Настольная книга для директоров по маркетингу. 200 советов

Поспешные выводы: что видишь, то и есть

Набирая шаг за шагом данные, аналитик выстраивает картину,

в которой твердо убежден в каждый момент времени, и его подмывает прекратить изучение, ведь «все уже ясно». Если вы недобрали данных и кто-то, обладая ими, поставит под сомнения ваши выводы – вы будете доказывать обратное, потому что для правильных выводов нет полной картины данных.

Прайминг

Воздействия личных воспоминаний или ассоциаций на анализ. В нашем случае, когда вопрос изначально формулируется с оценкой.

Например, в брифинге клиент убежден в росте рынка, и задача ставится на основе того, что этот рост продлится сам по себе. Клиент продает эту идею аналитику, и он, находясь под влиянием, начинает искать зацепки, почему рынок будет расти, хотя никакой базы для этого нет.

Ключевая компетенция аналитика – уметь смотреть назадачиподразнымуглом,изабыватьпросвоемнение

Вспомните, как мы ищем информацию, когда уверены, что болезнь можно победить народными средствами: мы пишем «куда приложить подорожник, чтобы прошла гангрена».

То есть изначальное убеждение ложное, и на его базе строятся неверные выводы, что вопрос лишь

в том, куда прикладывать.

Критерии хорошего анализа

Основная проблема аналитика – отсутствие полного объема данных.

В таких условиях ему необходимо обладать творческим подходом

и определить, как использовать текущие данные для решения задачи.

Отличительная черта хорошего аналитика – генерация нескольких путей решения одной и той же задачи, в условиях ограниченных данных.

Актуальность

Хороший анализ руководствуется бизнес-потребностью. Он

не производится, потому что это интересно или весело. В случае

с большим объемом данных легко втянуться в их разбор с непонятной целью. Конкретная бизнес-задача – прекрасный старт для аналитика.

Дальше задача трансформируется в подзадачи, например, бизнес- задача в маркетинговую, а затем в коммуникационную.

Нет смысла анализировать насколько различные сегменты рынка чувствительны к цене продукта, если его доля составляет всего 2% от оборота.

Статистическая значимость

Аналитику нужно видеть, когда отклонение в показателях достаточно значимо, чтобы бить тревогу и срочно что-то править. Как определить эту значимость? Если параметр дает отклонение больше, чем в 10% – мы считаем его математически значимым.

Отдельно отметим исследования групп.