對於一些創意,“數據”都是一個四個字母的單詞。但最短路徑為數字營銷失敗決策不正確的數據指導你的策略。

在銅焊,我們知道一些最基本的信息時,客戶互動是基準測試聯係,行業指標可以幫助你設定目標,更好地理解你的垂直,策劃各行業影響你的底線。這是我們發布的一個重要原因我們的新基準測試工具使用聚合,匿名參與數據強調各種關鍵指標和性能驅動程序信息。

這種類型的數據可以為品牌提供直接的價值,讓營銷人員進行比較,確定改進的標準,找出該行業的格局,使智能假設項目,設定報警閾值,等等。行業基準就像北極星營銷、增長,參與團隊。還是……他們應該,如果他們使用正確的。

得到的全部利益基準數據,非常重要的一個關鍵看看提要到您正在使用的數據,信息是被代表的方式,以及如何你應該使用它根據你的理解數據。這意味著踢腳板的數據解釋強調減輕準確性。我們知道是多麼誘人的盲目信任這些數字,問任何問題,然後繼續前進。但是很多聰明的深入研究數據和確保你知道得很好。不要擔心:我們列出了關鍵的事情你應該考慮當梳理基準數字行業報告。

利率:為什麼他們喜歡比較蘋果和桔子

讓我們來談談。總利率可能非常誤導,尤其是如果你不知道你在工作。所以在你做任何事:好好,硬看方法。它規定行業報告如何計算指標,,因此,你應該如何解釋數據。

有一些方法可以報告一個行業級率。為釺基準,我們把一個簡單的方法通過計算聚合速率、總打開或點擊除以總消息交付。這報告率對於一個給定的行業,仿佛一個發送者發送的所有消息。

也有可能采取的平均利率確定per-campaign率和平均在競選一個產業。或者,你可以計算中位數速度通過記錄報告的速度50百分位(發送方)中值在一個產業。這些方法是正確的或搞亂了,隻是不同。和每種方法都有自己獨特的含義。

讓我們來看看一個假想的例子。采取以下樣品編號為“X”:

這個行業總體開放率,我們需要做的就是打開的總數除以總數量的交付:1000÷4500≈0.22,或22%。但是如果我們決定計算這個行業的campaign-weighted率呢?

如果我們把上述每個活動參與指標的平均值比僅僅把聚合速率industry-rather對麵的總和我們打開和sends-we會看到一個非常不同的結果:(0.25 + 0.14 + 0.25 + 0.50)÷4≈0.29,或29%。這是7百分比高於簡單聚合速率。為什麼會出現這種分歧呢?這是因為這是一個campaign-weighted率;這是受到個人運動性能的影響,而不是整體行業卷。

有一個類似的動態速度打在計算中位數。對於這個示例,假設有三家公司在這個特定的垂直:

中值率我們計算這個行業從上麵的數據將在中間的三個公司層麵的開放率:25%左右。這意味著,我們似乎都可以生成三個潛在基準數字相同的底層數據集:總打開率(22%)、campaign-weighted開放率(29%),和中位數打開率(25%)。

雖然這些指標在技術上比其他的更準確,每個數字代表不同的信息。總接觸率可能提供見解在一個產業是如何移動的,趨勢和變化作為一個整體。campaign-weighted接觸率可以告訴你一個行業內平均活動如何執行。中值的平均接觸率可能會給你一個想法品牌的性能在一個行業,用於競爭分析。重要的是理解度量你在看什麼,,這實際上意味著什麼。

謹防彙總數據

潛在的錯誤並沒有在這裏結束。同時複習方法和理解什麼樣的你看著是至關重要的,還有一些其他的內在危險這些總結指標同樣重要的關注。

與行業參與數據基準,傾向於假設當你聚合數據,最終你會按平均接觸,通常是不正確的。結合數據並創建一個平均水平,但它是一個加權平均,而不是一個簡單的平均水平。在組織構成的數據的情況下是不平等或不均勻,趨勢出現在不同的組織可能會改變,消失,甚至扭轉聚合數據的組時給一個總數。

需要一個例子嗎?假設一個音樂流媒體公司品牌x是試圖達到客戶促銷活動和營銷團隊發現以下數量:manbetx万博全站客户端

在表麵層次上,它看起來像品牌X是優於行業平均水平時訂婚的消息。但是,如果我們能夠深入這些數字說,通過將數據由觀眾類型?

這個額外的上下文,很明顯,品牌X實際上是表現不佳的打開率相對於整個行業的!是什麼導致了這種差異呢?觀眾的不平衡性,段。品牌X更大比例的消息受者分為“流光”範疇比行業作為一個整體——90%到50%。

正如你所看到的,有可能為這些行業指標相當誤導人。在這個例子中,我們能責怪觀眾潛在的因素,如聚合合成上隱藏的開放率。但是其他因素也會產生影響。例如,把前麵討論campaign-weighted率。雖然這速度利用數據集內的每個元素,對異常值很敏感,或極端值。如果一個活動執行很好或很差,行業增長率將傾斜,除非有足夠的其他活動來平衡,離群值的影響。

當你使用基準,確保你深入每個方法可能會如何影響你使用數量,並確保優化指標進行一係列接觸基於這些知識。

如何使用基準數據

現在,您已經有了一個更好的主意數據你看是什麼告訴你,你應該把這個新知識如何工作的呢?

1。確保你正確地利用數據尤其是摘要度量你使用

知道你是否正在處理一個聚合速率,campaign-weighted率,平均速度,或其他計算,並使用它們而記住你的品牌的特定需求。舉個例子,如果你正在尋找一個campaign-weighted接觸率,比較自己的campaign-weighted度量,而不是一個簡單的聚合速度。

2。小心優化的行業級性能的數字

清除用戶數據會導致糟糕的營銷決策,因為你接觸指標會有所不同根據客戶細分。所以細分受眾、測試和優化。通過細分你的測試,你可以確定你的目標人群的接觸率,和了解你的訪客比例在你的目標群體。這將幫助你避免針對非目標用戶和更好的滿足您的目標受眾。

3所示。不要限製你的基準測試活動的一個行業

而要了解你的行業執行,也確保你超越自己的垂直和有創意你如何看待聚合數據。也許你可以適應過程或方法從另一個行業的表現比你的實例,一個旅遊品牌可能會看到成功遊戲品牌的策略。

下一個什麼?

急於把這些建議付諸實踐呢?看看我們又出現了基準測試工具,你會發現聚合和匿名行業級標準,每周更新。配合使用它雪花數據共享,加入自己的內部數據,你將在你的測試和迭代的方法活動使用值得信賴的行業基準。