banner large

Memanfaatkan denyut nadi pemasaran dengan visualisasi data

Comment
X
Share

Bergabunglah dengan eksekutif dari 26-28 Juli untuk Transform’s AI & Edge Week. Dengarkan dari para pemimpin puncak membahas topik seputar teknologi AL/ML, AI percakapan, IVA, NLP, Edge, dan banyak lagi. Pesan tiket gratis Anda sekarang!


Kemungkinan Anda pernah mendengar ungkapan “sebuah gambar bernilai seribu kata”. Apa yang mungkin tidak Anda ketahui adalah bahwa tergantung pada konteksnya, ini bisa menjadi pernyataan yang menyesatkan.

Dengarkan kami. Otak manusia dirancang untuk mencerna gambar 60.000 kali lebih cepat daripada teks, terhitung 90% dari informasi yang kita proses setiap hari berupa visual. Angka-angka ini membuat kasus yang meyakinkan tentang mengapa sebuah gambar layak mendapat sedikit lebih banyak pujian daripada hanya seribu kata.

Tapi kami tidak menggali pepatah berusia seabad untuk memperbaiki kekurangan statistiknya. Sebagai gantinya, kami ingin menyoroti bagaimana sentimen di balik frasa tidak pernah lebih tepat bagi pemasar yang dibiarkan tetap bertahan di lautan data mentah yang terus berkembang setiap hari.

Menyempurnakan data mentah dengan visualisasi

Clive Humby tertarik pada sesuatu ketika dia mengusulkan data sebagai minyak baru kepada sesama eksekutif C-suite di pertemuan puncak Master Pemasaran Asosiasi Pengiklan Nasional (ANA) 2006. Satu setengah dekade kemudian, prediksinya membuahkan hasil ketika data sepenuhnya menggantikan introspeksi dan dugaan sebagai garis bawah untuk kesuksesan pemasaran.

Apa yang membuat pandangan ke depan Humby benar-benar mengesankan, bagaimanapun, bukanlah munculnya data sebagai raja dalam periklanan. Lebih dari itu fakta bahwa data, seperti halnya mentah, praktis tidak berguna dalam bentuknya yang paling mentah.

Untuk menguraikan, minyak melewati proses pemurnian sebelum memukul pompa. Hal yang sama berlaku untuk data mentah. Itu perlu dikontekstualisasikan dan harus dipecah terlebih dahulu menjadi sesuatu yang lebih terstruktur dan akhirnya dapat ditindaklanjuti.

Di sinilah visualisasi masuk ke dalam gambar. Setelah kumpulan data dibersihkan dan distandarisasi, langkah visualisasi sebagai langkah kritis terakhir dari proses penyempurnaan untuk merombaknya menjadi grafik yang dapat dipahami yang menempatkan wawasan yang dapat ditindaklanjuti pada tampilan penuh.

Memanfaatkan kekuatan visualisasi data

Luangkan waktu sejenak untuk menyerap kontras antara kiri dan kanan. Perbedaannya seharusnya agak mencolok kecuali jika Anda adalah seorang ahli matematika rahasia.

Serius, di mata rata-rata Joe, tabel di sebelah kiri muncul sebagai ramuan angka acak yang tidak memberi tahu apa pun yang substantif. Di sisi lain, plot pencar memperjelas korelasi positif yang mengikat variabel bersama-sama sejak awal.

Itulah kekuatan visualisasi. Ini memanfaatkan kemampuan untuk membuka pola tersembunyi, sehingga memungkinkan untuk menghubungkan titik-titik antara titik data yang berbeda sekaligus. Untuk pemasar yang harus berulang kali mengajukan pertanyaan yang dimuat seperti corong akuisisi mana yang menghasilkan konversi, jam berapa dalam sehari prospek paling aktif dan sejenisnya, visualisasi dapat membantu memotong tumpukan data mentah yang menghalangi jawaban atas pertanyaan tersebut.

Dan bagian terbaiknya? Visualisasi tidak mengenal batas. Baik itu tim Anda, anggota dewan atau pemangku kepentingan eksternal, menyajikan data melalui grafik prima bahkan kumpulan data yang paling membosankan untuk segera diproses dan digunakan terlepas dari siapa yang menerima.

Memilih grafik yang tepat untuk visualisasi data

Seindah visualisasi data, mencari tahu jenis bantuan visual mana yang paling mewakili kumpulan data bisa menjadi rumit. Dan pergi dengan pilihan suboptimal bukanlah pilihan ketika melakukannya membawa risiko kebingungan atau, lebih buruk lagi, salah tafsir.

Terima kasih kepada Dr. Andrew Abela, yang mengajukan diagram komprehensif tentang memilih bagan yang tepat untuk tipe data yang berbeda, memilih visual dapat diringkas menjadi empat kriteria dasar:

  • Perbandingan. Menggambar perbandingan antara kumpulan data selama periode tertentu untuk menentukan harga tertinggi dan terendah.
    • Misalnya, perincian lalu lintas situs web berdasarkan sumber.
  • Hubungan. Membangun korelasi untuk melihat apakah variabel yang diberikan secara positif atau negatif mempengaruhi satu sama lain.
    • Misalnya, pengaruh regional terhadap pertumbuhan penjualan.
  • Distribusi. Mengukur rentang set data untuk lebih memahami bagaimana variabel berinteraksi saat memeriksa outlier.
    • Misalnya, fluktuasi rata-rata tingkat konversi prospek bulanan sepanjang tahun fiskal.
  • Komposisi. Memetakan bagaimana bagian-bagian individual membentuk keseluruhan untuk membuat hierarki dalam kumpulan data yang diberikan.
    • Misalnya, perincian pengeluaran pemasaran berdasarkan prioritas strategis.

Dengan mempertimbangkan kriteria ini, gunakan ikhtisar berikut sebagai panduan lebih lanjut untuk memilih alat bantu visual yang paling sesuai dengan kebutuhan Anda:

Bagan kolom

Bagan kolom mengacu pada tampilan grafis di mana batang vertikal – tinggi masing-masing sebanding dengan kategori yang diwakilinya – berjalan melintasi bagan secara horizontal.

Sembilan dari sepuluh, bagan kolom akan berhasil jika Anda mencari perbandingan 10 item atau kurang secara berdampingan.

Contoh diagram kolom

Bagan garis

Bagaimana jika Anda memiliki lebih dari sepuluh set data untuk ditumpuk dengan yang lain? Bagan garis adalah taruhan terbaik Anda.

Berbeda dengan bagan kolom, bagan garis menjalankan garis melalui serangkaian titik.

Meskipun terkenal karena menyoroti naik turunnya berbagai titik data, bagan garis juga dapat secara efektif membandingkan tren antara metrik yang berbeda dengan memplot beberapa garis dalam satu bagan.

Contoh diagram garis

Plot sebar

Plot sebar adalah tentang memetakan korelasi antara dua kumpulan data. Juga dikenal sebagai diagram sebab-akibat, plot pencar dapat membantu Anda melihat apakah variabel yang ditetapkan mempengaruhi yang lain dan ke arah mana (positif atau negatif) korelasi tersebut berjalan.

Contoh petak sebar

Pie chart

Diagram lingkaran digunakan untuk menangani variabel kategori untuk melihat bagaimana jumlah total dibagi di antara mereka. Ini memberikan gambaran umum tentang hubungan bagian-ke-keseluruhan yang berguna ketika Anda ingin mengetahui saluran yang paling dan paling tidak efektif untuk mengarahkan pengunjung ke situs web Anda.

Contoh diagram lingkaran

Awan kata

Mungkin tambahan terbaru untuk tumpukan visualisasi data, cloud kata mengacu pada sekelompok kata yang ditampilkan dalam berbagai warna dan ukuran. Ini adalah alat yang bagus untuk memvisualisasikan bagaimana audiens berpikir tentang topik tertentu dan menemukan kata kunci terbaik dan terburuk dalam hal menghasilkan lalu lintas.

Contoh awan kata

Membuat kemajuan dengan visualisasi data

Semua dikatakan dan dilakukan, visualisasi adalah masa kini dan masa depan dari analisis pemasaran. Kabar baiknya adalah, dengan semua yang telah Anda lihat dan baca sejauh ini, Anda siap untuk memaksimalkan visualisasi.

Tetapi jika ada sesuatu yang saya harap Anda pelajari dari bagian ini, gambar berbicara lebih keras daripada kata-kata. Saatnya untuk mengambil visual data pemasaran Anda.

Sophie Eom adalah salah satu pendiri dan CEO dari Adriel.com.

DataDecisionMakers

Selamat datang di komunitas VentureBeat!

DataDecisionMakers adalah tempat para ahli, termasuk orang-orang teknis yang melakukan pekerjaan data, dapat berbagi wawasan dan inovasi terkait data.

Jika Anda ingin membaca tentang ide-ide mutakhir dan informasi terkini, praktik terbaik, dan masa depan teknologi data dan data, bergabunglah dengan kami di DataDecisionMakers.

Anda bahkan mungkin mempertimbangkan untuk menyumbangkan artikel Anda sendiri!

Baca Lebih Lanjut Dari DataDecisionMakers

Leave a Reply

Your email address will not be published.