ikke-åbenlyse problem #2: hvor meget betyder din analysepraksis noget fra et bundlinjeperspektiv?
Du betyder noget, hvis du har en forretningsmæssig indvirkning. Du får en forretningsmæssig indvirkning, hvis din analysepraksis er sofistikeret nok til at producere metrics, der betyder noget. Se den dejlige cirkulære reference?
🙂
i vores tilfælde måler vi modenhed ikke ved at evaluere mennesker, proces og lag på lag af værktøjer, men vi måler modenhed ved at evaluere output af hele sangen og dansen.
besvar dette enkle spørgsmål: Hvilke målinger bruges mest til at træffe beslutninger, der driver faktiske handlinger hver uge/måned/mere?
Ignorer de målinger, der blev produceret som en eksperimentel øvelse for ni måneder siden. Ignorer de målinger, hvis eneste formål er at flyde langs floden af data pukes. Ignorer de målinger, du ønsker, at du analyserede, men gør det ikke i øjeblikket.
Virkelighed. Vurdere, virkelighed. Ingen mening i at narre dig selv.
Tag delmængden af metrics, der aktivt driver handling, og skift skrifttypefarven for dem til grøn i Effektmatricen.
for en stor europæisk klient med en multikanals eksistens, her er hvordan Påvirkningsmatricen så ud efter denne ærlige selvrefleksion:
flere af de digitale metrics er grønne, fordi der er flere digitale metrics periode. Du kan se virksomhedens marketingstrategi spænder over tv og anden offline reklame, herunder detailhandel.
du vil sandsynligvis genkende mange af disse målinger som den, som din analysepraksis udsender hver dag. De repræsenterer resultatet af en masse hårdt arbejde fra virksomhedens medarbejdere og eksterne analysepartnere.
Vi forsøger at besvare spørgsmålet om, hvor meget analytics-praksis betyder noget. Du kan se det mere skarpt nu.
for dette firma mest grønne metrics klynge i nederste venstre kvadrant, hvor de fleste har en indvirkning på ti eller under (på en Y-akse skala fra 1 til a ). Der er en klar outlier (Nonline direkte indtægter – en meget vanskelig måling at beregne, så hurra!)
som enhver god konsulent ved, hvis du har en 2 Lot 2 kan du oprette fire tematiske kvadranter. I vores tilfælde kaldes de fire kvadranter solidt fundament, mellemliggende og avanceret:
for vores virksomhed passer analysepraksisens modenhed mest i det solide fundament kvadrant.
er det en god ting?
det afhænger af, hvor længe analysepraksis har eksisteret, hvor mange analytikere virksomheden har, hvor mange penge det har investeret i analyseværktøjer, størrelsen på deres agenturanalyseteam osv.
hvis de har et team på 50 personer, der bruger $18 mil på analyseinvesteringer hvert år i løbet af det sidste årti med 12 værktøjer og 25 forskningsundersøgelser hvert år… kan du nu udlede, at dette ikke er en god ting.
uanset hvad belyser Effektmatricen nu klart, at meget indflydelsesrige målinger er underudnyttet. Dette er de målinger, der letter dybere tanke, tålmodighed og analyse for at levere stor bundlinjepåvirkning.
anbefaling Uno:
anbefaling Dos:
anbefaling tr Krists:
den gode nyhed er, at det nu endelig er klart, hvor du skal hen, og hvorfor du skal derhen. Tillykke!
anbefaling Cuatro:
de fleste virksomheder venter på, at nogle Jesus-Krishna hybrid kommer ned fra himlen og leverer et herligt massivt revolutionsprojekt (natten over!). Disse sker aldrig. Undskyld, Jesus-Krishna. I stedet, hvad det kræver er, at hver medarbejder bevæger sig lidt op og lidt til højre, mens analyseteamet letter disse skift. Små ændringer akkumulerer stor bundlinjepåvirkning over tid.
så. Hvad er din kvadrant? Og, hvad er din næste højre eller næste op flytte?
handling #2: Justering Metrics & lederskab højde.
når der tilbydes data, vil alle have alt.
folk tror ofte, at flere data betyder bedre resultater. Eller, at hvis et agentur leverer en 40 fane, skriftstørrelse 8, regneark fuld af tal, som de må have gjort en masse arbejde – dermed bedre værdi for pengene. Eller, en VP ønsker yderligere to histogrammer, der repræsenterer syv dimensioner, der er presset ind i hendes dashboard på en side.
hvis flere data svarede til smartere beslutninger, ville de være fred på jorden.
en central del af vores job, som ejere af analysepraksis, er at sikre, at de rigtige data (metric) når den rigtige person på det rigtige tidspunkt.
for at gøre det skal vi overveje højde (aka y-aksen).
højde dikterer omfanget og betydningen af beslutninger. Det dikterer også den hyppighed, hvormed data modtages, sammen med dybden af indsigt, der skal ledsage dataene (IABI FTV!). Endelig bestemmer højden den tid, der er afsat til at diskutere fund.
ledere har en lavere højde, de er forpligtet til at træffe taktiske beslutninger – påvirker sige titusinder af dollars. VP ‘ er har en højere højde, de betales et ton mere i løn, bonus og lager, fordi de bærer ansvaret for at træffe super strategiske beslutninger – påvirker titusindvis af dollars.
dette problem har en smukt elegant løsning, hvis du bruger Slagmatricen.
skær matricen vandret for at sikre, at de målinger, der leveres til hver leder, er justeret med deres højde.
VPs sidder ved beslutningstagning, der er helt i det Super strategiske rige – på vores skala ~40 og højere. Denne samling af målinger styrker tunge beslutninger, der kræver rigelig forretningskontekst, dyb tænkning og vil påvirke bred forandring. Analytikere har brug for den tid til at foretage en ordentlig analyse og få iabi.
Du kan også se, at næsten alle målinger, der leveres til VPs, ankommer månedligt eller endnu sjældnere. En anden afspejling af det faktum, at deres højde kræver løsning af problemer, der vil forbinde på tværs af organisationer, på tværs af incitamenter, på tværs af brugerens berøringspunkter osv.
så. Er metrics på dine VP Dashboards / Slides dem i Super strategisk klynge?
eller. Er din analysepraksis sådan, at dine VP ‘ er bruger deres tid på at tage taktiske beslutninger?
under VP-laget ser du metriske klynger for lidt mindre strategisk indflydelse på virksomhedens bundlinje for direktører. Tid til brug ændres også på h-aksen for dem. Efter dem er laget for ledere, der træffer endnu hyppigere taktiske beslutninger.
det sidste lag er min foretrukne måde at forbedre beslutningstagningen på: at fjerne mennesker fra processen. 🙂
nylige tekniske fremskridt giver os mulighed for at bruge algoritmer – maskinlæring – til at automatisere beslutninger truffet af målinger, der har en Super taktisk indvirkning. For eksempel er der ikke behov for noget menneske til at gennemgå synligheden, fordi avancerede displayplatforme optimerer kampagner automatisk mod denne metric. Faktisk vil et dyrt menneske, der ser på rapporter med den metriske, kun bremse tingene – eliminere de fraktioner af penny-påvirkning, som den metriske leverer.
anbefaling Cinco:
for eksempel: Indeholder din sidste CMO-rapport fortjeneste pr. menneske, inkrementel fortjeneste pr. ikke-linjekanal, % bidrag fra ikke-linjekanaler til salg? Hvis ja, hurra! I stedet, hvis de rapporterer bevidsthed, overvejelse, hensigt, konverteringer, afvisningsprocent… trist tid. Hvorfor ville din CMO bruge sin værdifulde tid på at træffe taktiske valg? Er det et kulturproblem? Er det en afspejling af manglen på analytisk kyndig? Hvorfor?
Enkelt sagt er det store og komplicerede ikke så stort og ikke så kompliceret. Denne enkle analyse vil hjælpe med at identificere kerneproblemer, der hæmmer de bidragsdata, der kan gøre for smartere, hurtigere, forretningssucces.
anbefaling Seis:
for de andre lag afhænger handlingen af, hvad problemet er. Det kan kræve nyt lederskab i analyseteamet, det kan kræve et skift i virksomhedskulturen, eller det kan kræve en anden engagementsmodel på tværs af lag (ledere, direktører, VPs). En ting, der justerer højden, vil helt sikkert kræve: ændring i, hvordan medarbejderne kompenseres.
som du bemærker ovenfor, er styrken af matricen i dens evne til at forenkle kompleksiteten. Det betyder ikke, at du ikke behøver at håndtere kompleksitet – Du kan være mere fokuseret på det nu!
handling #3: strategisk tilpasning af analytisk indsats.
endnu en skæreøvelse til vores matrice, denne gang til analyseteamet selv.Analyseteams står over for en skræmmende udfordring, når de skal finde ud af, hvilken type indsats der skal gøres for at tackle den fantastiske samling af muligheder, der er repræsenteret i Effektmatricen.
denne udfordring forstærkes af det faktum, at der altid er for meget at gøre og for få mennesker til at gøre det med. Åh, og få mig ikke i gang til tiden! Hvorfor er der kun 24 timer i døgnet??
så hvordan sikrer vi, at hver har en optimal analytisk tilgang?
skær matricen lodret langs den tid-til-nyttige dimension…
for enhver metrisk, der er nyttig i realtid, er vi nødt til at pakke automatiseringskræfterne ud. Kampagner kan optimeres baseret på realtidsindtryk, klik, besøg, sidevisninger, pris pr.erhvervelse osv. Vi er nødt til at stoppe med at rapportere disse og begynde at fodre dem ind i vores kampagneplatforme som f.eks. Med enkle regler – for det meste – kan automatiseringsplatforme gøre et bedre stykke arbejde med at handle end mennesker.
Hvis du investerer i machine learning talent inde i dit team, vil selv snævert intelligente algoritmer, de bygger, lære hurtigere og overgå mennesker hurtigt for disse enkle beslutninger.
Med den daglige sugning af livsånd reduceret, taktiske konsekvensbeslutninger automatiseret, har analysepraksis tid til at fokusere på målinger, der har længere tid til brug og har brug for dybere menneskelig analyse for at udtrække IABI.
for målinger, der er tilgængelige ugentligt eller inden for få uger, skal rapportering til forskellige interessenter (for det meste ledere og direktører) informere tilstrækkeligt om beslutninger. Brug tilpassede alarmer, trigger tærskelmål og mere til at sende disse data til den rigtige person på det rigtige tidspunkt. For ugentlige time-to-useful metrics har dine interessenter nok taktisk kontekst, at du ikke behøver at bruge tid på dyb analyse, da metrics informerer de taktiske beslutninger.
mere rolleklarhed, et tankevækkende skift af byrden til interessenterne og mere fritid til at fokusere på det, der virkelig betyder noget.
for hvor time-to-useful er i månedsintervallet, er du nu virkelig på vej ind i strategisk område. Reflektere over de målinger der-udfordrende, strategisk, direktør og VP højde. Det er ikke længere nok bare at rapportere, hvad der skete, du skal identificere, hvorfor det skete, og hvad årsagssammenhængen er for hvorfor faktorer. Dette vil give indsigt, der vil have millioner af dollars af potentiel indvirkning på virksomheden. Det betyder, at du bliver nødt til at investere i at sikre, at dine historier har mere end bare indsigt, men også inkluderer specifikke anbefalede handlinger og forudsagt forretningseffekt. Utroligt nok har du lige så meget tekst som data i dit output (sådan ved du, at du gør det rigtigt!).
endelig har vi toppen af analytics præstation. Vores sidste lodrette udsnit inkluderer målinger, der måler ydeevne på tværs af kundesegmenter, divisioner og kanaler, blandt andre elementer. Det er her meta-analyse kommer i spil, der kræver endnu mere tid, med endnu mere komplekse analytiske teknikker, der trækker data ind i Storforespørgsel eller lignende miljøer, hvor du kan lave dine egne sammenføjninger, frigøre R, bruge statistisk modelleringsteknikker (Hej tilfældige skove!) at finde de vigtigste faktorer, der påvirker din virksomheds præstationer. fordelingen af dit analytiske teams indsats på tværs af disse fire kategorier er en anden metode til vurdering af modenhed samt at sikre optimal effekt af de dyrebare få analytiske ressourcer. For eksempel: hvis det meste af din tid er optaget af at levere data til beslutningstagere til målinger i automatisere og rapportere lodrette skiver, er du sandsynligvis i begynderfasen (og har ikke stor indflydelse på virksomhedens bundlinje).
anbefaling Siete:
svarene på disse spørgsmål vil medføre en grundlæggende re-fantasi af din analytics praksis. Konsekvenserne vil være dybe og brede (mennesker, proces, værktøjer). Sådan kommer du på vejen til ægte nirvanaland.
#sisepuede
kernen i Slagmatricen er det eneste, der betyder noget: forretningens bundlinje. Ved hjælp af to enkle dimensioner, impact og time-to-useful, kan du blot forklare tre unikke elementer i enhver vellykket analysepraksis. Refleksionerne er undertiden smertefulde, men at bringe dem frem i lyset giver os mulighed for at tage skridt mod systematisk forbedring af vores analytiske praksis.
det er kraften i en 2 Lot 2 (eller en 2 Lot 5)!
Her er en version af Impact matricen til din personlige brug.
som altid er det din tur nu.
Når din CMO spørger, “hvor effektiv er vores analysestrategi?”, hvad er dit svar? Hvor enkelt kan du indramme det? Hvad er de primære input til dine nærmeste og langsigtede analyseudviklingsplaner? Hvis dine VPs får metrics i den avancerede kvadrant, hvilke strategier har været effektive til at få dig der? Hvis du med succes har implementeret mønstertilpasning og avancerede klassificeringsmetaanalyseteknikker, pleje at dele dine lektioner med os?