数据分析与洞察

大多数营销分析，只是为了应付开会。两次例会之间没人打开的数据看板，人人心里都不信的归因模型，还有刻意做得让谁都不必拍板的季度汇报。我做的正好相反：经得起当面讲清楚的衡量体系，无论是讲给你的CFO听，还是讲给被衡量的客户本人听。

我的这套习惯很简单，也大多不时髦。追踪先审计，再信任，因为没人检查的配置，正是数字最先出错的地方。归因当作一组需要交叉验证的“有用的谎言”来用，不当成真相机器；来电和线下转化也要拉回来，补上你现在的数据看板忽略掉的那部分。增量效果用任何营销团队都能做的对照组测试来证明，不需要数据科学部门；那次342:1的广告支出回报，数据看板上的结果好到我不敢签字，最后就是用这个办法验证的。预算规模和渠道分布撑得起时，才做营销组合模型（MMM）；撑不起，就明确说不做。还有数据治理：UTM参数和命名规范这种极其枯燥的纪律，决定了明年的问题到底还能不能找到答案。

交付标准是我从合作过的最好的客户那里偷师来的：每一份分析都以一个决策收尾。不是一条洞察，也不是一条参考意见，是一个决策，并且事先写明出现什么数字就会推翻它。数据看板会一直改，改到它的使用者真的会打开为止。这通常意味着更少的图表、更平实的语言，以及一页纸，写清周一该做什么。

隐私是设计约束，不是障碍。衡量以用户同意为前提；第一方数据要落到实处，别只挂在嘴上；数据洁净室讲究实效，不做表面文章；受监管行业的配置，已经经受过HIPAA（美国医疗隐私法规）的审查。如果你的数字看起来很有把握，决策却没有底气，两者之间的差距，就是我们要一起解决的事。所需的时间，通常比你最近听完的三场供应商提案还短；结束时，你会拿到敢当面为之辩护的数字。