Iscriviti alla nostra newsletter Tea O'Clock!
品牌如果想更好地利用数据,首先要考虑制定一个业务目标。对于大多数企业来说,数据的主要来源是公司网站、小程序、app敥据,我们通过这些渠道可以了解到流量获取、用户体验和受众群体等信息。有些以移动端为主的企业则希望通过强大的APP监测,来提高用户的参与度。但在实施监测之前,品牌都应该先对数据的应用场景制定清晰的规划。除此之外,企业所有业务相关利益者都应该对一方数据源以及所产生的业务洞察有着清晰的了解并且达成一致。如果没有这种公司层级的数据运用,进而影响决策和业务战略。为了减少这种情况发生,数据反映了什么,以及如何访问和利用它
对于营销人员来说,在收集和利用数据之前,数据隐私是必须要考虑的问题。从欧盟的GDPR到中国即将出台的PIPL都强调了对数据收集和使用的保护,非法使用数据不但会面临巨额罚款还会影响到公司的形象及全球业务。因此,在使用数据之前,确保数据是在用户同意的情况下收集、安全存储且合法利用,是每一位营销人员都必须知道的最佳实践。为了提高数据分析效率并创造更多价值,营销人员需要从描述性分析(Descriptive analytics)转向预测性分析(Predictive analytics)和指导性分析(Prescriptive analytics)。描述性分析通过公司已经有的数据,查询在过去一段时间业务中发生了什么。但是,当涉及到决策和预测活动时,营销人员需要采用预测性分析,基于历史模型分析可能发生的活动,并对企业应该采取的最优行动给出建议。因此,预测性分析和指导性分析在推动企业决策方面起到了决定性作用。
运用数据的能力参差不齐8↩,一方面我们有很多技术娴熟的人员,大量的传统大公司依然使用非常陈旧的技术,阻碍了数据驱动的方案部署。这些公司拥有大量的数据,但在统一和利用这些数据方面却问题重重。在这样的情况下,数据往往是一种成本而不是资源。在与这类的公司合作时,以确保数据在公司的运营和决策中充分发挥作用,展示数据驱动带来的的商业价值。
Scoprite tutte le ultime notizie, articoli, repliche di webinar e cinquantacinque eventi nella nostra newsletter mensile, Tea O'Clock.