Marketing oparty na danych zajmuje dużą część procesu decyzyjnego w firmach z różnych branż. Agencje i ich klienci nie mogą sobie pozwolić na pozostawanie w tyle w wyścigu o coraz większą precyzję, nawet gdy ilość i złożoność danych stale rośnie.
Jednak analiza danych i opowiadanie historii również ewoluują. Teraz decydenci mogą uzyskać precyzyjne, przydatne dane bez konieczności korzystania z wyspecjalizowanych specjalistów ds. danych lub kosztownych i skomplikowanych integracji danych.
Załóżmy, że jesteś strategiem lub menadżerem projektu prowadzącym wieloaspektową kampanię, która zaczęła tracić konwersje w stosunku do KPI kampanii, tuż przed podjęciem przez klienta decyzji o przedłużeniu umowy z Twoją agencją.
Masz budżet i czas, aby zaradzić spadkom wydajności, ale nie wiesz, gdzie wydać zasoby na odświeżone zasoby. Korzystasz z wielu różnych odmian generowania leadów, więc oczywiście musisz przyjrzeć się przekrojowi danych, aby zobaczyć, skąd pochodzi spadek.
Bez dzisiejszych szybkich i wydajnych zastosowań łączenia danych byłbyś w trudnym położeniu. Aby szybko zebrać i przeanalizować liczby, musiałbyś albo skorzystać z zasobów zespołu ds. danych swojej agencji, albo zająć się tym samodzielnie.
Żadne z rozwiązań nie wymaga optymalizacji, zwłaszcza gdy masz mnóstwo innej pracy do wykonania. Na szczęście masz dostęp do narzędzi, które ułatwiają łączenie danych.
Przyjrzyjmy się bardziej szczegółowo mieszaniu danych, jego działaniu i korzyściom, jakie przynosi agencjom.
Co to jest łączenie danych?
Mieszanie danych to metoda łączenia dwóch lub więcej zestawów danych i wizualizowania wyników w sposób, który nie łączy fizycznie ani nie zmienia oryginalnych danych.
Mieszanki korzystają z kodu zewnętrznego (na przykład z narzędzia analitycznego lub analizy biznesowej) w celu oddzielnego wysyłania zapytań do źródeł danych, a następnie łączenia danych tylko do odczytu w dowolne wizualizacje, które umożliwia to narzędzie.
Podejście to łączy dane ze znacznie większą elastycznością i szybkością niż inne metody łączenia danych do analizy.
Czy łączenie danych jest tym samym, co integracja danych?
Mieszanie danych jest często mylone z integracją danych, ale istnieje między nimi zasadnicza różnica. Integracja danych fizycznie łączy wiele danych w jedną bazę danych lub plik. Można tego dokonać za pomocą procesów potoku danych, takich jak ETL (wyodrębnianie, przekształcanie, ładowanie), które wyodrębnia dane z wielu źródeł, przekształca je do wspólnego formatu, a następnie ładuje do pojedynczej bazy danych.
Z drugiej strony łączenie danych nie łączy fizycznie zbiorów danych. Zamiast tego wykorzystuje proces zwany „wirtualizacją”, który umożliwia jednoczesne przeglądanie wielu różnych danych w celu analizy. Wirtualizacja tworzy wirtualną kopię danych, którą można wykorzystać do analizy bez faktycznej zmiany oryginalnych zbiorów danych.
Łącznie łączenie danych różni się od integracji danych pod kilkoma ważnymi względami, które podsumowano poniżej:
Rodzaje łączenia danych
Chociaż łączenie danych nie różni się zbytnio w zależności od typu, istnieje kilka różnych sposobów łączenia danych za pomocą narzędzia analitycznego i/lub analizy biznesowej (BI). Różnica polega na tym, jak możesz poinstruować narzędzie do wizualizacji danych, aby łączyło dane w mieszance.
Nie czyniąc tego zbyt skomplikowanym, łączenie to operacja, dzięki której połączone źródła danych są ustawiane tak, aby były ze sobą powiązane w celu analizy w mieszance.
Na przykład złączenia wewnętrzne są używane, gdy chcesz dopasować wiersze z dwóch tabel na podstawie wspólnych wartości. Załóżmy, że masz dane ze Stripe z adresem e-mail i pasującym wierszem z Hubspot z tym samym adresem e-mail. Sprzężenie wewnętrzne pasowałoby do tych danych, ponieważ oba mają ten sam adres e-mail. Sprzężenie zewnętrzne łączy zestawy danych, nawet jeśli nie mają one pasujących wartości we wspólnej kolumnie klucza. Można na przykład połączyć zewnętrzne dwa zestawy danych zawierające dane o ruchu w witrynie, nawet jeśli wiele adresów URL zmieniło się z biegiem czasu w miarę publikowania nowych treści klientów, wpisów na blogu itp.
Przeglądając poniższy diagram, wyobraź sobie dane w wierszach i kolumnach, jak w arkuszu kalkulacyjnym. W każdym razie tak to jest zorganizowane!
Jak wygląda proces łączenia danych?
Dobra wiadomość dla każdego, kto zakręciło się w głowie po przeczytaniu powyższej sekcji, jest taka, że rodzaj łączenia danych stosowany przez większość agencji zostanie wykonany za Ciebie przez Twoje narzędzia analityczne, systemy BI i narzędzia do raportowania.
Chociaż przydatne jest zrozumienie, w jaki sposób powstają te dane wyjściowe, procesy te najczęściej będą wyglądać na łatwiejszą, szybszą wersję bardziej złożonej pracy, którą dedykowany analityk danych może wykonać w przypadku większych złączeń/integracji.
PODSTAWOWA STRUKTURA ŁĄCZENIA DANYCH
KROK 1: Zbiera dyskretne lub ciągłe dane z różnych źródeł, takich jak ponad 80 integracji dostępnych z SimplyTrends
KROK 2: Wykorzystuje narzędzia wizualizacyjne do łączenia danych, co pozwala tworzyć konfigurowalne pulpity nawigacyjne.
KROK 3: Generuje wyniki do analizy i automatycznego raportowania dla klientów.
Jeśli ciekawi Cię, jak dzieje się ta magia, przyjrzyjmy się bliżej, jak działa łączenie danych. Poprawne wykonanie każdego z powyższych kroków wymaga nieco więcej pracy za kulisami.
Jak działa łączenie danych?
Załóżmy, że chcesz automatycznie monitorować wydatki na reklamę na różnych platformach (i źródłach danych) w ramach kampanii klienta. Możesz też połączyć je, aby poznać całkowity koszt na wszystkich platformach, aby mieć pewność, że mieścisz się w budżecie i/lub aby poinformować o realokacji.
Po połączeniu danych (na przykład za pomocą łączenia danych) możesz użyć narzędzia analitycznego do pobrania danych dla każdej platformy i połączenia poszczególnych źródeł w celu pomiaru w całej grupie.
Żadne zestawy danych nie są łączone, ale nasze narzędzie utworzy wizualizację porównującą pojedynczy wspólny wskaźnik lub zestaw wskaźników ze wszystkich źródeł.
Bardziej wszechstronne narzędzie, takie jak narzędzie do raportowania PPC SimplyTrends, umożliwia wykonywanie takich obliczeń na bieżąco.
Ponieważ dane są mieszane, a nie integrowane, analizy pozostają elastyczne w przypadku nowych lub bardziej złożonych kombinacji, takich jak automatyczne dodawanie znaczników PPC agencji. Są również zautomatyzowane w celu raportowania klientów na żądanie lub według harmonogramu.
Dlaczego łączenie danych jest ważne?
Łączenie danych stało się niezbędnym narzędziem dla agencji, głównie ze względu na elastyczność w przetwarzaniu dużych zbiorów danych, a także łatwość i szybkość, z jaką umożliwia analizę kampanii.
Chcesz połączyć wszystkie wydatki swojego klienta na płatne wyszukiwanie w Google Ads i Microsoft Ads i porównać je z płatnymi reklamami w mediach społecznościowych w reklamach na Facebooku i LinkedIn Ads? A potem trochę organicznych danych z Google Analytics 4 i LinkedIn Analytics? Mieszanie danych zrobi to za Ciebie.
Skuteczne zarządzanie kampaniami zależy od zwinnych i aktualnych danych.
Łączenie danych umożliwia liderom sprzedaży i marketingu oraz innym interesariuszom organizacji szybkie generowanie wnikliwych raportów i pulpitów nawigacyjnych, które pozwalają na szybkie podejmowanie decyzji, które mogą polepszyć lub przekroczyć ambicje kampanii. W przeciwieństwie do integracji danych, Twoi klienci lub współpracownicy nie muszą czekać, aż zrobi to analityk danych lub inny specjalista.
Innym przykładem łączenia danych w działaniu może być nasze narzędzie do raportowania SEO. Łączy w sobie wszystkie kluczowe aspekty programu bezpłatnych wyszukiwań, takie jak rankingi, ruch, wyniki audytu witryny, linki zwrotne i inne z różnych źródeł, w tym Google Analytics, Google Search Console, narzędzia audytu witryny i moduły do śledzenia rankingu.
W ten sposób Twoja agencja przedstawia pełny obraz rozwoju SEO klienta w ciągu kilku minut, a nie godzin (lub dni), jakie mogło zająć, zanim udostępniono automatyczne łączenie danych.
Warto wziąć pod uwagę także moc solidnego systemu do łączenia i analizowania danych.
Możliwość szybkiego łączenia różnych źródeł danych umożliwia również większe eksperymenty i innowacje, ponieważ zapewnia decydentom sposoby szybkiej i łatwej wizualizacji relacji danych pomiędzy różnymi częściami kampanii, nawet poza oryginalnymi wskaźnikami lub wskaźnikami KPI.
Krótko mówiąc, może pomóc zainteresowanym stronom w odnalezieniu nowych obszarów wzrostu.
Korzyści z łączenia danych
Łączenie danych ma wiele zalet w porównaniu z innymi typami relacji danych (takimi jak integracja danych). Biorąc pod uwagę je wszystkie razem, łatwo zrozumieć, dlaczego łączenie stało się tak popularne w środowisku konkurencyjnym dla agencji i ich klientów.
1. Prędkość
Jak już wspomniano, agencje zajmujące się łączeniem danych szybko kompilują odpowiednie dane, bez konieczności długiego oczekiwania na przetwarzanie lub pracy poza działami.
2. Łatwość
Dzięki odpowiednim narzędziom analitycznym i/lub BI łączenie danych zapewnia dużą moc przy stosunkowo niskim wzroście lub koszcie (więcej o tym za chwilę).
3. Elastyczność
Ponieważ źródła danych nie muszą być fizycznie łączone i można je łatwo ponownie łączyć i eksperymentować z nimi w locie, łączenie danych doskonale sprawdza się w przypadku zapracowanych agencji, które często muszą szybko zmieniać działania w ramach kampanii i między nimi.
4. Koszt
Ponieważ mieszane źródła danych są mniej procesowe i pracochłonne niż integracja danych, koszty są zwykle ograniczone do rozsądnych opłat za źródła danych, oprogramowanie i pracę dowolnej osoby w organizacji zajmującej się sporządzaniem raportów. Ta osoba nie będzie potrzebowała tak dużej wiedzy technicznej, jak dziesięć lat temu, kiedy łączenie danych było procesem bardziej intensywnym.
5. Konsolidacja
W organizacjach klientów, a nawet w samej agencji silosowanie danych to problem, który może blokować przejrzyste raportowanie i analizy. Dzięki mieszaniu danych rozbijanie silosów staje się znacznie łatwiejsze. Do łączenia źródeł wystarczy prosty dostęp (w przeciwieństwie do śledzenia nazw użytkowników i haseł na wielu kontach klientów).
6. Wpływ na przychody
Gotowy, regularny i szybki dostęp do przydatnych danych umożliwia agencjom inteligentniejszą obsługę i doradzanie klientom, co często skutkuje wyższymi przychodami z kampanii. To przede wszystkim powód, dla którego tu jesteśmy!
Ograniczenia łączenia danych
Pomimo mocy i popularności łączenia danych, istnieje kilka ograniczeń tej praktyki, o których warto pamiętać.
1. Głębokość
Wykazano, że łączenie danych staje się problematyczne, gdy liczba źródeł danych zaczyna się kumulować. Może to dotyczyć także dużych ilości danych w ramach jednego źródła, np. tysięcy nowych abonentów w danym miesiącu. Próba połączenia takiej ilości danych na bieżąco może prowadzić do błędów i przekroczeń limitu czasu.
Jednak gdy to nastąpi, wszelkie problemy, których doświadczysz, mogą wynikać z ewolucji łączenia danych w kierunku podejścia bardziej dostosowanego do integracji danych. W tym momencie musisz zdecydować, czy pozwoliłeś, aby Twoje analizy stały się zbyt złożone, czy też warto poświęcić dodatkowy czas i pieniądze, aby uzyskać bardziej zaawansowane analizy.
2. Kontrola
W przypadku łączenia danych możesz nie mieć kontroli nad wieloma (lub nawet większością) źródeł danych. Chociaż rozsądne może być oczekiwanie, że dane z Google lub Meta zaspokoją większość Twoich potrzeb, ostatecznie wszelkie błędy z zewnętrznego źródła danych, które przedostaną się do Twoich zestawień danych, będą wymagały szczególnej uwagi. Podobnie, jeśli źródło nie agreguje w łatwy sposób kluczowych danych, które z jakiegoś powodu należy połączyć, należy rozwiązać ten problem przed skonsolidowaniem wszystkiego w narzędziu analitycznym.
3. Przetwarzanie
Chociaż łączenie danych umożliwia przetwarzanie i dostarczanie analiz, eksportowanie nowego zestawu danych w celu dodatkowego przetwarzania jest bardziej skomplikowaną propozycją. W przypadku zaawansowanych aplikacji można zastosować dodatkowe, specjalistyczne oprogramowanie do zaawansowanych zastosowań i/lub zatrudnić ekspertów. Jednak w tym momencie ponownie odchodzisz od bardziej ukierunkowanego na agencje stosowania łączenia danych i być może do strategii na poziomie organizacji. Mimo to należy pamiętać o tym ograniczeniu, rozważając nietypowe wykorzystanie danych.
Kluczowe etapy łączenia danych z wieloma źródłami danych
Oprogramowanie jest Twoim przyjacielem, jeśli chodzi o łączenie źródeł danych. Oto ogólne kroki wymagane do rozpoczęcia:
1. Ustal swoje cele
Zanim zaczniesz mieszać dane, zdefiniuj, co chcesz wiedzieć i dlaczego. Pamiętaj, że im bardziej złożone są Twoje cele dotyczące danych, tym bardziej możesz znaleźć się poza polem łączenia danych.
Wskazówka agencji: nie próbuj za pierwszym razem rozwiązywać wszystkich problemów związanych z danymi na świecie i skup się na tym, czego potrzebuje Twoja agencja, aby ulepszyć raportowanie klientów i skalować agencję.
2. Uzyskaj wszystkie istotne źródła danych
Najczęściej będzie to miało formę integracji z wybranym przez Ciebie oprogramowaniem analitycznym i/lub BI. Automatyzacja oprogramowania z wiodących platform reklamowych, CMS, eComm i platform detalicznych sprawiła, że pozyskiwanie danych stało się stosunkowo łatwe i proste. Mimo to integracje wymagają konserwacji i zawsze należy wziąć pod uwagę wewnętrzne zasoby klienta (jeśli ma to zastosowanie), dlatego przed połączeniem sprawdź wszystko.
Wskazówka agencji: podczas tworzenia pierwszych zestawień danych lub metryk niestandardowych zostaw trochę czasu na rozwiązywanie problemów. Chcesz mieć pewność, że te formuły są poprawne od samego początku, zamiast poprawiać je później.
3. Upewnij się, że wszystkie dane są czyste
Niezależnie od tego, czy pochodzą one ze źródeł wewnętrznych (większa kontrola), czy ze źródeł zewnętrznych (mniejsza kontrola), potrzebne będą czyste dane, które można łatwo porównać. Zduplikowane informacje, błędnie oznakowane identyfikatory lub niekompletne zestawy danych w źródłach mogą szybko skomplikować sprawę.
Wskazówka agencji: Większość integracji z dużych, renomowanych źródeł powinna działać dobrze przez większość czasu. Upewnij się, że Twoje własne źródła wewnętrzne odpowiadają tej czystości.
4. Dołącz do swoich danych
Ten proces będzie się różnić w zależności od używanego oprogramowania. Za chwilę przeprowadzimy Cię przez dwie popularne opcje. Przed dołączeniem do źródeł upewnij się, że dane są tak czyste, jak to możliwe (np. usuń kampanie testowe sprzed czterech lat) i że pasują do siebie w sposób, który pozwoli wykorzystać połączenie danych.
Wskazówka agencji: jeśli przechodzisz z ręcznej metody łączenia danych (np. korzystania z arkuszy kalkulacyjnych) na platformę zautomatyzowanego łączenia danych, dobrym sposobem na wykrycie błędów podczas sprawdzania jest porównanie obu metod w okresie przejściowym.
5. Generuj wizualizacje/raporty
Ponownie, metoda wykonania tej czynności będzie nieco inna w zależności od używanego narzędzia analitycznego lub BI. Jeśli podczas prezentowania wyników wystąpią jakiekolwiek błędy lub podejrzewasz, że coś jest nie tak, wróć do poprzednich kroków i napraw błędy lub określ, gdzie może być potrzebne niestandardowe rozwiązanie.
Wskazówka agencji: Wykresy i diagramy często przedstawiają dane szybciej i łatwiej niż tabela z dużą liczbą liczb. Korzystaj z widżetów, niestandardowych celów i innych opcji wizualizacji, aby pomóc klientom przyswoić kluczowe informacje w krótszym czasie i przy mniejszym wysiłku.
Jak mieszać dane ze Studio danych
Google Data Studio (obecnie Looker Studio) stało się popularnym narzędziem do blendowania. Nie jest to pozbawione ograniczeń, ale nie sposób pominąć zakresu, jaki zapewnia rozwiązanie stworzone przez największą markę w dziedzinie danych reklamowych.
Szybkim i łatwym sposobem łączenia danych w Studiu danych jest zidentyfikowanie dwóch oddzielnych wizualizacji (wykresów), które już utworzyłeś, zaznaczenie ich obu i kliknięcie prawym przyciskiem myszy, aby wybrać „Połącz dane”. W pewnych okolicznościach może to zadziałać, ale prawdopodobnie będziesz musiał zrobić więcej. Typowy proces łączenia danych w Google Data Studio przebiega w następujący sposób:
-
Kliknij „Zasób”, a następnie „Zarządzaj danymi mieszanymi”.
-
Kliknij „Dodaj widok danych”.
-
Wybierz lub wyszukaj pierwsze źródło danych.
-
Kliknij „Dodaj kolejne źródło danych”. W razie potrzeby powtórz tę czynność, aby dodać więcej źródeł.
-
Wybierz klucz (lub klucze) łączenia dostępny w obu/wszystkich źródłach.
-
Wybierz wymiary i dane, które chcesz porównać.
-
Dostosuj/potwierdź ustawienia i zapisz.
-
Twoje nowe połączone źródło pojawi się, gdy wybierzesz „Źródło danych” dla nowych wykresów.
Jest wiele powodów, dla których to potężne i bezpłatne narzędzie jest popularne wśród młodych agencji lub startupów. Jednak z wielką mocą wiąże się znaczna ilość pracy ręcznej, rosnąca sztywność, strome krzywe uczenia się i niepełne raporty.
Jak SimplyTrends różnicuje łączenie danych
AgencjaAnalytics koncentruje się na tym, aby pomiar wyników był jak najbardziej bezpośredni i łatwy. Wiemy również, że szybko zmieniające się agencje wymagają efektywności i dokładności w swoich raportach.
Dlatego łączenie danych w SimplyTrends odbywa się za pomocą POV przedstawiającego metryki.
Zamiast porównywać dane z wewnętrznej dokumentacji projektu z wykresami utworzonymi w czymś takim jak Data Studio, niestandardowy widżet metryk pozwala bezpośrednio przejść do najważniejszych prac – a wszystko to w panelu kontrolnym SimplyTrends.
Aby połączyć dane dotyczące jednego z głównych wskaźników w SimplyTrends:
-
Kliknij „Ustawienia” u dołu ekranu.
-
Kliknij „Dane niestandardowe” i „Utwórz dane”.
-
Kliknij „Utwórz nowe dane niestandardowe”.
-
Wypełnij pola formularza odpowiadające Twoim potrzebom. (Aby uzyskać więcej pomocy na temat tej sekcji, przejdź tutaj.)
-
Kliknij „Utwórz”.
Powtarzaj powyższy proces za każdym razem, gdy chcesz zmierzyć nowy wskaźnik lub zestaw wskaźników na podstawie danych mieszanych.
Po zakończeniu tworzenia niestandardowych wskaźników wystarczy dodać wyniki do dowolnego panelu klienta. Dostępne źródła danych będą zależeć od tego, jakie integracje dodasz do swojego konta z ponad 80 dostępnych platform marketingowych. Oto na przykład kilka najpopularniejszych wskaźników niestandardowych tworzonych przez agencje marketingowe.
Przykład łączenia danych: całkowite wydatki na reklamę
Oceń swoje wydatki na reklamę na wszystkich platformach i kampaniach.
Platformy użyte w tym przykładzie: Microsoft Ads, reklamy na Facebooku, reklamy Google, reklamy na Twitterze i reklamy na LinkedIn.
Metryka:
-
Koszt reklamy firmy Microsoft (analityka kampanii)
-
Wydana kwota na reklamy na Facebooku
-
Koszt Google Ads (analityka reklam)
-
Koszt reklam na LinkedIn
Formuła: Koszt reklamy Microsoft + kwota wydana na reklamy na Facebooku + koszt reklam Google + koszt reklam LinkedIn
Wskazówka agencji: Chcesz zaktualizować dane niestandardowe? Żaden problem, po prostu wybierz niestandardowe dane, które chcesz zmienić, i kliknij przycisk Aktualizuj.
Przykład łączenia danych: współczynnik kosztów i przychodów
Zmierz efektywność swoich wydatków w stosunku do zarobków Twojego klienta.
Platformy użyte w tym przykładzie: Reklamy Google, reklamy na Facebooku, Shopify
Metryka:
Formuła: (Koszt Google Ads (analityka reklam) + wydana kwota na reklamy na Facebooku) / Całkowita sprzedaż Shopify
Aby zapoznać się z ilustracjami bardziej szczegółowych scenariuszy, które możesz uruchomić, zapoznaj się z naszą listą przykładowych formuł.
Podsumowanie i najważniejsze wnioski
Łączenie danych pomaga agencjom ulepszyć raportowanie, optymalizację kampanii i relacje z klientami. Łącząc dane z różnych źródeł, agencje mają pełny wgląd w dane swoich klientów w jednym, usprawnionym interfejsie.
Chociaż Studio danych jest popularnym narzędziem do łączenia danych, ma pewne ograniczenia i wymaga znacznie więcej praktycznej manipulacji danymi. Dla porównania, platforma SimplyTrends ułatwia łączenie danych z różnych źródeł i tworzenie na ich podstawie niestandardowych wskaźników. Pomaga to agencjom w maksymalnym wykorzystaniu danych i podejmowaniu lepszych decyzji dla swoich klientów.
Zarejestruj się na 14-dniowy bezpłatny okres próbny dzisiaj, aby uprościć łączenie danych z usługą SimplyTrends.
