这里有一个我讨厌的笑话:84%的统计数据是现场编造的。
我讨厌它，因为它指出了一个困扰我的问题，一个营销作家，很多。
每个营销人员都喜欢好的数据，尤其是当它支持他们所营销的内容时。一旦找到，就会不可抗拒地把它折成某个副本。
然而，并不是所有的统计数据都是平等的。市面上有大量的信息，但并不是所有的信息都能以貌取人。统计数据可能有偏见、过时、被误解、误导或完全不正确。
举个例子来说吧:
“内容营销的成本比传统营销低62%，产生的线索是传统营销的3倍。”
我敢打赌，每个内容营销人员都喜欢这些数据。我得出这个结论，不仅因为这是显而易见的，还因为我在大量讨论内容营销优点的网站和文章中遇到过。
这个统计的问题是没有来源。当然，很多网站都有其他来源，但经过一些搜索，我不能确定来源。
放我一马，跟着我进这个兔子洞。
在谷歌上搜索一下这个数据，就能找到很多值得信赖的来源，包括尼尔·帕特尔(Neil Patel)、内容营销研究所(Content Marketing Institute)、WordStream和HubSpot等。
他们中的大多数人将这组统计数据归因于这张信息图来自需求度量(其他人没有来源，或引用彼此)。图片或页面上没有日期，所以我不知道它有多少年了。在我发现它的文章中，最早的一篇是2016年10月发表的一篇前《福布斯》撰稿人的文章。
在信息图的底部列出了四个来源。其中的三个，都是列表文章，导致404错误。其中一个日期是2012年。唯一有用的URL指向Demand Metric自己的资源中心。在我看来只有这就是我想要验证的信息图表。
我的结论是:这个数据几乎肯定是过时的，而且几乎无法证明。在我看来，使用它是不负责任的。
常见的统计来源问题
我经常遇到这样的情况。事实上，我有一个名为“我讨厌这些数据”的列表，内容营销成本减少62%是最重要的(真实故事)。
在我看来，在许多情况下，某些统计数据是不可用的。我将它们分为以下几类:
违例1:循环统计
循环统计是一种总是相关的，但会定期变化的统计。
我最喜欢的例子是，电子邮件营销的投资回报率是42:1。这个完全有用的数据来自Litmus自己2019年的研究．一年前，电子邮件的投资回报率是38:1美元。
这里的问题不在于实际的数据，而在于何时使用了过时的版本，并被认为是当前的相关信息。
旋转属性的关键是找到它的最新版本。不幸的是，有时年度报告和调查会停止，或者这些报告的重点会改变，排除你最喜欢的循环统计数据(什么，你没有这些吗?)
2号违法者:不确定的统计数据
一个不确定的统计是指没有可识别的来源，或者来源太弱，认为它有效就有点牵强了。比如这个:人类处理图像的速度是处理文本的6万倍。
在我寻找这个问题的源头时，我发现了一个可能与我志同道合的人。2012年，博主艾伦•莱文(Alan Levine)将弄清这一数据的来源作为自己的使命。他不能。他追溯到2001年3M的一本小册子，以及1982年《商业周刊》的一则广告，但没有任何研究支持这一说法。
据我所知，莱文还在寻找证据证明这是真的，而且他提供现金奖励只要有人能证明
违例3:虚假统计
错误的统计基于错误的前提。比如:“65%的人是视觉学习者。”
这是不准确的原因:实际上并没有不同的学习方式。多年来，通过大量的研究，这个神话已经被揭穿。
在这个例子中，糟糕的数据不仅会误导你的营销材料。这个谬论指导了教学课程，鼓励学生专注于特定的学习方法，基本上把人归入任意的框框。的美国心理学协会甚至说，这个神话可能会阻碍一些学习者。
教训:糟糕的数据会带来问题。不要通过你的营销材料来延长他们的生命。那是自私和不负责任的。
违者4:引用圆圈
对我来说，引用圈子是最令人沮丧的采购问题，因为它们是毫无意义的时间浪费。但在你走到最后或者回到开头之前，很难判断你是否在一个引用的圈子里。
我之前带你去的兔子洞就是一个例子。最终，这一事实最常被引用的来源只能追溯到原始的信息图表。
违者5:没有出路的消息来源
dead-end source指的是你最终引用到了末尾，但仍然没有确凿的证据表明这个数据不是完全捏造的。例如，“白板动画导致两倍的销售额”(“作为什么”是不同的，取决于来源)。
谷歌搜索显示Infographic World有这个统计的特色片段，以及第一个结果(幸运的家伙)。Infographic World链接到一篇非常短的2016年LinkedIn Pulse文章，完全没有上下文。这是它的整体:
这篇文章的唯一评论者询问消息来源，但没有回应。
两倍的销售额部分通常与白板动画捆绑在一起，后者在社交媒体上分享的可能性要高出三倍。这两个数据点也可以在另一篇前《福布斯》撰稿人的文章中找到，文章将这两个数据都归功于卡拉·克拉克。她是一个值得相信的人，因为她是一名神经学家，为白板动画公司The Draw Shop提供建议。
一些挖掘的结果理查德·怀斯曼教授的研究该研究显示，66%的参与者说他们会分享白板动画，而不是一个会说话的视频。克拉克在《Roger Dooley的Brainfluence播客在2016年。这是一个完全不同的数据，并没有提到对销售的影响。
我还发现本电子书从2015年开始，其中包含了社交分享和购买可能性的统计数据，并归功于克拉克。然而，在声明背后没有关于研究的细节，除了在serp中显示的实际PDF之外，我在任何地方都找不到这个来源，为什么Clark要参考Wiseman三年前的研究，如果她自己在一年前就做了她自己的研究?我无法回答这些问题，但我也不能真诚地告诉别人，白板动画的销售额将是其他类型视频或内容格式的2倍。要我说，你也不能。
如何避免糟糕的统计数据
我们每个人都有责任只使用好的数据，而忽略坏的数据。以下是避免错误统计的3个技巧：
1.忽略统计点式
我建议任何负责任的市场营销作家避免使用统计列表文章。你知道那些标题为“关于2020年视觉营销的87个不可思议的统计数据”或类似的东西。
如果你发布了一篇统计列表文章:引用你的来源，提供背景并保持文章的更新。看看这篇关于语音搜索统计的文章看看我们在博客上是怎么做到的。
如果你发现自己在读一篇文章，考虑一下它的出版日期，最近是否更新过，来源是什么。这引出了我的下一个观点:
2.做你的研究
如果你在看一篇列表文章，在你使用它之前先研究一下。许多列表文章都有一些可用的统计数据;你要做的就是把它们清除掉。
3.不要屈服于诱惑
当你发现一个数据听起来令人难以置信时，你就会想要把它编入你的内容中。有时候，即使你已经跌到兔子洞的底部，事实似乎仍然不确定，你仍然很容易相信和使用这个统计。战斗的诱惑。只使用那些你可以问心无愧的事实。
关于负责任地使用统计的提示
就像我之前提到的，每个营销人员都喜欢好的数据，这是有原因的:数据能吸引读者，他们支持你的说法，而且通常来说，这些数据就是好的营销文案。
不要让那些糟糕的数据把你吓跑。你可以找到有说服力和有用的事实。以下是负责任地使用统计数据的4个技巧:
1.确定你最喜欢的信息来源
就像我有一个列表叫做“我讨厌这些统计数据”，我也有一个列表叫做“我最喜欢的统计数据”。它有链接到最新版本的声誉良好的报告。当我需要一个好的数据点时，我经常查阅这个列表。
我建议您也确定您的获奖来源，并努力在每一份报告发布时(或在您需要它们时)找到更新版本。以下是我清单上的一些资料来源:
- 2020 B2B内容营销-内容营销研究所。
- 2020年视频营销状况——Wyzowl。
- 2020年社交媒体营销行业报告-社交媒体考官。
2.问一个数字是否必不可少
在你使用统计数据之前，考虑一下如果没有它你将如何表达你的观点。如果你发现自己掉进了一个采购的兔子洞，也许更值得你花时间放手，使用你的创造性写作技能来制作令人信服的文案，而不是依靠统计数据。
3.使用原始研究
原创研究是产生你自己的数据和展示你的思想领导力的绝佳方法。
根据你所拥有的资源、覆盖范围、受众的参与度和其他一些因素，你的原始研究可以是大型项目，也可以是小型调查。无论哪种方式，您都将拥有一段其他人想要引用的原始数据(作为奖励，您可能会生成一些反向链接)。
我们的版本是Brafton实验室．我们在SurveyMonkey上创建了调查，将它们发送给我们的时事通讯订阅用户，并从读者那里收集了一些有趣的信息。我们不仅能够收集大量的信息，并将其转化为原创的研究文章，而且我们还了解了更多关于我们的订阅者的信息。
4.引用你的来源，必要时提供上下文
这是不言而喻的，但绝对值得重复:一定要引用你的资源。
此外，如果是相关的，在你使用的属性中提供上下文。进行研究的人或群体、时间框架、样本大小等等都可能是相关的。不要根据数据点来推断它是否适合你的叙述。如果你不得不做编辑体操来让它适合，你最好找到一种新的方式来表达你想要说的话。
统计数据是美好的事物，但重要的是不要被它们的魅力所迷惑。数字是令人信服的营销材料，但优秀的营销人员可以通过可靠的数据来源和一些创造性来证明他们的产品/服务/品牌。
最后:不要再说内容营销成本比传统营销低62%。你不可能知道的。
