數位行銷最有吸引力的部分之一是對數據的內在關注。
如果一項策略往往有正面的數據來圍繞它，那麼它就更容易採用。 同樣，如果某種策略未經證實，就很難獲得嘗試的承諾。
數位行銷人員建立對數據的信任的主要方式是透過調查。 這些研究通常分為兩類之一：
- 軼事：數據點數量有限，但通常有關單一機制的更多詳細資訊。
- 具有統計顯著性：大量資料點（通常超過 100 個），由於要分析的實體量很大，因此可能需要進行更簡單的分析。
兩組數據在製定數位行銷策略中都佔有一席之地。 這就是為什麼過度依賴其中之一是危險的。
作為一個曾在能夠發布兩種類型資料集的組織中工作過的人，以及兩者的狂熱消費者，我認為深入研究以下內容會很有用：
- 每種研究類型的最低標準。
- 品牌可以從這兩種類型的研究中獲得什麼價值？
- 如何建立自己的研究。
這篇文章將探討一些跨越數位行銷學科的不同研究。
這是因為管理軼事（較小的數據）和統計顯著性（大數據）的基本原則在各個行銷學科中非常相似。
每種研究類型的最低標準
人們在進行研究時常犯的一個錯誤是認為資料量是使研究有價值的唯一標準。
是的，有大量數據固然很好，但還有其他關鍵因素：
- 考慮了多少變數？
- 對於異常值/多餘變數有哪些緩解措施（如果有）？
- 這項研究能否用數據和事實來回應批評者？ 情感？
無論您是關注軼事研究還是具有統計意義的研究，這三項都是最低要求。 然而，也有一些特定於研究的標準。
軼事研究
當查看較小的資料集（即少於 10 個帳戶、少於一年的資料等）時，調查您想要嘗試的任何事情之前和之後的影響的壓力會更大。
人們會想要盡可能多的細節，因為研究通常會顯示針對帳戶/品牌採取的特定行動的結果。
這意味著螢幕截圖至關重要。 如果你不能準確地表明發生了什麼，你就不會被認真對待。
但是，螢幕截圖並不要求您透露您所服務的客戶。 過濾品牌名稱絕對合理。
忽略重要的基準、指標以及一項計劃是否具有「不公平的優勢」（大預算、品牌活動等）則不然。
軼事研究的一個很好的例子是分析幾個月內的變化的影響。 威爾·奧哈拉 (Will O’Harra) 的這張圖表顯示了「粉絲」網站與知名網站相比網站流量的變化。
圖片由 Will O’Harra 拍攝，2023 年 11 月在這項研究中，我們可以看到，由於品質內容標準的變化，原本流量較低的網站出現了巨大的成長。 這是一項軼事研究，因為它只檢查了五個地點。
大數據研究
人們不能原諒軼事研究中缺乏細節，而大數據研究則更寬容一些。
這是因為他們的主要衡量標準是談論特定趨勢的帳戶數量。 然而，這並不意味著大數據研究不受審查，只是注意力集中在不同的事情上。
大數據的納入標準必須非常嚴格。 包含的實體必須彼此盡可能靠近。
此外，大數據研究通常需要許多實體。 如果您想對特定趨勢發表評論，則需要有足夠的數量來支持該主張。
例如，在我對 Google 配對類型和出價策略的 Optmyzr 研究中，我們納入了來自不同國家的約 2,600 個帳戶。 （免責聲明：我為 Optmyzr 工作。）如果我們對標準更加寬鬆，我們本可以包含更多帳戶。
品牌可以從這兩種類型的研究中獲得什麼價值
只專注於一種類型的研究可能很誘人。 然而，兩者都有自己的地位，並且可以為有意義的客戶策略提供資訊。
大數據有助於理解可能影響您帳戶的一般概念和趨勢。 這些將成為指導原則，例如：
- 哪種結構選擇最有可能成功？
- 將內容生成工作的重點放在哪裡。
- 人們如何花錢？
- 何時在買家管道中使用哪種類型的訊息？
這些類型的學習的有用之處在於它們為您提供了策略的良好起點。 它們對於檢查您的理智也很有用。
例如，傑出的 Mike Ryan (SMEC) 進行了一項關於成功的 PMax 行銷活動需要多少轉換次數的研究。 雖然這些數據在所有情況下都很有用，但了解它基於 14,000 個行銷活動會很有幫助。
圖片由 Mike Ryan (SMEC) 拍攝，2023 年 11 月從這些數據中我們可以看出，為了取得不錯的效果，我們的 PMax 廣告系列應該在 30 天內獲得至少 60 次轉換。
如果不能，則值得評估其他類型的活動。 一個帳戶很有可能在本研究結果之外取得成功，但它們將是一般規則的異常值。
同樣，聰明又有趣的格雷格·吉福德（搜尋實驗室）對 Google 公司簡介清單進行了一項研究，以評估「最佳實踐」是否真的經得起審查。
他和他的團隊分析了 1,000 家經銷商，發現一些最佳實踐是正確的，而另一些則是相關性而非因果關係。
軼事研究會更好地為你提供「狂野和瘋狂的想法」來嘗試。 它們也非常適合風險承受能力強的人探索新興趨勢。
如何建立自己的研究
研究創建歸結為了解研究的範圍以及它的可重複性。 如果您只進行一次研究，那麼它並沒有多大用處，因為趨勢總是在變化。
此外，如果您的範圍太窄或太寬，您可能會掩蓋數據或無法完全解決重要問題。
確保你的假設有被證明是錯誤的空間。
如果不採取預防措施，數據就可以說明一切。 對於所包含的內容及其原因保持嚴格的指導方針至關重要。
更多資源：
特色圖片：謝爾蓋尼文斯／Shutterstock
