Penyebab dan Konsekuensi Mengejutkan dari Masalah Data

akibatnya menyebabkan data kotor

Lebih dari separuh pemasar percaya akan hal itu data kotor adalah hambatan terbesar dalam membangun program pemasaran yang sukses. Tanpa data berkualitas atau data yang tidak lengkap, Anda kehilangan kemampuan untuk menargetkan dan berkomunikasi secara akurat dengan prospek Anda. Pada gilirannya, ini meninggalkan celah dalam kemampuan Anda untuk memastikan bahwa Anda juga memenuhi kebutuhan tim penjualan Anda.

Efisiensi penjualan adalah segmen teknologi yang berkembang. Kemampuan, dengan data yang bagus, untuk menargetkan prospek, mengubahnya menjadi prospek, dan memberikan tim penjualan dengan prospek yang memenuhi syarat berdasarkan data yang bagus akan menempatkan upaya masuk dan keluar Anda secara bersamaan, mendorong lebih banyak penutupan.

Tetapi 60% dari semua pemasar menyatakan bahwa database mereka adalah diandalkan, 25% menyatakan itu tidak akurat dan 80% yang mengejutkan mengatakan bahwa mereka telah melakukannya berisiko catatan kontak telepon!

Data kotor adalah pembunuh diam-diam kampanye pemasaran. Itu membuat Anda terlihat buruk, menekan dampak dari konten dan penawaran yang bagus, dan dapat membahayakan merek, reputasi, dan domain Anda (atau lebih buruk). Abaikan laporan ini dan implikasinya bagi bisnis Anda dengan risiko Anda sendiri. Matt Heinz, Presiden Pemasaran Heinz

Pastikan untuk mengikuti Matt serta Mengintegrasikan di Twitter. Pada pukul 10 pagi PT / 1 siang ET pada 19 Februari mereka akan mengadakan TweetObrolan pada topik Kualitas Data pada 19 Februari (Hashtags: #dirtydata dan #MartechChat). Temuan dari Integrasikan Indeks Data termasuk:

  • Data duplikat (15%), nilai / rentang tidak valid (10%) dan bidang yang hilang (8%) adalah masalah kualitas data yang paling umum.
  • Pemformatan tidak valid, validasi email yang gagal, dan validasi alamat yang gagal merupakan kesalahan yang lebih jarang terjadi, tetapi lebih sulit untuk diperbaiki; Selain itu, mereka signifikan jika digabungkan - mempengaruhi disposisi dari 5 persen di UKM, 10 persen di perusahaan dan 7 persen di kategori perusahaan media.
  • Seandainya perusahaan media yang dianalisis tidak menggunakan perangkat lunak tata kelola data, mereka perlu secara manual menangkap dan memperbaiki gabungan 313,890 kesalahan data prospek.
  • Dengan harga prospek B2B rata-rata lebih dari $ 50, masalah validasi email dan alamat yang gagal ini akan menghasilkan lebih dari $ 2.5 juta dalam pembelanjaan media yang sia-sia.

Penyebab dan Konsekuensi Data Kotor

Bagaimana menurut Anda?

Situs ini menggunakan Akismet untuk mengurangi spam. Pelajari bagaimana data komentar Anda diproses.