Rola os olhos quando vê que lhe foi atribuída a tarefa “analisar dados” ou “criar relatório”?
A investigação mostrou que analisar dados não é natural para a maioria das pessoas.
Criar campanhas de marketing espectaculares? Excelente.
Mas quando se trata de analisar se essa campanha foi um sucesso, é onde a maioria das empresas fica aquém.
Queríamos ajudar a resolver esse problema – especialmente quando as empresas orientadas pelos dados têm três vezes mais probabilidades de relatar melhorias significativas na tomada de decisões.
Então, como superar o medo (ou luta) da análise de dados?
Neste guia, partilharemos os resultados do nosso inquérito que nos ajudará a compreender como a análise de dados é difícil de dominar, juntamente com 14 técnicas especializadas de análise de dados para o ajudar a começar.
Por que é tão difícil analisar dados?
As palavras “analisar dados” podem fazer a pele de qualquer comerciante rastejar. É uma pessoa criativa que trabalha para escrever cópias instantâneas e campanhas inteligentes… Não escavar num monte de números, certo?
Queríamos descobrir porque é que os marqueteiros lutam com a análise de dados.
Os resultados da nossa pesquisa poderiam ser a resposta. Embora a maioria das empresas que sondámos tenham vários empregados:
A maior parte não emprega um analista de dados a tempo inteiro. As empresas que empregam vários analistas de dados pertencem à minoria:
…Isso significa que os membros regulares da sua equipa são deixados para preencher as lacunas. Essas pessoas podem não ser especialistas em dados, fazendo com que a análise pareça uma tarefa complicada. (Ou, uma que o pessoal tente passar adiante.)
Mas não é apenas a falta de habilidade que torna a análise de dados tão difícil. Jenny Rankin, da Mensa, explica: “Realizei um estudo quantitativo no qual participaram 211 adultos com formação universitária e descobri que a sua exactidão ao interpretar dados era em média apenas 11% correcta, e que aqueles que interpretavam mal os dados normalmente não sabiam que estavam a interpretar mal os dados.”
“Isto está ao nível de estudos semelhantes que descobrem que a utilização de dados é mais difícil do que a maioria das pessoas imagina”
14 Dicas de Análise de Dados dos Peritos
Está pronto para ultrapassar a chamada “paralisia de análise” e começar a compreender os números que preenchem as suas folhas de cálculo?
Partilharemos as melhores dicas dos nossos peritos para a análise de dados, tais como:
- Limpar os seus dados
- Criar descrições de dados básicos
- Verificando o contexto está correcto
- Pooling data from various sources
- Niching down to your key métricas
- li>…Mas comparando-as com outras KPIs
- Procura de dados que vão contra a sua hipótese
- Categorizando dados qualitativos
- Visualizando os seus dados
- Cor-tendências e padrões de codificação
- Utilizar análise de coorte
- Fazer uso de ferramentas de análise de dados
Li>A fim de responder a uma pergunta
Investigando anomalias
Começar com dados limpos
Antes de mergulhar com os números, Eve Lyons-Berg of Data Leaders Brief acha que deve “certificar-se de que está a trabalhar com dados bons, limpos e completos!”
“A análise de dados é construída com base no pressuposto fundamental de que os dados que está a analisar são fiáveis. Se estiver a analisar dados não fiáveis, ou dados insignificantes (ou seja, demasiado pequenos), ou até mesmo apenas dados inconsistentes (ou seja, uma métrica que é normalmente medida diariamente, mas com várias lacunas de uma semana a intervalos aleatórios), os seus resultados não serão fiáveis”
Omar Fonseca do Medicare Plan Finder explica como limpar os seus dados: “Em primeiro lugar, pretende desduplicar os seus dados para assegurar que remove duplicados se isso for algo que cause problemas no seu conjunto de dados”
“Também pretende apagar campos (ou colunas) desnecessários que pode apagar manualmente após guardar o seu conjunto de dados como um conjunto separado”
Fonesca também aconselha a “assegurar-se de que titula e formatou todos os seus campos (ou células) correctamente. Dessa forma, quando estiver ajoelhado em dados, é capaz de peneirar a granularidade dos dados em busca de informação valiosa e de conhecimentos tanto sobre oportunidades como sobre ameaças que de outra forma poderia ter perdido””
Apontar a uma pergunta
B O Branko Kral do King Digital pensa “é muito fácil perder-se nas ferramentas analíticas, tais como o Google Analytics, se as abrir sem uma pergunta específica em mente”. É desejável escavar e explorar novos relatórios ou modificações de relatórios, mas quer continuar a voltar à principal motivação para a análise. A pergunta irá mantê-lo concentrado”
A equipa do Kral pôs isto em acção quando sofreu uma queda no tráfego orgânico: “A questão principal era – o que causou a queda e o que podemos fazer para recuperar o tráfego””
“Havia algumas nuances nos dados, mas no geral, descobrimos que o tráfego orgânico foi afectado em todo o site, bem como sem que tenhamos feito grandes alterações às qualidades SEO do site durante pelo menos algumas semanas antes da queda. Isso deu-nos a confiança para afirmar que a causa da queda era externa”
“Pesquisámos notícias de SEO e ficámos a saber que a actualização do algoritmo do início de Junho favorece as grandes editoras. Também temos notado o factor externo dos trechos apresentados empurrando os resultados da página 1 mais para baixo”, acrescenta Kral.
O Louis Watton de Shiply concorda: “É fácil obter paralisia de análise quando se olha para grandes conjuntos de dados, pelo que ter objectivos claros pode ajudar a concentrar os seus esforços para obter as respostas de que realmente precisa rapidamente”
Como faz Lizzie Dunn, da Fundera, que acrescenta: “Uma dica importante para analisar e utilizar os dados é se o seu negócio pode ou não justificar um caso de negócio para ele em primeiro lugar”
“Fazer a pergunta: “porque é que estes dados são recolhidos e para que os podemos utilizar?” é uma pergunta importante, mas uma pergunta ainda mais importante a fazer é: “será que estes dados estão a criar valor para os clientes e para o negócio?”
“Ao responder a estas perguntas, é mais provável que consiga determinar quais os dados mais importantes a analisar, e que dados podem ser directamente associados à criação de valor para o cliente ou à monetização do negócio”, escreve Dunn.
Summarizing, Tony Mastri do Search Engine Coach diz: “É raro que um conjunto de dados apenas levante a mão e lhe diga os conhecimentos que possui. Quando começa a sua análise com uma pergunta, pode rapidamente determinar que métricas e dimensões são necessárias para destilar uma resposta”
Criar descrições básicas para os seus dados
Sentir-se esmagado pelos números com que está a trabalhar?
O seu espaço de estacionamento Ryan Underwood tem uma útil solução: “Muitas pessoas tentam envolver-se em conjuntos de dados complexos antes de lerem e compreenderem as descrições de dados mais básicas”
“Estas descrições oferecem um contexto simplificado de tendências de dados que são úteis para compreender antes de analisar os dados em bruto. Se saltarmos estas descrições, é provável que se gere mais frustração e confusão do que a percepção”
Verifica se o contexto está correcto
Anterior, mencionámos como a limpeza dos seus dados é o primeiro passo na análise dos dados. Sem dados precisos, não é possível obter uma análise precisa.
Por essa razão, Krzysztof Surowiecki da Hexe Data pensa que é importante “verificar duas vezes os dados com os quais está a trabalhar”. É um erro comum com o qual nos deparamos frequentemente. Portanto, certifique-se de que os dados que pretende preparar para uma investigação mais aprofundada estão correctos”
Trade Finance Global’s Robin Abrams explica: “Um exemplo seria quando estiver a olhar para dados de websites ao longo de dois anos. É importante perceber que, durante o período de tempo, a quantidade de tráfego e/ou estrutura/número de páginas, produtos e concorrentes pode ter mudado tanto que os dois anos já não são comparáveis””
A equipa da Surowiecki pôs isto em prática quando “conduziu uma análise profunda para um dos líderes do comércio electrónico de moda. Informaram que têm muito tráfego, os utilizadores estão a olhar para as roupas, acrescentam-nas ao cesto mas não fazem compras (convertem)”
“O nosso cliente ficou intrigado e suspeitou de um erro e a razão por detrás disso no seu serviço. Procurámos razões ali, pesquisámos o serviço, analisámos mais de perto os dados. E a nossa pesquisa mostrou que o serviço é realmente bom, tudo funciona lá correctamente”
“Contudo, a nossa pesquisa mostrou que os utilizadores tratam o serviço como um provador. Eles experimentam roupas novas, acrescentam-nas ao cesto, mas na realidade só as compram em dias de pagamento. É apenas um percurso mais longo dos utilizadores que leva à decisão de compra no último ou 10º dia do mês em que recebem o seu salário”
“Penso que este caso é interessante porque mostra que o serviço de comércio electrónico funciona, mas os comportamentos dos utilizadores são apenas diferentes dos clientes suspeitos, pelo que não investigaram exaustivamente a audiência em primeiro lugar”, resume Surowiecki.
Colibri Digital Marketing’s Andrew McLoughlin concorda e recomenda a “colocar sempre os seus dados no seu contexto adequado. Sem uma compreensão das condições mais vastas, dos padrões de referência, das tendências, ou dos detalhes, então os seus dados não serão úteis e quaisquer conclusões que tire não serão fiáveis”
“Tente tratar a informação em bruto como apenas um nó numa rede tão ampla quanto possível. A análise será mais abrangente, e as suas conclusões serão infinitamente mais accionáveis”, acrescenta McLoughlin.
Pool data from various sources
“A melhor dica que dou aos nossos clientes é parar de olhar para os dados em siloes e trabalhar com uma ferramenta de agregação/visualização de dados”, escreve Giselle Bardwell, da Kiwi Creative.
“Alavancar uma plataforma, como Databox, para combinar múltiplas fontes e métricas para contar uma história completa de como o marketing e as vendas estão a funcionar (ou não!) Juntar todos os dados torna mais fácil encontrar correlações, semelhanças e áreas a melhorar”
Bardwell continua: “Analisámos recentemente o envolvimento global no nosso blogue em termos da página inicial de aterragem, interacções com várias chamadas para a acção (CTAs) na página, e a viagem que o utilizador faz através do website depois de ler um post”.
“Olhando para a diferença entre interacção do utilizador no blogue versus páginas específicas de vendas, ajudou-nos a rever a nossa estratégia de conteúdo para incluir CTAs mais relevantes a fim de impulsionar o crescimento de leads”
É uma táctica de análise de dados também utilizada por Simon Rodgers do WebSitePulse: “Sobrepus os ficheiros de registo do servidor com o mapa do site XML e descobri que o bot do Google não visitou alguns dos URLs. Acontece que, por engano, eles tinham meta tag nofollow”
LSEO’s Kyle Kozie explica como o fizeram recentemente quando analisaram “classificações de palavras-chave e tráfego que entrava naquelas páginas”. Tínhamos recentemente renovado e redesenhado o nosso sítio web”
“Numa visão holística baseada no tráfego e rankings, tudo parecia bem e elegante, mas isso não era exactamente verdade”
“O que notámos quando escavámos nos dados do Google Analytics foi que estávamos a perder enormes oportunidades por não termos todo o conteúdo correcto no nosso sítio web para direccionar os termos que devíamos procurar com base em todos os nossos serviços. Reparámos nisto analisando especificamente os dados da página de destino e o tráfego que entrava nessas páginas”
“Depois cruzámos isso com os dados da palavra-chave SEMrush para reparar que não estávamos a ser suficientemente específicos no nosso conteúdo”, acrescenta Kozie.
As Jason Parks Parks of The Media Captain resume: “Não tenha medo de gastar dinheiro em grande software”. Pode poupar muito tempo à sua equipa e beneficiar o seu negócio ou o negócio dos seus clientes”
*Nota do editor: Seja qual for a ferramenta de análise de dados com que esteja a trabalhar, é capaz de reunir dados dos seus relatórios utilizando modelos de base de dados. Temos dashboards personalizáveis para Google Analytics, SEMRush, e HubSpot Marketing (mostrado abaixo) para que possa começar a usar instantaneamente:
Niche até à sua métrica mais relevante
“A recolha de dados é apenas um dos passos de uma estratégia orientada para os dados; o verdadeiro trabalho vem na ordenação dos dados para decidir o que incluir e o que ignorar ou despriorientar”, diz o Sam Underwood do Futurety.
“É realmente fácil perder-se em terabytes de dados quando apenas algumas dessas colunas lhe contariam a história principal de que precisa para fazer uma mudança de negócio.”
Mas semelhante a começar com uma pergunta, Harris Schachter da OptimizePrime pensa que deve “começar com o fim em mente” fazendo perguntas como “De onde vêm os seus rendimentos? De que canais, e de que tipos de clientes? Comece por aí e trabalhe para trás nas métricas significativas que o levam até lá”
Schachter acrescenta: “Isto é normal para uma pessoa de finanças, mas como comerciantes, a nossa configuração padrão é começar no topo com métricas de vaidade como classificações SEO, visualizações de páginas únicas, ou o pior de tudo, partilha/coisa/coisa. O seu negócio não mantém as luzes acesas com essas métricas, por isso concentre-se no que faz, e ficará surpreendido com os conhecimentos que pode encontrar.”
…Mas compare vários outros KPIs
Ward van Gasteren of Tools with Ward recomenda a “segmentar com base em várias métricas relevantes uma única métrica não lhe dará insights, mas múltiplas métricas combinadas podem produzir uma riqueza de insights”
“Por exemplo, pode segmentar o número de formulários de envio com base no país de origem, no canal de aquisição ou no dispositivo do utilizador. Haverá algo que não seja “normal”? Por exemplo, um canal específico que está atrasado em relação ao mês passado e aos outros canais”
van Gasteren continua: “Talvez tenha mudado o anúncio nesse canal e tenha causado um desajuste no formulário de registo ou essas pessoas não sintam que o formulário se destina a elas””
“Se é novo numa empresa, pode sempre pedir a um colega mais experiente que o acompanhe nos dados. Talvez reparem imediatamente que um dos canais mais importantes está atrasado ou que falta alguma coisa”, acrescenta van Gasteren.
Mas que métrica escolhe para monitorizar? De acordo com Romy Fuchs, a BEE Inbound AG responde a esta pergunta: “Que índices são críticos e relevantes para o nosso crescimento?”
“A partir disto, desenvolvemos um conceito de análise e compilamos os painéis de instrumentos necessários ao vivo com a Databox. Não só medimos mas também procuramos o potencial de optimização. As medidas com bom desempenho são reforçadas, as que não tiveram sucesso são descontinuadas.
” a nossa experiência, vale a pena iniciar uma campanha pequena, depois medi-la e optimizá-la e depois expandi-la.”
Procure dados que vão contra a sua hipótese
Independentemente da questão com que está a começar, terá alguma ideia das tendências que espera extrair dos dados.
(Por exemplo: Se estiver a perguntar “porque é que o tráfego do Facebook aumentou no mês passado”, pode esperar que a resposta seja através do seu aumento de gastos com anúncios.)
HubSpot’s Alex Birkett recomenda que “em vez de procurar dados que suportem uma hipótese anterior, tente procurar contrafactuais ou pedaços de dados que rejeitem a sua hipótese.”
“Estamos todos blindados com preconceitos cognitivos suficientes para conduzir a nave numa direcção totalmente desastrosa, por isso, para combater os preconceitos de confirmação, precisamos de procurar conscientemente explicações alternativas”
Investigue as suas anomalias
Quando procurar dados que rejeitem a sua pergunta inicial, poderá detectar algumas diferenças invulgares.
As anomalias são algo que deveria estar a investigar, de acordo com a Lauren Pope do G2: “Ouvir os dados é importante, mas não é infalível. Se os dados lhe disserem de repente algo MUITO diferente do que fez há apenas uma semana atrás, tire algum tempo para ver se tudo está a correr como deveria”
“Há uma hipótese de que um módulo tenha sido desligado, um código UTM tenha sido corrompido, ou que algo mais tenha corrido mal. Não siga cegamente os dados, confie no seu instinto”, acrescenta Pope.
É uma táctica também utilizada pela equipa do Web Canopy Studio , como Kenny Lange explica: “Acho muito útil perfurar as anomalias – mesmo que sejam pequenas. É fácil racionalizar a mudança nos padrões e assumir que o que quer que se esteja a ver não é estatisticamente significativo”
“Para além de perfurar em anomalias, estar sempre a perguntar ‘porquê? Sei que é bom e à direita, mas se nunca se perceber que alavancas estão a controlar o seu crescimento, não se conseguirá corrigi-las quando se partem.”
Categorizar dados qualitativos
A maioria das dicas de análise de dados que cobrimos até agora relacionam-se com dados quantitativos (ou seja, dados em forma numérica.)
Mas como se pode analisar dados qualitativos – tais como caracteres, símbolos ou palavras – que se está a recolher através de canais como inquéritos?
“Muitas vezes, as pessoas ficam nervosas sobre como analisar as respostas aos inquéritos onde as pessoas preenchem as suas respostas em vez de escolha múltipla”, escreve Marie Prokopets da FYI.
No entanto, Prokopets tem um processo simples passo-a-passo para analisar este tipo de dados: “Leia primeiro todas as respostas. A seguir, classifique cada uma das respostas em categorias (não há problema se cada resposta se encaixar em múltiplas categorias), e faça a contagem dos números para ver quais as categorias maiores”
“Escolha as melhores citações que ilustram os resultados para cada categoria e organize as que constam da sua análise”
Visualize os seus dados
“Visualize os seus dados sempre que possível”, acrescenta Eastside Co’s Will King. “É difícil notar as tendências emergentes quando se olha para uma folha de cálculo cheia de números. Mas assim que esses dados são representados num formato visual, essas percepções tornam-se mais fáceis de encontrar”
O Tom Feltham concorda com oSoftware Path: “Uma das melhores soluções é utilizar sistemas colaborativos de visualização ou relatórios”
“Idealmente, estes sistemas devem permitir-lhe partilhar relatórios ou criar painéis de controlo para simples comunicação de resultados e documentar a análise para permitir a descoberta ou referência numa data posterior”
*Nota do editor: Com os modelos personalizáveis da Databox, pode facilmente visualizar (e partilhar) as suas métricas mais importantes com a sua equipa. Basta ligar a sua ferramenta de análise de dados, escolher os seus dados mais relevantes, e partilhar a ligação com os seus colegas de trabalho:
Código de cor dos seus dados
“Adoro exportar os meus dados de todos os diferentes recursos e depois codificá-los por cores”, escreve Anne-Marie Hays of BestCompany. “É muito mais fácil para mim, como aprendiz visual, fazer sentido a partir de dados que são codificados por cores e escalonados por cores”
“Numa base regular, faço pesquisa por palavras-chave, com dados de múltiplas fontes. Importo tudo para a mesma folha de cálculo e depois escalo os meus dados em escala de cor. É muito mais fácil ver onde estão as minhas oportunidades”
Use cohort analysis
“A minha melhor dica para analisar dados é certificar-se de utilizar coortes, e comparar diferentes estratégias de marketing usando estratégias de tempo e qualificação comparáveis”, diz Bonjoro’s Casey Hill.
Análise de coortes é um método normalmente utilizado no Google Analytics para agrupar dados com tendências semelhantes, para facilitar a interpretação do que os dados mostram.
Mapa continua: “Por exemplo, um problema chave que vejo na análise de dados com muitas empresas é que elas vêem um crescimento de 15% em cliques e atribuem-no a uma nova campanha ou iniciativa que geriram. Na realidade, esse crescimento poderia estar a espelhar a sua curva de crescimento natural, dados os outros motores do negócio (orgânicos, de referência, etc.)”
“Um exemplo desta análise de coorte pode ser visto ao olhar para os números de churn, onde fizemos uma análise comparativa da utilização de Bonjoro’s (mensagens de vídeo personalizadas) versus Bonjoro’s (mensagens de vídeo personalizadas).
“Tomámos um conjunto de dados de 3 meses utilizando estas duas metodologias diferentes para o seguimento durante os períodos de ensaio e mantivemos todas as outras variáveis constantes. Isto permitiu-nos sentir confiantes ao decidir que os Bonjoro’s eram eficazes no aumento das taxas de conversão”, acrescenta Hill.
Utilizar ferramentas de análise de dados
Mãos para cima se estiver a utilizar uma folha de cálculo para gerir os seus dados.
(Continue, eu espero.)
Aposto que levantou a mão. Porquê? Porque quase todas as empresas que sondámos disseram ser a ferramenta que utilizam para análise de dados:
No entanto, estes peritos recomendam levar as suas folhas de cálculo para o próximo nível, como nota Fiona Kay do Grupo Nigel Wright: “Use ferramentas de análise acessíveis sempre que possível”
“Estou constantemente a analisar as nossas classificações de pesquisa orgânica usando Ahrefs. Utilizo o Rastreador de Rank para manter um olho em quaisquer movimentos nos nossos rankings e também uso isto, bem como o explorador de palavras-chave para identificar novas oportunidades para palavras-chave que devemos visar, tanto no conteúdo existente como no novo”
A Romina Buchle da Storylead diz também que “analisam regularmente as nossas actividades de Marketing e Vendas para a nossa própria empresa (bem como para os nossos clientes) dentro da ferramenta HubSpot. As métricas básicas são Número de Sessões, Taxa de Sessão para Contacto, Número de novos Contactos, de novas Líderes Qualificadas (MQLs/SQLs), novas Ofertas adicionadas e Ofertas Fechadas”
DIY Digital Strategy’s Ben Lund “asseguram que o Google Analytics está configurado para acompanhar todos os eventos valiosos. Isto inclui encomendas, leads, e mesmo chamadas (através da plataforma CallRail)””
“Uma vez configurados estes objectivos dentro do Google Analytics, é possível ver quais as fontes de tráfego mais rentáveis para o seu negócio, e empurrar esses canais adequadamente””
Lund também diz: “Diariamente, estou a ver como os nossos Anúncios Google estão a conduzir tráfego qualificado através do Google Analytics. Isto é rever a duração da sessão, a taxa de salto, as páginas visitadas e os objectivos completados no local (leads, encomendas ou chamadas)”
“Eu revejo estes dados para depois optimizar as nossas campanhas de anúncios do Google para empurrar para as campanhas de melhor desempenho e puxar para os de pior desempenho”
Quantas vezes devo analisar os meus dados?
Agora que compreenda como analisar os seus dados, vale a pena tocar no tempo que deve reservar para esta tarefa na sua rotina de trabalho.
O nosso inquérito descobriu que as empresas com mais empregados tendem a realizar análises de dados aprofundadas várias vezes por semana – em comparação com empresas com 1-5 empregados, que só mergulham nos seus dados várias vezes por mês:
As más notícias? Não há aqui uma resposta “certa”. Desde que esteja a analisar dados com frequência suficiente para apanhar (ou prevenir) problemas no futuro, está na linha certa.
Pensamentos finais
Como pode ver, a análise de dados não deve ser duas palavras que façam os dedos dos pés enrolar, como resume Lauren Pope de G2: “Os dados não nos podem dizer nada se não dedicarmos tempo a analisar”
Vasculhar os seus relatórios é uma óptima forma de encontrar tendências que o possam ajudar (ou aos seus clientes) a melhorar, tornando-o um pequeno investimento de tempo para as vantagens que obterá em troca.