用数据驱动的方法解锁增长

新的一年总会带来新的挑战，2021年也不例外。各种规模的机构都不得不调整，以适应前一年席卷全球的危机，结果却转危为安，看不到尽头。由于没有人能预测未来，大学肯定会在营销、招生和招生方面遇到新的不可预见的挑战，因为传统的方法将在健康安全限制和预算紧缩下受到限制。然而，想要不仅仅是生存下去的学校必须探索新的方法和解决方案。正如我在我的新书，《内容为王的死亡:数据民主如何彻底改变营销在美国，那些将数据视为受众新声音和新投票的组织将在这个新领域占据主导地位。在本文中，我将概述三种数据驱动的方法，用于寻找新的受众，帮助机构实现目标并蓬勃发展。

开始数据驱动营销实验的最佳方法是使用你的数据自己的数据充分发挥。无论规模大小，每个机构都有学生名单供他们使用，比如申请信息、申请和入学的学生。在现代的学生招聘和注册时代，每个列表都保证有两个基本数据点:电子邮件地址和电话号码。当然，根据你学校的招生周期，这些列表中的一些仍然是相关的和有效的，但它们并不能帮助扩大受众。这样做的数据驱动方法称为相似受众。它可以在程序性广告和社交媒体网络的广告平台上使用，使用你现有的学生名单来找到像他们一样的人。由于各大平台的数据驱动算法已经关联并量化了每个互联网用户的数十亿个数据点，这些数据属性已经与最基本的用户接触点相连:他们的电子邮件地址和电话号码。有隐私问题的机构应该放心，因为主要平台的安全协议作为匹配技术的一部分，确保您的列表永远不会暴露或不安全。有了相似的受众，机构就可以像现有的学生一样，向新学生识别和推销自己。好消息是，相似的用户可以通过最少的预算和努力轻松地在许多平台上进行细分和部署。

对于那些希望更深入地了解受众，以便更好地接触他们的机构来说，应该探索与第三方数据点合作的网站分析。值得包含的第三方数据点应该具有人口统计学和心理学属性，可以根据网站访问进行分层。这是我们在圣路易斯华盛顿大学的大学学院采用的方法之一，为了更好地了解我们的受众群体，它导致了入学率的提高。通过绘制学生从第一次网站访问到课程注册的路径，每个部分都可以帮助找到谁、什么、何地、何时以及为什么——其深度远远超过网站调查或焦点小组，后者可能会出现抽样不足的情况。是否谁你的用户分析是否与预期相符?学生通过网站选择的路径能预测成功或失败吗?学生们是否发现了一些让你惊讶的可移动的障碍或不可预见的捷径?你是否考虑到学生的位置有很多变量，包括客源流量、地理边界和人口背景?是否当学生访问是否有一种与招生周期或营销活动相对应的模式，这也是衡量当前努力的有效性和推动结果的好方法?最后，要理解为什么，或者学生的意图，需要了解之前所有数据点的背景。

当你知道如何倾听数据，了解谁是你的听众，谁不是你的听众时，数据就能讲述一个故事。只听取一方意见的危险在于可能会错过代表性不足的群体。有色人种、残疾人和退伍军人只是几十年来许多机构在更受欢迎方面取得了巨大进步的一些群体。然而，全国各地的入学率仍然表明，与总人口相比，他们在高等教育中的代表性不足。这是每个接受财政援助的机构都可以获得的数据。问题是如何处理它。重要的是，整个机构要与增加代表性不足群体的入学人数的使命保持一致，这样资源就会相应得到分配。不过，信息必须传达给他们，这可以通过数据驱动的营销来实现。信息必须在学生的学习过程中产生共鸣并保持一致，这可以通过数据驱动的受众细分和沟通来实现，其结果必须与预期的入学结果进行衡量，当然，这可以通过数据分析来实现。通过调整数据和信息来发现和招募代表性不足的群体并不是增加入学率所需努力的终点。 Retaining and providing a positive experience to the students in these groups leads to successful alumni who can then provide testimonials of the positive impact of their higher education.

机构不必独自面对这个数据驱动的新时代的挑战。整个数字生态系统都有合作伙伴，帮助大学在数据流、湖泊和海洋中导航。那些对应用数据驱动的努力犹豫不决的人应该认识到，他们的竞争对手要么已经在采用类似的方法，要么正在探索应用这些方法的可能性。虽然使用数据来部署相似的受众，获得分析见解，并找到代表性不足的群体是应对当今挑战的良好开端，但技术发展的速度表明，新概念即将出现。

免责声明:文章中的嵌入链接不代表作者认可，而是旨在为读者提供额外的上下文和服务。