Big Data vs. Deep Dives: Wie man mit Studien im digitalen Marketing interagiert
Einer der attraktivsten Aspekte des digitalen Marketings ist der integrierte Fokus auf Daten.
Wenn für eine Taktik tendenziell positive Daten vorliegen, ist es einfacher, sie anzuwenden. Wenn sich eine Taktik nicht bewährt hat, kann es ebenfalls schwierig sein, Akzeptanz für den Test zu finden.
Digitale Vermarkter bauen ihr Datenvertrauen vor allem durch Studien auf. Diese Studien fallen typischerweise in eine von zwei Kategorien:
- Anekdotisch: Eine begrenzte Anzahl von Datenpunkten, es gibt jedoch typischerweise weitaus mehr Details zu den einzelnen Mechaniken.
- Statistisch signifikant: Eine große Anzahl von Datenpunkten (normalerweise mehr als 100), die aufgrund der schieren Menge der analysierten Entitäten möglicherweise zu einer einfacheren Analyse gezwungen werden.
Beide Datensätze haben ihren Platz bei der Entwicklung digitaler Marketingstrategien. Deshalb ist es gefährlich, sich zu stark auf das eine oder das andere zu stützen.
Als jemand, der in Organisationen gearbeitet hat, die in der Lage sind, beide Arten von Datensätzen zu veröffentlichen – und ein begeisterter Konsument beider – dachte ich, dass es nützlich wäre, sich mit Folgendem zu befassen:
- Mindestkriterien für jede Studienart.
- Welchen Wert Marken aus beiden Arten von Studien ziehen können.
- So richten Sie Ihr eigenes Studium ein.
In diesem Beitrag werden einige verschiedene Studien zu den Disziplinen des digitalen Marketings vorgestellt.
Dies liegt daran, dass die Kernprinzipien, die anekdotische (kleinere Daten) und statistisch signifikante (große Daten) regeln, in allen Marketingdisziplinen ziemlich ähnlich sind.
Mindestkriterien für jede Studienart
Ein häufiger Fehler bei der Erstellung von Studien besteht darin, zu glauben, dass die Datenmenge das einzige Kriterium für den Wert ihrer Studien ist.
Ja, es ist schön, wenn es viele Daten gibt, aber es gibt noch andere entscheidende Faktoren:
- Wie viele Variablen werden berücksichtigt?
- Welche Abhilfemaßnahmen gibt es gegebenenfalls für Ausreißer/überzählige Variablen?
- Kann die Studie auf Kritiker mit Daten vs. Emotionen reagieren?
Diese drei sind Mindestanforderungen, unabhängig davon, ob Sie sich auf eine anekdotische oder eine statistisch signifikante Studie konzentrieren. Allerdings gibt es auch einige studienspezifische Kriterien.
Anekdotische Studien
Bei der Betrachtung eines kleineren Datensatzes (z. B. weniger als 10 Konten, weniger als ein Jahr Daten usw.) besteht ein viel größerer Druck, sich mit den Vorher- und Nachher-Auswirkungen dessen zu befassen, was auch immer Sie testen möchten.
Die Menschen möchten so viele Details wie möglich, da die Studie normalerweise die Ergebnisse spezifischer Aktionen zeigt, die in einem Konto/für eine Marke durchgeführt wurden.
Dies bedeutet, dass Screenshots von entscheidender Bedeutung sind. Wenn Sie nicht genau zeigen können, was passiert ist, wird es nicht ernst genommen.
Für Screenshots ist es jedoch nicht erforderlich, dass Sie den Kunden preisgeben, für den Sie arbeiten. Das Herausfiltern von Markennamen ist absolut sinnvoll.
Das Auslassen von Benchmarks, wichtigen Kennzahlen und der Frage, ob eine Initiative „unfaire Vorteile“ hatte (großes Budget, Markenkampagnen usw.), gilt nicht.
Ein gutes Beispiel für eine anekdotische Studie ist die Untersuchung der Auswirkungen einer Änderung über mehrere Monate hinweg. Diese Grafik von Will O’Harra zeigt die Verschiebung des Website-Verkehrs für „Fan“-Websites im Vergleich zu großen Namen.
In dieser Studie können wir sehen, dass Websites, die andernfalls weniger Traffic hätten, aufgrund der Änderung der Qualitätsinhaltskriterien einen starken Anstieg verzeichnen. Dies ist insofern eine anekdotische Studie, als sie nur fünf Standorte untersucht.
Big-Data-Studien
Während die Leute den Mangel an Details in anekdotischen Studien ziemlich unversöhnlich finden, werden Big-Data-Studien etwas nachsichtiger.
Dies liegt daran, dass ihr Hauptindikator das Volumen der Konten ist, die auf einen bestimmten Trend hinweisen. Dies bedeutet jedoch nicht, dass Big-Data-Studien unkritisch sind – nur, dass der Fokus auf anderen Dingen liegt.
Big Data muss hinsichtlich der Einschlusskriterien sehr streng sein. Die enthaltenen Entitäten müssen so nah wie möglich beieinander liegen.
Darüber hinaus benötigen Big-Data-Studien in der Regel viele Entitäten. Wenn Sie einen Kommentar zu einem bestimmten Trend abgeben möchten, muss ausreichend Volumen vorhanden sein, um die Behauptung zu untermauern.
In meiner Optmyzr-Studie, die sich mit Google-Match-Typen und Gebotsstrategien befasste, haben wir beispielsweise etwa 2.600 Konten in mehreren Ländern einbezogen. (Haftungsausschluss: Ich arbeite für Optmyzr.) Wir hätten mehr Konten einbeziehen können, wenn wir bei den Kriterien nachsichtiger vorgegangen wären.
Welchen Wert Marken aus beiden Arten von Studien ziehen können
Es kann verlockend sein, sich nur auf eine Art von Studium zu konzentrieren. Beides hat jedoch seine Berechtigung und kann eine sinnvolle Kontostrategie liefern.
Big Data ist hilfreich, um übergreifende Konzepte und Trends zu verstehen, die sich auf Ihr Konto auswirken können. Dies werden die Leitprinzipien sein, wie zum Beispiel:
- Welche Strukturentscheidungen haben eine höhere Erfolgschance?
- Worauf sich die Bemühungen zur Inhaltsgenerierung konzentrieren sollten.
- Wie geben die Leute ihr Geld aus?
- Wann sollte welche Art von Nachrichten im Käufertrichter verwendet werden?
Das Nützliche an solchen Erkenntnissen ist, dass sie Ihnen einen guten Ausgangspunkt für die Entwicklung Ihrer Strategie bieten. Sie können auch nützlich sein, um Ihre geistige Gesundheit zu überprüfen.
Beispielsweise hat der brillante Mike Ryan (SMEC) eine Studie darüber durchgeführt, wie viele Conversions für erfolgreiche PMax-Kampagnen erforderlich sind. Obwohl diese Daten in jedem Kontext nützlich sind, ist es hilfreich zu wissen, dass sie auf 14.000 Kampagnen basieren.
Anhand dieser Daten können wir erkennen, dass unsere PMax-Kampagnen innerhalb von 30 Tagen mindestens 60 Conversions erzielen sollten, um gute Ergebnisse zu erzielen.
Wenn dies nicht möglich ist, könnte es sich lohnen, andere Kampagnentypen zu prüfen. Es ist durchaus möglich, dass ein Konto außerhalb der Ergebnisse dieser Studie erfolgreich sein kann, aber das wäre ein Ausreißer der allgemeinen Regel.
In ähnlicher Weise hat der gleichermaßen kluge und unterhaltsame Greg Gifford (Search Labs) eine Studie zu Google Business Profile-Einträgen durchgeführt, um zu bewerten, ob „Best Practices“ einer Analyse tatsächlich standhalten.
Er und sein Team untersuchten 1.000 Händler und stellten fest, dass einige Best Practices zutrafen, während andere eher auf Korrelation als auf Kausalität beruhten.
Anekdotische Studien werden Ihnen besser dabei helfen, „wilde und verrückte Ideen“ zum Testen zu liefern. Sie eignen sich auch sehr gut für risikotolerante Menschen, um neue Trends zu erkunden.
So richten Sie Ihr eigenes Studium ein
Beim Einrichten von Studien kommt es darauf an, zu verstehen, wie der Umfang der Studie aussehen wird und wie wiederholbar sie ist. Wenn Sie eine Studie nur einmal durchführen, ist dies nicht so sinnvoll, da sich die Trends ständig ändern.
Wenn Ihr Anwendungsbereich außerdem zu eng oder zu weit ist, kann es sein, dass Sie die Daten verfälschen oder die wichtige Frage nicht vollständig beantworten.
Stellen Sie sicher, dass Ihre Hypothese Raum lässt, um sich als falsch zu erweisen.
Wenn Sie keine Vorsichtsmaßnahmen treffen, können Daten dazu führen, dass sie etwas aussagen. Es ist wichtig, strenge Richtlinien darüber einzuhalten, was enthalten ist und warum.
Mehr Ressourcen:
- Was sind Qualitätsdaten und wie verbinden sie Suche, Inhalte und KI-Erfolg?
- Wie Daten die Landschaft der SEO- und digitalen Vermarkter verändern
- 39 Emotionen, die digitale Vermarkter in der Werbung nutzen können
Ausgewähltes Bild: Sergey Nivens/Shutterstock
