Gartner:你的營銷團隊需要數據科學家嗎?

數據分析

為什么很多公司(這些公司既包括谷歌、領英、滴滴這樣的大公司,也包括很多創業的中小公司)需要數據科學來解決營銷問題?

 

拿計算機經銷商為例,它們希望通過專注于更有可能達成的交易使銷售團隊更有效率,建立了內部模型以獲得潛在客戶并縮短銷售周期。數據科學在為銷售團隊提供優勢方面發揮了關鍵作用。

 

當電子商務時尚品牌想提高其網站的轉化率時,它會建立基于過去購買數據的推薦系統,這其中,數據科學在提高ROI上同樣發揮了關鍵作用。

 

就像這些實例所展示的這樣,數據科學能解決很多營銷問題——這意味著營銷人員必須了解數據科學方法的基礎,以及如何最好地將數據科學家跟自己的團隊和項目聯系起來。

 

Gartner 負責營銷的研究副總裁 Martin Kihn 指出:“許多營銷人員被要求掌握基本的數據科學方法,與數據科學家和分析團隊進行溝通,評估項目和機會。”

 

Kihn提出了下面的數據科學基礎知識框架,來幫助營銷人員改善與數據科學家的協作和結果產出。

數據科學基礎

營銷中的數據科學是一個混合學科它涵蓋了統計學,數學和計算科學,甚至包括了網絡理論,地理和神經科學的要素。數據科學的存在是為了解決業務問題,在營銷背景下,它要求對業務需求的深刻理解。這種技術使得營銷人員能夠從任何形式和規模大小的數據中獲得有用的洞察。數據科學跟大數據不一樣的地方在于,大數據側重于基礎設施,存儲和處理。

數據科學家們做什么

一般來說,數據科學家探索數據,進行預測和體系研究。營銷數據科學家的典型任務提供包括:

 

衡量:確定營銷和廣告活動的影響

優化:提供戰術或支出更改建議以改善結果

實驗:設計并執行測試來發現瓶頸

分割:識別客戶和潛在客戶的群組以及子群組

模型:構建預測性的計算機模型來提高響應速率

表達:傳達來自數據的消息,以激勵更好的決策

 

數據科學家在三個領域工作。

 

數據探索是指數據科學家使用統計和可視化技術來尋找數據中的模式,而可視化、圖表和儀表盤是營銷人員的探索方式。

 

數據實驗應用實驗設計方法在受控條件下開發并測試假設,A/B測試和多變量測試是常見的數據實驗。

 

最后,機器學習是應用算法來建立模型并進行預測。預測模型和聚類是機器學習的實例。

如何與數據科學家一起工作

要記住定量分析技能,行業知識,尤其是好奇心是一名優秀的營銷數據科學家的特質。為數據科學家提供在工作中學習的機會,探索挖掘利用他們的好奇心的方法。不要把數據科學家拖進不明確的問題里,市場分析師需要協助權衡并定義精確的業務需求。

 

跟公司內部和代理機構的分析師和數據科學家建立開放和協作的關系,來確保他們了解你嘗試解決的問題。在越來越依賴于數據驅動決策的世界里,要關注分析師提出的警告,他們通常知道建議的可靠與否。

 

“繼續加深對數據科學的潛力和局限性的欣賞,” Kihn 說“它將提高你的計劃的有效性和效率。”
本文由吆喝科技編譯自:http://www.gartner.com/smarterwithgartner/does-your-marketing-team-need-a-data-scientist/

3898 Views
即刻實踐文章理論 A/B測試 灰度發布 產品優化 免費申請
Please wait...

訂閱我們

對于每位訂閱讀者,每兩周,吆喝科技會為您發送4篇精選文章,可能是最新的A/B測試實踐,也會是你所期待的增長干貨。
qq宠物捕鱼大师 时时彩后二计划免费 中信彩票下载 河南麻将规则 重庆时时现场开奖视频 江苏快3中奖助手 通比牛牛平台手机版 组选包胆教程后三 8八大胜 时时彩平台代理 合乐888注册登录网页版