Bagaimana menemukan kebenaran tentang data dan analisis pemasaran – Beragampengetahuan

Apa “ventrikel kiri” merek Anda yang menunggu untuk ditemukan?

Seth Stephens-Davidowitz menanyakan variasi pertanyaan ini selama pidato utamanya di konferensi Analisis Pemasaran & Ilmu Data.

Biar saya jelaskan.

Seth, seorang ilmuwan data dan penulis buku terlaris New York Times, menceritakan kisah pengusaha Jeff Seder, seorang inovator dalam analisis pacuan kuda.

Jeff memegang tiga gelar dari Universitas Harvard dan berhenti dari pekerjaan perbankannya untuk mengejar kecintaan pada alam dan kuda. Misinya adalah menggunakan data untuk menentukan apa yang membuat pacuan kuda menjadi hebat. Ini adalah era sebelum buku Michael Lewis tahun 2003 “Moneyball” menjelaskan penggunaan analitik di Major League Baseball.

Bagaimana Anda menemukan rumus analisis data pemenang?

Jeff menganalisis atribut kuda pacuan untuk melihat atribut mana yang memprediksi kesuksesan tingkat kejuaraan. Ciri-ciri yang ditelitinya antara lain:

• Ukuran lubang hidung
• Volume otot kedutan cepat
• ukuran bangku

Tak satu pun dari mereka bisa meramalkan kesuksesan. Namun Jeff terus berusaha, dan 20 tahun kemudian, dia berada di ambang kebangkrutan.

Tapi kemudian keadaan berbalik.

Jeff membuat elektrokardiogram pertama yang mengukur organ dalam kuda dan menemukan bahwa ventrikel kiri jantung merupakan alat prediksi efektif keberhasilan kejuaraan. Contoh kasus: Firaun Amerika. Pada tahun 2015, kuda tersebut memenangkan Triple Crown, menjadi kuda Thoroughbred berusia 3 tahun pertama yang memenangkan ketiga balapan bergengsi dalam 37 tahun. Namun dua tahun lalu, tidak seorang pun kecuali Jeff yang menyadari bahwa Firaun Amerika akan menjadi kuda yang menakjubkan.

Pertimbangkan sifat-sifat Firaun Amerika berikut ini:

• Tinggi badan (persentil ke-56)
• Berat badan (persentil ke-61)
• Garis keturunan (70%)
• Ukuran ventrikel kiri (99,61%)

Meskipun tinggi badan, berat badan, dan silsilahnya tidak mengesankan, ventrikel kiri American Pharoah yang terlalu besar secara akurat memprediksi kesuksesan Triple Crown-nya.

Seth membagikan cerita ini untuk mengilustrasikan poin-poin berikut untuk pemasar yang berfokus pada data:

• Nilai suatu kumpulan data sering kali tidak terletak pada ukurannya, melainkan pada kebaruannya.
• Pemenang dari big data adalah wirausahawan.
• Pemenang dalam big data telah mengalami banyak kegagalan dalam menemukan pemenang besar.
• Penemuan “ventrikel kiri” ada di sana.

Seth mengatakan bahwa dengan memanfaatkan wawasan ini, Anda dapat membuat model data Anda 10 kali lebih baik daripada model data orang lain.

kursus MADS: Anda dapat menemukan “ventrikel kiri” merek Anda dalam data analitik (misalnya web, pemasaran email, pemasaran media sosial, pencarian berbayar). Bentuk hipotesis dengan mengajukan pertanyaan. Analisis data untuk menjawabnya. Jika jawabannya tidak, ajukan pertanyaan lain. Teruskan, seperti yang dilakukan Jeff Seid, hingga Anda menemukan “ventrikel kiri” yang mengarahkan kampanye Anda menuju kesuksesan Triple Crown.

Bisakah Anda percaya apa yang orang katakan?

Namun, semua data belum tentu membantu. Ambil survei, misalnya. Seth menjelaskan bahwa format yang sering digunakan oleh Gallup dan Pew Research Center dapat digunakan untuk memahami mengapa orang melakukan apa yang mereka lakukan. Namun ada masalah yang melekat pada pengukuran.

Orang sering kali mengatakan hal-hal yang menurut mereka akan membuat orang lain terkesan. Ini disebut bias keinginan sosial. Seth mencontohkan masyarakat mengatakan tidak memilih padahal tidak memilih, atau mengatakan memilih calon lain padahal memilih calon lain. Mereka sengaja memberikan reaksi yang salah karena ingin terlihat melakukan sesuatu yang dapat diterima secara sosial.

Namun di manakah pemasar dapat menemukan kejujuran murni? Kata Seth dalam pencarian Google. Dia menyebutnya sebagai “serum kebenaran digital” karena orang-orang mengakuinya. Mereka mengajukan pertanyaan tentang kesehatan, hubungan, dan hal lain yang terlintas dalam pikiran mereka. Mereka bebas untuk jujur ​​karena mereka merasa tidak ada pihak yang bisa menghakimi mereka.

Seth mengatakan Google memahami orang lebih baik daripada mitra dan anggota keluarganya sendiri. Jadi, daripada bertanya kepada orang-orang apa yang mereka lakukan, gunakan Google Trends. Ini lebih baik daripada Gallup dalam memprediksi siapa yang akan memilih, tingkat pengangguran, dan mengukur rasisme.

Namun, Seth memperingatkan kita untuk tidak memperlakukan semua data besar sebagai serum kebenaran yang sama. Jika Google adalah serum kebenaran digital, Seth menyebut platform sosial seperti Facebook sebagai “serum digital untuk membual kepada teman-teman tentang betapa hebatnya hidup saya.”

Untuk mengilustrasikan maksudnya, Seth membagikan penelitiannya tentang kata “suami” di postingan media sosial dan penelusuran Google. Berikut adalah frasa paling umum untuk melengkapi pernyataan “Suamiku ___________” menurut platform:

Seperti yang Anda lihat, pasangan ingin tampil positif tentang suaminya di media sosial, dan penelusuran Google mengungkap apa yang sebenarnya mereka pikirkan.

kursus MADS: Pelajari apa yang dikatakan pengguna (yaitu data survei) dan apa yang dilakukan pengguna (yaitu data analisis web atau aplikasi). Temukan sumber serum kebenaran digital Anda dan gunakan untuk memandu keputusan pemasaran dan strategi bisnis Anda.

Haruskah Anda memercayai naluri Anda?

Seth mengatakan semua orang berbohong. Dia bahkan menulis buku Semua Orang Berbohong: Data Besar Apa, Data Baru, dan Internet Dapat Memberi Tahu Kita Tentang Siapa Kita Sebenarnya.

Ini tidak hanya terjadi dalam survei dan postingan media sosial. Orang berbohong pada diri mereka sendiri. Dengan kata lain, intuisi Anda mungkin salah. Seth bercerita tentang sebuah aplikasi bernama Mappiness. Pengguna menerima ping pada waktu yang berbeda dalam sehari dengan pertanyaan yang menanyakan perasaan dan apa yang mereka lakukan.

Data orang pertama menunjukkan aktivitas berikut paling erat kaitannya dengan kebahagiaan:

• Keintiman/Seks
• Drama/Tarian/Konser
• Pameran/museum/perpustakaan

Aktivitas berikut ini paling tidak berhubungan dengan kebahagiaan:

• merawat atau membantu orang dewasa
• bekerja/belajar
• sakit di tempat tidur

Meskipun kedua daftar ini mungkin tidak mengejutkan Anda, penelitian ini mengungkapkan hasil yang mengejutkan – perbedaan antara apa yang orang anggap akan membuat mereka bahagia dan apa yang sebenarnya mereka lakukan. Inilah yang diungkapkan oleh data Mappiness.

Aktivitas yang diremehkan namun membuat orang lebih bahagia dari yang diharapkan meliputi:

• museum
• sporty
• minum
• berkebun
• Belanja

Aktivitas berlebihan yang membuat orang merasa kurang bahagia dari yang diharapkan meliputi:

• tidur
• permainan komputer
• menonton TV
• makan
• Jelajahi Internet

Seth mengatakan datanya jelas: Jika Anda ingin lebih bahagia, kurangi waktu di dalam ruangan. Keluarlah, aktiflah, dan jelajahi dunia.

kursus MADS: Kumpulkan data untuk menganalisis kinerja intuisi pemasaran Anda (yaitu persepsi) dalam kenyataan (yaitu melebih-lebihkan, meremehkan, memenuhi target).

Peran apa yang dimainkan oleh penampilan?

Seth membawa masalah pribadi ke dalam percakapan ketika dia mengutip penelitian dari Alexander Todorov, seorang profesor di University of Chicago Booth School of Business. Penelitiannya mengeksplorasi prediksi pemenang pemilu berdasarkan penampilan.

Dalam percobaan tersebut, peserta melihat foto dua kandidat secara berdampingan dan diminta untuk mengidentifikasi mana yang terlihat lebih kompeten. Studi tersebut menyimpulkan bahwa 70% pemilu dimenangkan oleh kandidat yang dipilih pengguna yang tampaknya lebih mampu.

Seth mengaku tidak pernah memperhatikan penampilannya sebelum membaca penelitian tersebut. Namun kini dia berpikir untuk mengubahnya, jadi seperti data scientist lainnya, dia beralih ke analisis data untuk mendapatkan bantuan.

Seth membuat 100 versi dirinya menggunakan FaceApp, yang didukung oleh kecerdasan buatan. Setelah penelitian Alexander, dia menampilkan kedua versi tersebut di depan orang-orang dan bertanya kepada mereka versi mana yang terlihat lebih mampu.

Dengan menggunakan analisis regresi, dia menyimpulkan bahwa hanya dua faktor yang mempengaruhi preferensi kemampuan adalah janggut dan kacamata. Setelah memakai dua potong pakaian ini, rating kemampuannya meningkat dari 5,8 menjadi 7,8.

Tak heran, Seth tampil di atas panggung dengan berjanggut dan berkacamata.

kursus MADS: Seperti halnya penampilan seorang kandidat yang memengaruhi persepsi audiens terhadap kompetensi, demikian pula tampilan dan nuansa situs web dan aplikasi. Gunakan kelompok fokus untuk memahami elemen desain mana yang diasosiasikan pengguna dengan kesenangan atau kepuasan.

Bagaimana Anda akan menggunakan analisis data dalam pemasaran?

Pembicaraan Seth menginspirasi saya untuk menemukan cara baru dan kreatif dalam menggunakan analisis pemasaran untuk mendorong pengambilan keputusan. Namun sekarang, saya akan melakukan lebih baik karena saya mendengar pikiran “ventrikel kiri” Seth. Data harus menjadi penentu keputusan, namun hanya jika data tersebut benar dan akurat.

Semua alat yang disebutkan dalam artikel ini direkomendasikan oleh penulis. Jika Anda ingin merekomendasikan suatu alat, silakan bagikan artikel ini di media sosial dan tinggalkan komentar.

Konten terkait unggulan:

Gambar sampul oleh Joseph Kalinowski/Institut Pemasaran Konten