それは私たちの生活のあらゆる側面を変えることを約束しました：
スポーツからビジネス、料理、そしてその先へ。
私は、予測分析によって私たちの未来を正確に予測するために宣伝されてきた流行語について話しています…
2008年、Googleはインフルエンザの発生に関する予測分析を収集するためにGoogleインフルトレンド（GFT）を立ち上げました。これは、ビッグデータ分析が実際に行われているのを見る良い例です。
検索エンジンの巨人が従った方法論は何でしたか？
それらは、世界のさまざまな地域の人々によって行われた検索エンジンの用語と一致していました。また、これらのクエリを従来のインフルエンザ監視システムと比較したところ、Googleは、インフルエンザシーズンの予測分析が、特定のフレーズの検索エンジントラフィックの増加との相関関係を示していることを発見しました。
では、Googleは、検索エンジンのクエリをこのビッグデータと統合し、予測分析を採用することで、インフルエンザの活動をリアルタイムで予測することができたのでしょうか。
あまり。
検索クエリに関するビッグデータ分析が豊富にあるにもかかわらず、GFTは2012年から2013年および2011年から2012年にインフルエンザの有病率を50％以上過大評価していました。
image09
この予測分析の失敗により、Googleは「自動化された傲慢」を誇示し、ビッグデータの誇大宣伝にのみ貢献しているとラベル付けされました。
私がどこに行くのか分かりますか？
ニール・パテルとの相談
私の代理店があなたのウェブサイトへの大量のトラフィックをどのように促進できるかをご覧ください
SEO-大量のSEOトラフィックのロックを解除します。実際の結果をご覧ください。
コンテンツマーケティング-私たちのチームは、共有され、リンクを取得し、トラフィックを引き付ける壮大なコンテンツを作成します。
有料メディア-明確なROIを備えた効果的な有料戦略。
電話を予約する
中小企業の所有者にとって、潜在的な顧客行動の隠れたパターンを発見することは魅力的な追求です。だからこそ、誰もがビッグデータ分析を手に入れたいのです。
しかし、膨大な情報を収集し、それを分析して正確な洞察を得るのは簡単ではありません。このような大量のビッグデータ分析を解読するには、世界クラスのデータサイエンティスト、膨大な財源、高度なテクノロジー分析ツールが必要です。
さらに、ほとんどの大規模なデータベースは役に立たず、中規模のビジネスオーナーはおそらくビッグデータを必要としないでしょう。
小さなデータを入力します。
簡単にアクセスできる小さなサイズのデータであり、実用的な洞察を得ようとしている人間が簡単に理解できます。確かに、小さなデータはすべて人に関するものです。
2つのタイプを区別するのに役立つ表を次に示します。
image12
ご覧のとおり、小さなデータは、見込み客のニーズが満たされていない特定の属性を示している可能性があります。皮肉なことに、Forresterの調査によると、既存の小さなデータを分析しているのはわずか12％の企業です。
これは、88％のデータが無駄になっていることを意味します。
この無視されたデータを使用して行うことができたインテリジェントなソーシャルメディアマーケティング戦略とビジネス上の意思決定を想像してみてください。
そのため、この記事では、実用的な戦略と小さなデータの使用例を紹介します。
「スモールデータ」という本の著者であるマーティンリンドストロームは、次のように書いています。
小さなデータは、画期的なアイデアやブランドを好転させるまったく新しい方法の基盤です。
彼は、小さなデータがSnapchatを含む大きなアイデアにつながったとき、次の例を共有しています。
image04
ブランドのソーシャルメディアマーケティング活動を完全に転換する準備はできていますか？
次に、少量のデータリザーブを有益に活用し始めましょう。
相関関係は原因と同じではありません：「理由」と潜在的な顧客のニーズ/要望を小さなデータで見つけます
平日は、太陽が昇る前に目を覚ますことをお勧めします。
しかし、それはあなたがこれらの日の日の出に責任があるということですか？もちろん違います。
しかし、これは多くの人々が信じているという誤謬のばかげた例です–「相関は因果関係に等しい」。多くの場合、ビッグデータ分析は同様の方法で機能します。それは私たちに魅力的な洞察を与えてくれますが、なぜそのような方法で物事が起こっているのかを見つけることはできません。
例については、OkCupidブログをご覧ください。ユーザーに関して収集されたデータに基づいて、人種と魅力の間の興味深い相関関係を示しています。
Christian Rudder（OkCupidの共同創設者）は、そのようなデータポイントに基づいて人間の行動に関する本を書いています。
ある特定の例では、彼はOkCupidの魅力の評価をShiftgig.com（求人情報Webサイト）からの5,000件の求人記録と関連付けました。そして、彼は「美の偏見」が男性と女性の間の大きな賃金格差の原因であるかもしれないことを発見しました。
image00
しかし、魅力的であることだけで女性の仕事を保証するのでしょうか？
同様に、Googleがインフルエンザを予測しようとしたとき、ユーザーが行った巨大な検索を使用して相関関係を見つけ、因果関係を気にしませんでした。
むしろ、顧客のニーズを理解するには、顧客ベースについて一見取るに足らない洞察が必要です。あなたはその見込み客の立場に立ち、消費者の考えを考え/感じる必要があります。
また、ターゲット顧客と話し、彼らの性格を理解することによって、個人的になる必要があるかもしれません。
私たちの目の前にある素晴らしい例の1つは、Pinterestです。彼らのユーザーエクスペリエンス研究者、ガブリ
el Trionfiは、デザイナーがコンピューターの画面に接着して家に電話をかけるように懇願します。彼は、Pinterestユーザーを直接訪問することは、彼らが実際にそれをどのように使用しているかを理解するのに役立つと信じています。
ある特定の例では、Trionfiは、若い看護学生と彼女のボーイフレンドがPinterestを頻繁に使用して料理を計画していることを発見しました。
Pinterestが人々のオフラインでの絆を深めるのに役立っていることを知るのは面白かったが、興味深いことだった。これは、Trionfiが他の方法では学ぶことができなかった興味深い洞察でした。彼自身の言葉で、
必ずしも一緒にウェブサイトを使用している人々について考える必要はありません。
Close.ioのSteliEftiも、同様に顧客を訪問することを提唱しています。
彼は、顧客ベースが製品を使用している環境と、彼らの要望/ニーズについての洞察を得ています。
image02
たとえば、訪問中に、Eftiは、顧客がテレビにレポート画面を表示していることを発見しました。また、テレビの全画面で表示するように最適化されていなかったため、見栄えが悪くなりました。
image14
Eftiは上のスクリーンショットを彼のチームに送信し、1時間以内に、開発者のPhilがレポート画面を最適化するためのクイックフィックスをリリースしました。
image11
Eftiは、顧客を訪問するより具体的な例を共有しています。これには、関係の構築や、顧客をより高い計画にアップセルすることなどが含まれます。
以前、このようなスケーラブルでないハードワークが中小企業の経営者としての成長をハックする方法を共有しました。
顧客とのやり取りがどのように有用で実用的な小さなデータにつながったかについての別の実際のケーススタディを共有しましょう。
Simon Ouderkirkは、職人のパン屋であるセブンスターズで働いていました。彼らは3つの場所を持つ小さなチェーンでした。
image13
オーナーとの会話で、彼はマフィンがパン屋にわずかなマージンを提供していることを発見しました。
それでも彼らはローテーションベースで毎日3種類を生産しました。それで、月曜日に、多分彼らはブルーベリー、トウモロコシとカボチャを料理しました。それから、火曜日に、彼らはチョコレート、ふすまとブルーベリーを提供しました。等々…
過去の販売データを確認し、ベースラインを確立した後、Simonは実験を提案しました。
彼は6〜6週間で2種類のマフィン（現在の売り上げが最も多い）だけを生産したかったのです。それから、彼は彼らのマフィンビジネスについてデータ主導の決定をすることを約束しました。
結果？
さて、各場所での売上高は、実験前の成長率を維持しました。
私はすべて、非効率的なビジネス資産を排除することに尽力しています。
しかし、上記のシナリオのように、売り上げが伸びない場合はどうなるでしょうか。
データをもっと詳しく調べる必要があります。
セブンスターの場合、売上の背後にある数字はシフトしていました。
マフィンの売上は大幅に減少しました。
しかし、マフィンの売り上げの減少に合わせて、スコーンの売り上げ（マフィンの隣に座っていた）は増加していました。
サイモンは、最初に自分の店でドロップマフィンの3番目のカテゴリを購入していた人々が、「おそらく同じ価格で別のアイテムを購入した」と推測しています。
しかし、マフィンは低収益の商品でした。したがって、他の製品の売上高の増加は、ベーカリーの売上高の増加を表しています。
さらに、マフィン（骨の折れる製品）を製造していたパン屋の労働者は、今では別のより儲かる製品の調理に移ることができます。
これは、中小企業の経営者として実用的な洞察を引き出すためにすでに必要な小さなデータを使用する良い例ではありませんか？
小さなデータをうまく活用するための3つの重要なステップ
あなたはそれを手に入れます…小さなデータはあなたに関連するいくつかのそしてより価値のあるデータポイントを提供することができます。
しかし、ブランドを人間味のあるものにし、オファーをパーソナライズするための適切なタイプと量のデータは何ですか？
小さなデータを活用するための3つの柱を共有しましょう。
1.主要なマーケティング戦略と目的に関するデータを収集します
あなたは中小企業の所有者として採用するために最も収益性の高いプラットフォームに関する仮定と信念を持っているかもしれません。この最初のステップは、仮説を検証することです。
Google Analytics（GA）内でデータを収集して分析することをお勧めします。
しかし、それは思ったほど単純ではありません…
Google Analyticsは、顧客データをマイニングするための非常に強力なソースです。
ただし、何も質問せずにダッシュボードにログインすると、迷子になります。
より良い戦略は、ソーシャルメディアマーケティングの目的/仮説を明確に定義して書き出すことです。 CoScheduleによるマーケティング目標の簡単な定義は次のとおりです。
image15
GAを使用すると、目標を作成し、ソーシャルメディアマーケティングの取り組みがどのように進んでいるかを簡単に監視することもできます。
image03
GAまたは同様の分析ツールを使用してすでにデータを収集している場合は、次のようにします。
顧客が製品をどのように使用するか、主な問題点は何か、見込み顧客やターゲット顧客のニーズなどの仮説から始めることができます。
AutomatticのSimonは、サポートチームの既存の信念を見つけることをお勧めします。彼は、Automatticで大きな信念に従っていることに気づきました。
次に、「楽観的な好奇心」でこれらの信念にアプローチし、それらの周りに質問を形成する必要があります。
目標を定義したら、次のステップに進みます…
2.何を視覚化して書き留めます
ビジネスの成功は次のようになります
データの収集と保存は戦略的である必要があります。そうしないと、データレポートが説得力がなくなり、自分のチームを混乱させる可能性があります。
したがって、この質問に明確に答えてください。「どのような種類のデータを探しますか？」
また、「データからの洞察をどのように使用しますか？」
たとえば、トラフィックとソーシャルメディアマーケティングのシェアだけがバニティメトリックです。ただし、さらに深く掘り下げると（基本：最初のステップで設定した目標）、ソーシャルメディアマーケティング戦略の目標を達成するための適切な指標を検討します。
Pinterestの目標が、Facebookやその他のソーシャルメディアマーケティングプラットフォームの目標を上回っていることがわかるかもしれません。したがって、Pinterestの時間とお金の投資を倍増すると、目標をより早く達成するのに役立ちます。
より小さく、ターゲットを絞ったデータがブランドをよりインテリジェントにする方法をご覧ください。
Automatticがステップ1で形成した信念が真実である場合、Automatticの顧客が示す測定可能な動作は次のとおりです。
3.データをマイニングし、洞察を注意深く観察し、行動を起こし、反復します
ビッグデータ分析とは異なり、小さなデータを分析するためにデータサイエンティストや高価なテクノロジーは必要ありません。個人や中小企業の所有者でさえ、簡単な分析ツールを使用して小さなデータセットを分析し、洞察を引き出すことができます。
たとえば、CoScheduleを購入して、GAアカウントと統合できます。次に、最も人気のあるソーシャルチャネルと最も閲覧されたコンテンツを含む次のダッシュボードが表示されます。
image07
洞察を吸収したら、情報に基づいたデータ主導の意思決定を行う必要があります。また、戦略を変更し続けるために、定期的にデータを再確認してください。
Simonは、プラグインページが上位10ページに含まれていることを発見しましたが、トラフィック全体の1％未満しか受信していませんでした。その後、彼はAutomatticの顧客が自分のサイトにプラグインを望んでいるという彼の仮説を裏付ける十分な証拠を見つけました。
3ステップフレームワークの実際のアプリケーション
Colleen Jonesは、同様の3ステップのフレームワークを適用して、コンテンツマーケティング製品についてFootSmart（ニッチなオンラインカタログ小売業者）にアドバイスしました。 FootSmart Health Resource Center（FHRC）と呼ばれ、記事、図、クイズなどで構成されていました。
image05
検索エンジンの可視性の向上に関するデータを分析したところ、FHRCは、FootSmartがより多くの適切な種類のターゲット顧客にリーチするのに役立つことがわかりました。
彼らは、主に足の健康状態とその治療を気にかけている人々からなる、より多くのトラフィックを受け取っていました。
そのため、FootSmartは、FHRCでより多くのコンテンツをプッシュし、製品のマーチャンダイジングも改善することを決定しました。
そのような情報に基づいたデータ主導の意思決定の結果は？
毎週の売り上げが36％増加しました。
小さなデータをコンテンツマーケティングに適用し、ページビューを434％増やす方法
Nathan Elleringは、スモールデータ理論をコンテンツ戦略に適用し、…
これにより、CoScheduleのページビューが434％、サブスクライバーが1,222％、新しいコンテンツからの試用登録が9,360％増加しました。
image08
同様の結果が必要な場合は、ここで14ステップのコンテンツ戦略を共有します。
結論
爆発的なデータの増加に惑わされないでください。情報過多に溺れて、巨大なデータで何ができるかについてロマンチックなアイデアを描きたくはありません。この非構造化データからユーザーの行動を明らかにするためのテクノロジー、データサイエンティスト、およびその他のリソースは、将来的にのみ利用可能になる可能性があります。
適切なターゲット顧客を理解し、引き付けるために、すでに身の回りにある顧客データを特定することをお勧めします。しかし、重要な個人の見込み客にとっても同様です。このような小さなデータは、ビジネスアイデアの信じられないほどの情報源であり、ブランドに驚くべき革新をもたらす可能性があります。その重要性を示すために、投稿で多数のケーススタディを共有しました。
繰り返しになりますが、これはR2integratedによるスライドで、小さなデータを識別し、それを分析してアクションを実行するプロセスを要約しています。
ビッグデータ分析についてどう思いますか？さらに、顧客インサイトのために少量のデータを活用して、会社に利益をもたらしましたか？以下のコメントで教えてください。
