بازاریابی در دوران مدرن یک چیز خنده دار است. در حالی که ردیابی کمپین های بازاریابی تحت وب بسیار راحت تر از مبارزات سنتی است ، اطلاعات بسیار زیادی در دسترس است که افراد می توانند در جستجوی داده های بیشتر و 100٪ اطلاعات دقیق فلج شوند. برای بعضی از افراد ، میزان وقت صرفه جویی شده با اینكه می توانید به سرعت به تعداد افرادی كه طی یك ماه تبلیغات آنلاین خود را مشاهده كرده اند ، پی برد ، با توجه به زمانی كه آنها سعی می كنند ببینند كه چرا تعداد منبع ترافیك آنها به طور كامل جمع نمی شود ، نفی می شود.
علاوه بر عدم توانایی برای داده های کامل ، مقدار داده ها نیز نگران کننده هستند. در حقیقت ، موارد زیادی وجود دارد که گاهی اوقات دیدن جنگل برای درختان دشوار است. آیا لازم است نرخ پرش یا نرخ خروج را بررسی کنم؟ مطمئناً ، هزینه صفحه یک داده ارزشمند است ، اما آیا متغیرهای بهتری وجود دارد که بتواند مدل یک صفحه محتوای معین را برای تکمیل یک هدف آنلاین ارزیابی کند؟ س questionsالات بی پایان و پاسخ ها نیز هستند. ممکن است یک متخصص به شما بگوید ، "این فقط بستگی دارد" ، اما شخصی که سرش را در مه دیجیتال قرار داده است علم تجزیه و تحلیل ممکن است فکر کند که یک مجموعه کامل از اعداد وجود دارد اگر آنها فقط همه آنها را بررسی کنند.
در هر دوی این زمینه ها ، پاسخ آسان است - با نقص کار را انجام دهید زیرا داده های کامل و / یا داده های کامل غیرممکن است. یکی از بچه هایی که خیلی خوب در این مورد صحبت می کند Avinash Kaushik است. اگر نام آن را نمی دانید ، او یک هنرمند پرفروش نیویورک تایمز است ، یکی از افراد برجسته گوگل و در هیئت مدیره چندین دانشگاه است. وبلاگ او ، Occam's Razor ، طلای خالص برای تحلیلگر داده های امروزی است و من اخیراً با یکی از پست های قدیمی او روبرو شدم ، یک فرایند 6 مرحله ای برای تکامل مدل ذهنی خود. در آن ، وی این ایده را توصیف می کند که هیچ مجموعه داده کاملی وجود ندارد و افراد باید راهی بسیار ساده تر به "داده های فضیلت" را دنبال کنند.
از بین تمام نکات بزرگی که او بیان می کند ، نکته ای که بیشتر از همه برجسته است:
job کار شما به داده هایی با 100٪ صداقت در وب بستگی ندارد. شغل شما به کمک به شرکت شما در حرکت سریع و هوشمند فکر کردن بستگی دارد.
دفعه بعدی که Analytics را بارگیری کردید ، فقط بخاطر داشته باشید که اگر با داده های خوبی کار می کنید و بهترین روش ها را دنبال کرده اید ، باید آماده تصمیم گیری در مورد نحوه حرکت به جلو باشید. از آنجا که صرف نظر از تلاشهای عظیم الجثه شما ممکن است در جستجوی داده های کامل و کامل به کار بگیرید ، زمانی که شما برای انجام این کار صرف می کردید ممکن است صرف کار در نرخ تبدیل ، ایجاد آزمون تقسیم جدید و غیره شود. شما می دانید مواردی که به شرکت شما کمک می کند رشد کنید و شغل خود را حفظ کنید.
می خواهید مکالمه ای را شروع کنید؟ در توییتر با من تماس بگیرید sharpguysweb.
