«بطن چپ» برند شما در انتظار کشف چه هستند؟
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 ، دوانی بازگو می کند.
جف با سه مدرک از دانشگاه هاروارد شغل خود را در بانکداری رها کرد تا خود را وقف طبیعت و ، کند. ماموریت او استفاده از داده ها برای تعیین اینکه چه چیزی ، های مسابقه را عالی می کند، بود. این زمانی بود که مایکل لوئیس در سال 2003 کتاب Moneyball استفاده از تجزیه و تحلیل را در لیگ برتر بیسبال توضیح داد.
چگونه فرمول تحلیل داده های برنده را پیدا کنیم؟
جف ویژگی های ، مسابقه را تجزیه و تحلیل کرد تا ببیند کدام یک از آنها موفقیت در سطح قهرمان را پیش بینی می کنند. ویژگی هایی که او به آنها نگاه کرد عبارتند از:
- اندازه سوراخ بینی
- حجم عضلات تند انقباض
- اندازه دفع مدفوع
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، هیچ ، تصور نمی کرد که ، مسابقه باورنکردنی که فرعون آمریکایی تبدیل شود، به جز جف.
این صفات فرعون آمریکایی را در نظر بگیرید:
- قد (صدک 56)
- وزن (صدک 61)
- اصل و نسب (صدک 70)
- اندازه بطن چپ (صدک 99.61)
اگرچه قد، وزن و شجره نامه بسیار چشمگیر نبود، بطن چپ بزرگ فرعون آمریکایی موفقیت او را در تاج سه گانه به دقت پیش بینی کرد.
ست داستان را به اشتراک می گذارد تا این نکات را برای بازاریابان داده محور روشن کند:
- ارزش یک مجموعه داده معمولاً اندازه آن نیست، بلکه تازگی آن است.
- برندگان کلان داده کارآفرینان هستند.
- برندگان کلان داده اغلب در یافتن برنده بزرگ شکست می خورند.
- یافته های “بطن چپ” وجود دارد.
ست میگوید با اتخاذ این بینشها، میتوانید مدل دادههای خود را 10 برابر بهتر از مدلهای دیگر بسازید.
دوره MADS: میتوانید «بطنهای چپ» برندتان را در دادههای تحلیلی (مانند بازاریابی اینترنتی، بازاریابی ایمیلی، بازاریابی رسانههای اجتماعی، جستجوی پولی) کشف کنید. با طرح سوال، فرضیه ای را تدوین کنید. داده ها را تجزیه و تحلیل کنید تا به آنها 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. برای مثال نظرسنجی را در نظر بگیرید. ست توضیح می دهد که قالبی که اغلب توسط گالوپ و مرکز تحقیقات پیو استفاده می شود، می تواند برای درک اینکه چرا مردم کارها را انجام می دهند استفاده شود. اما یک مشکل ذاتی در نقشه برداری وجود دارد.
مردم اغلب می گویند آنچه فکر می کنند دیگران را تحت تاثیر قرار می دهد. به این تعصب 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 پاسخ های نادرستی می دهند زیرا می خواهند کاری را انجام دهند که از نظر اجتماعی قابل قبول است.
اما بازاریابان کجا می توانند صداقت محض را پیدا کنند؟ در جستجوهای گوگل، ست گفت. او آن را “سرم حقیقت دیجیتال” می نامد زیرا مردم آن را قبول دارند. آنها درباره سلامتی، روابطشان و هر چیز دیگری که آنها را نگران می کند، سؤال می پرسند. آنها احساس راحتی می کنند که صادق باشند زیرا درک می کنند که هیچ ، در آن طرف خط 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. این بهتر از گالوپ در پیش بینی اینکه چه کسی رای خواهد داد، دانستن نرخ بیکاری و اندازه گیری نژادپرستی 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 پلتفرم های اجتماعی مانند فیس بوک را «سرم دیجیتالی برای لاف زدن به دوستانم درباره اینکه چقدر زندگی من عالی است» می نامد.
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 جملات اصلی تکمیل کننده عبارت “شوهر من ___________ است” بر اساس پلت فرم آمده است:
شبکه های اجتماعی | جستجوهای گوگل |
بهترین | همجنس گرایان |
بهترین دوست من | یک تند تند |
شگفت انگیز | شگفت انگیز |
بزرگترین | خسته کننده |
خیلی ناز | میانگین |
همانطور که می بینید، همسران می خواهند تصویر مثبتی از شوهر خود در شبکه های اجتماعی نشان دهند، در حالی که جستجوهای گوگل نشان می دهد که آنها واقعا چه فکر می کنند.
دوره 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 غریزه را باور کنیم؟
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 به نظرسنجی ها و پست های رسانه های اجتماعی محدود نمی شود. مردم به یکدیگر دروغ می گویند. به عبارت دیگر، شهود شما ممکن است اشتباه باشد. ست داستان اپلیکیشنی به نام Mappiness را روایت می کند. کاربران در زمانهای مختلف روز پینگ میشوند 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 واقعا آنها را خوشحال می کند. این چیزی است که داده های Mappines کشف کردند.
فعالیتهای کم ارزشگذاری شده که مردم را بیش از حد انتظار خوشحال میکردند عبارتند از:
- موزه
- اسپرت
- الکل بنوشید
- باغبانی
- خریدها
فعالیت های بیش از حد ارزیابی شده، که مردم را کمتر از حد انتظار خوشحال می کرد، شامل موارد زیر بود:
- بخواب
- بازی های کامپیوتری
- تلویزیون تماشا کنید
- بخور
- در اینترنت بگردید
ست می گوید داده ها واضح است: اگر می خواهید شادتر باشید، زمان کمتری را در داخل خانه بگذرانید. بیرون بروید، فعال شوید و جهان را کشف کنید.
دوره MADS: داده ها را جمع آوری کنید تا تجزیه و تحلیل کنید که غریزه بازاریابی شما (یعنی ادراک) چقدر در واقعیت کار می کند (یعنی بیش از حد، دست کم گرفته شده، 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 مورد بررسی قرار داد.
در این آزمایش، شرکتکنندگان به عکسهای دو نامزد در کنار هم نگاه کردند و از آنها خواسته شد تشخیص دهند که کدام یک شایستهتر به نظر میرسد. این تحقیق با یافتن اینکه 70 درصد از انتخابات توسط کاندیدایی برنده شد که کاربران آن را به عنوان شایسته ترین انتخاب کردند.
قبل از خواندن این تحقیق، ست گفت که هرگز به ظاهر خود توجه نکرده است. اما اکنون او در فکر تغییر آن بود، بنابراین همانطور که هر دانشمند داده خوب انجام می دهد، برای کمک به تجزیه و تحلیل داده ها روی آورد.
با استفاده از فیس اپ مجهز به هوش مصنوعی، ست 100 نسخه از خود ایجاد کرد. در پی تحقیقات اسکندر، او دو نسخه را به مردم ارائه کرد 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 ترجیح مهارت تأثیر میگذارند ریش و عینک هستند. پوشیدن هر دو امتیاز مهارت او را از 5.8 به 7.8 افزایش داد.
جای تعجب نیست که ست با ریش و عینک روی صحنه ظاهر شد.
دوره MADS: همانطور که ظاهر یک نامزد بر درک بیننده از شایستگی تأثیر می گذارد، ظاهر وب سایت ها و برنامه ها نیز بر درک آنها از شایستگی تأثیر می گذارد. از گروه های تمرکز برای درک اینکه کاربران کدام عناصر طراحی را با احساس لذت یا رضایت مرتبط 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 نیاز به یافتن راه های جدید و خلاقانه برای استفاده از تجزیه و تحلیل بازاریابی برای هدایت تصمیم گیری ، کردم. با این حال، اکنون بهتر عمل خواهم کرد زیرا فکر “بطن چپ” ست را شنیدم. 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 می خواهید ابزاری را پیشنهاد دهید، مقاله را با نظر در شبکه های اجتماعی به اشتراک بگذارید.
مطالب مرتبط دستچین شده:
تصویر روی جلد توسط جوزف کالینوفسکی/موسسه بازاریابی محتوا
منبع: https://contentmarketinginstitute.com/articles/data-decision-making/