市场营销人员需要问的关于数据质量的六个问题​

数据驱动的广告需要良好的数据。但大量的不良数据和可疑的数据实践可能会不利于营销活动。​

营销人员需要知道何时使用自己的数据,何时依赖合作伙伴。他们需要了解成本,准确性和规模之间的权衡。他们需要知道他们的数据来自哪里,如何用低成本去测试。他们需要知道如何评估多个数据源。

AdExchanger 和品牌,代理商和顾问探讨了他们应该提出的问题,以确保他们有效和准确地使用数据。​

问题1: 如何创建细分人群?

发现如何创建细分人群可以说是最重要的问题之一。当营销人员定向“汽车用户”或“美容购买者”或“访问咖啡店的人”时,他们需要知道该细分是如何构建的,以及是使用自己的数据还是第三方数据构建的。

“非常仔细地细分的第三方数据是非常有价值,” Sparrow Advisers -- 一家以数据为中心的咨询公司 -- 的主席和联合创始人 Ana Milicevic说。

“如果有人定向‘汽车用户’,他们可能不会想它是什么意思,”她说。“是这个周末买车的人吗?还是有人对汽车感兴趣?如果没有这个定义,很容易把广泛的市场细分夹集在一起。​

数据提供者可以使用不同的方法来建立市场细分。一些数据可能是“完全概率性的,是基于你从未问过的假设,” Mediavest Spark 的广告技术/EVP 平台的 Oleg Korenfeld 警告说。​

“另一方面,”他说,“你可以(找到他们)通过他们的邮件列表,并与数据库(如超市会员卡)匹配。 这是得到就确定的,没有涉及cookies。​

其他市场细分使用建模的方法创建,这可以提高数量,但是降低质量。​

Anheuser-Busch InBev 的数字战略和创新总监 Jonny Silberman 在去年的旧金山 LiveRamp’s RampUp 大会上说,“我们现在想知道一个确切的百分比——通过建模和种子数据得到的人群细分百分比。

问题2:为这些数据花的钱值吗? ##​

如果男性是人口的一半,但是要花三倍的成本定向他们,购买一个基于性别的定向还值吗? 有时。​

花钱买数据来投放适当的广告素材是值得的,尤其是对品牌营销人员。 “如果因为更便宜,你就用他们不想要的消息轰炸他们,你会惹恼他们,他们将拒绝所有广告,”Accenture的媒体和娱乐业务高级经理Matt Gay说。

但对于效果营销人员来说,只有在提高成果的基础上,数据支出才有意义。​

“你可以拥有世界上最准确,最神奇的数据。 但是如果它比其他东西都贵15倍,那就不值得了,“Mindshare首席数据官Rolf Olsen说。​

效果类营销人员尝试了这个奢侈的测试,看看昂贵的数据是否仍然能够带来更好的结果。 “我认为成本和质量相辅相成,”有着数据分析背景的 Shutterstock 的 CMO Jeff Weiser说。 “如果要获得更好的数据需要更高的成本,那么就必须通过更高的投资回报率来权衡”。​

Mediavest Spark 着眼于数据提高效率的能力。 由于媒体是“营销人员支付的最昂贵的东西”,使用数据购买更少的媒体可以推动效果,Korenfeld说。

“公式是达到KPI目标而你少购买的多少展示次数,”他说。 “你购买的媒体少了10%? 如果你总共支付了相同的金额,那么数据就没用”。​

问题3:规模和精度之间的平衡是什么?​

因为糟糕的数据可能为广告客户带来不错的效果,导致错误的数据有时会增加。​

一个少量,高质的细分数据可能适用于电子邮件营销活动,但对于媒体活动来说太小了。 因此数据提供商会在数据中掺水以求得更好的收益。 品牌需要注意类似人群建模或任何其他获取大量数据的方法。​

“纯粹的覆盖和定向的能力之间总有一个平衡,这导致很难有围绕数据质量的对话,” Milicevic 说。 “如果你创造了一个严格的人群细分,像30多岁的女性,在过去14天在这四个地方买了一本杂志,你意识到这是30人。 这是一个有价值的细分,但没有覆盖或规模”。​

买家条件反射地想要最准确的细分,Korenfeld说,“但那样你会失去规模。“​

透明度是最好的补救办法。 回到问题1,如果营销人员知道如何创建细分,他们可以确定精度和规模之间的平衡,这对他们的品牌很有意义。​

问题4:我可以不购买媒体就测试这个细分?​

传统上,广告客户通过购买媒体来测试细分受众数据。 但媒体很昂贵。​

Anheuser-Busch InBev 的 Silberman说:“虽然我们有充足的预算,但我们每年只能测试几个市场细分”。 “对我们有意义的是品牌健康或线下的销售提升,这意味着我们需要为我们的活动做长久而昂贵的研究”。​

如果营销人员不想花钱来测试细分,他们可以尝试根据他们在DMP或CRM中的另一个数据细分来验证,看看是否有任何不好的结果。 (不幸的是,这种方法不适用于像Anheuser-Busch 这样的CPG,它不直接卖给客户。)​

“你不需要从市场测试开始,” 有分析背景的 Shutterstock CMO Jeff Weiser说, “你可以附加到CRM数据库,并检查匹配率。 在可以匹配的范围内,看它与数据库的其余部分是否有相关性”。​

如果缺乏相关性则表明数据不良,Weiser说。 另一个值得注意的标志,比如外部数据集表明营销人员有一个富有的客户群,但内部数据表明相反,这代表2个数据没有相关性(说明你的数据或者外部数据是不准的)。​

没有意义的数据可以不用花费钱来进行媒体测试。​

问题5:数据多久更新?​

某些数据(如人口统计信息或兴趣)不会随时间变化太大,营销人员可以使用它而不用担心它会衰变。 但其他类型的数据衰变很快。 “相比生活方式类别数据你将要更频繁地更新SKU级别或交易级数据。”Weiser说。​

比如说在购买大件东西的人,像一辆汽车。 消费者在几周或几个月内进入这个阶段,因此每年更新“有购买汽车意图”的预测模型没有效果。​

Mindshare 的 Olsen 说:“特别是在行为细分领域,在三到四年的周期中,有三个月你的信号是清晰的”。

品牌会遇到问题,当他们期望在媒体环境中激活他们缓慢更新的CRM数据。​

EY的合作伙伴兼全球媒体和娱乐顾问领导Howard Bass说:“许多品牌营销都是建立在年度计划或季度计划之上。 “品牌需要转移到更接近实时的数据交换。 在数字媒体生态系统中,你必须重新思考节奏”。​

问题6:这个数据来自哪里,结合了什么?​

“没有数据是天生处理好的,”Shutterstock 的 Weiser说。 它被抓取,然后提取,传输并加载到数据库中,使用SQL进行查询并在Excel中进行转换。 在每个步骤,“数据元素都有一点失真”。

例如,将数据与Cookie或设备ID相匹配可能会降低数据质量。​

Mediavest Spark 的 Korenfeld说:“你可能会合并一堆数据点,但是匹配率太低,所以最终得到的数据集没有价值”。​

相反,具有与其他数据集合良好匹配的数据集提高了质量。

“我们谈论一个数据集与其他数据集的集成,”Mindshare的Olsen说。 “如果你必须合并三到四个数据集,以便对可见率或广告欺诈行为进行清晰的解读,那么该数据集的集成将会相当复杂”。​

就像Accenture 的 Gay 一样,称它“分析的不性感的部分”,但是数据组织,匹配和清理影响结果。​

每个营销人员都应该询问,在引入新数据或分析现有数据时如何合并数据。 “如果你不明白数据是如何构建的,可能导致产生非常错误的结论。”Gay补充说。​

把所有问题的答案归总到一起​

在今天的媒体上使用数据需要在数据质量上做工作,但也要接受有时候会感觉很混乱。 “我们还处在早期的阶段,” Gay 说。​

随着数字化的成熟,数据质量很可能会提高,但仍保留某些缺陷。

“数字领域在几何上比电视更复杂,因为你可以得到更多更精细的数据”,Gay 说。 “我们永远不会达到完美。 这将是一个带着灰色阴影渐进的过程。”

翻译来源:https://adexchanger.com/ad-exchange-news/six-questions-marketers-need-ask-data-quality/?mkt_tok=eyJpIjoiWlRKa016UXlPR1k1WldRMyIsInQiOiJ4XC9MbDZPRzNLSE1lK2FFRHVqVWJ1b2Q4YTZVYnJqZVZqZjdCMUtPSFliMHRMM3o5NXU1cW9xSlYwY1FvTXZjVE9mVEpiVG1zRkpJSnZyb3UxXC9ON2xzeDRtaE5HTHM2alwvd3FDRENkYzFtaElvdXBwNmoyWjE1WUV1a1o5SnlrQiJ9

dmp

赞 (0)

添加新评论