İki kez çok satan kitapların yazarı ( Web Analytics 2.0 ve Web Analytics: Günde Bir Saat ) içerik dünyasını anlıyor. Pazarlama ajansı Croud’un baş strateji sorumlusu olarak pazarlama açısını anlıyor. Avinash, Google Analytics lansman ekibinin bir parçası olduğu Google’daki 16 yıllık görevi göz önüne alındığında, veri tarafını da anlıyor.
Bugün üçlü tehdit uzmanı, yönetici ekiplerin, pazarlamacıların ve veri analistlerinin rakiplerini alt etmek için dijital stratejileri ve gelişen teknolojileri kullanmalarına yardımcı oluyor. Eylül ayında Content Marketing World’de Avinash’tan bizzat öğrenebilirsiniz .
Yakın zamanda CMI’ın Topluluğa Sorun canlı yayınına katıldı ve burada içerik pazarlama ölçümlerinizi bugün geliştirmek için yapılmaması gereken beş şeyi (ve bunlara karşılık gelen yapılması gerekenleri) paylaştı. Öne çıkanlar için izleyebilir veya okuyabilirsiniz:
Bu sözler hafif düzenleme ve yoğunlaştırmayla Avinash’tan geliyor. Başlıklar benden geliyor.
1. İçerik performansını uygunsuz hedeflere göre ölçmeyin
Değer yaratan kısa, orta ve uzun vadeli şeyleri anlayabildiğinizde, pazarlama tam ihtişamına kavuşur.
Bütün bunları nasıl bir araya getiriyorsunuz? Sanatla bilimin bir araya getirilmesini gerektirir.
Üç aylık gelir ve kâr rakamlarını karşılamanıza olanak tanıyan türden bir pazarlama yapmak istiyorsunuz. Ancak aynı zamanda, gelecekte satın almayı düşünebilecek tüketicilerle veya ürün ve hizmetlerinizi asla satın almayacak ancak çok daha büyük bir müşteri havuzunu etkileyen kişilerle bu geniş kapsamlı ilişkiyi kurmak istiyorsunuz.
Zor olan şey tamamen anlamakla ilgilidir, örneğin, “TikTok’ta bir sürü reklam yayınlarsam, bunların şimdi gelir getirip getirmediğini düşünmeli miyim?” Yoksa bunları, şirket için daha uzun bir süre boyunca değer yaratmamıza olanak sağlayacak markamın bir uzantısı olarak mı değerlendirmeliyim?”
Bizim alanımızda ters giden şey, en sevdiğim metaforlardan biri tarafından mükemmel bir şekilde ifade ediliyor: Bir balığı asla ağaca tırmanma becerisine göre yargılamayın.
Bunu her zaman yapıyoruz. Hayatımızda berbatlık yaratan da budur. Çünkü “TikTok gelir getirmiyorsa pis kokuyor” diyeceğiz. Veya “Ücretli arama yalnızca geliri artırıyor ancak yeni müşteri sayısını artırmıyorsa, bu kötü bir şeydir.” Bu soruların her ikisi de bir balığın ağaca tırmanma yeteneğine göre değerlendirilmesini içerir. Bu nedenle, ne tür bir balık olduğunu ve neyi en iyi yaptığını bulmaya zaman ayırın ve ardından onun yüzme yeteneğini değerlendirin.
2. Çok fazla KPI takip etmeyin
Veri kusmalarını soruna çözüm olarak düşünmeyin. Piyasadaki araçların çoğu çok fazla veri kusuyor.
“ Dijital pazarlama ve ölçüm modeli ” adını verdiğim yaklaşımın büyük hayranıyım . Bu, şu soruyu soran basit bir çerçevedir: Yaptığınız pazarlamanın amacı nedir? Ardından, “Eğer amaç buysa o zaman bu tür verilere odaklanmalıyız. Bu da bu KPI’ları kullanmamız gerektiği anlamına geliyor.”
(İster sahip olunan, ister kazanılan, ister ücretli pazarlama yapıyor olun) iki KPI etrafında birleştirmenizi öneririm: bir verimlilik KPI’sı ve bir etkililik KPI’sı.
Örneğin, ücretli pazarlama yapıyorsanız etkinlik KPI’sı genellikle gelir veya kârdır ve verimlilik KPI’sı sipariş başına maliyettir. Bu iki KPI arasında dikkatinizi bulabilir ve odaklayabilirsiniz. Bunun altında başka ölçümleriniz olabilir, ancak yalnızca iki KPI’nız olabilir.
Şimdi diyelim ki YouTube’da çok fazla içerik ürettiğinizi varsayalım. YouTube içeriğiniz için video başına net yeni abone sayısı etkililik KPI’sıdır çünkü bu, insanların dikkatini çekmeyi başardığınızı gösterir. Verimlilik açısından, yeniden paylaşımları ölçebilirsiniz çünkü birisi bunu yeniden paylaşırsa, birinci düzey ağdan ikinci düzey ağdan üçüncü düzey ağa geçersiniz ve hedef kitlenizi genişletirsiniz.
3. Yararsız verilerle zaman kaybetmeyin
Analytics, daha fazla veriye sahip olmanın daha akıllı olduğunuz anlamına geldiği bir dünyaydı. Bu 20 yıl önceydi. Artık Tanrı’nın herhangi birinin sahip olmasını istediğinden daha fazla veriye sahibiz. Akıllı olmak, hangi verilerin göz ardı edileceğini bulmakla ilgilidir .
Güçlü görüşler oluşturmamız gerektiğini düşünüyorum. Metrik gösterimlerden nefret ediyorum. Bu faydasız. Bir kuruşa bile değmez. İzlenimleri bildirirsen sana kızacağım.
Ancak bu verileri görmezden geleceğim, görmezden geleceğim, görmezden geleceğim çünkü yeterli değeri yok diyebilecek kadar manzarayı anlamalısınız. Verilere yaklaşımınızı daha akıllı kılan da budur.
4. Niyet yerine psikografik ve demografik özelliklere öncelik vermeyin
Uzun bir süre pazarlamacıların elinde yeterli veri yoktu. Onlar da şöyle dediler, “Tamam, bunu bir huni olarak düşüneceğiz ve bizim işimiz sadece insanları kahrolası huniden aşağı itmek.”
Sorun şu ki hiçbirimiz geleneksel huniyi takip edecek şekilde davranmıyoruz.
Ancak aynı zamanda sinyallere de ihtiyacımız var. Örneğin, geçmişte bir pazarlamacı Amanda’ya bakıp şöyle düşünebilir: “O 22 yaşında, Orta Batı’da yaşıyor ve çok güzel bir evi var, o yüzden hadi onu satalım, falan, falan.”
Gerçek şu ki demografik bilgileriniz ve psikografikleriniz ne düşündüğünüz, nasıl bir insan olduğunuz, değerlerinizin ne olduğu ve tüm bunlar hakkında çok az şey ortaya koyuyor. Yani aptalca ve alakasız reklamlarla karşılaşıyorsunuz çünkü pazarlamacıların sizin hakkınızda bildiği tek şey 22 yaşında olduğunuz, Orta Batı’da yaşadığınız ve çok güzel bir eviniz olduğu. Ve şimdi gönderdikleri yüzlerce şeyden belki biri sizinle alakalı olabilir.
Ancak pazarlamacıların artık bunu yapmasına gerek yok çünkü niyeti tüketicinin davranışından anlayabiliyoruz. En basit örnek, Bing’e yeni bir hibrit araba hakkında bir sorgu yazmanızdır. Niyetinizi ifade ediyorsunuz ve Bing bunu size doğru reklamı sunmak için kullanacaktır.
Veya birisi Facebook’ta belirli markaları takip ediyorsa veya belirli bir şey hakkında yazıyorsa, bundan niyetini anlayabiliriz. Bu, ister ücretli bir reklam ister bir içerik parçası olsun, size reklam veya pazarlama sunmanın çok daha iyi bir yoludur.
5. Analitikte yapay zekadan korkmayın
Veriler hakkında çok konuşuyorum; neleri göz ardı etmeniz ve nelere dikkat etmeniz gerekiyor. Analitik araçlarına entegre edilen makine öğrenimi çözümleri, artık ne aramanız gerektiğini bulmak için verileri araştırmaktan ve araştırmaktan kaçınmanıza olanak tanıyor. Sadece dikkat etmeniz gerekenleri gösteren bir rapor alırsınız.
Örneğin Google Analytics gibi araçlara veya piyasadaki diğer birçok analiz aracına giriş yaparsanız, genellikle bu bilgiyi size daha hızlı sağlayan “istihbarat” adı verilen bir rapor bulunur. Neyin önemli olduğunu anlamak için verileri dökmenize gerek yok. Verilerinizin içindeki gizli şeyleri bulur ve bunları ortaya çıkarır.
Başka bir örnek ise niyettir. Bir veri denizinde birinin niyetinin nasıl çıkarılacağını anlamak zor. Algoritmalar, bilinen bilinmeyenleri ve bilinmeyen bilinmeyenleri bulmanıza yardımcı olmak için verileri geniş ölçekte otomatik olarak analiz etme konusunda harikadır.
Dolayısıyla birinin gördüğü her ücretli reklam veya içerik onunla alakalı olabilir. Yapay zeka çözümleri artık, birkaç yıl önce anlaşılması güç olan bire bir pazarlamanın nasıl yapılacağını anlamamıza yardımcı oluyor.
Yapay zekanın şirketlerin marka ve performans reklamcılığını dengelemesine yardımcı olma potansiyeli beni çok heyecanlandırıyor. Şu anda geliri artıran şeylere, markaya (gelişmeye) kıyasla ne kadar para ayırmalıyız? Ve markayı, yardımsız farkındalık, üzerinde düşünme, niyet veya (lütfen bu KPI’yı kullanmayın) marka sevgisi gibi dokunaklı ölçümlerden daha fazlasıyla nasıl ölçeriz ?
Şu anda makine öğreniminin en modern kullanımı, marka reklamcılığının etkisinin nasıl anlaşılacağını bulmaktır. Pazarlamanın artımlılığını belirlemek için tüm e-postalar, televizyon reklamları, kataloglardaki hikayeler vb. birlikte nasıl çalışıyor?
Müşterilerimiz için, CFO’ya gidip pazarlamanın tüm satışların %32’sini artımlı olarak sağladığını söyleyebiliriz; yani ekibe pazarlamalarını yapacak bütçeyi vermeseydiniz (marka) bu satışları elde edemezdi. Ben buna CFO için Tanrı KPI’sı diyorum.
Pazarlamanın artımlılığını belirlemek için makine öğrenimini kullanıyorum ve ardından şunu söylüyorum: “Bu, e-posta pazarlamasının satışlarla hiçbir ilgisi olmayan uzun vadeli etkisidir. Ya da bu içerik pazarlamanın uzun vadeli etkisidir.”
Şu anda içerik pazarlamasını uzun vadede haklı çıkarmak zor. Ancak makine öğrenimini kullanarak bunu yapabilirsiniz. Makine öğrenimi, etkinleştirebileceğimiz verileri ve öngörüleri bulma ve geçmişte mümkün olmayan inanılmaz derecede yaratıcı pazarlama yapma konusunda bizi daha akıllı hale getiriyor.
Ve CFO’ya gidip şunu söyleyebiliriz: “İşte Tanrı ölçüsü. Şimdi bana 20 milyon dolar daha verin.”