发表在2021/02/19

内容为王之死:数据民主如何变革市场营销

为了更好地支持他们的成年学生,大学需要开始提供有助于学生平衡他们拥有的多重责任的合适资源。

本文摘录了内容为王之死:数据民主如何改变市场营销(2020).

第八章

建立数据民主

1908年以来,继续教育和专业计划是华盛顿大学华盛顿大学的标志。1931年正式成立,作为华盛顿大学艺术学院的专业和持续教育部,大学学院一直在为圣路易斯服务于圣路易斯从那以后的地区。大学学院提供超过四十个学习计划,每个级别都有计划。这些包括助理,证书,本科学位,后学士学位证书,先进的证书,以及帮助学生推进职业生涯的毕业学位。所有学生都可以探索新的领域,同时以个人和专业发展而来。然而,到2016年,当我作为营销与沟通总监,大学学院面临严重问题。报名参加数年已下降约5%。

大多数住在圣路易斯的人都不知道大学学院有这样的课程。在我看来,我成年后的大部分时间都在圣路易斯的市场工作,而对大学学院一无所知。我专门在高等教育市场营销方面工作了几年。虽然知道华盛顿大学,但在申请这份工作之前,我仍然不知道华盛顿大学的学院分部。我的学士学位和硕士学位都是晚上的兼职学生。但是,我仍然不知道大学学院有这些类型的项目,至少当我在四十英里外的另一所大学学习的时候。我是一个老学生,所以大学学院提供了黄丝带计划,可以免学费;然而,什么都没有。我很清楚,大学学院在圣路易斯市场中缺乏品牌意识,与华盛顿大学的关系不明确。该地区有超过12家实体店的竞争对手,而网上市场则拥挤嘈杂。 The yearly marketing budget for University College wasn’t big enough to outspend the competition, and so I knew we had to find a smarter approach.

大学学院面临的问题并不新鲜。提高品牌知名度和寻找更多的学生是现代大学面临的共同问题,包括继续教育部门。首先,在研究和发现阶段,我通过查看学生旅程的每个部分的转换属性来解决这个问题。学生们可以从网站上获取信息,或者参加开放之夜。然而,传统的开放日活动过于依赖于在忙碌的成年人的日程安排中找到一个合适的晚上。在这里,数字营销可能会增加该活动的注册人数,但它不能保证随之而来的出席人数。与此同时,该网站每月自然创造的查询量与开放日一样多。被动和主动暴露阶段的品牌意识的缺乏,使得试图让新生直接申请项目、跳过查询的成本导致收益递减。大学学院有40多个不同层次的项目,没有足够的预算为每个项目做特定项目的搜索营销。解决方案不可能仅仅通过对学生旅程的营销来找到。

当营销和录取团队开始看学生旅程的数据方面时,我们发现了被遗漏的机会。我们可以访问旅程结束时的注册信息。所以,我们可以看到大学学院学生在个人课程中的人口统计数据。我们尚未将华盛顿大学员工除外,为自己的教育使用学费福利。这意味着我们包括一个没有学位的观众,每学期较少,患有不规则的入学模式。需要更好地了解大学学院的观众,以寻找新的寻求学生。我们首先建立了我们观众的数据驱动的个性,从几个来源组合了数据点。网站分析在我们的网站上监控了钥匙位置,用于学位计划,应用程序和转换点。观众智能工具比将这些潜在学生分开的网络流量进入各种人物,行为和精神教学数据段,这是针对圣路易斯地区的人口规模和倾向于转换的人口规模。从这里,我们可以将这些细分覆盖在我们的应用程序管理系统和CRM中的一方数据。 The resulting personas were the most accurate view of our students to date. This enabled us to find marketing solutions that were better targeted. Messages resonated because it was the right audience, and students were more interested in degree programs we offered. Within just three short years, the enrollment trend was reversed, improving three to four percent across consecutive semesters.[1]

开启数据革命

民主不是一夜之间形成的,也不是建立在数据基础上的。启动一场数据革命需要的不仅仅是拥有数据点或了解如何使用它们。它需要对齐,将跨组织和涉众的数据竖井聚集在一起。它将目标导向与组织共享的消费者产生有意义的影响。建立一个基础既可以灵活地用于产品或服务的任何数据集。尽管如此,它在不需要无限资源的情况下是可维护的。

仅仅因为营销部门希望这些数据并不意味着其他部门,他们的利益相关者愿意或要求分享它。虽然它可能在基于层次结构的组织中有意义,但在顶部的领导地位才能订购其他部门分享对其数据孤岛的访问权限,但这种方法很少能够热情的遵守方式找到幸福的利益相关者。利益相关者需要了解建立数据民主的目的和目标,共同建立购买。重要的是要记住,利益相关者不会只是依靠逻辑论点,因为人类会。相反,它必须是一个激动联盟的情感上诉。利益相关者无法定位为对其数据筒仓的失去控制。数据流量必须如何尊重采购系统和部门。

建立数据民主背后的目的不应该只是拥有一个或只是毫无理由地收集数据。每个数据点都应该朝着收集的最终目标努力,这将需要用户的合作和利益。即使消费者不是民主的积极贡献者,一旦他们被动地意识到收集,他们的反应将基于谁受益的感知。如果组织利用了这种安排,消费者将来可能会放弃或拒绝这种产品或服务。相反地,如果消费者看到了对他们有利的好处,他们可能会更愿意提供额外的数据,并将利益视为正在考虑的产品或服务的扩展。

将制宪会议视为建立数据民主基础的一种方法可能听起来有些过头了。然而,一个对一个组织如此重要的项目不应该在酒吧下班后的餐巾纸上构想出来。利益相关者的加入将需要一个可以被审查和修改以达成共识的协议。最终目标需要可量化的指标来衡量成功,尊重消费者提供的数据。这样,他们就必须从一个平等的民主成员中获益。该框架的范围也应受到足够的限制,以便所有有关部门都能管理。这需要一个不断提供反馈的数据模型,并且可以在创始部门领导任期之外负责地维护它。

投票数据框架模型

每个行业都有独特的指标,只对其营销目标而言,同时在不同产品或服务部门共享其他指标。在建立数据民主时,框架模型是一种更好的方法,而不是试图假设所有营销人员和组织都会重要的指标。使用模型,专注于数据应该对组织表示什么,营销人员可以避免数据过载和无用的报告,这些报告只显示虚荣度量。因此,数据民主的相关模型应该只包含有价值,可组织,可定位和解释(投票)的数据。

有价值的数据是任何对组织目标有意义和相关的数据。当消费者和产品或服务之间能够连接起来时,这类数据是最显著的。这里的意图是,并不是所有的数据对组织的数据都有价值,应该用于使所有涉众都可以管理数据量。在定量和定性因素都证明有价值数据存在的情况下,发现有价值数据是可能的。有更多这样的数据会改善模型吗?这些数据是否能提供对消费者旅程或受众的洞察?只有在这两方面都有利的数据才应该被认为是有价值的。

这些组织数据具有模型中最多的标准,因为它只是可以收集的数据,可存储,可供和可重复的数据。仅仅因为营销希望这些数据并不意味着消费者可以或将分享它。要收藏,消费者必须愿意并能够分享它。当消费者共享数据时,营销人员必须拥有只要需要将其存储它的位置。从那里,他们必须能够对模型中的所有其他数据进行对其进行排序。数据的集合应该是可重复的,以便模型仍然代表消费者见解,同时总是收集更多的数据点来改进。

目标数据应该是模型中的数据点,用于直接瞄准或间接知道消费者的目标。其目的是为了消除营销人员对该模型需要什么数据或需要什么数据的任何疑问。如果没有可目标化的数据,模型的其他部分就没有任何东西对组织有用。目标数据应该回答消费者是谁,是什么,在哪里,什么时候,为什么。与此同时,它提供了如何触及他们的洞察力。拥有目标数据的营销人员知道他们在模型中包含了正确的数据,因为数据的质量和数量都应该改善对消费者的定位。

可解释数据是模型中使用的任何数据都能被市场内外的利益相关者理解的标准。每一个组织层级的营销都要对领导层中的其他人负责,因此,他们需要理解为什么数据对营销是有用的。如果这些数据不是由营销人员创建或存储的,那么其他部门就需要理解为什么拥有这些数据点对营销人员很重要。这意味着不仅仅是提供数据定义。市场营销最重要的原因是“展示他们的工作”,以证明模型中的所有数据都是有价值的、有组织的和有目标的。通过花费时间和资源来确保数据是可解释的,VOTE模型的框架将在支持组织产品或服务的过程中维持数据民主。

负责任的民主

在美国制宪会议之后,一个经常被重述的故事是,国父本杰明·富兰克林被问及建立了什么样的政府。他的回答是:“一个共和国,如果你能保持下去的话。”[2]数据民主也面临着类似的挑战。一旦它被规划和建造,它将需要维护。忽视像“设置它,然后忘记它”这样的心态。这只会导致破坏,降低数据质量,减少可用数据点的数量。因此,建立数据维护的指导方针,包括卫生、附加、采购和统一,将有助于保持这一重要的民主,并使其蓬勃发展。

数据卫生的实践是通过清理不可用和不准确的数据来维护数据点。这有助于提高数据模型的准确性和态性,随着时间的推移提高其效率。熟悉直接邮寄策略的营销人员已经使用了邮政服务和认证邮件服务提供商的卫生工具数十年。电子邮件营销平台和CRMS拥有自动控制,用于类似的维护和预防。但是,良好的数据卫生实践不应仅限于出站努力,而是在数据模型的每个部分内的基本活动。

很可能不是所需的所有数据点都来自单个来源。追加数据的使用是将不同的源连接到单个数据视图中。应考虑数据来源可以覆盖不同的数据点,并且在每个附加的哪些方向上覆盖。最接近消费者的数据源应该优先考虑,同时也可能提供改善的洞察力。谨慎应在附加时采取谨慎,因为可能冒着与无关数据点混合有价值的数据的可能性,或者自动附加过程可能会覆盖有用的数据字段。通过以下最佳实践,附加的数据可以增强具有更大深度的数据模型,可以扩大消费者的理解。因此,它改善了如何使用整体模型。

大多数数据模型的限制是组织可以从消费者收集什么数据,但是通过数据购买,第三方可以从其来源提供扩展的数据集。这些来源的重要区别在于,第三方数据是关于一般人群的汇总数据,而第一方数据是营销人员直接从客户那里收集的信息,比如他们与组织的互动。如果第三方数据可以让营销人员达到一个广泛的角色,那么第一方数据可以让他们精确定位一个超特定的角色。[3]数据模型不应该完全依赖于数据购买或来自第三方的数据来源,而是一种增强直接由消费者提供的第一方数据和数据点的方法。通常,附加和购买数据的方法可能是单向的,而任何数据模型的最佳方法应该是跨所有数据源和视图的统一。这应该允许数据模型中所有源之间的双向数据流。通过清除所有重复数据源和无用数据点,可以从统一中产生的优化还可以改善数据卫生。这并不是说数据民主应该从收集所有数据开始。记住VOTE模型,但要将来自最佳资源的最佳数据点合并到消费者的统一视图中进行个性化。

有了上面的指导方针,组织就开始了建立数据治理的过程。虽然这个词可能对一些不想失去控制的营销人员和传播者有负面含义,但选择是针对某些最坏情况的先发制人的行动。美国国际集团(AIG)首席数据官莱安德罗·达勒穆(Leandro DalleMule)和巴布森学院(Babson College)校长管理和信息技术特约教授、麻省理工学院数字经济倡议(MIT Initiative on the Digital Economy)研究员、德勤分析(Deloitte Analytics)高级顾问托马斯·h·达文波特(Thomas H. Davenport)在为《哈佛商业评论》(Harvard Business Review)撰写的文章中指出,“如果一家公司遭遇重大监管挑战、数据泄露或其他严重的国防相关问题,投资于数据治理和控制的重要性——即使回报是抽象的——会更容易理解和接受。”[4]任何民主都存在许多危险,但尽早与利益相关者解决这些弱点,可以建立信任,帮助维护数据民主的光明未来。

你好,项目!

在这一点上,营销人员和传播者在开始数据民主时,既要考虑什么作为框架,又要考虑如何维护该数据模型,以达到组织及其利益相关者的最佳利益。缺少的基础是数据应该去向何处,应该考虑哪些数据工具,以及这些工具将如何影响消费者。这对组织来说变得越来越必要。在大多数情况下,由于许多公司没有他们需要的数据,数据正在成为一个区别。尽管几十年来组织一直使用公认的会计原则以系统的方式衡量自己,但这种衡量长期以来一直专注于实物和金融资产——东西和金钱。[5]那么,是什么造就了最强大的平台谷歌、Facebook和亚马逊呢?它们都继续以他们积累、组织和使用数据的方式存在。

当然,并不是每个组织都有能力、资源和时间来模仿主要平台来建立自给自足的数据民主。然而,一些平台旨在帮助企业收集和管理数据。流行的客户关系管理(CRM)服务(如Salesforce和Microsoft Dynamics),以及企业资源规划(ERP)平台(如Oracle和SAP),在帮助企业用数据管理产品和服务方面被广泛认为是行业领导者。还有更多的crm、erp和营销工具。上述品牌不应被认为是对任何服务优于其他服务的认可。但是,应该考虑为这些目的而设计的外部平台,而不是内部软件的内部开发。Vijay Gurbaxani是数字转型中心(CDT)的创始主任,也是加州大学欧文分校Paul Merage商学院商业和计算机科学塔可钟教授哈佛商业评论关于在线市场如何改变商业面貌的平台经济。他写道:“平台经济的一个重要结果是,在其他条件相同的情况下,大玩家往往比小玩家做得更好。当一个较大的企业投资于一个软件平台时,收益来自于更多的客户、员工或生产单位,这意味着当一个较小的竞争对手不能证明投资是合理的时候,它可以证明投资是合理的。这意味着小型企业需要从一开始就构建他们的软件平台。由于快速扩张很难,小型企业可能需要建立伙伴关系或网络来帮助它们成长。无论如何,规模都成为企业如何运用软件思维的关键部分。如果你有杠杆规模;如果你不这么做,那就建立规模。”[6]这意味着外部平台提供更好的容量。组织的规模从一开始就努力尝试构建内部软件,除非这是组织试图创建的产品或服务。

当然,并非所有软件都是平等的。只有真正的平台,利用开发人员生态系统创建增强平台或定制的第三方应用程序,以适应不同的产品和服务部门,在帮助组织构建数据民主国家方面具有真正的市场优势。开发人员的网络效果乘以一个很少有组织可以与内部开发人员团队相匹配的平台的影响。这是最好用的示例方案,公司A和Company B。两者都可以负担得起的五个软件开发人员,这是根据Glassdoor的,2019年每年的平均工资为每年80,394美元。[7]公司A希望在内部从零开始建立他们的数据民主,而公司B希望利用一个使用生态系统的外部平台。公司A和公司B需要他们的软件有五种不同的功能。因此,A公司雇佣了5名开发人员,并给他们每人分配了一个功能。但是现在,他们没有开发人员资源了。同时,B公司使用生态系统平台。公司B不再雇佣5个开发人员,而是只雇佣2个,同时保留了其他3个工资线。这个生态系统平台包括一个咨询师和开发人员社区,此外还有为数不多的100名开发人员在为这个平台工作。这只需要花费B公司一个开发者的工资,因为该平台有其他的组织账户。B公司还可以选择一家专门为其产品或服务部门在平台上构建应用程序的咨询机构。这个机构有15个开发者,但只需要B公司支付2个开发者的工资,因为该机构可以为该领域的其他公司工作。 Company B now has 117 developers working to improve the same five distinct functions with the same cost in developer salaries as Company A that went in-house. Company A will always be limited by the abilities of their five developers, meaning that if they add functions, it either requires an additional developer or less time spent on the existing functions. Meanwhile, Company B can leverage 117 developers to either improve existing functions or expand into new functions. The developers working for the agency and the ecosystem platform also have more incentive to improve and expand functions. It will attract more companies to their platform and services, allowing each to hire more developers. Therefore, organizations that embrace a community driven approach of internal and external resources are better positioned to achieve cutting-edge data democracy than companies that silo their efforts into a single tribe.

黑客们会梦见电子羊吗?

崔黑洛,正如拉丁语所说,“这对谁有好处”是每一个数据民主必须用一个词来回答的考虑:消费者。就像在几乎所有方面一样,消费者与产品或服务的互动既有被动的,也有主动的。这些活动属于他们。虽然数据目前不被认为是个人的属性,但在此时此刻,它仍然是一种交易。因此,消费者必须从他们与他们所寻求的产品或服务的组织之间发生的数据交换中获益。了解消费者是否受益的最重要的方法是看产品与市场的契合度。产品适合市场的概念始于科技创业文化。增长型黑客将其视为实现初创公司最重要目标的途径。硅谷风投公司马克·安德森(Marc Andreessen)对产品市场适应性的定义是,在一个良好的市场中拥有能够满足市场需求的产品。[8]但这就留下了一个问题,那就是如何从消费者的角度衡量它。growthhacker创始人、成长黑客作者、多家初创公司的最初增长主管肖恩•埃利斯认为,产品市场的适合度不应该那么抽象,也不应该通过问一个简单的问题来衡量。“我问一个产品的现有用户,如果他们不再使用这个产品,他们会有什么感觉。根据我的经验,如果没有你的产品,至少要有40%的用户表示他们会“非常失望”,才能满足产品的市场需求。诚然,这个阈值有点武断,但我是在比较了近100家初创公司的结果后定义的。那些难以获得牵引力的游戏总是在40%以下,而那些获得强大牵引力的游戏却超过了40%。”[9]从这个度量标准和阈值,组织可以了解他们的产品市场合适。也许是一个增长黑客营销人员和沟通者的第一个有价值的数据点测量。

但什么是增长黑客?为什么他们对建立数据民主如此重要?优步Rider Growth产品团队前负责人、现为风险投资人的Andrew Chen表示:“Growth黑客是营销人员和编码人员的混合体,他们关注的是‘我如何为我的产品赢得客户?'并用A / B测试答案。他们以着陆页,病毒因素,电子邮件可传递性和开放图对应对。在此之上,他们将直接营销的学科层叠,重点是通过电子表格的定量测量,方案建模,以及许多数据库查询。如果启动是产品前市场契合,则增长黑客可以确保嵌入产品的核心。产品市场合适后,他们可以帮助在已经有效的东西上升起得分。“[10]从本质上说,他们是市场营销人员,他们利用软件开发人员和工程师的技能集来提高他们的市场营销工作,利用数据的可能性。也许,如果说数据民主是一个组织汽车的引擎,那么增长黑客就是可以构建它的一体化工程师。他们是能把车卖出去的销售员,也是能让车在未来几年保持运转的机械师。

成长黑客不仅仅是职称或在营销努力中使用代码的能力。这是一种心态。专注于通过测试不同的营销策略和策略来了解的产品或服务的增长,每次测试都会显示有关有关工作的数据点以及没有的数据。此测试验证了数据,营销和结果框架的归因模型,这些框架是第二章的关键点。营销人员和沟通工商学习的增长技术将理解第三章,第四章和/或电子商务中搜索哪些平台,以及第五章的社交。这些可以在本章中提供投票模型所需的有价值的,可编程的,可控性和可解释的数据。通过拥抱“始终测试”哲学,[11]增长黑客营销人员可以利用现代消费者决策的每个阶段,从初次考虑到保留,然后也许认购。因为营销中的技能组不必仅限于写通用内容,所以要包括数据的能力,以便使用第七章的技术允许以缩放的个性化。The wherewithal to see the whole board, understand how each piece of data works together, and then use those pieces to execute a strategy growth for the products or services that anticipates the consumers’ needs is exactly the kind of talent organizations need to build data democracies.

如果你建好了,他们就会来

增长型黑客背后的概念及其对数据驱动模型的利用可以应用于初创公司之外的任何领域。2014年,当我使用这些原则来增加UMSL的客户关系管理时,情况就是这样。在接下来的几年里,我改进了学校的网站,使之成为转变学生的门户,并利用社交媒体营销来推动门票售罄的开放日活动。挑战在于找到更多的方法来吸引学生,而营销预算在过去五年中没有改变。大学不会给我们更多的钱去做另一个广告牌,广播广告,或者数字广告。我们必须找到一个无成本的解决方案来吸引更多的学生。但是,我们也必须更多地了解为什么学生选择密苏里大学洛杉矶分校。当UMSL在申请过程中问学生这个问题时,正如第二章中买车的经历所证明的那样,“朋友或家人”这个最常见的答案并不是我们可以建模的属性。

说到这里,我想起了一篇关于加州大学洛杉矶分校(UCLA)进行的一项调查的文章。这项调查调查了美国238所四年制学院和大学的19万多名一年级学生,名为“CIRP新生调查”。[12]那一年,加州大学洛杉矶分校列出了23个影响他们最终选择大学的“非常重要”的理由。我从头到脚看了一遍这个清单,想了解一下学生在选择大学时的消费历程。最主要的四个原因是:该大学有很好的学术声誉(63.8%),该大学的毕业生找到了好工作(55.9%),我获得了经济援助(45.6%),以及上大学的成本(43.3%)。这些都不是大学营销和传播系能直接影响的。事实上,任何一所大学都需要数年的时间来改进,如果他们能做到的话。第五大原因引起了我的注意,那就是参观校园(41.8%)。我们已经达到了每年两次的开放参观活动的最高限额,但校园参观每天都要进行多次,每个工作日都要进行。

然后,我们开始建立我们的数据模型,寻找来自几个关键入学源的最有价值的校园旅游相关数据。我们从漏斗底部组织了信息并致力于。该申请有一个校园旅游数据,每个学生都在回答。我们可以将这些数据与正在进口或更新的潜在学生的CRM对校园旅游数据来源进行分类,因为参观了。在漏斗的顶部,我们在校园旅游网站上进行了网站分析。再次,我们将这些数据与其他源进行了比较,以便查看学生数据记录中的频率。校园之旅在两年多的UMSL注册学生的29个可能的CRM接触点列表中排名第六,其中一半的来源是自动控位,每个应用或感兴趣的学生记录已经存在。无疑是一个有价值的数据点。我们还有一个可有理的数据点来集中努力。我们正在寻找有兴趣参加校园游览的学生,以便为他或她自己看大学。 Because we had taken the steps to determine if the campus tour data was valuable, we had organized that data point against all other sources. And because we could target this student from their initial visit to the campus tour website, we had all the criteria for explainable data sets for leadership to sign off on the project.

尽管如此,数据告诉我这并不容易。校园旅游网站的表格弃置率高达86%。那些填写了表格的人总共有25个字段需要填写。就像劲量兔一样。它不停地滚动,在三个独立的完整屏幕截图上滚动,以捕捉所有内容。简单的解决方法是将表格缩短。事实上,这一举措本身就可以提高转化率,但这并不能解决问题。校园旅游网站需要更好的用户登录体验。它必须允许个性化,并为每个学生访客增加更多的校园参观。

我的UMSL团队在各种网站上查看了用户,包括社交网络推特,问题和回答网站Quora,以及一个名为Grouper的现在已经过错的群体。我们意识到,船上最佳的用户体验没有一种长形式,而是跨越几个步骤分裂。在旧形式上,学生的姓名和联系信息是首先,距离底部的日期。在新形式上,我们迈出了第一步。如果表格在第一步之后被遗弃,我们仍然知道他们是谁以及他们来的时候。我们可以通过电子邮件与他们联系以提醒它们,并将它们发送回表单以完成它。下一步帮助他们通过与学术顾问,乘坐旅游院长的学术顾问进行个性化他们的校园旅游体验,或者了解有关希腊生活等课外活动的更多信息。他们可以为他们的兴趣创造一个超过五十种不同的方式。再次,如果学生在第二步停止,我们就知道他们是谁,当他们来的时候,他们想在校园里看到什么。表单的下一步是学术计划和邮寄地址信息,可以在访问前后进行更量身定制的沟通计划。 At this point, the student was completely done with scheduling their tour. Still, the form wasn’t done because a hidden bonus step appeared, asking if they wanted to invite up to two friends with them on the tour. One student signing up for a campus tour visit was good but getting three students at the same time was great. At this point, the student could enter basic contact info for their friends and the CRM would begin a communication plan to invite them on a tour with their friend. Now we could map the importance of the “friend or family” data point if we wanted, but more importantly, we had a more valuable personalized campus tour experience.

在新校园旅游网站上线的前三个月里,我们发现校园旅游增加了37%。到当年年底,密苏里大学旧金山分校的校园之旅参加人数达到了学校历史上的最高水平,而在营销上没有多花一美元。我们使用的任何单一数据源都不能帮助我们达到这个结果。它需要一个数据模型,使用最有价值的、有组织的、有目标的和可解释的数据点,而不是等待学生告诉我们他们为什么选择UMSL。它向我们展示了他们在数据中的投票。

这是Jon Hinderliter的摘录内容为王之死:数据民主如何改变市场营销,于2020年出版。

版权所有©2020 Jon hinderl。由Tactical 16有限责任公司出版。允许出版商使用摘录

参考文献

[1]Gauen,克莱尔。“为成人消费者的知识服务。”&号,2019年4月25日。https://artsci.wustl.edu/ampersand/serving-adult-consumers-knowledge。

[2]凯恩,理查德。“宪法的观点:共和国,如果你能保留它 - 国家宪法中心。”国家宪法中心。访问2019年12月6日。https://constututchcenter.org/learn/educational-resources/historical-documents/perspects-the-the-the-the-the-a-constitution-can -keep-it。

[3]吉拉德,亚历克斯。“第一方数据:如何依靠自己优化广告定位。”HubSpot博客,2018年10月11日。https://blog.hubspot.com/marketing/first-party-data。

[4]达勒骡子,莱安德罗和托马斯·h·达文波特。“你的数据策略是什么?”《哈佛商业评论》。于2019年12月6日通过。https://hbr.org/2017/05/whats-your-data-strategy。

[5]Beck,Megan和Barry Libert。“机器学习比赛真的是数据比赛。”MIT Sloan Management Review,2018年12月14日。https://sloanreview.mit.edu/article/the-machine-learning-race-is-really-a-data-race/。

[6]Gurbakani,Vijay。“你不必成为一个像一个思考的软件公司。”哈佛商业评论,2016年4月20日。https://hbr.org/2016/04/you-dont-have-to-be-a-software-company-to-think-like-one。

[7]Glassdoor网站。“薪资:开发人员,”2019年10月1日。https://www.glassdoor.com/Salaries/developer-salary-SRCH_KO0 9. htm。

[8]马克•安德森。《Pmarca创业指南,第4部分:唯一重要的事情》。2007年6月25日。http://web.archive.org/web/20070701074943/http: / / blog.pmarca.com/2007/06/the - pmarca - gu - 2. - html。

[9]埃利斯,肖恩。“启动金字塔。”启动营销。于2019年12月6日通过。https://www.startup-marketing.com/the-startup-pyramid/。

[10]陈,安德鲁。“成长黑客是新的VP营销。”@andrewchen(博客),2012年4月27日。https://andrewchen.co/how-to-be-a-growth-hacker-an-airbnbcraigslist-cast-study/。

[11]Taparia,尼尔。“关于‘增长黑客’,你可以从发明这个词的人那里学到的5件事。”福布斯,2014年7月22日。https://www.forbes.com/sites/nealtaparia/2014/07/22/5-things-i-learned-about-growth-hacking-from-the-man-who-coined-the-term/。

[12]罗伯特·莫尔斯。“新生们说大学排名不是选择大学的关键因素。”美国新闻,2013年1月31日。https://www.usnews.com/education/blogs/college-rankings-blog/2013/01/31/freshmen-students-say-rankings-arent-key-factor-in-college-choice。

打印友好,PDF和电子邮件

网上购物对高等教育的影响

学会实施电子商务最佳实践并创造积极的学习体验。

在这里阅读