作为科学家的 MOps 领导者：拥抱科学方法

已发表: 2022-12-28

本系列介绍了一个框架，描述了营销运营领导者的角色和职责。第四部分也是最后一部分讨论了作为科学家的 MOps 领导者。早期版本将他们的角色描述为现代化者、协调者和心理学家。

知识之路采用科学方法。从业者首先提出假设，这是对观察结果的假设或潜在解释。然后他们通过进行实验来检验假设。营销中的想法类似于假设。执行——例如基于想法的活动——和结果的测量可以与实验进行比较。

融入科学发现的心态是营销团队和专业人士取得成功不可或缺的一部分。评估和实施新的营销技术现在是营销和营销运营专业人员的核心职责（见第 1 部分）。采用隐含的假设是新技术将提高结果。使用营销软件并衡量结果，就是实验。

例如，营销自动化平台的一个基石价值主张是能够大规模进行电子邮件营销。不仅可以使用该平台来确定它是否可以实现该目标，而且还可以在实验中进行实验。 A/B 测试最初是通过创建两个单独版本的电子邮件创意并将其部署到数据库的小部分来实现的。这是一个简单的实验，用于确定哪个广告效果更好。

每个数字活动的每个元素和基本策略都是进行实验的机会。结果（表现“更好”）是根据接受者的反应来衡量的。这些响应可能包括关键绩效指标 (KPI)，范围从基础——打开、点击、表单完成、转化率——到活动和业务成果，例如，线索、机会和销售。

整体测试和迭代学习

许多营销人员将 A/B 测试视为起点。但是将多种策略和实验联系起来，并使用迭代方法，可以增强我们的营销。

我们“……想比（A/B 测试）走得更远，做我称之为‘整体测试’的事情，这是非常科学的测试，”整体电子邮件营销公司首席执行官 Kath Pay 在最近的 MarTech 会议上说.

“一旦你获得了获胜的结果，并且这将基于时间，而不是仅基于电子邮件的数量（在单个活动中），那么你将更新假设并用新的流替换失败的流支持你的下一个假设，”Pay 解释道。

无论采用 A/B 方法还是整体方法，学习都是一个迭代过程。观察产生假设。构思并进行测试，然后审查应用于下一个迭代学习周期的结果和学习。

每个实验都会产生更多数据进行分析。成功的营销人员习惯于在进行下一个实验之前暂停并评估实验结果。

通常，数据要求我们在进行下一个实验之前修改我们的假设。仅仅因为我们可以使下一步自动化并不意味着我们应该这样做。

营销主管和营销运营专家的任务通常是构建报告营销计划结果的模型。

对于大多数组织而言，归因模型已经大大超越了“最后接触”转化测量。将科学严谨性应用于归因需要测试多个假设以确定结果。

失败已融入科学方法。如果每一个想法都是一个假设，每一个活动都是一个实验，那么一些假设被推翻是不可避免的。失败的实验为下一个假设和下一个实验提供了方向。

“最后，分析不会告诉你下一个伟大的创意，它会告诉你下一个伟大的创意何时开始运作，”德雷克塞尔大学市场营销助理教授 Elea Feit 说。

从用户交互创建的数据中获取洞察力是改善客户体验和促进转化的关键。采用科学方法——开发和检验假设——是改善经验和结果的关键。

获取营销技术！日常的。自由。在您的收件箱中。

见条款。

本文中表达的观点是客座作者的观点，不一定是 MarTech。 此处列出了工作人员作者。

将 MarTech 添加到您的 Google 新闻提要中。