Как неверные данные приводят к неверным решениям
GIGO
В информатике существует концепция GIGO (garbage in, garbage out), которая описывает ситуацию, когда использование неверных (неполных, ошибочных и пр.) данных на входе приводит к получению неверных данных на выходе. Википедия подсказывает, что лучшим аналогом в русском языке является выражение «что посеешь, то и пожнёшь».
Применительно к маркетинговой аналитике, речь может идти об ошибках и неверных данных в отчетах и дашбордах, которые могут возникнуть вследствие «мусора» в исходных данных. Ошибки в отчетах, в свою очередь, могут привезти к принятию неверных решений, последствия которых порой бывают крайне негативны, как для конкретной рекламной кампании, так и для всего бренда в целом.
«Мусор» в исходных данных
В digital-аналитике мы чаще всего сталкиваемся со следующими причинами появления ошибочных исходных данных:
• Oшибки при настройке систем автоматического сбора данных (счетчики, трекеры, пиксели и пр.)
• Oтсутствие, либо игнорирование таксономии или правил разметки данных (названия кампаний в интерфейсе рекламных кабинетов, UTM метки)
• Oшибки при внесении данных вручную (человеческий фактор)
Например, если счетчик Google Analytics будет установлен на странице дважды (такое случается при параллельной настройке в коде сайта и через менеджер тегов), то данные о просмотрах будут дублироваться. Это приведет к снижению показателя отказов, увеличению глубины просмотра и росту других метрик качества трафика. Строя свою аналитику на таких данных, вы сделаете неверные выводы и примете ошибочные решения.
Следим за чистотой данных
Ключом к получению чистых данных на входе является уже само понимание принципа GIGO. Осознавая важность того, что необходимо правильно собирать данные, не допускать появления ошибок в них, вы уже наверняка будете более бдительны и щепетильны в вопросах, связанных с подготовкой и сбором целевых показателей.
Вместе с тем существуют и более прикладные советы по работе с исходными данными:
• Разработайте и соблюдайте стандарты разметки данных
• Всегда проверяйте системы автоматического сбора данных – дважды и до начала кампании
• Старайтесь избегать ручного внесения данных
• Если данные все же вносятся вручную, организуйте их проверку и верификацию
• Внедрите автоматическую проверку исходных данных (сложность алгоритма выбирайте по желанию)
Также нелишним будет убедиться, что все участники процесса понимают, как и для чего будут использоваться собираемые и передаваемые ими данные.
Только будучи уверенным в корректности полученных данных, можно переходить к их анализу и дальнейшему принятию верных решений.