作为数字营销人员，报告和数据分析不可避免地占用了我们大量的时间。
然而，即使是经验丰富的营销人员在查看数据和做出决策时也可能会犯一些常见的错误。
您需要留意可能导致查看错误数据、得出错误结论或为客户或老板的错误解释敞开大门的错误。
在本文中，您将了解数字营销人员在分析数据时常犯的 10 个常见错误：
- 没有考虑具有统计意义的时间范围。
- 不考虑季节性因素。
- 忽略线下活动的影响。
- 不考虑多渠道参与。
- 报告数字而不得出结论。
- 关注错误的 KPI。
- 根据错误数据做出决策。
- 不合并后端数据。
- 数据可视化效果不佳。
- 假设你可以测量一切。
1. 不关注具有统计意义的时间范围
许多企业都会在一周或一个月内看到潜在客户数量的起伏，仅查看几天的数据通常无法准确反映长期投资回报率。
如果您的目标是每月平均产生 100 个合格的潜在客户，那么您可以通过每周获得 10 个潜在客户并在接下来的三周中每周获得 30 个潜在客户来实现该目标。
很少有企业会每天或每周看到完全相同数量的潜在客户。
如果您仅根据第一周来判断预计表现，您可能会认为潜在客户量异常低。然而，该账户仍然达到了每月 100 条线索的目标，并且未来几周的数量将会增加。
许多企业主和首席营销官（这是可以理解的）与数字和监控每日/每周的结果息息相关。
营销人员应该帮助提供更广泛的背景，以最大程度地减少当月销售额上升时当天数字下降的担忧。
2. 不考虑季节性因素
考虑时间范围的另一部分是牢记季节性因素。
电子商务企业可能会在黑色星期五前后迎来最大的销售期，而 B2B 企业可能会在假期前后看到销量下滑。
过去几年的数据有助于了解哪些月份的交易量往往最高和最低。
您应该考虑直接来自 Google Analytics 和广告平台的数据，以及整体后端销售/潜在客户数据。
3.忽略线下活动的影响
不幸的是，我们可能都熟悉可能影响全球企业的“前所未有的事件”。回顾 2020 年，绝大多数企业的图表并不遵循“正常”模式。
除了 2020 年发生的事件之外，许多公司的业务也会因外部因素而起伏不定。
例如，当天气趋向极热或极冷时，暖通空调业务可能会看到咨询量增加。当 SaaS 企业最大的竞争对手提高价格时，人们的兴趣可能会增加。
密切关注任何可能表明商业兴趣增加或询问减少的可能性的新闻和事件。
不幸的是，企业也可能会遇到负面新闻，这可能会对人们想要购买的整体可能性产生不利影响。
进行传统广告的品牌在投放电视广告时还应该关注品牌搜索活动和整体领先指标的影响。线下广告通常会影响用户转向他们的设备以进一步与品牌互动。
4. 没有考虑多渠道参与
营销人员可能会非常关注某个特定渠道——无论是有机搜索、付费搜索、Facebook 广告还是 LinkedIn 广告——并痴迷于让该渠道发挥作用。
然而，没有一个渠道是完全独立运作的，因为没有网络用户严格使用单一渠道。
不幸的是，默认为最终点击归因的分析和广告平台往往会加剧这个问题。
营销人员严格关注推动销售线索的最终来源和营销活动，而没有考虑到用户可能进行了非品牌搜索、点击了 Facebook 广告，然后在最终转化之前进行了品牌搜索。
要摆脱纯粹的最终点击心态，请注意 Google Analytics（分析）多渠道路径部分中的辅助转化和转化路径。
此外，还可以使用 Google Ads 的归因部分来比较不同的归因模型。
5. 关注错误的 KPI
您已经整理了您认为完美的数字营销报告。转化次数和转化率上升，而转化成本下降。您的营销活动正在压垮绩效指标。
您很高兴与客户分享这个消息，气喘吁吁地开始谈论这份报告，而您的客户则第一次看到结果。
但在你能说两个字之前，你的客户就打断了他的问题：“为什么我们的跳出率上升了？为什么点击率下降了？”
在您不知不觉中，对话偏离了您希望关注的积极转化统计数据。
数字营销人员有责任关注与业务利润最直接相关的指标，但次要指标可能会很快分散人们对营销活动最终目标的注意力。
无论是在您自己的优化工作中还是在向客户或老板报告时，请务必将主要重点放在最重要的指标（营销合格的潜在客户、销售等）上，而不是表面指标（如点击率、跳出率、每次点击费用等）上。
虽然在快速变化时您不应该忽略点击率等指标，但您也不应该将主要重点放在针对次要指标的优化上。
6. 报告没有结论的数字
除了报告正确的 KPI 之外，您还需要传达选择这些 KPI 的原因以及它们讲述的故事。
如果您的报告只是没有任何背景的数字和图表表格，那么您的客户或老板只能得出自己的结论。
例如，不要仅仅说转化率上升，而是指出您过去两周开展的春季促销活动已帮助将转化率提高了 5%。讨论什么广告创意最有效。
在展示您从营销活动中学到的知识的同时，还可以根据本轮的效果，对品牌应该为下一次销售测试哪些创意和目标进行评论。
如果性能下降，请讨论季节性或线下事件等可能有助于解释下降的因素。提供上下文可以帮助缓解对下降的图表线的担忧。
7. 根据错误数据做出决策
在开始任何数据分析之前，请确保您的 Google Analytics（分析）配置、广告平台转化跟踪以及您引用的任何其他工具均已正确设置并测量数据。
如果“感谢”页面上的像素未正确触发，您最终可能会漏报转化次数。或者，如果为错误的页面设置了转换规则，您可能会过度报告结果。
此外，建立一个系统来定期检查数据是否正常流动。例如，开发人员可能更新了网站并在此过程中删除了跟踪代码，或者客户可能在没有通知您的情况下更改了页面 URL。
理想情况下，请确保您的客户或开发团队知道在推出任何更改之前通知您。
8. 不合并后端数据
我与几个 B2B 客户合作，他们的销售周期很长，在达成交易之前经常需要多个接触点。
虽然我可能会看到 Google Ads 中跟踪的表单提交，但我不知道个人与销售团队之间的对话进展如何。仅测量初始转化并不能说明全部情况。
正确的 UTM 标记和 CRM 中来源的归属将使您能够衡量潜在客户进入后如何有效地通过销售流程。
最终，通过正确的设置，您应该能够将收入归因于特定的广告系列、关键字和广告。
在电子商务端，查看后端销售数据并将其与您在广告平台和分析中跟踪的数据进行比较。
您可以确定销售或经常性客户，这些客户可以与您运行的营销活动相关联，而不是在广告平台中直接跟踪的内容。
9. 数据可视化效果不佳
图表和图形可以极大地帮助理解复杂的数字集。然而，不小心使用图表可能会误解结果。
例如，请查看以下按月显示转化的饼图：
除了能够看到饼图的某些部分比其他部分稍大之外，这种格式并不能告诉您太多信息。
即使没有可供参考的数字，饼图也无法理想地表示数据每月的变化情况。
相反，请参阅下面的折线图：
通过此图表，您可以查看每个月的大致数字，并能够跟踪随时间的变化。您还可以查明潜在的季节性趋势。
使用图表或图表时，请考虑最能讲述您试图在报告中传达的故事的格式。
10. 假设你可以测量一切
我知道，您正在阅读一篇有关数据分析的文章，因为您希望能够衡量一切。但您并不总是拥有完美的归因，也无法始终确定您投放的每个广告的确切投资回报率。
回到本文前面讨论的主题，您能否完美关联最近发生的戏剧性世界事件对任何特定业务的销售产生了多大影响？
不，尽管您当然可以根据数据得出结论并找到相关性。
由于浏览器和操作系统的持续限制影响着跟踪，每次转化是否都能准确地归因于正确的来源？不。
虽然您应该尽一切努力正确设置跟踪，但您还应该意识到，没有任何分析基础设施能够以 100% 准确的方式表示性能。
在做出基于数据的决策时，要考虑到细微差别，着眼于大局，包括审查总体营销结果以及与特定渠道相关的营销结果。
致力于更好的数据分析
现在您已经回顾了这 10 个常见错误，请仔细思考您自己的数据评估和报告流程。
您正在查看足够重要的数据吗？
您是否考虑了分析和广告平台跟踪之外的事件？
您是否为您的报告提供了足够的背景信息？
在为您的营销活动做出决策以及准备报告时，请注意这些潜在的错误。
因此，您将能够构建更好的报告，并与利益相关者进行更有效的对话，讨论审核结果后下一步该做什么。