为什么营销人员需要像数据科学家一样思考(以及如何去做)

你的公司现在可能不会雇佣数据科学家。你可能不会介意。但是，请考虑一下，如果你没有和数据科学家一起工作，或者至少没有像数据科学家一样思考，那么你就缺少了一些东西:说“我知道”而不仅仅是“我认为”的能力。

内容营销顾问卡特里娜尼尔(Katrina Neal)表示，当你与高管交谈时，这种区别很重要。“如果你走进下一代数据驱动型组织的一个会议，宣布‘我认为这场运动将会成功’，你可能会在同事面前受到羞辱，并被要求离开房间。”

另一方面，如果你带着你所知道的走进去，人们会倾听。他们甚至可能批准你的预算。

Katrina谈到了数据科学的重要性，以及为什么数据科学家需要在智能内容大会(参见此处的演讲)和内容营销世界(参见此处的演讲)上成为营销人员的新朋友。这篇文章总结了她的主要观点。所有图像都来自她的幻灯片。

为什么数据科学在内容营销中很重要？

我喜欢数据科学的这种直白的定义:以一种有助于“让公司做出更明智的商业决策”的方式使用数据“浮现隐藏的洞察力”的实践。

更明智的商业决策来自更好的预测。作为一名营销人员，当你像数据科学家一样思考时，你会做出让股东更高兴的预测，你会让客户更高兴，你会增加对你职业的尊重。您的内容团队做出更好的决策，您为您提出的内容计划建立支持，您的公司从其内容中获得更多价值。

正如NewsCred的尼尔巴洛所说，可预测性是“世界上最大的品牌如何不断取悦华尔街投资者并提高股价。在许多企业中，首席营销官都在接受特别审查，以将营销从成本中心转变为可预测的利润中心。

当你与数据科学家一起工作(或像数据科学家一样工作)时，你建立了预测模型，使你能够说“我知道”而不是“我认为”——这是将营销转变为利润中心的重要部分。

总之，什么是数据科学家？

数据科学家是指精通数学、技术和商业的人，如下图所示:

图像源

数据科学家关心三种类型的分析:

• 描述的
• 预言性的



• 规定的

如今，营销人员如何处理这些类型的数据？

大多数营销人员收集 描述性分析。这些数据是从谷歌分析(Google Analytics)这样的工具中收集的，让我们了解发生了什么——历史结果，如每个链接的成本、点击率等等。看这种数据有点像看自己车的后视镜。

很少有营销人员使用 预测分析。这些数据使人们能够根据历史和实时数据预测最可能的结果。例如，使用预测性销售线索评分可以让您辛苦赢得的营销合格销售线索(mql)在您的销售团队中有一个最好的开端。这有点像使用一个导航应用程序来预测你的汽车的到达时间，随着情况的变化动态更新预测。

规定性分析 将事情提升一个档次，超越今天大多数营销人员的水平。这种分析不仅告诉你可能会发生什么，还告诉你应该做些什么来利用可能发生的事情。这有点像自动驾驶汽车，不仅能预测你的到达时间，还能把你送到目的地。

卡特里娜举了一个营销专业人士和IBM人工智能代理沃森之间模拟互动的例子。营销人员要求沃森制作一些社交媒体广告。在设置广告和收集数据几周后，沃森建议更换点击率低的图像，“基于其他频道同类图像的表现。”

这是一些严肃的规范性分析:一台机器处理一堆数据，从中得出结论，并(以独特的人声)说，“这是你接下来可能想做的事情。”

偷看沃森和营销人员之间对话。虽然这种对话看起来像科幻小说，但它正变得越来越可行。

数据科学家如何帮助你？

数据科学家(或数据科学思维模式)可以帮助您规划内容、优化您创建的内容，并通过使用多种技术和统计模型构建预测模型来衡量您的结果。

规划您的内容

数据科学家可以建立预测模型，使内容营销更加有效。以下是这些模型预测的一些常见情况:

• 目标市场总量(TAM)
• 细分和客户选择
• 需求生成
• 线索评分

提炼你创造的内容

无论你是与数据科学家一起工作，还是培养自己内心的数据科学家，Katrina都强调了测试的重要性。任何领域的科学家都从一个假设开始，然后对照它进行测试，看看他们能学到什么。

你可以做A/B测试，串行测试，或者任何能给你反馈的测试，来决定什么在工作，有多好。

例如，LinkedIn对赞助内容feed中的原生广告——进行了A/B测试，以确定“指南”和“电子书”哪个词表现更好。使用“指南”的帖子有95%的点击率。在类似的测试中，“注册”比“加入”高出165%。

想象一下，有一个词比另一个词表现更好的可量化的确定性，有助于优化您的需求生成引擎。即使是如此简单的数据也能改变内容的性能。卡特里娜是这样说的:

想想你的需求创造漏斗。如果你能调整漏斗每个阶段的百分比，你就能对底部的潜在客户数量产生巨大影响。

测试和学习。测试和学习。这是数据科学家要做的，也是你必须做的，以做出与内容相关的决策，你可以自信而可信地捍卫这些决策。卡特里娜的建议是做好你的功课:“不要依赖通用的内容最佳实践。你需要原创思维和一种“边试边学”的文化，才能找到适合自己的独特蓝图。”

对于一个鼓舞人心的，信息丰富的，相关的故事，请参阅这个增长黑客职位:增长倡议，减少了一半的客户获取成本。它提供了数据科学家与营销团队合作的方式，展示了当营销人员致力于根据他们所知道的而不是他们所想的来做出商业决策时可能发生的事情。

衡量您的结果

为了证明你制作的内容有助于创收，与数据科学家合作，建立一个算法多点触摸内容归因模型。这种模型显示了哪些内容在客户的旅程中被阅读，哪些内容或内容的组合对受众最有效。

这是数字的语言，是你的首席执行官和其他高管理解的语言。正如卡特里娜解释的那样:

当你出席董事会会议时，制定一个营销来源的收入目标，可能是总收入目标的20%或10%。然后走进未来的会议，谈论节奏。我如何实现收入目标？我有多少符合营销条件的销售线索？我有多少符合销售条件的销售线索？我得到了多少预约？并将该成功映射到多点触摸内容属性模型中。那是我们需要对这种对话负责，才能在谈判桌上获得一个成年人的席位。

JavaScript赋予了跟踪这些在线接触点的“魔力”。HubSpot、LinkedIn、SlideShare和脸书等网站使用JavaScript跟踪代码，让你可以“从你的内容到你的网站”跟踪他人

以下是Pawan Deshpande对营销归因是内容营销成功不可或缺的原因的描述:

绝大多数接触点(潜在客户与你的品牌互动的实例)发生在网上。当有人阅读你的博客文章、电子书或信息图，或者观看你的视频时，它们就会发生。营销归因模型使内容营销人员能够更准确地了解他们的内容如何影响购买者，并为他们的工作获得充分的信任。

Katrina认为Bizible在归因模型方面领先，具有很好的教育内容，例如这种线性多触点归因模型:

数据科学家可以帮助构建一个特定于您的组织的算法多点接触归因模型。例如，在思科工作期间，Katrina使用了一个度量仪表板，该仪表板基于通过贝叶斯网络分析从思科数据科学家团队收集的见解。该团队使用网站数据来预测哪些活动或内容会产生销售线索(SQL)。

如何开始

如果您没有所需的数据科学专业知识，以下是一些入门方法:

• 了解哪些数字对你的高管至关重要。
• 选择衡量内容表现的方式。
• 雇佣一个数据科学家或者探索一个预测建模SaaS平台。

了解哪些数字对你的高管至关重要

我们都知道商业语言是数字的语言。我们知道，高管们听到这三个字就心软了:投资回报。然而，对于许多内容营销人员来说，很难以有效的方式将数据带入对话。

首先，Katrina建议营销人员熟悉这些术语:ROMI和CLTV。

ROMI(营销投资回报) 与ROI不同，ROI在技术上仅适用于企业资产被出售的情况。查看这个在线ROMI计算器。只要你有可以直接与营销活动联系在一起的成本和销售额，就用ROMI术语来谈论。卡特里娜给出了这个公式:

ROMI =增量净利润(额外收入减去额外成本) ÷ 活动成本x 100%

CLTV(客户终身价值) 表明客户或顾客一生中对你公司的价值。这个数字表示你的公司在获得每个客户时应该投资的最大金额。卡特里娜分享了这个公式:

CLTV =每个用户的平均收入x生命周期x毛利润(总收入与商品销售成本的比率-提供服务的成本)

要想出ROMI、CLTV和类似的数字，请数据科学家或自己计算。“事情可能会变得复杂，”卡特里娜说。“我想嵌入的是一种心态的改变。我们都可以带着负责任的心态投入工作。”

选择衡量内容性能的方式

当谈到衡量内容表现时，Katrina建议营销人员努力创建一个多点接触算法归因模型，如上所述。她向你保证，这种模式是你力所能及的，尽管决定跟踪哪些与内容相关的数字并不容易。

她还提到了UTM参数，这些参数是你构建到URL中的组件(代码或标签),出现在问号后面的一个长字符串中。UTM参数使您能够跟踪用户行为。它们提供了一种方法来查看有多少访问者从另一个页面访问了一个页面——无论是您自己的页面还是您提供链接的第三方网站的页面。当你的链接被点击，参数被发送到谷歌分析。

在设计您的度量标准时，要考虑的主要事情是您想要对结果做什么。

雇佣一名数据科学家或探索一个预测建模SaaS平台

如果你能雇佣一名数据科学家，那就这么做吧。如果不能，探索一个支持预测建模的SaaS平台。这些平台充当盒子中的数据科学家，即数据科学即服务。

以下是这一领域的一些公司:

结论

CMWorld的另一位主持人Alicianne Rand在她的演讲(雅诗兰黛公司如何通过内容营销推动销售)中总结了Katrina的主要信息，“我知道的所有最好的现代营销人员都知道如何看待数据。他们不需要成为数据科学家，但他们知道如何提出正确的问题。”

正如卡特里娜所说，“最好的一点是，我们任何人都可以像数据科学家一样思考。”

你在哪些方面像数据科学家一样思考？请在评论中告诉我们。