交付逐步变化的影响:市场营销&分析痴迷

有一些时间可以完美地反映出您的位置,优先事项,然后考虑应该从头到尾继续。在那一刻,您不打算交付渐进式变更...您渴望交付一个 阶跃变化 (大的或突然的不连续变化,尤其是使情况变得更好的变化-我是从“步函数”中借用数学和技术的概念)。

在新的一年或新的年度计划周期中常见的那一刻,交付 增量变化 与a 阶跃变化 是您正在考虑的想法的质量。在本文中,我希望既可以丰富您的考虑范围,又可以鼓励您实现目标的广度。

我感兴趣的专业领域包括客户服务,用户体验和财务,尽管在Occam的Razor上,我的重点是通过使用创新的Analytics(分析)来影响不可思议的营销。为了帮助您启动2019年 阶跃变化,我写了两个“前十名”列表,一个用于市场营销,另一个用于Google Analytics(分析),其中包括我建议您关注的内容。

每次选择的痴迷都非常符合我钟爱的原则。 边际收益汇总。我的建议是,您要深刻思考一下10 x 2强迫症在您独特情况下的影响,然后提炼出您接下来十二个月要关注的十项。无论您选择哪种方式,我都相信您最终将从事具有挑战性的工作,这些工作将推动您的职业发展并为您为雇主所做的工作带来新的喜悦。

准备?

首先…Analytics(分析)今年提升您的游戏重点的十件事…

The Step Change分析痴迷 List.

A1。 将前10个着陆页的跳出率提高50%。

(提高跳出率会导致跳动率降低。:))

您'每次转化费用的急剧下降会让我感到惊讶。

谷歌优化 将是您在此任务中的BFF之一。当您开始时,您会知道自己已经超越了基本的改进 设置自定义目标 –他们需要更深入的思考,这是一个好兆头。

A2. 从仪表板上消除40%的数字。

用新创建的空白说明 该怎么办 based 上 performance of 60% of the numbers 那 remain.

您的老板今年最需要的是爱,而不是爱,这是被告知数据要她做什么。唐'不要留下她的猜测。

(奖金,具有可行的想法: 智能仪表板模块。)

A3. 迈出解锁智能算法的第一步。

学习什么 会议质量 在Google Analytics(分析)中,然后了解如何在广告系列中使用它来提高转化率。在“目标对象”部分中,转到“行为”文件夹。

学习什么 智能竞价 在Google Ads中,然后了解如何在广告系列中使用它来改善效果。

机器学习算法 将以无与伦比的方式使我们的数据更智能;会议质量和智能竞标提供了有关智力的规模和类型的早期线索。在这两种情况下,真正了解智能算法如何使用数十亿个数据信号来计算转换的可能性非常有价值。

在您所有的分析数据中,算法将带您轻松地将人类放置在't。今年应该是您投资于技能和实践扩展以利用这些可能性的一年。

A4. 参加数据可视化课程。它将拯救您的生命。

任何人都可以制作复杂的视觉图像,这需要非常特别的人(您!)才能得出故事数据要讲述的本质。

我的建议:

免费课程: 数据可视化和D3.js数据分析与可视化 在Udacity。
价格适中: 数据分析与表达技巧 在Coursera。
奥卡姆’s Razor:从这个开始: 结束数据'的最后一英里差距:可视化影响。而且,还有五个 链接到这里.
 

通过所有这些课程,请记住关于数据可视化的最重要的事情: 不是墨水,而是思想。痴迷于改善 认为, 就像我鼓励您改善 墨水.

A5. 迷恋运动结束后会发生什么。

在我们的分析实践中,我们倾向于过早地庆祝胜利(在活动结束时)或广度不够(影响的全部范围)。

您是否获得了具有终身价值的客户?品牌提升了多长时间– say Awareness –持续?与通过零售获得的人相比,您通过搜索获得的人们第二次购买的平均订单价值是多少?

去年注册电子邮件的人与未注册电子邮件的人的行为是否有所不同?使零售客户通过移动应用进行后续购买的成本降低了多少?

A6. 了解您的个人影响,并着力改善。

获取公司的收入数字。现在计算出其中有多少直接受到您的影响。记下它是什么(可能是几个百分比的最大值)。

Double 那 number this year.

您名单上的前五件事是什么?

它们都不是一件容易的事,但很少能通过影响将见解转化为行动。但是,你不'如果您将影响力加倍,就不必花太多时间看看它会对您(以及数据!)有多惊人。

A7. 运行一个超大型对照实验。

证明您的高管完全凭直觉相信自己的信念。或者,证明这一点。

Facebook广告真的比电视更好吗?您可以使用数字广告为品牌创造溢价吗?现在15%的优惠券是否比下一次购买优惠20%?用男模海报换成可爱的动物,销量会增加三倍吗?

赞助时装秀会导致品牌资产增加吗?商店免费取货会提高附加率吗?

A8. 确定2019年要关注的四个相关微观成果

(除了收入的宏观结果)。

当您为投资组合进行优化时,企业会获胜,因为在任何给定时间,只有一小部分人想要购买。解决 微观和宏观结果 与解决短期和长期成功的圣杯直接相关。

当员工必须针对多个方面进行优化时,他们也会变得更加聪明。 :)

A9. 放弃您的自定义归因模型。拥抱 数据驱动的归因.

在某些方面,人类已经不如机器聪明。其中之一就是尝试猜测现场外和现场外数百万个接触点可能发生的情况。

跳过的前五个步骤 归因度的极佳阶梯,跳至DDA。从每周节省的数十个小时中,找出如何将离线数据馈送到您的 数据驱动的归因 模型。

由于对数据驱动归因的痴迷,您也正在寻找一个投资组合而不是一个孤岛。超级酷,超级赚钱。

A10. 聘请经验丰富的统计学家加入您的分析团队。

建模有太多好处,您无法利用。从细分模型到确定增量,从预测模型到生存分析,再到时间序列的聚类…………我可以继续下去。

2019年'是严肃认真的分析的一年。

A11. 奖励:报告杀死人数,分析令人振奋。

If 那 is true, 和 it is, :), then what % of time are you personally spending between 数据抓取– Data Reporting – Data Analysis?

data_capture_data_reporting_data_analysis

外包或消除一半的数据捕获和数据报告职责,并将其分配给数据分析和推动行动。

您'我会惊讶于您的薪水和奖金增加(哦,公司也将从中受益!)。

在Analytics(分析)的背景下,您的目标是在2019年做些特别的事情've还没有覆盖上面?您能否通过添加评论与我分享?谢谢。


转换齿轮,这是今年您想通过您的营销游戏共同实现一步变化的十件事。

步骤更改营销迷恋列表。

M1。 将前10个着陆页的跳出率提高50%。

(提高跳出率会导致跳动率降低。:))

与Google Analytics(分析)列表中的第一名相同。 :)太多的营销人员忽略了这个简单的策略来赚很多钱。您非常努力地工作以引起关注,为什么然后让您的广告撰写您的网站无法兑现的支票?

另一个令人愉悦的好处:我发现让市场营销人员沉迷于目标网页会迫使他们审核用户体验,这是值得的。

M2。 为您的社交媒体策略增加或关闭时间。

企业社交媒体参与的99.999%没有任何收益。

您r CMO wants people to love your brand 和 有机地 扩大其优点。确实是个好主意。除了粗略地浏览一下您的社会贡献,在过去三年中没有任何表现。

So, why are you spending all 那 money?

我建议您在每个星期五用这些钱购买团队iPhone,我向您保证'会有正的投资回报率。

要么。主要将社交媒体作为付费媒体策略。将问责制应用于在网络上任何地方的展示广告或视频广告中带给社交媒体广告的相同学科。

这里 are five brand 和 five performance metrics 那'll be your BFFs in 2019年, as you social strategy lives up to 那 now famous mantra: 给我看看钱款!

M3。 保持对创意的控制,放弃对创意的控制。

机器在短期或长期优化后者方面要好得多。

(For now) 您 are still better at the former –做很多,然后交给智能算法。

这很难,尤其是对于将创造力与创造力相混淆的创造力类型而言。但是,如果您不遵循上述公式,那么每天都会损害您的底线。

也考虑 机器学习的营销机会 超越创意。

旨在将2019年营销预算的25%转移到由ML算法提供支持的机会,并为由此带来的利润增长感到高兴。

M4。 TV works, solve for each factor 那 drives success.

大多数电视广告系列都是根据覆盖率进行买卖的(GRPs FTW!)。

以我的经验,您应该针对覆盖率进行优化,并掌握一个总体故事并保持广告素材的一致性,并确保每个成功测试的广告素材都有足够的频率 磨损.

而且,如果可以的话'解决三个“与”的问题……转移资金以最大程度地发挥绩效数字化机会,然后用剩余的钱购买团队中的每个人– 和 at your agency –一辆新车。您的电视预算足够大,当我说分发新车将具有很高的动力和底线投资回报率时,请相信我。

M5。 寻求了解客户的旅程。

是什么促使首次购买?是什么驱动第二?是什么推动了两者之间的支持电话?真正,真正地使用该产品会有什么感觉?是什么推动了宣传?

所有失败的广告都是这样做的,因为其背后的营销人员只了解其中的一小部分,然后以令人心碎的短期关注来解决这一问题。

当营销人员了解上述问题的答案时,它会影响创意,影响目标定位,影响零售商店的展示,影响频率,影响产品设计,……。它改变了一切。包括利润。

旅途胜过约会.

M6。 解决意图。日新月异,这更有可能,也更加关键。

看得见的照顾 如果我自己这么说的话,这是一个很好的以意图为中心的业务框架,可以挑战您当前的营销策略。

您当前的营销内容(电视,数字,广告,电子邮件)的目标是什么?广告达到此目的会怎样?您在“立即购买”(!)之前和之后,在网上和线下发布了哪些有意义的内容来吸引受众?您的评估结果是否符合您的营销目标? 通过爬树的能力来判断一条鱼?你怎么知道的?

转变为“看一想”护理 是您营销中最大的力量倍增器。在2019年帮助您将组织思维转变到当前世纪。

M7。 您r marketing budget allocation can be improved anywhere from 50% to 50,000%.

分配预算是高级营销人员最难做出的决定。大多数人会使用类似的策略 去年,数字广告预算占预算的27%,今年我们应该将预算预算提高到28%至30%。 历史,直觉,公司内部政治等是这种愚蠢的思维方式在公司中普遍存在的主要原因。

有更好的方法吗? 有利可图的机会规模。

我不'认为您可以与第一部分争论:投资您可以赚取更多利润的地方。第二部分需要更多的工作。它来自以置信区间绘制递减的边距曲线。用英语:在您投入的每1美元收益减少之前,投资能达到多高?

您是行销商,所以's unlikely 那 you'绘制这些曲线。将Analytics(分析)小组列为优先事项;没有他们,您的预算中的大部分将被冲销。

(此外,请参阅“ Analytics(分析)”列表上的第10个强迫症。)

M8。 A 祖母's Marketing strategy for 祖母s 上ly.

有点挑衅,但我想挑战大多数营销人员如何对其策略进行一些微调。公司越大,这个有害问题就越存在。唐'那就让你成为我吧,让我分享两个观点'挑战你的现实。

这里'是美国成年人每天使用媒体设备花费的平均时间…

average_time_spent_media_devices_age

我对"grandmother's marketing strategy"是右侧的栏(65+)。

对于我们65岁以上的同龄人的行销来说,明智的做法是反映最右边那个条的含义。

当我们的整个营销策略是最右边栏的扩展时,就会出现问题。对于我们在6:55上构建的整个营销策略,您会在上面看到,当我们的产品和服务不是以65+为中心时……有点愚蠢。也许甚至反映出没有履行我们的信托义务。

注意总媒体消耗(时间,地点,设备等)的差异。请注意贵公司当前提供的产品和服务。反思一下: 您当前的营销策略有多偏离?

在上面的数据中,我对某些超酷但微妙的东西感到非常兴奋: 主动消费与被动消费!

后仰和放任之间的区别 内容 洗我们 倾听并拉动您想要的内容是巨大的。它极大地改变了您的营销应解决的问题(除了平台发行的明显投资组合之外)。

您的2019年营销策略的另一项现实检查:此处'有助于深入推动美国成年人电视消费的变化–在短短六年内(!!)…

us_time_spent_watching_tv

这也许可以解释为什么丰田'整个营销策略似乎都是以电视为中心的(在海湾地区,每人每天的不可思议的频率为48!)。丰田似乎只想将汽车卖给65岁以上的人(实际上,他们的电视观看量已经增加了)。

在2019年,决心使您的营销策略与您的 1. 产品展示 2. 目标 3. 听众,以及 4. 在平台上表达的意图数量。

鸣谢:最初由Axios的Sara Fischer创建,第一张图来自我的好友Thomas Baekdal'的时事通讯。您需要100% 报名参加。第二张图表来自于 经济学家.

M9。 多吸一点。

您当前正在执行的每个广告系列都可以减少–特别是如果您考虑端到端的体验。

例如: Expedia's 电子邮件太长了,它们总是会触发"[已剪切的消息]查看整个消息。"减少吸气,也许使用我过去的行为发送较短的电子邮件,这样我就知道您在乎我吗?

例如: Nordstrom 每天给我发送一封电子邮件给 独家交易 –他们认为我需要多少衣服?少吸一点,也许每月给我发送一次?还是基于商店中的购物模式提供愉悦感,而不仅仅是交易?

例如: 梅西百货's 我刚收到的电子邮件(标题为"解决方案#1:结束前额外享受20%的折扣")促销女性,男性,鞋子,床&浴室,儿童,青少年,珠宝,大码,手袋,家庭,厨房,美容。折叠以上。褶皱以下:大型图片促销,包括白色床上用品,最大的内衣,最大的床垫(再次是),Best Face Forward,阿迪达斯,Macy优惠25%'s呈现“编辑”,“新鲜粉彩”(图像无法清晰显示这是什么),“免费”,“快速拾取”。 EW!只需一点点的爱和专注,就可以在很多层面上做到这一点。

例如:即使是非常好的程序,也可以减少吸吮。像这样的公司 谷歌微软 有这么多的师每个团队/部门都针对自身进行了优化,电子邮件效果很好,因此每个人都认为自己做得很好。但是,如果你把镜头翻转给我– the recipient –我从每个公司收到很多电子邮件。我希望G / M的人能够追踪 电子邮件已发送/人已发送到,并反思悲惨的现实。以我而不是公司部门为中心,这将创建一种营销文化–您可以想象得到的好处。

I'm以电子邮件行销为例, 少吸 因为 我喜欢电子邮件营销。这是一种有效且有利可图的策略。它具有大量可用的行为数据。它需要一个相对较小的团队才能很好地执行。然而,看看即使是最大的公司,也有多少机会吸纳更少的钱。

您正在做的所有其他营销活动都存在较大的机会,可以吸取更少的钱。电视。打印。无线电。显示(哦,机会太多了!)。视频。网站。移动应用。其他一切。

您需要做的只是快速浏览底下的内容。

您2019年的10倍目标:每投资1美元购买一个闪亮的物体(VR广告!有影响力的营销!!!),则投资10美元以减少对您现有Marketing大型集群的吸引。

Profits 那 follow will also be 那 lopsided.

最后一点 文化吃早餐的策略。 创建一个季度“最烂团队”奖,并庆祝成功的这一方面。激励机制很重要。

M10。 使您的品味和期望得到满足。

您可以轻松识别什么时候平庸–即使别人把口红涂在猪身上,并在整个企业范围内使用,这也是本月最大的成功。

您知道异常的外观和感觉–您不仅是营销人员,而且还是聪明的客户。

Yet, my experience is 那 most Marketers 留在他们的车道上。 Often, company cultures encourage 那 non-beneficial behavior.

In 2019年, speak up.

您 have great taste. Don'上班时不要把它留在家中。

快说

当您发现营销组织推出了质量低下的工作时...创建替代模拟。推动您的品牌版本's标语行(不是通用MBA流行语puke-fest)。要求在挣得有偿营销之间取得更好的平衡。礼貌地挑战您的领导者'断言创意x更好,因为他觉得会更好。建议尝试鲁less的想法,而不要直接将30%的预算用于这些想法。如果您看到口红的猪游行作为例外的例子,谦卑地私下里,将对文化的腐蚀意味标志给最高级的领导人,'ll listen to you.

快说

您 deserve to be heard.

你说话的时候'也会让周围的人也有勇气说出来。聪明人往往会成群结队地奔跑。

那’s it. :)

略作重复:深刻反思10 x 2强迫症对您独特的业务环境的影响。然后,在接下来的12个月中,将您的注意力集中到总共10个。最后,为每个项目输入开始日期和预期结束日期。如果您名列榜首,您将为公司的底线做出重大改变,并发现了意想不到的个人喜乐。

与往常一样,现在轮到您了。

如果您已经为自己确定了接下来十二个月对Analytics(分析)和/或Marketing的痴迷,那么您选择了什么呢?我很好奇我上面的列表中有几对您的公司会特别有影响力吗?我的一些建议非常简单明了,您认为专注于这些建议会有什么好处?

请通过以下评论分享您的痴迷,技巧,文化转变策略和评论。

谢谢。

评论

  1. 1
    洛根·怀特 says

    新年的决议往往是蓬松的,无法实现的。这是我们要关注的一个非常严肃的想法清单。我也有专心致志,我们公司至少可以实现一半。我们正在拿一半的钱,并制定一个计划。

    在我们的案例中,最困难的障碍是试图使派生出来的所有新事物有足够的停顿时间,以进行对领导重要但不够性感的事情。

    感谢您保持真实。

  2. 2
    阿隆·斯坦 says

    惊人的可行想法集合!

    我可以'确定我最喜欢M8还是M9。它们都非常强大,在某些方面却朝着相反的方向发展。借助M8中的营销组合,您正在倡导朝着新的方向前进,而对于M9,则要求我们对已经在做的事情进行更深入的研究。两者之间存在一种良好的内在张力。

    不过,我的第一步是更仔细地查看我们发送的电子邮件。 -)

  3. 3
    埃里克·厄普顿 says

    当某人主要关注9号分析项目符号以摆脱自定义归因建模时,这对我来说是一个停顿点。我们使用自定义归因模型将客户移至最终点击之外。

    是否有关于数据驱动模型如何工作的更多详细信息?您能否分享任何有用的链接?

    很棒的帖子。

  4. 5

    嗨Avinash,《经济学人》的图表真是太神奇了。清晰而直接。

    我对2019年的痴迷是学习AI和数据可视化。到目前为止,我学习了Python编程,用于数据处理的Pandas库,使用matplotlib进行数据可视化。实际上,此刻,我正在写一篇有关如何使用python进行数据可视化的文章。期待在四月份申请入门级数据分析师职位之前学习统计信息和SQL编程。并将继续朝着实现AI和Data Viz的目标努力。

    申请这份工作之前,我需要注意什么吗?

    感谢您阅读。祝您和您的家人新年快乐。

    带着敬意,
    博拉

    • 6

      博拉: 我想您所掌握的技能可以使您申请的不仅仅是入门级的数据分析师工作。我可能会鼓励您考虑在数据科学中的角色,因为建模和可视化需要Python技能。

      继续进行出色的发展时需要考虑两件事:

      1.精通R,以及其他技能'已被收购将被认为是非常可取的(为您带来增值)。

      2.创建作品集,然后在线发布。那里有许多免费数据集(对于Web分析,Google Analytics Store Demo帐户是免费的,所有人均可使用,并且联合国有大量数据)。使用您的技能进行分析,创建见解的故事。对于任何面试公司而言,拥有一份可以指点的作品集将使您脱颖而出。

      祝一切顺利!

      阿维纳什。

  5. 7
    安德鲁·沃森 says

    一个非常有见地的帖子,可以开始新的一年。谢谢。

    今年,我们的最大重点是最终尝试尽可能全面地破解跟踪脱机转化的过程。到目前为止,我们已经进行了受控实验以对性能有所了解。我们正在努力解决大数据合并问题,以便在2019年做得更好。

    令我惊讶的是,杀死虚荣指标并未列入您的清单。始终在Occam上打电话给您一个号角's razor.

  6. 9

    感谢Avinash,这里有很多很棒的主意可以消化!

    对我来说,最引起共鸣的两点是A9(移至DDA归因)和M7(根据边际利润制定支出决策。)通过将这两个项目结合起来,我们可以从概念上考虑一种将功劳归功于所有渠道的解决方案转化,然后合并每个渠道'花费在我们的计算中,同时以可变贡献产品利润率出售产品。

    这里的挑战之一是区分所述渠道的归因与贡献。 DDA无法看到非数字渠道,并且会在业务方面全面了解我们的营销工作。毕竟DDA'的算法仅考虑各种营销方式,而没有'•纳入组织投入(定价策略,库存水平,产品质量,客户支持,用户体验(包括已经提到的全面提高跳出率)等),也未反映外部因素。

    您是否对如何解决所有已知的未知数有任何想法(除了运行各种多元分析[A10]的明显但基于直觉/假设的模型之外)?

    • 10

      亚历克斯: 您的评论是询问是否有一个解释宇宙的统一大理论,我'恐怕没有。 :)

      我们的方法是使用不同的方法来回答完全不同的问题(高度,细节,准确性,策略,目的等)。

      因此,您可以将脱机转化和有关其他渠道的数据(肯定是数字数据)发送到DDA中,因为它提供了分析功能,因此可以适应该行为。

      一旦我们了解了我们对营销工作的整体看法,便开始使用基于贝叶斯方法的媒体组合模型来了解整个在线和离线投资组合对销售(或其他结果)的影响(并且一旦我们有足够的数据来交叉两个或三年之内,我们还将转而对即将到来的预算分配进行预测建模,以基于边际曲线提高产量。

      当我们处于已知的未知簇或未知的未知簇中时,大型受控实验是另一个盟友。我们'我们将花费$ 4到$ 7百万的预算,并进行大规模的匹配市场测试,以回答一些我们根本不愿意解决的深层根本问题'没有答案。做足够的这些,我们就可以确定元模式,以帮助我们了解促销策略,目标定位,零售存在等方面的影响,而这仅仅是一个神奇的水平。

      我可以继续学习(深度学习算法是我们最新的痴迷),但您会不知所措。

      请继续提出您要提出的问题,继续寻求真相。它在那里。 :)

      阿维纳什。

  7. 11

    伟大的帖子Avinash,谢谢!

    我的杂草问题:如果您在SaaS属性中为Google Analytics(分析)和您的网站定义了目标/转化事件,而DGA是否作为其他GA属性,那么DDA是否有效?

  8. 13
    贾里德·麦卡锡(Jared McCarthy) says

    I'我总是对您在高级战略建议和非常具体的深层战术联系之间达到完美平衡的能力感到惊讶。多吸少就是一个很好的例子。您提到的公司对非常具体的策略的评论是毁灭性的–他们怎么会不知道-它清楚地说明了我们几十年来一直在努力的事情尚待取得的进展。

    I'请仔细阅读我们的电子邮件广告系列,以将其撤消!

  9. 14

    嗨,阿维纳什,

    我的痴迷

    1)虚拟化
    2)提高跳出率
    3)少吸– 那s a wonderful concept, i loved it :)
    4)尝试不同的事物并分配营销预算。

    我非常喜欢这个博客的人:)上帝保佑你:)

    问候
    乔比·约翰(Joby John)

  10. 17
    纳塔尼尔M says

    非常感谢Avinash。

    IMO A10非常重要,它是科学的基础,但即使是科学家也仍在努力。那里'在McElreath所著的《 Statistical Rethinking》一书中,他有趣地将我们的模型与简单,可靠,但愚蠢的魔像进行了比较,以及他如何发现这么多研究正在抛弃他们认为最好的统计方法,而没有考虑是否真的适合他们的数据–有时是世界上唯一的同类数据!

    关于实际的“因果关系”,我们追求的是很少的内容,而不仅仅是相关性。我最近才知道的'm consuming information 上 那 as much as 我可以.

    那'开箱即用的ML(甚至只是简单的安全统计信息)可以诱骗您的地方–或永远不适合您的数据。那里'在这一点上,您确实需要了解机械中的所有嵌齿轮。询问错误栏可能很困难,例如查找网站的实际收入和辅助收入–但是我以同样的方式认为它可以带来类似的清晰度。

    我们什么时候可以使用您的Web Analytics 3.0、2.5或什至是在线课程? :)

  11. 18

    跳到以数据为依据的归因确实很棒–但是对于99%的公司而言,这太昂贵了。至少在像芬兰这样的国家。

  12. 19
    阿迪蒂 says

    感谢Kaushik,感谢您分享一份令人着迷的行销和分析清单。

    我坚决同意您对#M2(为社交媒体策略增加或关闭时间)的痴迷。如今,社交媒体上的有机覆盖率非常低&并不总能证明营销支出是合理的。

    My Obsession for 2019年 will be:

    1.加大数据分析力度。
    2.了解有关Google Data Studio的更多信息
    3.继续研究我的2018年痴迷列表:)

  13. 20
    贾斯汀·托马斯(Justin Thomas) says

    谢谢你的这篇文章,阿维纳什!

    我发现您在M8部分引用的Nielsen研究特别有趣,我在与一位广播电视客户的会议中提出了这项研究,这令人大开眼界!

    – Justin

  14. 21
    莱昂纳多·坎多萨 says

    与往常一样,您是营销分析的最佳博客。感谢您的精彩帖子。

    干杯,
    莱昂纳多·坎多萨

  15. 22

    嗨,Avinash,一如既往地清楚地阐明您的概念,并始终在您的文章中讲到重点。同样,这次您也打开了我在不久的将来要做的事情以及如何优化我的技术行动的思路。

    很棒的文章。

  16. 23
    法欣·乔汉(Fahim Chohan) says

    220%在M9上与您达成协议,我们不'无需向无关的受众群体投放无关的广告,但是我认为,在自然流量较低的情况下,使用不同的营销服务来帮助您的网站发展很重要。

    顺便说一句很棒的文章。

  17. 24
    穆罕默德·乔伊 says

    伟大的帖子Avinash,谢谢!

    非常喜欢这个博客的人:)上帝保佑你

  18. 25
    斯蒂芬·霍赫莱特纳(Stefan Hochleithner) says

    我现在才读这篇文章。它可以帮助我站起来,说与营销相关的决策(例如沿着客户旅程的预算分配)必须由数据驱动,并且不能由直觉决定(降落在祖母那里)'的模型)。另一方面,广告必须更加大胆(游击营销)并引起人们的情绪,并且绝不应该感到无聊。

    我希望所有乐于分析数据的人都感到高兴和成功,以便您以结果为基础来支持您的观点。

    来自奥地利的问候

添加您的观点

*