在海量數據淹腳目的今天，我們到底要看哪些（或給我們的老闆看哪些）數據才能夠御風而行，扶搖直上(?) 並提供適切的數據協助組織了解受眾（客戶、使用者）並把有限資源用在刀口？
我親愛的數據導師Avinash Kaushik在「你品牌的數位行銷好棒棒嗎？」中提出了幾點供我們按圖索驥：
透過這六點問題，是否對點破了你對於數位行銷的某些迷思呢？
如果你對數位行銷有心得或是問題，歡迎留言與我分享！
Google行銷導師 Avinash Kaushik在一則訪談中分享了他對於任何組織的領導人或行銷人應該要關注的三個數據面向：1. 客戶開發（Acquisition）、2. 使用者行為（Behavior）、3. 結果（Outcome）。
這三個面向是策略層次的建議，執行面的方法，他在三篇文章中有精闢的說明。自Ball State的電訊傳播研究所畢業，並參與數位內容行銷與分析多年之後，再次拜讀到Avinash Kaushik的文章，只能用驚豔和醍醐灌頂來形容。話不多說趕快來讀這三篇文章吧！
最佳數據分析指標：以及15個案例
最佳數位媒體指標：留言、轉發、按讚及其經濟價值
必勝分析密技27：智能指標計算器
延伸閱讀：
智慧模板：最佳數據分析指標
敏捷分析流程：指標>假設>實驗>行動
內容、行銷與測量最佳組合：「看，想，做，愛」使用者意向集群
你有數據分析和行銷分面的問題嗎？歡迎留言討論！
工作一段時間後，做決定便成為日常需要。不論是人事任用、分配資源、或挑選主視覺，如何快又好地做決定，一直都不是件容易的事。
商業顧問兄弟檔 奇普·希斯(Chip Heath) 和 丹·希斯 (Dan Heath) 在「零偏見決斷法 (Decisive: How to Make Better Choices in Work and Life)」一書中提出四個決策陷阱（程嘉君譯，大塊文化出版）
• 選項狹隘：多數人只問「要不要」或「好不好」來二選一，忽略了其他可能性。
• 確認偏誤：只看支持自己假設的資訊。
• 短期情緒干擾：事實已經擺在眼前，還是不願相信。
• 過度自信：認為自己一定可以預測並掌握未來，不願調整做法。
他們也針對這四項盲點提出對策：
• W 擴增更多選項（Widen Your Options）
• R 真實驗證假設（Reality-test Your Assumptions）
• A 抽離自我情緒（Attain Distance Before Deciding）
• P 準備迎接錯誤（Prepare to be Wrong）
這裡有支影片舉例說明書中梗概：Improve your decisions using the wrap process
你也對如何做好決策有疑問或研究嗎？歡迎留言和我討論喔！