La maggior parte degli esperti di marketing ritiene che l'utilizzo di dati sia basato sull'utilizzo di metriche web per informare ogni decisione che prendono. Ma questo non è in realtà basato sui dati. È guidato da Google Analytics. Per essere veramente guidati dai dati, dobbiamo ricordare a noi stessi l'effettiva definizione dei dati: tutti i tipi di informazioni.
Uno dei tipi più interessanti di informazioni è costituito da dati qualitativi o dati non strutturati. Può rivelare le opinioni e le sensazioni sincere dei tuoi clienti nei confronti del tuo marchio, il che è difficile da estrarre dai dati quantitativi o dai dati strutturati.
Anche Jeff Bezos, CEO di Amazon, è un appassionato sostenitore dell'uso di dati qualitativi per guidare la strategia. "La cosa che ho notato è quando gli aneddoti ei dati non sono d'accordo, gli aneddoti di solito hanno ragione. E c'è qualcosa di sbagliato nel modo in cui stai misurando (i tuoi dati) ", ha spiegato durante un'intervista sul palco del Centro presidenziale George Bush lo scorso aprile.
L'amore di Bezos per il feedback dei clienti non dovrebbe costringerti a sottrarre dati quantitativi a dati qualitativi durante la strategia della tua prossima campagna di marketing, però. Dovrebbe costringerti ad informare la tua strategia con entrambe le fonti di dati. Combinando le informazioni ricavate da metriche web e feedback dei clienti, è possibile ottenere una piena comprensione dell'efficacia del programma di marketing.
Se vuoi una spiegazione più approfondita di quali dati qualitativi o non strutturati e dati quantitativi o strutturati sia, dai un'occhiata a questo rapido riassunto di ciò che sono esattamente entrambe le fonti di dati e quali strumenti puoi usare per archiviarle e analizzarle.
Dati non strutturati
Spesso definiti come dati qualitativi, i dati non strutturati sono di solito opinioni soggettive e giudizi della tua marca sotto forma di testo, che la maggior parte dei software di analisi non è in grado di raccogliere. Ciò rende difficile la raccolta, la memorizzazione e l'organizzazione dei dati non strutturati in database tipici come Excel e SQL. È anche difficile esaminare i dati non strutturati con metodi e strumenti di analisi dei dati standard come l'analisi di regressione e le tabelle pivot.
Poiché non è possibile archiviare e organizzare i dati non strutturati in database tipici, è necessario archiviarli in documenti Word o in database non relazionali (NoSQL), come Elasticsearch o Solr, che possono eseguire query di ricerca per parole e frasi.
Inoltre, poiché non è possibile utilizzare metodi e strumenti di analisi dei dati standard per ottenere informazioni dai dati non strutturati, è possibile analizzare o utilizzare manualmente gli strumenti di analisi in un database NoSQL per esaminare i dati non strutturati. Tuttavia, per utilizzare efficacemente questi strumenti, è necessario un elevato livello di competenza tecnica.
Se riesci a estrarre informazioni approfondite da dati non strutturati, tuttavia, puoi sviluppare una profonda comprensione delle preferenze dei tuoi clienti e del loro sentimento nei confronti del tuo marchio.
Esempi di dati non strutturati
Gli esempi più comuni di dati non strutturati sono le risposte al sondaggio, i commenti sui social media, i commenti sui blog, le risposte e-mail e le trascrizioni delle chiamate telefoniche
Dati strutturati
Spesso definiti come dati quantitativi, i dati strutturati sono fatti e numeri oggettivi che la maggior parte del software di analisi può raccogliere, rendendo i dati più facili da esportare, archiviare e organizzare in database tipici come Excel e SQL. Anche se i dati strutturati sono solo numeri o parole racchiusi in un database, è possibile estrarre facilmente informazioni dai dati strutturati eseguendoli attraverso metodi di analisi dei dati e strumenti come l'analisi di regressione e le tabelle pivot. Questo è l'aspetto più prezioso dei dati strutturati.
Esempi di dati strutturati
Gli esempi più comuni di dati strutturati sono numeri, nomi, date, indirizzi e informazioni transazionali.
Dati strutturati e non strutturati
La differenza tra i dati strutturati e non strutturati è che i dati strutturati sono fatti e numeri oggettivi che la maggior parte del software di analisi può raccogliere, semplificando l'esportazione, la memorizzazione e l'organizzazione in database tipici come Excel, Fogli Google e SQL. È inoltre possibile esaminare facilmente i dati strutturati con metodi e strumenti di analisi dei dati standard come l'analisi di regressione e le tabelle pivot.
Al contrario, i dati non strutturati sono di solito opinioni soggettive e giudizi del marchio sotto forma di testo, che la maggior parte dei software di analisi non è in grado di raccogliere, rendendo difficile l'esportazione, la memorizzazione e l'organizzazione in database tipici. Non è inoltre possibile esaminare metodi e strumenti di analisi dei dati non strutturati. Nella maggior parte dei casi, è necessario memorizzare i dati non strutturati nei documenti di Word o nei database NoSQL e analizzarli manualmente o utilizzare gli strumenti di analisi in un database NoSQL per esaminare questo tipo di dati.
Essere guidati dai dati, non solo guidati da Google Analytics
In un mondo in cui Google Analytics può sputare ogni metrica sotto il sole, è necessario ricordare che i dati qualitativi, come il feedback dei clienti, sono altrettanto cruciali per informare la tua strategia di marketing come metriche web. Senza dati non strutturati, non avrai una chiara comprensione di come i tuoi clienti si sentano realmente a proposito del tuo marchio. E questo è fondamentale per ogni marketer per sapere.