De beste programmeertalen voor digitale marketeers

10 min


107

In de wereld van datagestuurde marketing vereisen meer en meer taken een beetje codering. Mogelijk moet u een extra parameter aan uw trackingcode toevoegen of onbewerkte gegevens uit Google Analytics ophalen. U wilt misschien een eenvoudige voorspelling maken of een paar herhalende taken in uw PPC-campagnes automatiseren.

Of misschien wil je gewoon een gemeenschappelijke taal spreken met je ontwikkelaars, zodat je ze beter kunt inlichten en begrijpt dat ze misschien zeggen: “Dit duurt twee weken.”

Hoe dan ook, kennis van een of twee datatalen – zelfs op beginnersniveau – is een grote hulp voor het dagelijkse werk van een online professional en dus een enorm voordeel ten opzichte van uw concurrentie.

Welke programmeertaal moeten marketeers leren?

Voor een nieuwkomer zijn er vier programmeertalen die de moeite van het leren waard zijn:

  1. SQL *
  2. JavaScript
  3. Python
  4. Bash

* Technisch gezien is SQL een “declaratieve taal”, geen programmeertaal, maar het heeft de ” functionaliteit van een volwassen programmeertaal .”

Natuurlijk hoef je niet alle vier tegelijk te leren. Zelfs als je er een leert, worden veel, veel problemen opgelost die je je nooit had kunnen voorstellen. Trouwens, na het leren van je eerste programmeertaal, is het meestal veel gemakkelijker om de rest te leren – je begrijpt de onderliggende computerlogica al.

Maar welke taal is goed voor wat? Wie zou welke moeten kiezen? Het hangt van verschillende dingen af:

  • de taken waar je aan werkt;
  • de tools waarmee je werkt; en
  • je doel met de opgegeven taal.

In dit artikel zal ik al deze vragen beantwoorden en een overzicht geven van de vier populairste talen voor professionals in digitale analyse.

Maar eerst … Waarom hebben we meer dan één programmeertaal?

Ten eerste zijn er historische redenen. Ze lijken op waarom we verschillende talen spreken in verschillende landen. Python, SQL, JavaScript en Bash zijn gemaakt door verschillende computerwetenschappers in verschillende omstandigheden. Uiteindelijk, toen andere mensen deze talen begonnen te gebruiken, vonden ze hun eigen manier om te groeien.

De tweede reden is belangrijker. Python, SQL, JavaScript en Bash zijn goed in verschillende dingen. U kunt sommige taken in JavaScript oplossen die u nooit in SQL zou kunnen oplossen. Het is bijvoorbeeld eenvoudig om voorspellingen te maken in Python, maar echt moeilijk in Bash.

Elke taal heeft zijn voor- en nadelen, dus u moet verstandig kiezen op basis van de vragen die u wilt laten beantwoorden.

Laten we de talen één voor één bekijken!

SQL

Beste in : data-analyse; snelle en eenvoudige gegevensvragen, zelfs op datasets met meerdere miljoenen regels; op een efficiënte manier met gegevenstabellen samenwerken

Marketingdoelen: toegang tot diepgaande gebruikersgegevens uit de database van uw bedrijf; uitvoeren van geavanceerde query’s op Google Analytics-gegevens, enz.

Moeilijkheidsgraad : 3/10

Ga aan de slag met : SQL For Data Analysis Tutorial Series

SQL is een relatief eenvoudige taal. Het staat voor “Structured Query Language”, maar ik noem het graag “Excel op steroïden” – het benadrukt de essentie. SQL is geweldig voor het uitvoeren van query’s op hele grote tabellen (zelfs tabellen met meer dan 10 miljoen rijen). Het kan een enorme klus geklaard krijgen, soms in seconden, terwijl Excel vaak kielt met slechts een paar honderdduizend rijen.

Het efficiënt omgaan met datasets van miljoenen regels is een van de grootste bevoegdheden van SQL en het is de belangrijkste reden dat veel bedrijven een aanzienlijk deel van hun gegevens opslaan in dit formaat. De wisselwerking is dat SQL geen gebruikersvriendelijke point-en-click-interface heeft; we moeten toegang hebben tot onze gegevens door op code gebaseerde query’s te schrijven.

Dit is het verschil tussen een SUM () -functie in Excel (boven) en SQL (onder):

excel sum-functie

sql som-functie

SQL is voor mij de beste “invoertaal” in de wereld van coderen omdat het eenvoudig en duidelijk is.

Hoe SQL real-world marketingproblemen oplost

Maak meer accurate, gedetailleerde rapporten

Een van mijn voormalige collega’s, Rob, is een SEM-goeroe-met een codeerachtergrond zonder code. Jaren geleden had hij te maken met voortdurende gegevensverschillen tussen Google Adwords, Google Analytics en interne bedrijfsrapporten – soms meer dan 10%.

Rob wist niet welk rapport de beste gids was voor zijn volgende zet. (Iedereen die met PPC-tools werkt, heeft waarschijnlijk minstens één keer hetzelfde probleem ondervonden.) Hij begreep ook niet hoe interne rapporten werden gebouwd en de ontwikkelaars hadden – zoals gewoonlijk – een belangrijker project dan hem te helpen bij het debuggen ervan.

Op een dag raakte hij zo geïrriteerd dat hij besloot om zelf SQL te leren. Hij pakte de kennis op die hij in minder dan twee dagen nodig had. (Naar mijn ervaring is het praktisch haalbaar voor bijna iedereen om in die tijd een gemiddeld niveau in SQL te bereiken.)

Daarna kon hij gemakkelijk de bedrijfsdatabase doorzoeken en de fouten opsporen. Hij was ook in staat om nauwkeurigere, meer gedetailleerde rapporten te maken omdat hij over de zakelijke kennis en de codeervaardigheden beschikte.

Maak verfijnde segmenten met Google Analytics-gegevens

Digitale analisten moeten ook weten dat BigQuery , een Google-product, u in staat stelt SQL te gebruiken om Google Analytics-gegevens te beheren.

U kunt bijvoorbeeld deelnemen aan verschillende Google Analytics-tabellen om rapporten te maken die niet mogelijk zijn in de point-and-click-interface van Google Analytics. Andere gevallen van gebruik omvatten diverse, data-zware taken zoals het bevragen van de metadata van 1 miljard taxiritten of back-end monitoring van analyses voor real-time fraude detectie .

Met de standaardgebruikersinterface van Google Analytics kunt u primaire en secundaire dimensies gebruiken om microsegmenten te maken door bijvoorbeeld te kijken naar het aantal sessies op bestemmingspagina en bron.

Maar als u SQL kent, kunt u uw Google Analytics-gegevens verder segmenteren door een derde en vierde dimensie toe te voegen (bijvoorbeeld locatie en apparaattype). Bovendien kunt u geavanceerde filters toevoegen (zoals alleen de 20% meest actieve gebruikers tellen) en geavanceerde berekeningen uitvoeren (zoals het gebruik van de mediaan in plaats van gemiddelde) en nog veel, veel meer dingen.

JavaScript

Beste in : het implementeren van trackingcodes; elke vorm van web-ontwikkeling oplossing

Marketingdoelen : de nauwkeurigheid of granulariteit van tracking verbeteren voor een betere gegevenskwaliteit

Moeilijkheidsgraad : 8/10

Ga de slag met : JavaScript-cursus van Codecademy

JavaScript is een van de meest gebruikte programmeertalen in webontwikkeling (naast HTML en CSS). Als iets opduikt, animeert, automatisch scrollt, sprankelt of verandert, is het waarschijnlijk geschreven in JavaScript.

Maar voor digitale marketeers en CRO-professionals is het nog belangrijker om te weten dat bijna alle trackingcodes in JavaScript zijn geschreven.

Hier is er een die je vrijwel zeker ooit eerder hebt gezien:

gtm-containercode
De Google Tag Manager-container en de meeste trackingfragmenten maken gebruik van JavaScript.

Dat codefragment dat is gebruikt om Google Tag Manager te implementeren, is in JavaScript. Dit geldt ook voor de codefragmenten voor Google Analytics, Hotjar, Crazy Egg, Facebook, Reddit, Google Ads, DoubleClick en vele andere hulpmiddelen. Om deze trackingcodes op uw website in te voegen, hoeft u niet veel over JavaScript te weten; de meeste hulpprogramma’s hebben het proces vereenvoudigd tot een kopieer- en plakactie.

Als u echter geavanceerde tracking-achtige scroldiepte of cross-domein tracking wilt instellen, kan een basiskennis van JavaScript zorgen voor een juiste implementatie. Met geavanceerdere JavaScript-toepassingen kunt u terugkerende taken in Google-advertenties automatiseren , UTM-parameters doorgeven aan verschillende websites en profiteren van talloze andere mogelijkheden.

JavaScript is beslist moeilijker dan SQL. Het kan een paar weken duren van 1-2 uur dagelijks leren om een ​​solide basis te bouwen. Maar dat is meer dan voldoende om uw trackingscripts te begrijpen en aan te passen, de automatisering te vereenvoudigen en, nog belangrijker, de communicatie met ontwikkelaars te verbeteren.

Hoe JavaScript echte marketingproblemen oplost

Voorraad verbinden met advertentiecampagnes

Een van mijn klanten had een e-commerce bedrijf met meer dan 100.000 producten. Ze voegden constant nieuwe producten toe, stopten oude producten, waren niet meer op voorraad, of vulden hun opslagruimte met best-sellers.

Het bedrijf was zo complex dat hun advertenties het niet konden bijhouden – ze hadden elke minuut Google-advertentiecampagnes moeten starten en stoppen, maar het was onmogelijk om dat handmatig te doen.

Dus een van hun marketingstagiaires (!) Begon JavaScript te leren met de hulp van een mentor van het webteam. Met ongeveer een maand van leren en oefenen, was hij in staat om een ​​JavaScript-automatisering in te stellen waarmee informatie werd doorgegeven tussen de bedrijfsdatabase en Google-advertenties.

Daarna zijn de campagnes automatisch gestart en gestopt op basis van de voorraadgegevens van het bedrijf. Het heeft hun team talloze uren werk bespaard, menselijke fouten verminderd en advertentie-uitgaven opgeslagen – ze hebben niet langer geld verspild aan het promoten van niet-voorradige of beëindigde producten.

Schakel robuuste A / B-tests in

JavaScript speelt ook een cruciale rol bij conversie-optimalisatie. jQuery , een JavaScript-bibliotheek, stuurt de HTML / CSS-wijzigingen aan voor A / B-testen.

Marketeers zonder jQuery-vaardigheden vertrouwen op de visuele editors van testtools om A / B-tests te ontwerpen en te publiceren, vaak met slechte resultaten .

Het ontbreken van codeervaardigheden beperkt hun vermogen om te testen wat ertoe doet of dat te grote wijzigingen de site doorbreken.

Python

Beste in : voorspellende analyses; machine learning; APIs

Marketingdoelen : geavanceerde analytische methoden uitvoeren op datasets; voorspellingen doen om toekomstige planning te begeleiden

Moeilijkheidsgraad : 7/10

Ga aan de slag met : Python voor Data Science Tutorial Series

Python is een favoriete taal van datawetenschappers. In veel opzichten is het vergelijkbaar met JavaScript. (De twee talen hebben ongeveer hetzelfde niveau van complexiteit.) Zelfs de syntaxis lijkt op elkaar. Vergelijk bijvoorbeeld de “if” -functie in JavaScript (links) met die in Python (rechts):

python versus javascript syntaxisvergelijking

Het grote verschil is echter dat Python vooral bedoeld is voor “back-end” en analytische taken, niet voor “front-end” -taken (bijv. Website-ontwikkeling).

Vanuit het oogpunt van een analysetechnicus is het grootste voordeel van Python de vele analyse-uitbreidingen die specifiek zijn geschreven voor data-wetenschappelijke taken. Als u voorspellende analyses of een machine learning-project wilt uitvoeren, werkt u waarschijnlijk in Python.

Bovendien bieden veel populaire digitale analyse- en marketingtools toegang tot API’s. (Een snelle, niet-technische uitleg van API’s is hier beschikbaar .)

Hoe Python echte marketingproblemen oplost

Een paar recente projecten komen voor de geest:

  • Bij veel startups hebben we Python gebruikt om te voorspellen of gebruikers hun abonnement in de nabije toekomst zouden opzeggen en vervolgens proactief contact met hen zouden opnemen.
  • Bij een groter bedrijf gebruikten we Python om de verwachte toename in support tickets te schatten en planden we onze kwartaalverhuring op die nummers.
  • Bij een heel klein bedrijf gebruikten we Python om enorme wanden van tekst automatisch te schrapen en mediabeschrijving te analyseren.
voorspellende analyse python
U kunt geavanceerde analytische projecten uitvoeren, zoals deze voorspellende analyse, in Python.

Er is ook nog een ander voorbeeld, zij het dat er een beetje is. Begin 2018 schreef ik code in Python om via een API-oplossing verbinding te maken met de database van een cryptocurrency-serviceprovider.

Nog steeds in Python vroeg ik elke minuut de wisselkoers van Bitcoin, en nog steeds probeerde ik in Python een statistisch model te passen om de wisselkoersverandering voor de komende 10 minuten te voorspellen. (Voordat je enthousiast wordt: ik heb meer dan 10.000 modellen getest en geen enkele gaf een voorspelling die voor de nauwkeurigheid voldoende is.)

Maar u kunt vergelijkbare projecten uitvoeren met behulp van uw Google Analytics-gegevens, Google Ads-gegevens of interne bedrijfsgegevens, als u Python kent. Ik zou aanraden om te beginnen met een paar weken (1-2 uur per dag) om de syntaxis te leren en te oefenen, en om bekend te raken met zijn marketinggerichte uitbreidingen.

Het is een realistisch doel om aan het eind van een maand uw eerste (eenvoudiger) voorspellende analyseproject in Python uit te voeren. Verwacht natuurlijk niet van de ene week op de andere een senior Python-ontwikkelaar te worden, maar je zult in elk geval op een efficiënte manier met ontwikkelaars kunnen communiceren. Als je bovendien al JavaScript hebt geleerd, is het leren van Python eenvoudig. (Het werkt ook andersom.)

Opmerking: Misschien heb je wel eens gehoord van een andere populaire taal vergelijkbaar met Python, genaamd R. Het wordt voornamelijk gebruikt door wiskundigen en statistici, en de syntaxis ervan is iets moeilijker te leren in vergelijking met Python. Om die en andere redenen, raad ik Python over R aan voor digitale analisten en CRO-professionals. Sommige “hardcore” statistische pakketten zijn echter alleen beschikbaar in R.

Bash

Beste in : bestanden verplaatsen, scripts automatiseren, andere talen verbinden

Marketingdoelen : rapportage automatiseren

Moeilijkheidsgraad : 5/10

Ga aan de slag met : Data Science op de Commandolijn

Bash is een ‘bonus’-taal en het is ook niet echt beroemd. Maar je moet weten dat het de ingebouwde taal is van elke computer die draait op een Ubuntu / Linux-besturingssysteem en dus ook de taal van de meeste dataservers.

Bash is niet de eerste taal die je zou moeten leren, maar het is niet moeilijk. De basisweergave is het klassieke ontwerp met “opdrachtregel”. Veel programmeurs vinden het leuk: het ziet er cool uit (een kwestie van smaak, natuurlijk) en het biedt duidelijke toegang tot communicatie met de computer op kernniveau.

bash-opdrachtregel
Bash biedt duidelijke, diepe toegang tot de besturingssystemen van dataservers.

Hoe Bash echte marketingproblemen oplost

Ik gebruik Bash voor drie specifieke taken (meestal in data-wetenschapsprojecten):

  1. Gegevensbestanden verplaatsen, kopiëren, opschonen en opnieuw structureren op een externe gegevensserver.
  2. Het automatiseren van scripts (bijv. Het trekken van gebruikersgegevens, het formatteren en het automatisch opslaan op een server om middernacht).
  3. Python- en SQL-scripts met elkaar verbinden en samen uitvoeren.

In de begindagen van Prezi (mijn eerste werkplek) hebben we bijvoorbeeld de volledige gegevensinfrastructuur gebouwd met alleen Bash en het heeft de gegevens van 3 miljoen gebruikers – voor de bovengenoemde taken en rapportage – heel goed verwerkt.

Je kunt de basisprincipes van Bash in één of twee dagen leren. Het is echter alleen zinvol als u SQL of Python (of beide) al hebt geleerd.

Wat is de beste manier om een ​​programmeertaal te leren?

Om deze talen te leren, zijn er tal van gratis en betaalde bronnen, online en offline. (Ik heb voor elke taal een bron aan de bovenkant van de sectie gekoppeld.) Of u nu de voorkeur geeft aan boeken of workshops of zelfs aan interactieve cursussen, iedereen begeleidt u effectief door de theoretische basis.

Maar het belangrijkste onderdeel van het leerproces is de praktijk. Zoek een klein project om je pas verworven codeervaardigheden toe te passen om de praktische problemen aan te tonen die je kunt oplossen en je motivatie te vergroten. De praktijk zal ook je kennis verdiepen.

Hier zijn een paar pet-projectideeën:

  • Python : Bouw een bot die Blackjack kan spelen.
  • SQL + Bash : Schraap artikelen over nieuwsportals en probeer vergelijkbare artikelen uit verschillende portals te verzamelen.
  • JavaScript : probeer kliktracking te implementeren op uw website (of op een testwebsite).

Dit zijn slechts mijn ideeën. In alle opzichten: vind iets dat u interesseert en dat u graag zou willen bouwen en bouw het dan!

Zelfs als je niet van plan bent om praktijkervaring op te doen, is programmeerkennis essentieel om de juiste kandidaat voor je marketingafdeling te vinden.

Hoe kun je professionals met deze vaardigheden vinden en aannemen?

Het is een moeilijke vraag.

Een digitale marketeer of CRO-professional met een zakelijke mindset en ook weet hoe te coderen, is zeldzaam. Waarom? Omdat het twee verschillende vaardigheden zijn. Meer en meer bedrijven hebben echter het belang van codering in digitale analyse gerealiseerd en de vraag naar deze talenten is groter dan ooit.

De gemakkelijkste manier om de juiste persoon aan boord te krijgen, is iemand intern te vinden – een programmeur die geïnteresseerd is in zaken en marketing of een digitale marketeer die open staat voor het leren coderen. Met de juiste trainingsprogramma’s is het niet zo moeilijk om het carrièrepad van een gemotiveerd talent over te zetten.

Hoe kandidaten te interviewen voor het programmeren van posities in marketingafdelingen

Als u een goede kandidaat van buiten uw bedrijf vindt (het is niet onmogelijk), zorg er dan voor dat de interviewcommissie ten minste één technisch persoon en één bedrijfspersoon heeft. Het is niet ongebruikelijk dat deze aanvragers 6 tot 8 goed ontworpen interviewrondes doorlopen, waaronder een take-home opdracht en technische screenings op het whiteboard.

Als je iemand wilt inhuren, moet je als hoofddoel hebben om te weten of ze haar kennis in de praktijk kan toepassen. Het stellen van theoretische vragen als “Leg alstublieft de rol van inspringing in Python uit” of “Hoe zou u standaarddeviatie berekenen?” Zal niet helpen.

Als een aanvrager was dit een “vertellen” dat de commissie geen idee had waarom ze mij wilden aannemen. (En als gevolg daarvan heb ik hun aanbod aan het einde van het proces afgewezen.) De beste vragen zijn 100% praktisch en laten de aanvrager denken! Bijvoorbeeld: “U hebt deze twee gegevenstabellen met X- en Y-gebruikersinformatie. Wie zijn onze krachtige gebruikers? Waarom? Schrijf er een vraag voor! “

Conclusie

Er is niets magisch aan SQL, JavaScript, Python of Bash. Iedereen kan de basisbeginselen van deze talen leren, of het uw doel is om een ​​beginnend arts te worden, de communicatie met uw ontwikkelteam te verbeteren of het gemakkelijker voor u te maken om de juiste mensen in te huren.

Kies degene die het beste potentieel heeft om uw belangrijkste marketingvragen te beantwoorden en begin dan met leren! Na de eerste paar uur ziet u dat het niet zo ingewikkeld is als u misschien denkt – en hoe nuttig het kan zijn in uw dagelijkse werk als marketeer.


Erwin@delaatbusiness.com
Dag, Hulp nodig met internet marketing of websites maken? neem dan contact op

0 Comments

Het e-mailadres wordt niet gepubliceerd. Vereiste velden zijn gemarkeerd met *

Choose A Format
Personality quiz
Series of questions that intends to reveal something about the personality
Trivia quiz
Series of questions with right and wrong answers that intends to check knowledge
Poll
Voting to make decisions or determine opinions
Story
Formatted Text with Embeds and Visuals
List
The Classic Internet Listicles
Countdown
The Classic Internet Countdowns
Open List
Submit your own item and vote up for the best submission
Ranked List
Upvote or downvote to decide the best list item
Meme
Upload your own images to make custom memes
Video
Youtube, Vimeo or Vine Embeds
Audio
Soundcloud or Mixcloud Embeds
Image
Photo or GIF
Gif
GIF format