市场分析——这三个技能最重要

与其他领域相比，市场营销，尤其是数字营销，几乎无法离开数据，这让数据分析师、数据科学家所使用的数字营销路数丰富，且颇有意义。因为他们需要经常分析大量数据，这就更加要求分析类人才掌握潜在项目，项目领域也要不断拓宽。

然而，营销数据存在一些致命的问题，而这些问题可能会破坏市场分析项目进程：

• 营销数据分布在广告平台、社交、点击流数据（Clickstream Data）、CRM和CDP数据等众多来源中。
• 如果没有分析团队和营销团队双方都认可的统一标记和跟踪策略，整合点击流和营销数据将很有难度。集成销售和营销数据，尤其是在 B2B公司中，基本上不可能正确发挥其作用。
• 营销团队评估营销绩效的方法多达十几种，这意味着创建仪表板并进行分析很有难度。

在本文中，我将介绍3 个重要技能，帮助你克服这些问题。如果你想了解更多数据分析相关内容，可以阅读以下这些文章：
金融中的数据分析师，都做什么工作？
四种数据分析方法，帮你成功做决策！
如何用数据分析优化你的营销策略？
电商零售业是怎么运用数据分析的？

1. 使用 API

SQL 和数据操作技能，并不足以有效获得评估营销计划所需的所有数据——除非你想每天手动下载 Excel 电子表格。你需要学习如何使用 REST API 编程，实现自动提取广告平台/点击流/和其他营销数据。

你最有可能听到的错误之一就是：只有开发人员才能使用 API。而事实是：并不是只有开发人员才能使用 API。下面是一些建议和技巧，帮助你完成 80% 的工作：

• 了解如何使用 Python 请求包从 Microsoft Graph API 中提取电子邮件数据。常见方法包括Facebook Graph API 或 Linkedin Ads API 等广告平台的 API。
• 学习 PYODBC 包。通过PYODBC，你可以编写 SQL 语句，并用 Python 处理你的数据库。通过 PYODBC ，我将从各种 API 中提取的数据插入到数据库中。
• 使用Postman。Postman 是一个GUI 应用程序,用于处理 API。在Postman中成功提取数据后，Postman 能让你把值输入 GUI ，并以拖/放/单击格式与 API 交互。在 Postman 中成功提取数据后，即可在Python中导出API调用，然后将代码段放入脚本中。
• 如果你不想处理任何代码，又有多余的预算，我建议你使用 Stitch 或 Xplenty。这些 ETL 平台与大多数主要 API 都有内置集成，帮助你无需代码即可将数据移动到数据库中。这些平台的缺点是成本较高——但如果你预算充足，我强烈建议你使用这些平台作为维护ETL管道的替代方案。

2.了解网站分析（Web Analytics）、点击流数据（Clickstream Data）和标签 (Tagging)

你的网站很可能是你通过营销活动发送流量和点击的主要场所。之后，如果你想讲述一个完整的营销故事，你需要了解网络分析、点击流数据、以及这些数据是如何与你创建的广告联系在一起的。

下面图表显示了一些原始点击流数据：

你可以看到，图标包含一个时间戳、一个唯一标识符、URL 和一个 SDID 列，该列包含来自 URL 跟踪参数的唯一活动标识符（跟踪参数是 URL 中“?”后面的值）。

在广告平台（如Facebook、Linkedin、Twitter 等）中创建营销活动时，这些活动或广告产生的信息需要与引导流量的 URL 绑定。URL 跟踪参数中经常出现这种情况，但你会惊讶地发现，许多营销团队要么a)没有标记任何东西，要么b)标记广告不一致或不正确。

标记和分析之间如果有差别，都可能意味着你试图收集的数据和计划收集的数据存在很大的差距，结果就是，评估营销活动变得困难重重，甚至以失败告终。

由于这一过程非常复杂，我建议分析师、或数据科学家、或任何负责评估营销计划的人，亲自参与或创建跟踪和标记策略。

通常情况下，营销团队或代理商会创建标记策略，但由于不了解数据收集和清理过程，他们经常将有价值的数据排除在外（例如，在多个广告上使用相同的唯一标识符，将无法区分哪些广告带来了流量/转化/等）。如果分析师亲自参与该过程，也就更容易获取有效数据。

几乎没有公司正确使用着以上图中的流程，即使是大型技术公司的营销团队也是如此。通常情况下，营销人员会使用 Adobe Analytics 或 Google Analytics ，或者默认使用特定于平台的分析。这种方法有时可行——尤其是公司的主营业务为电子商务的时候。但如果你想要将所有数据捆绑在一起，问题就出现了——目前，该操作只能由我上面讨论的动态的分析专业人士来完成。 

B2B 公司非常容易受该问题影响，因为许多 B2B 销售是在会场内进行，而非网络销售。因此，要真正评估营销对销售的影响，你必须通过某种方式将营销数据与 CRM 数据联系起来——如果没有适合的分析人才——即学习这些关键技能的人，公司将面临巨大困难。

3. 扎实的商业和营销领域知识

一旦你完成清理并整合了有效数据，你的营销和销售团队就可以开始消化并利用这些数据。这项技能难度很高，且非常细致，因为它要求你跳出技术分析和数据工作的范畴，花时间与业务和营销从业者打交道。在创建出能有效传达营销绩效的图表或报告之前，你需要明确一些事项：

• 营销团队真正关心的是什么？永远不要提前设想你的营销团队最看重什么。你需要清楚了解营销人员的绩效指标。如果他们不知道，那么你必须创建一个。这样做可以帮助大家充分了解营销计划和业务，让团队相信KPI是有意义的。
• 他们认为怎样才算成功？即使你的营销团队提供了绩效指标，他们也总是想要拿这些指标和其他事项进行比较——无论是行业标准的绩效指标还是时间驱动的指标（即去年这个时候，去年年初至今，等等）永远不要创建无法与标准或时间序列进行比较的仪表板。
• 可以允许失败吗？这个结果非常不幸，但我合作过的一些营销团队只关心可以让程序看起来不错的数据。一开始你就要想清楚这一点——团队的目的是评估、改进、还是只用来提供信息？许多团队只想向利益相关者展示他们花费了预算，并带来了大量流量——他们并不真正关心如何制作更好的广告。根据与你合作的营销团队的类型，你可以制作出两个完全不同的仪表板/报告。

营销人员的好朋友

我上面提到的三项技能在进行良好的市场分析时非常关键。没有这三项技能，你将无法有效评估并报告公司的营销计划。掌握了这三项技能，你将变得非常抢手，快速成为营销人员的好朋友。

你有没有任何经验或意见想要分享？欢迎在文章下方与我们留言！你还可以订阅我们的YouTube频道，观看大量数据科学相关公开课：https://www.youtube.com/channel/UCa8NLpvi70mHVsW4J_x9OeQ；在LinkedIn上关注我们，扩展你的人际网络！https://www.linkedin.com/company/dataapplab/

原文作者：Cameron Warren
翻译作者：Lia
美工编辑：过儿
校对审稿：Jiawei Tong
原文链接：https://towardsdatascience.com/the-3-most-critical-skills-for-marketing-analytics-e68e254908de