Content marketing uwielbia dane, raporty, analizy, wykresy, grafy i infografiki. Dane podpierają tezy, ilustrują trendy, wskazują tendencje i budują wiarygodność treści i jej autora. Skuteczna komunikacja oparta na danych to sztuka – sztuka poprawnego wnioskowania, konceptualizowania i ubierania danych w narrację. Razem z Monday agencją komunikacji zorganizowaliśmy szkolenie z Janiną Bąk, królową datatainmentu i data storytellingu. Łapcie 5 najważniejszych wniosków z warsztatów.
Dwa dni po brzegi wypełnione statystyką. Korelacje, kauzacje, triangulacje… brzmi strasznie? Nie w wykonaniu Janiny Bąk. Dla tych, którzy jej nie znają: Janina na co dzień nosi statystyczny kaganek oświaty młodym, irlandzkim umysłom, które to umysły najczęściej chcą jej ten kaganek rzucić w twarz. Zna odpowiedzi na najtrudniejsze pytania nurtujące marketerów na całym świecie (w tym kluczowe: Ile trzeba zjeść czekolady, żeby dostać Nobla?). Po godzinach prowadzi bloga i… najlepsze prezentacje na największych konferencjach marketingowych w Polsce (jest zwyciężczynią tegorocznej edycji I <3 Marketing & Social Media). Tak mocno jak dane i statystykę kocha tylko foki. Ok, foki chyba nawet bardziej.
Do rzeczy!
Po pierwsze: dane są narzędziem komunikacji – czyli zastanów się, co chcesz przekazać i zrób to najprościej, jak to możliwe
Zdarza się, że ulegamy pokusie przeładowania prezentacji, raportu, e-booka, infografiki danymi i wykresami. W gąszczu imponujących liczb, fantazyjnych wykresów i grafów ginie sens, przekaz… i uwaga odbiorcy. No, ale jak to? Skoro zrobiliśmy research i znaleźliśmy kilkanaście opasłych raportów, to niepowetowaną stratą byłoby nie podzielić się zawartymi w nich danymi ze światem, prawda? No właśnie nie. Pamiętaj: szare komórki > komórki w Excelu.
W komunikacji marketingowej liczy się skuteczność w dotarciu z przekazem do odbiorcy. Dane są jak słowa. Są formą wyrazu. Dopiero przemyślane, ubrane w zdania, osadzone w kontekście zaczynają opowiadać historię – tę historię, którą chcemy zakomunikować odbiorcy. Za dużo danych może wprowadzać niepotrzebny zamęt, odciągać uwagę od głównego przekazu lub po prostu nudzić. Zrozumienie komunikacyjnej funkcji danych jest kluczowe – zwłaszcza w erze content marketingu. Tworzymy tony raportów, analiz, danych, walczymy o uwagę… przejrzyste przedstawienie danych to klucz do skutecznej komunikacji z odbiorcą, utrzymania jego uwagi i zachęcenia do powrotu do tworzonych przez nas treści.
Po drugie: pomóż odbiorcom zrozumieć dane – czyli konceptualizuj i dbaj o kontekst
Ludzki mózg słabo radzi sobie z konceptualizacją dużych liczb. O ile bez problemu jesteśmy w stanie wyobrazić sobie 100 osób, o tyle z trudem przyszłoby nam uzmysłowienie sobie, ile to jest 7,442 miliarda ludzi. W przypadku komunikacji, w której dużą rolę odgrywają dane, warto pamiętać o dwóch rzeczach: łatwości poznawczej i umieszczaniu danych w kontekście. 795 milionów ludzi głoduje. To duża, ale abstrakcyjna liczba. Trudno nam ją skonceptualizować. O ile łatwiej zrozumieć skalę problemu, jeśli powiemy, że co 9 człowiek naszej planety ma problem z dostępem do pożywienia? Konceptualizację po mistrzowsku wykorzystują badacze skupieni wokół 100 People Foundation. Przeskalowali oni największe globalne problemy i wyzwania do sytuacji, w której populacja naszej planety liczy 100 osób.
Po trzecie: umiejętnie dobieraj wykresy i grafy – czyli dlaczego wykres kołowy to Fiat Multipla świata statystyki
Wykresy kołowe – wszyscy znają, nikt nie szanuje. A już na pewno Janina i pozostała część statystyków. Nazywane są Comic Sans wizualizacji danych. To nie jest tak, że wykresy kołowe są gruntu złe, ale mamy w zwyczaju ich nadużywać. Także w sytuacjach, w których inne sposoby wizualizacji danych sprawdziłyby się dużo lepiej. Dane mają przekazywać informacje i uwydatniać kluczowe wnioski. Najskuteczniej jak to możliwe. Tymczasem okazuje się, że ludzki mózg nie radzi sobie zbyt dobrze z porównywaniem wielkości różnych wycinków wykresu kołowego. Brak skali to brak punktu odniesienia. Jeśli więc przygotowujesz analizę konkurencji i masz do przedstawienia udział kilku lub kilkunastu brandów w share of voice, zastosuj wykres słupkowy zamiast kołowego.
Wykresy kołowe świetnie się sprawdzą w przypadku wizualizacji dyferencjałów – np. udziału kobiet i mężczyzn w badanej populacji lub w sytuacji, gdzie różnice w wielkościach są wyraźne. Warto też zadbać o etykiety.
Niezależnie, czy planujesz zastosować wykres kołowy, słupkowy czy jakikolwiek inny, pamiętaj o jednym: główną i nadrzędną rolą wizualizacji danych jest ułatwianie ich zrozumienia. Im mniej informacji i bardziej przejrzyście, tym lepiej.
Po czwarte: weryfikuj dane i sprawdzaj metodologię – czyli dlaczego nie jest tak, że na spacerze z psem statystycznie macie po 3 nogi
Znacie statystyczną anegdotkę o człowieku i psie? Człowiek z psem na spacerze mają średnio po 3 nogi. Z perspektywy matematyki wszystko się zgadza – poprawnie wyliczona średnia liczba kończyn dolnych. Coś tu jednak się nie zgadza. Mamy tu do czynienia z błędem doboru próby do badania – do jednego worka wrzuciliśmy czworonoga i człowieka. Podobnie jest z odpowiedzią na pytanie, czy jak wsadzimy głowę do lodówki, a nogi do piekarnika, to będzie nam w sam raz. Jeśli mielibyśmy wyliczyć średnią arytmetyczną, to byłoby w sam raz. Jaka metodologia, takie wyniki.
To oczywiście przerysowane przykłady, w których zdrowy rozsądek podpowiada nam, że coś jest nie tak. Nietrudno sobie jednak wyobrazić scenariusz, w którym nieadekwatność średniej nie jest tak oczywista. Przykład? Współpraca z serwisem internetowym lub blogerem. Pytasz o średnią liczbę odsłon per wpis z ostatniego miesiąca. Akurat traf chciał, że jeden z wpisów rozszedł się wiralowo i 10-krotnie przekroczył dotarcie standardowego tekstu. Średnia będzie wysoka, ale czy będzie to odpowiednia dana do ustalenia KPI dla kampanii? Generalnie lubimy nadużywać średniej, choć w wielu sytuacjach lepszym (albo nawet jedynym) wyborem mogłaby być mediana lub moda, czyli tzw. miary tendencji centralnej.
Moda (zwana też dominantą) to wartość, która w zebranych danych statystycznych pojawia się najczęściej. Przykład? Wyobraźmy sobie zbiór danych, w których analizujemy zainteresowania: 5 osób interesuje się social media, 3 content marketingiem, a 2 public relations. Modą w tym zbiorze jest social media. Mediana z kolei to wartość środkowa zbioru liczb (lub zmiennych porządkowych). Dzieli zbiór na dwie równe części. Niedoskonałość średniej dobrze obrazuje znany nam wszystkim przykład średniego wynagrodzenia – miary raportowanej cyklicznie przez GUS. Nieźle tę sprawę przeanalizowała redakcja Forsal.pl. W październiku 2016 r. średnia wypłata w sektorze przedsiębiorstw wynosiła 4346,76 zł brutto (3094 zł netto). Dominanta (najczęściej występujące wynagrodzenie) równało się 2074,03 zł brutto, czyli ok. 1511 zł netto. Mediana również była znacznie niższa od średniej – wynosiła 3510,67 zł brutto, czyli 2512 zł na rękę. Więcej o dominancie i medianie przeczytacie tu.
Zanim więc zacytujesz w swoim tekście, infografice lub innej tworzonej przez siebie treści dane lub wnioski z raportu zewnętrznego, przeczytaj notkę metodologiczną. Sprawdź, kiedy badanie zostało przeprowadzone, gdzie i na jakiej próbie
Po piąte: dane nie kłamią, ale interpretacje i wizualizacje mogą wprowadzać w błąd – czyli dlaczego lody nie powodują utonięć
Po pierwsze: korelacja to nie kauzacja. Liczba spożywanych lodów jest skorelowana z liczbą utonięć. Czy to oznacza, że im więcej społeczeństwo spożywa lodów, tym większej liczbie osób grozi utonięcie? Nie. Co prawda występuje korelacja (wzajemny związek między zmiennymi), ale nie należy mylić jej z kauzacją (jedna zmienna wprost przyczynia się do powstania drugiej, np. jesz dużo smalcu – rośnie Ci brzuch). Musi być inny czynnik, który pomoże nam wyjaśnić tę zagwozdkę. I jest – chodzi o wysokie temperatury. Kiedy jest gorąco lubimy się schłodzić – jemy lody i wchodzimy do wody. W wodzie zdarzają się tragiczne wypadki. Hipotetycznie można sobie wyobrazić sytuację, w której lobby antylodowe wykorzystuje takich wyniki badań do potwierdzenia swoich tez. Trzeba zatem zachować szczególną ostrożność, jeśli ktoś odradza Ci jedzenie lodów strasząc przy tym utonięciem. A jeszcze lepiej przeprowadzić analizę regresji, która ostatecznie pozbawi antylodowców argumentów.
Po drugie: skalę y na wykresie zawsze zaczynaj od zera. Zdarza się, że marketerzy – żeby podkreślić walory swojego produktu, jego przewagi nad konkurencją – tworzą grafy i wykresy, które wyolbrzymiają przewagi, które są minimalne lub nieistotne. Jednym z najbardziej powszechnych zabiegów tego typu jest manipulacja skalami na osi x i/lub y. Nigdy tego nie rób. Prędzej czy później ktoś przejrzy taką manipulację, a Ty utracisz wiarygodność.
Na blogu Monday znajdziecie namiastkę tego nietuzinkowego szkolenia – fotorelację z warsztatów z Janiną Daily.
