机构领导在 2021/22 年将采取哪些举措？

你有没有想过其他机构在接下来的半年里优先考虑什么以及他们最想改进的地方？ 您通常不了解竞争对手的战略重点，但今天您做到了！

作为数字营销机构的技术服务提供商，我们定期进行市场研究，以确保我们的培训和招聘与我们合作的机构和整个行业的战略重点保持一致。

今天，我将分享我们在 2021 年上半年进行的市场研究中的一些有趣发现，这对领导付费媒体团队的任何人来说都会很有趣。

我们随机抽样询问了英国和美国的付费媒体负责人，他们希望他们的团队在明年在哪些领域取得最大进步。

结果如下：

领先的类别并不令人惊讶。

“跨渠道客户报告”是价值链的一个阶段，当您的客户看到“您做了什么”并且有许多通用报告工具时，32% 的机构领导表示他们希望在这方面进行改进也就不足为奇了。

同样，26% 的人表示他们希望改进他们的机器学习和高级分析方法，而这些不再只是一个流行词！ 研究表明，较大的品牌希望在这一领域更加成熟，并寻求在其营销方法中整合更多的机器学习——所以这是有道理的。

五分之一的机构告诉我们，他们希望更加专注于构建专有技术和平台。 同样，它是广告代理机构的一个很好的差异化因素，并且可以真正在付费媒体交付方面产生影响。

所以呢 是 奇怪？

只有 12% 的人表示他们将专注于集中机构数据——尽管这确实是我们的受访者提到的所有三大优先事项的基础步骤。 让我们进入它。

将数据仓库视为您机构所有数据的中心枢纽。 您加入和处理来自各种渠道和来源的数据，准备跨渠道数据以进行报告，将其推送到数据可视化平台以进行报告，并在这些数据集上运行高级分析和机器学习算法。

与数据可视化平台不同，像 Google 的 BigQuery 这样的数据仓库旨在存储和处理大型数据集——因此它们也是 Data Studio 和 Google Sheets 性能问题的解决方案。

如果您遇到报告缓慢并且正在使用 Supermetrics、Funnel、Adverity 或 TapClicks 等连接器来提取数据，这篇关于为什么 BigQuery 是解决 Data Studio 性能问题的方法的博文将会有所帮助。

由于像 BigQuery 这样的数据仓库允许您准备和管理庞大的数据集，因此它通常也是数字营销中极具影响力的专有工具和平台的后端。

为什么数据仓库是 2021/22 的战略要务？

鉴于数据仓库开放的数据智能和自动化选项，它很自然地成为我们与希望与我们一起构建专有技术和平台或提高其报告和分析能力的机构进行范围界定对话的一部分。

我们的 CTO 实际上写了另一篇 PPC Hero 文章，内容是关于如何使用数据仓库引入一种经济实惠且可扩展的方法来进行跨渠道报告，并为跨多个渠道的自动化优化构建高级解决方案。

如果您正在考虑利用机器学习，那么强调数据仓库对于这种方法的重要性的最简单方法是指出 Google 提供免费的机器学习算法以用于其 BigQuery 数据仓库。

那么为什么没有更多的机构关注数据仓库呢？

如果内部没有数据工程师、开发人员和数据科学家，那么专注于基础知识似乎令人生畏，这是可以理解的。 事实上，通常只有较大的机构才有这种人才，而且它们通常也有效地使用数据仓库来获得更高级的分析并作为专有工具的后端。

越来越清楚的是，越来越多的机构倾向于使用数据仓库来应对数据孤岛等挑战，引入更先进的客户报告和分析，以及提高机构范围的洞察力。 底层技术（如 Google 的 BigQuery 数据仓库）变得非常易于访问——尤其是当您与专门从事数字营销技术的数据工程师和开发人员合作时。

最终，投资专有技术为您的代理机构提供了大量差异化机会，尤其是那些帮助您和您的客户获得更高级洞察力的机会。