1. 不要根據不適當的目標來衡量內容表現

當您能夠找出能夠創造價值的短期、中期和長期活動時，市場營銷才能充分展現其榮耀。如何將所有這些事情結合起來呢？這需要將藝術與科學結合起來。您希望進行那種可以滿足季度收入和利潤目標的營銷。但與此同時，您也希望與未來可能考慮購買的消費者建立廣泛的關係，或者與可能永遠不會購買您的產品和服務但對更多客戶產生影響的人建立關係。困難的地方在於找出一些問題，比如，“如果我在 TikTok 上投放了一堆廣告，我應該考慮它們現在是否帶來了收入？還是應該把它們視為公司在較長時間內創造價值的延伸？

”我們領域中出錯的地方完美地被我最喜歡的比喻捕捉到了：別用魚爬樹的能力來評價一條魚。"我們經常這樣做。這就是我們生活中出現糟糕情況的原因。因為我們會說，“如果 TikTok 沒有產生收入，那就糟糕。”或者“如果付費搜索只帶來了收入，但沒有增加新客戶的數量，那就糟糕。”這兩個問題都涉及用魚爬樹的能力來評價一條魚。因此，花時間找出魚的種類以及它最擅長的事情，然後評估它游泳的能力。

2.不要追蹤太多的 KPI

不要把數據傾瀉視為解決問題的方法。大多數工具都只是大量傾瀉數據。Avinash 是＂數字營銷和測量模型＂的忠實粉絲。這是一個簡單的框架，問的是：你所做的營銷的目的是什麼？然後，＂如果這是目的，那麼我們應該專注於這類數據。這意味著我們應該使用這些關鍵績效指標（KPI）。＂Avinash 建議（無論您是在自有、贏得還是付費營銷）您圍繞兩個KPI匯聚：一個是效率 KPI，一個是效果 KPI。例如，如果您正在進行付費營銷，效果KPI通常是收入或利潤，而效率KPI則是每筆訂單的成本。在這兩個 KPI 之間，您可以找到並專注於您的關注點。您可以有其他指標，但只能有兩個 KPI。

現在，假設您正在 YouTube 上製作大量內容。對於您的 YouTube 內容，每個視頻的淨新增訂閱者數是效果 KPI，因為它顯示您能夠吸引到人們的注意力。在效率方面，您可以測量轉發，因為如果有人轉發了它，您就從第一級網絡擴展到第二級網絡，甚至到第三級網絡，擴大您的受眾。

3.不要把時間浪費在無用的數據上

分析曾經是一個更多數據意味著更聰明的世界。那是 20 年前的事了。現在我們擁有的數據比上帝允許任何人擁有的都要多。聰明在於弄清楚應該忽略哪些數據。Avinash 認為我們應該擁有堅定的觀點。＂我討厭“曝光量”這個指標。它毫無用處。它甚至不值一分錢。如果你報告曝光量，我會對你大發雷霆。但你必須足夠了解情況，以便說出我要忽略、忽略、忽略這些數據，因為它們沒有足夠的價值。這就是你對數據的處理方法變得更聰明的原因。＂

4. 不要將意向放在心理和人口統計學之上

很長一段時間，行銷人員缺乏足夠的數據。因此，他們說：＂好吧，我們將把這個視為一個漏斗 - 我們的工作就是把人們往下推進這個可惡的漏斗。＂問題是，我們沒有人的行為是遵循傳統的漏斗。但與此同時，我們需要信號。例如，過去的一位行銷人員可能會看著阿曼達，想著：＂她今年 22 歲，住在中西部，家裡很漂亮，所以讓我們給她賣點什麼，噢，等等。＂事實是，您的人口統計和心理統計對於您的思維方式、您是什麼樣的人、您的價值觀等方面幾乎一無所知。因此，您會收到愚蠢和無關緊要的廣告，因為行銷人員所知道的全部都是您今年22歲，住在中西部，家裡很漂亮。然後，他們可能會向您發送一百條訊息，其中可能只有一條與您相關。但行銷人員不再需要這樣做，因為我們可以通過消費者的行為來洞察意圖。最簡單的例子是，您在必應中輸入了一個關於新混合動力汽車的查詢。您正在表達意圖，必應將利用這一點向您提供正確的廣告。或者，如果有人在 Facebook 上關注某些品牌或者寫了一些東西，我們可以從中洞察意圖。這是向您提供廣告或營銷的更好方式，無論是付費廣告還是內容。

5. 不要懼怕分析中的人工智能

Avinash 常談論數據——你應該忽略什麼，應該關注什麼。現在內建於分析工具中的機器學習解決方案讓你不必在數據中尋找你應該關注的內容。你只需要得到一份報告，顯示應該關注的事項。舉個例子，如果你登入諸如 Google Analytics 等工具，或市場上許多其他分析工具，通常會有一個名為＂智能＂的報告，可以更快地提供這些洞察。你不必翻找數據以找出重要內容，它會找出數據中的隱藏內容並將其顯示出來。另一個例子是意圖。在海量數據中推斷某人的意圖是困難的。而算法在自動分析大規模數據方面表現出色，能幫助你找到已知未知和未知未知。因此，某人看到的每個付費廣告或內容可能都與他們相關。人工智能解決方案現在幫助我們找到如何進行一對一營銷的方法，這在幾年前是不可想象的。

Avinash 對人工智能有望幫助公司平衡品牌和表現廣告的潛力感到非常興奮。我們應該將多少資金分配給立即帶來收益的事物，而不是品牌（開發）？我們如何以非常感性的指標（例如未協助的認識度、考慮、意圖，或者（請不要使用此KPI）品牌愛）來衡量品牌？目前，機器學習最前沿的用途是理解品牌廣告的影響。所有的電子郵件、電視廣告、目錄故事等如何共同作用，以確定營銷的增量？對於我們的客戶，我們可以向 CFO 表示營銷帶來了所有銷售的 32% 的增量，這意味著如果您沒有給團隊預算進行營銷，（品牌）就不會得到這些銷售。我將這稱為 CFO 的上帝 KPI。

Avinash 正在使用機器學習來確定營銷的增量，然後說：“這是與銷售無關的電子郵件營銷的長期影響。或者這是內容營銷的長期影響。”目前，很難在長期內為內容營銷辯護。但是通過使用機器學習，你可以。機器學習讓我們更聰明地找到可以激活的數據和洞察，並進行過去不可能的令人難以置信的想像營銷。也許我們可以去找 CFO，說：＂這是上帝的指標。現在給我另外 2000 萬美元。＂

文章來源：https://contentmarketinginstitute.com/articles/content-marketing-measurement-mistakes/