چگونه راوی داستان‌های داده محور باشیم؟

با این‌که اغلب داده‌ها و اطلاعات، یادگیری ماشین، هوش مصنوعی و هوش هیجانی تصور ما از آینده را شکل می‌دهند. اما، اگر کمی از حالت Zoom خارج شویم و کلی‌تر به ماجرا نگاه کنیم، همه‌ی این‌ها خصوصا بازاریابی داده محور در تلاش هستند تا علم تصمیم‌گیری را ساده‌تر و بهینه‌تر کنند.

سال ۱۸۵۴، لندن

در ۳۱ آگوست، یک بیماری مرگبار در شهر آغاز می‌شود، در سه روز بعدی ۱۲۷ نفر در نزدیکی آن منطقه فوت کردند. در هفته‌ی آینده، با وجود این‌که گزارش‌ها حاکی از این بود که علائم بیماری در حال کاهش هستند، حدود ۷۵ درصد ساکنان از منطقه فرار کردند.

داستان سرایی

در جلسه‌ی شورای شهر در ۷ سپتامبر، پزشکی وارد دانشگاه می‌شود و به صورت غیرمستقیم اذعان می‌کند که علت بیماری یک منبع آب آلوده است. او دیدگاه خود را براساس تحقیقات محلی و مصاحبه با مردم ارائه می‌کند.

مقامات به چند گروه تقسیم می‌شوند تا در مورد مشکل تصمیم‌گیری کنند. آیا با بستن راه‌های ورودی آب به شهر عفونت پایان می‌یابد؟ آیا باید موادی برای رفع این ویروس داخل آب ریخته شود؟ یا آیا راهکارهای دیگری هم وجود دارد؟

این یک داستان داده‌محور است که شیوع وبا در شهر لندن را نشان می‌دهد. دکتر جان اسنو با داده‌ها و ارائه‌ی آن‌ها به شکل خلاقانه توانست شورای شهر را متقاعد کند که براساس گفته‌های او عمل کنند.

اهمیت و ارزشمندی داده‌ها و بازاریابی داده محور در دنیای کنونی برای هیچ‌کس پوشیده نیست. اما داده‌ها به تنهایی ارزشی ندارند، آن‌چه که داده‌ها را ارزشمندتر می‌کند، تحلیل‌ها و الگوهایی هست که از داخل آن‌ها برمی‌آید. برای این‌که داده‌ها آن‌چنان که ما انتظار داریم ارزشمند باشند، لازم هست که به شیوه‌ی صحیحی مورد استفاده قرار بگیرند.

قبل از هر چیزی باید بدانیم که فرق داستان‌های داده‌محور با دیگر داستان‌ها در چیست؟

یک داستان اطلاعاتی راجع به یک موضوع یا اتفاق است که اغلب برای سرگرمی یا آموزش یک مفهوم نگاشته می‌شود، اما داستان‌های داده‌محور داستان‌هایی هستند که یک روایت ناتمام ولی کارآمد می‌باشند که برای کمک به تصمیم‌گیری راجع به موضوعی نگاشته می‌شوند.

داستان سرایی داده محور

بصری‌سازی داده‌ها

برای این‌که داده‌های شما داستان محور باشند، باید بصری باشند. داده‌های بصری، اطلاعات پیچیده را به چیزی که آسان‌تر قابل درک است، تبدیل می‌کنند. البته این نکته را باید در نظر داشت که داستان داده‌محور شما تنها سعی دارد اطلاعات ارائه کند، نه این‌که پاسخی داشته باشد. داده‌های شما ممکن است هیچ الگویی ارائه نکنند که همین مورد نیز یک پاسخ برای تصمیم‌گیرندگان است، این‌که می‌بایست دنبال داده‌های بیشتری باشند.

بصری‌سازی داده‌ها به سادگی الگوها، روندها و تغییرات را آشکار می‌کنند.

داستان‌های بصری اغلب قابل فهم‌تر هستند

اما چگونه داستان‌هایی داده‌محور بگوییم؟

داده‌ها اگر واقعا باارزش باشند و به شکلی جذاب ارائه گردند، می‌توانند نقش بسیار موثری در تصمیم‌گیری‌ها داشته باشند. حال این تصمیم‌گیری می‌تواند برای حل یک مشکل از یک شهر مورد استفاده قرار گیرد، یا برای رشد فروش یک کسب وکار.

داستان‌هایی را بگویید که برای مردم مهم هستند

به یاد داشته باشید که راویان داستان‌های خوب شنونده‌های خوبی نیز هستند. این جمله بدین معناست که اگر می‌خواهید داده‌ای جمع‌آوری کنید و داستان آن‌ها را بگویید، باید خوب گوش کنید تا موضوعی را پیدا کنید که ارزش جمع‌آوری داده و تحقیق را داشته باشد. باید مطمئن باشید که کار شما ارزشمند است و داده‌هایی که جمع خواهید کرد، مشکلی را برطرف خواهند نمود.
داستان سرایی

از داستان‌سرایانی که مهارت‌های چندگانه دارند، کمک بگیرید

همان‌طور که مشاهده کردید، بصری سازی و روایت از بخش‌های اصلی داستان‌های داده‌محور بودند، لذا تنها افرادی داستان‌های ارزشمند داده‌محور خواهند سرود که مهارت‌های ویژه‌ای داشته باشند.

یک داستان سرا باید مهار‌ت‌های چندگانه داشته باشد

فرم روایت داستان را متناسب با داستان خود انتخاب کنید

فرم‌های مختلفی برای بصری‌سازی داده‌ها وجود دارد، شما می‌توانید براساس داستان خود، فرمی که درک روایت شما را ساده‌تر می‌کند، انتخاب نمایید.

فرم ارائه‌ی محتوا باید متناسب با داستان محتوا باشد
بازاریابی داده محور – فرم ارائه‌ی محتوا

نمونه‌هایی از داستان‌های داده‌محور که در بازاریابی دیجیتالی مورد استفاده قرار گرفته‌اند

بازاریابی داده محور: عادت‌های غذایی آمریکاییان در ۴۰ سال گذشته 

اخیرا وب‌سایت‌ها مقالاتی داده‌محور منتشر می‌کنند که این داده‌ها اغلب حاوی الگوهای جالبی هستند. یکی از مقالات جذاب مربوط به وب‌سایت vox هست که اطلاعات جالبی را راجع به روند تغییر عادت‌های غذایی آمریکایی‌ها طی ۴۰ سال گذشته آشکار می‌کند. نویسنده‌ی این مقاله اذعان کرده که شما به راحتی با مطالعه‌ی کتاب‌های آشپزی سال‌های ۱۹۶۰ و ۲۰۱۷ می‌توانستید به تغییر عادت‌های غذایی طی این سال‌ها پی ببرید.

اما آن‌چه که این مقاله را ارزشمند ساخته جزئیاتی است که هر کسی با اندکی دقت می‌تواند به آن‌ها دست یابد، به عنوان مثال، با تحلیل این‌ دیتاها به این نتیجه می‌رسیم که طی این ۴۰ سال رژیم‌های غذایی از لحاظ سلامتی چندان تغییری را شاهد نبوده‌اند. اگرچه میزان غذاهای منجمد و یخ‌زده کاهش یافته، اما از طرف دیگر به میزان غذاهایی با فروکتوز بالا افزوده شده است.

داستان های داده محور

تاثیر افزایش ماشین‌آلات در تغییر مشاغل

براساس داستان‌ داده‌محوری که وب‌سایت npr اخیرا منتشر کرده است، افزایش ماشین‌آلات در تغییر مشاغل آمریکایی‌ها از سال ۱۸۵۰ تا ۲۰۱۰ تغییرات بسیار عمیقی ایجاد کرده است. شما لازم نیست نابغه‌ی ریاضی باشید تا بتوانید نمودار زیر را تحلیل کنید، بلکه فرم و رنگ نمودار به راحتی همه روندها را آشکار می‌کند.

در سال ۱۸۵۰ تقریبا ۵۱٪ از آمریکاییان مشغول کشاورزی بودند، اما در سال ۲۰۱۳ این میزان به ۱٪ کاهش پیدا کرده است. اما نمودار هم‌چنین نشان می‌دهد که این کاهش منجر به شکست اقتصاد آمریکا نشده است، بلکه افراد شغل خود را از کشاورزی به سایر مشاغل تغییر داده‌اند.

داستان تغییر مشاغل در طول زمان

تغییرات رفتار خرید مصرف‌کنندگان موبایل 

نمودار زیر چگونگی تغییر رفتار مصرف‌کنندگان و خریداران موبایل در طول زمان در کشور هلند را نشان می‌دهد. این نمودار علاوه بر این‌که سهم بازار فعلی این برندها را توصیف می‌کند، هم‌چنین نشان می‌دهد که چه میزانی از سهم بازار برندهای مختلف به دیگری منتقل شده است.

رفتار خریداران موبایل
بازاریابی داده محور- رفتار خریداران موبایل

جنگ و صلح در جهان و تاثیر آن بر جمعیت

و آخرین مثال در رابطه با مقاله‌ایست که در واشنگتن پست منتشر شده است که در صدد نشان دادن میزان جنگ و صلح در جامعه است. این نمودارها نه تنها به سادگی میزان تولدهای سالانه را نشان می‌دهند، بلکه نمایانگر مدت زمانی هستند که افراد زندگی خود را با جنگ‌ها سپری کرده‌اند.

بازاریابی داده محور
بازاریابی داده محور

آینده‌ی داستان‌سرایی داده‌محور

با این‌که ما هنوز در مرحله‌ی سنتی تولید داستان‌های داده‌محور با مشکل مواجه هستیم، اما آینده‌ی بسیار خاصی برای آن پیش‌بینی می‌شود.

تاکنون داستان‌های داده‌محور به صورت سنتی و توسط تحقیقات و پژوهش‌های بسیار پیچیده صورت می‌گرفتند که اغلب هم با درصد خطای بالایی مواجه بودند. اما به تازگی با پیشرفت‌هایی که در علم یادگیری ماشین شکل گرفته است، داستان‌هایی بی غرض، هر چند بسیار ابتدایی روایت می‌شود. نمونه‌ای از آن را در زیر مشاهده می‌کنید:

استفاده از ماشین لرنینگ برای پیشرفت بازاریابی محتوا

اما مطمئنا در آینده‌ای نزدیک شاهد داستان‌های داده‌محور بسیار پیشرفته، دقیق و قابل درک خواهیم بود که روند تصمیم‌گیری را بسیار ساده‌تر از حال خواهند ساخت.

اما آن‌چه که هم‌اکنون نیاز داریم بدانیم، هیچ کس به خاطر چند عدد و رقم تصمیم نمی‌گیرد، آن‌چه که باعث می‌شود یک گزارش داده‌ای، متقاعدکننده و ارزشمند باشد، داستانیست که پشت آن است.

در نهایت

به عنوان سازمانی‌ که می‌خواهید هوشمندتر با مسائل سازمانی خود برخورد کنید:

  • به تصمیم‌گیرندگان سازمان نشان دهید که استفاده از داده‌های دقیق و تصمیم‌گیری براساس واقعیت‌ها تا چه اندازه می‌تواند موثر باشد.
  • برنامه‌هایی برای توسعه و تقویت مهارت‌های تحلیلگران کسب وکار خود آماده کنید.
  • سازمان خود را برای پذیرش بسترهای پیشرفته و جدید آنالیز دیتاها آماده کنید.

 


این مطلب را با دوستان خود به اشتراک بگذارید

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *