كيفية التنبؤ بمناطق النمو والمخاطر في خطة التسويق بناءً على البيانات

لقد أعلنا مؤخرًا عن منتج جديد - OWOX BI Insights - قادر على التنبؤ بتحقيق أهداف التسويق بناءً على بياناتك وبيانات السوق الإجمالية والتعلم الآلي. يعطي المسوقين إجابات على الأسئلة المهمة:

• هل سنفي بخطة المبيعات والعملاء المتوقعين والمؤشرات الأخرى هذا الشهر؟
• إذا لم نغير أي شيء ، فكم عدد المبيعات والعملاء المحتملين وما إلى ذلك التي سنحصل عليها بحلول نهاية العام؟
• في أي القنوات والمناطق والشرائح لم يتم تحقيق الأهداف ، وأين توجد المجالات الرئيسية للنمو؟
• كيف حالنا بالنسبة للسوق؟ هل انخفض السوق أم أن أداءنا كان سيئًا؟

في هذه المقالة ، نخبرك عن سبب بناء التوقعات وكيفية العثور على مناطق النمو والمخاطر لكي تكون متقدمًا على منافسيك بخطوة.

اطلب توقعاتك الآن!

• تخبرنا التكنولوجيا والبيانات كثيرًا
• الشهية تأتي مع الإسناد
• ما المهام التي يتعامل معها محلل التسويق في OWOX BI؟
• كيف تبدو تقارير OWOX BI؟
• رسائل إخبارية عبر البريد الإلكتروني لصناع القرار
• التنفيذ: من أين تبدأ وكيفية بناء التوقعات
• الاستنتاجات التي توصلنا إليها في هذه العملية

تلعب تحليلات التسويق دورًا مهمًا في الأعمال التجارية الحديثة.

في عام 2018 ، تجاوز متوسط ​​حصة ميزانية التسويق للشركة التي تم إنفاقها على تقنيات التسويق (29٪) لأول مرة الحصة التي يتم إنفاقها على الأشخاص الذين يستخدمون هذه التقنيات (24٪).

إذا لم تتحقق توقعات نمو الشركة ، فسيقوم معظم المديرين أولاً وقبل كل شيء بفصل مدير التسويق. لذلك ، يجب أن تكون منظمات الإدارة الجماعية مهتمة جدًا بإدخال التقنيات والبحث عن حلول أفضل.

قامت غالبية منظمات الإدارة الجماعية (78٪) بزيادة عائد الاستثمار باستخدام التحليلات عند تشكيل استراتيجية التسويق.

إليك قصة قصيرة عن كيف بدأ كل شيء قبل بضع سنوات وكيف أدركنا أن عملائنا بحاجة إلى تنبؤات ورؤى.

OWOX BI: هل تريد منا إعداد Google Analytics؟
العميل: بالتأكيد ، ولكن لا يمكننا رؤية عائد الاستثمار في Google Analytics لحملات التسويق المباشر على Facebook و Yandex ولا يمكننا مقارنة فعاليتها.
OWOX BI: إليك استيراد البيانات تلقائيًا. ما عليك سوى إضافة حق الوصول إلى خدماتك الإعلانية وسيتم تلقائيًا استيراد جميع البيانات إلى Google Analytics. ستحصل على عائد استثمار لجميع الحملات الإعلانية.
العميل: رائع ، لكن البيانات الموجودة في Google Analytics لا تتطابق مع ما هو موجود في CRM. تؤمن إدارتنا بالبيانات الموجودة في CRM ، ولا يمكننا إعادة معالجة بيانات Google Analytics للتأكد من صحتها. لا يمكننا أيضًا دمج هذه البيانات مع البيانات الداخلية بأثر رجعي ، لا سيما بدون استيراد وقت الاستعلام.
OWOX BI: حسنًا ، إليك جميع بياناتك في Google BigQuery. لقد جمعناها من Google Analytics والخدمات الإعلانية وتتبع المكالمات وتطبيقات الهاتف المحمول. يمكنك الآن دمجها مع البيانات من CRM الخاص بك وإنشاء أي تقارير.
العميل: رائع! لكننا بحاجة إلى إيجاد حملات تم التقليل من شأنها في كل هذا. لا يساعد استخدام استعلام SQL بسيط لأن المستخدمين يجرون عددًا من النقرات على طول المسار إلى الشراء. نحتاج بطريقة ما إلى إسناد قيمة كل هذه الخطوات ، مما يعني أننا بحاجة إلى توظيف مطورين.
OWOX BI: متفق عليه. ماذا عن الإحالة القائمة على قمع التعلم الآلي والتقارير الجاهزة؟ ما عليك سوى تحديد هذه الخطوات وسترى حملات مقومة بأقل من قيمتها الحقيقية.
العميل: هل يمكنك تحديد مناطق النمو لدينا في كل هذه البيانات؟ فقط قل أين يجب أن ننظر للوفاء بخطة المبيعات.
OWOX BI: Soooo ... دعنا نناقش ما تتوقعه من محلل التسويق الخاص بك.

1. يوضح أين يتم تحقيق أهداف التسويق وعدم تحقيقها.
خلال اجتماع في بداية كل شهر ، يسأل المدير مدير التسويق: «لماذا لم يتم الوفاء به؟». أي منطقة أو قناة إعلانية لدينا؟ "ويسمع رداً:" لا أعرف بعد. أحتاج يومين - سأرى ، أعود وأخبر. "موقف شائع؟

قررنا أن هذا يكفي - فلندع العملية برمتها تتم آليًا. كل شيء بسيط هنا: نأخذ البيانات بأثر رجعي ، أي حقيقة ، ونقارنها بالبيانات المخطط لها. من المهم أن يتم ذلك تلقائيًا لشرائح مختلفة.

2. يوضح كيف ستحقق الأهداف السنوية المخططة إذا ذهبت إلى أبعد من ذلك بنفس الوتيرة كما هو الحال الآن.
إذا اكتشفت مسبقًا أن فريق التسويق مقصور في فئة أو منطقة ، يمكنك إصلاح إستراتيجيتك التسويقية بسرعة وتحسين النتائج. من أجل الحصول على مثل هذه الفرصة لعملائنا ، نأخذ بياناتهم ونبني نموذجًا للتنبؤ في الأفق لمدة تصل إلى عام. هنا تتم مقارنة التوقعات مع الخطة.

3. يكتشف مجالات النمو والمخاطر للشهر المقبل.
للقيام بذلك ، تقوم OWOX BI Insights تلقائيًا بمقارنة أهداف التسويق والتنبؤ على مستوى المناطق والقنوات والمعلمات وداخل مجالات مسؤولية كل صانع قرار في الشركة.

4. يساعد في الإجابة على السؤال: «هل هذا ما لا نعمل عليه أم أن السوق هدأ؟».
هذا دائمًا سؤال مفتوح وملائم في أي شركة ، لأنه لا يكفي الإجابة على بياناتها الخاصة. على سبيل المثال ، إذا تم تجاوز الخطة ، فمن المثير للاهتمام معرفة: هؤلاء مسوقون - أحسنت أو حدث شيء ما في السوق وركض الجميع لإنفاق الأموال. أو لنقل أن الأهداف لم تتحقق بنسبة 2٪. هل هذه نتيجة جيدة أم سيئة لفريق التسويق؟ إذا نما السوق فهو سيء ، وإذا انخفض بنسبة 15٪ فهو جيد.

بيانات السوق مهمة للإجابة على هذه الأسئلة. لهذا السبب نبني نموذجًا للتعلم الآلي استنادًا إلى بيانات من عشرات الآلاف من المشاريع لتقديم تنبؤات أفضل مما يمكنك تحقيقه باستخدام بياناتك التاريخية فقط.

5. ينشئ تقارير في الخدمات المعتادة والمريحة لك.
توضح تجربتنا أنه عندما يتعلق الأمر بمنتج جديد ، فإن معظم الشركات لا ترغب في تقديم خدمة أخرى. قد تفكر في: «لدي برنامج Excel (أو Google Sheets ، Data Studio ، Tableau ، Power BI). هل يمكنني إضافة توقعات هناك؟ »بالطبع يمكنك ذلك ، لأن أي خدمة تصور تقريبًا يمكنها الحصول على بيانات من Google BigQuery ، حيث نقوم بحفظ نتائج العمليات الحسابية.

بادئ ذي بدء ، دعونا نلقي نظرة على التقارير النهائية. ثم سنخبرك كيف يتم صنعها.

أول وأبسط شيء هو الحصول على ثلاثة أعمدة لكل شهر: الخطة ، والفعلي ، والتنبؤ.

جعل الخطة مسألة بسيطة. يمكن إجراؤها بواسطة أي محلل في Excel. يمكننا أيضًا حساب القيم الفعلية ، حيث أن الشركة لديها هذه البيانات. مهمتنا هي إضافة توقع.

ملاحظة: يحتوي التقرير على بيانات لبداية شهر أبريل. كما ترى ، لدينا قيمة فعلية صغيرة (الشهر قد بدأ للتو) وهناك نوع من التوقعات لبقية شهر أبريل. وفقًا لذلك ، بالنسبة للشهر الحالي ، يجب مقارنة الخطة بمجموع القيم الفعلية والمتوقعة.

في الرسم البياني أعلاه ، الخط الأصفر هو الأهداف التي حددها العميل ، والأعمدة ذات اللون الأزرق الداكن هي القيم الفعلية التي تم تحقيقها بالفعل ، والأعمدة ذات اللون الأزرق الفاتح هي توقعات.

بمجرد أن نعرف الأهداف والتوقعات والقيم الفعلية في سياق المعلمات اللازمة لاتخاذ القرارات ، يمكننا إنشاء جدول محوري كلاسيكي في جداول بيانات Google.

هناك ثلاث معامِلات في هذا الجدول: شهر التقارير ، ومجموعة القنوات (البحث المجاني ، والسوق ، والبريد الإلكتروني ، وما إلى ذلك) ، والمنطقة. هذا هو التجميع الأساسي الذي تعمل به معظم الشركات. بعد ذلك ، نعرض المقاييس الرئيسية اللازمة لإدارة ميزانية التسويق:

من التقرير ، نرى أن البحث المدفوع في المنطقة 1 من المرجح أن يدر إيرادات أقل مما هو مخطط له. نرى أيضًا أن قناة البريد الإلكتروني قد تتخلف عن المعاملات. تتيح لك هذه المعلومات اتخاذ القرارات قبل إنفاق ميزانيتك دون المستوى الأمثل - وقبل أن تصبح منطقة النمو في الماضي وتضيع.

وأفضل شيء هو أن لدينا توقعات للمستقبل. يظهر ما سيحدث إذا استمر الاتجاه الحالي.

لنلقِ نظرة تفصيلية على بعض العناصر في هذا الجدول. يتم حساب النسبة المئوية للانحراف المميز باللونين الأحمر والأخضر باستخدام صيغة بسيطة:

نأخذ الحقيقة مع التوقعات ، وهذا ما سنحصل عليه على الأرجح في نهاية هذا الشهر. اطرح من هذا أهداف المقطع وقسم النتيجة على خطة الفترة. يجيب الرقم الناتج على السؤال إلى أي مدى ينحرف جزء معين عن التوقع.

على سبيل المثال ، بالنسبة لمعاملات أبريل ، نرى انحرافًا بنسبة −4.8٪:

هذا يعني أنه في أبريل ، تأخرنا بنسبة 4.8٪ عن خطة الصفقة. إذا جمعت القيم لجميع القنوات فوق هذا الرقم ، فسيكون الإجمالي −4.8٪.

لماذا ننظر إلى هذا؟ لماذا لا ننظر إلى الانحراف النسبي؟ على سبيل المثال ، لنفترض أن لدينا قناة إحالة صغيرة. وفقًا للخطة ، يجب أن يكون هناك ، على سبيل المثال ، 50 صفقة. سيعطينا الفارق حتى 20 معاملة انحرافًا بنسبة 40٪. لكن هذا ليس ما تحتاج إلى الانتباه إليه في المقام الأول ، لأن هناك قنوات أكبر بكثير. وإذا أظهرت قناة أكبر انحرافًا بنسبة 10٪ ، فسيكون ذلك أكثر أهمية للنشاط التجاري. يوضح اللونان الأحمر والأخضر في الجدول مدى أهمية اهتمام الشركة لهذا الجزء.

في لقطة الشاشة أدناه ، قمنا بتوسيع البيانات لشهر أبريل:

نرى هنا أن البيانات يمكن أن تتحلل إلى قنوات ومناطق. يمكننا تحديد تلك الأجزاء التي نريد أن ننظر إليها أولاً. الأحمر منطقة خطر ، والأخضر منطقة نمو. يتم تمييز معدل التحويل باللون الأزرق ، وفي الجزء السفلي يوجد ملخص.

سنقدم الآن التقرير الأكثر أهمية وإثارة للاهتمام ، والذي يعرض ثماني فترات زمنية يتم استخدامها لمقارنة التوقعات بالأهداف.

1. يعرض هذا العام الفعلي الأرقام الفعلية من بداية العام إلى اللحظة الحالية. يمكننا مقارنة هذه القيم بالأهداف لفهم مدى نجاحنا في تحقيقها.
2. يظهر الشهر الماضي الفعلي البيانات الفعلية للشهر الماضي. لقد أغلقنا الشهر السابق ، لذا يمكننا أن نرى بسهولة في كل قسم وقسم ما إذا كانت الأرقام الفعلية تتطابق مع الأرقام المخطط لها.
3. يعرض الأسبوع الماضي الفعلي البيانات الفعلية للأسبوع الماضي.
4. تظهر توقعات هذا الأسبوع التوقعات للأسبوع الحالي. لقد بدأ الأسبوع ونرى ما سيحدث لنا. حيث يكون الشخص المسؤول ، على سبيل المثال ، عن البحث المدفوع ، انتبه الآن ، لتحقيق نتيجة أفضل في نهاية الأسبوع. للقيام بذلك ، تحتاج فقط إلى تجنب المخاطر (مظللة باللون الأحمر) وتنفيذ مناطق النمو (مظللة باللون الأخضر).
5. تُظهر توقعات الأسبوع المقبل توقعات الأسبوع المقبل.
6. يُظهر توقعات هذا الشهر توقعات الشهر الحالي.
7. تظهر توقعات الشهر القادم توقعات الشهر المقبل. في تجربتنا ، من الأفضل بناء هذه التوقعات بناءً على البعد الأساسي فقط. وهذا يعني أن تقسيمه إلى المستوى الثاني (في حالتنا ، المناطق) لم يعد مستحسنًا نظرًا لوجود الكثير من الضوضاء وضعف جودة التنبؤ.
8. تظهر توقعات هذا العام التوقعات حتى نهاية العام. نحن نبنيها فقط للمقياس الرئيسي ، الدخل. تُظهر التجربة أن التنبؤ بتوزيع حركة المرور عبر المناطق والقنوات والقطاعات الأخرى قبل نهاية العام ليس تمرينًا رائعًا ويؤدي إلى أخطاء كبيرة وفقدان الثقة في التنبؤات.
   

يمكنك عرض الجدول في "جداول بيانات Google" في أي وقت. ومع ذلك ، يتوقع صانعو القرار عادة أن يتلقوا تقريرًا جاهزًا ويقولون ، انظر هنا. يبدو أن لدينا منطقة نمو.

إن إنشاء هذا التقرير ليس بالمهمة السهلة ، وما زلنا نعمل على إنجازه. نريد لعملائنا الحصول على رسائل واضحة وذات مغزى مكتوبة بلغة بشرية تمامًا كما يكتبها المحلل الجيد.

هناك مشكلتان. الأول هو الكثير من الفروق الدقيقة. إن بكاء الذئب بشأن القنوات المباشرة غير المُدارة ليس مفيدًا جدًا. ماذا يجب أن تفعل إذا سقطت الإحالة أو المباشرة؟ تحتاج إلى التركيز على ما يمكنك إدارته ، ولهذا ، تحتاج إلى مزيد من المعرفة للبرنامج عند البحث عن الأفكار.

المشكلة الثانية هي أنه يمكن الرد على هذه الرسائل الإلكترونية بـ: «أعطني المزيد من التفاصيل». لكن [email protected] لم تخطط أبدًا للدخول في محادثة. لكننا نعتقد أن التواصل من خدمة تحليلية يجب أن يكون مشابهًا قدر الإمكان للتواصل مع محلل تسويق. لذلك ، نخطط لإرسال رؤى حول مناطق النمو والمخاطر عبر برنامج المراسلة في المستقبل.

في نهاية البريد الإلكتروني ، يوجد جدول مثير للاهتمام يتم فيه تمييز نتائج الفترات الرئيسية باللونين الأحمر والأخضر. يوضح هذا على الفور ما إذا كان من الضروري فتح جداول بيانات Google وإلقاء نظرة على التفاصيل الخاصة بهذه الفترة.

قبل أن تبدأ في تكوين التوقعات ، عليك الإجابة عن بعض الأسئلة المهمة:

نتيجة لهذا التنفيذ ، ستحصل على جدول مثل هذا:

يشير العمود الأول إلى منطقة المسؤولية. في مثالنا ، هناك ثلاثة: التسويق بشكل عام ، وحملات الدفع لكل نقرة ، وتحسين محركات البحث (العضوية).

العمود الثاني هو KPIs ، والتي تستخدم لتحديد الأهداف وتقييم الأداء في كل مجال من مجالات المسؤولية. بالنسبة لبعض هذه المؤشرات ، هناك خطة. نوصي بعدم تغيير أهدافك الحالية عندما تقرر اتخاذ التوقعات. من الواضح أنه في مجال الأعمال يمكنك دائمًا تحسين شيء ما ، وقد ترغب في إضافة مؤشرات جديدة إلى تقاريرك. لكن لا يمكنك فعل مثل هذه الأشياء أثناء التنقل. أولاً ، من الأفضل أتمتة ما لديك بالفعل ، ثم إضافة مقاييس جديدة.

في العمودين الثالث والرابع ، نحدد المقاييس التي توجد لها خطة والتي يمكننا بناء توقع لها.

في العمود الخامس ، نحدد المقاييس الكمية والنوعية لأنها تحتاج إلى عرضها بشكل مختلف ويجب معاملتها بشكل مختلف.

العمود السادس هو معايير التجزئة. في مجالات المسؤولية المختلفة ، يتم تقسيم نفس المقياس حسب معايير مختلفة. على سبيل المثال ، تعتبر جلسات التسويق أكثر إثارة للاهتمام لتقسيمها حسب القناة ؛ يجب أن يتم تقسيم SEO بواسطة محرك البحث.

العمود السابع هو البعد الثانوي. قد يكون هناك أكثر من بعدين ، ولكن في هذه الحالة يجب أن تكون متطلبات حجم البيانات أعلى. كلما زادت معلمات التجزئة ، زادت الحاجة إلى مزيد من البيانات للتنبؤات المهمة إحصائيًا.

العمود الأخير هو عدد القيم لمعلمة معينة تريد رؤيتها في التقرير. لماذا تحتاج هذه؟ إذا لم تحدد حدًا حسب المنطقة وإذا قمت بتوسيع القائمة ، على سبيل المثال ، فلن يكون لديك خمس مناطق ولكن خمسمائة. سيكون الكثير منهم صغيرًا جدًا وعلى الأرجح غير مفيد. نوصي بإضافة حدود بحيث يمكن لهذا التصنيف بالكامل أن يتناسب بطريقة ما مع جداول بيانات Google والعمل معها.

لقد أنشأت جدولًا كهذا وجمعت كل بياناتك (المخطط لها والفعلية) في Google BigQuery (أو بعض وحدات التخزين السحابية الأخرى). ماذا علينا أن نفعل بعد ذلك؟ أول وأسهل ما يمكنك فعله هو الاتصال بـ OWOX BI. ستقوم خوارزمية الذكاء الاصطناعي الخاصة بنا بتحليل بياناتك ، ومقارنتها ببيانات السوق ، وإجراء تنبؤات ، وإظهار مناطق النمو والمخاطر الخاصة بك.

إذا كنت ترغب في تكوين تنبؤات بنفسك ، فهناك عدة طرق يمكنك القيام بذلك. هناك عدة طرق. سنشارك كيفية القيام بذلك في Google Cloud ، حيث أن هذا النظام الأساسي مألوف لنا أكثر. من الواضح أنه يمكنك استخدام أدوات أخرى في شركتك.

هناك ثلاث طرق أساسية لإنشاء توقعات في Google Cloud:

1. TensorFlow و CloudML هما الطريقتان الأكثر استخدامًا من قبل علماء البيانات الذين ليسوا كسالى جدًا لقضاء الوقت في تخصيص النماذج. هذه أدوات صعبة ، لكنها تتيح لك تحقيق نتائج جيدة.
2. BigQuery ML - إذا لم تكن قد عملت مطلقًا مع التعلم الآلي ولكن لديك بالفعل بيانات في Google BigQuery ، فإننا نوصي بالبدء بهذه الطريقة. إذا كانت لديك بيانات من Google Analytics 360 ، فيمكنك بالفعل تدريب أحد النماذج ، على سبيل المثال لحساب احتمالية التحويل أو الاضطراب أو أي معلمة أخرى. من السهل جدًا اختيار المتنبئين والميزات ونماذج الاختبار. هذه طريقة ذكية لمحلل مطلع على SQL.
3. تعد واجهات برمجة تطبيقات AutoML و CloudML أكثر الطرق الأساسية للمطورين. إنها تجعل من السهل نشر النماذج ومقارنتها والتراجع عن الإصدارات. يعد هذا مثاليًا إذا كنت مطورًا ومهمتك هي طرح النموذج الذي أنشأته في الإنتاج.

هذا جدول كبير به بيانات يمكنك من خلالها بسهولة حساب الانحراف والتحويل لأن لديك جميع المكونات الخاصة بذلك وتم تجميعها في ثلاث مجموعات: التخطيط والفعلي والتنبؤ.

1. إذا قيل لك "لدينا أهداف تسويقية" ، فهذا يعني في أفضل الأحوال جدول بيانات Excel يقوم المحلل بتحديثه يدويًا مرة واحدة في الأسبوع.
2. لا يحل التنبؤ الآلي محل التحليلات - إنه مجرد وسيلة لزيادة كفاءته. في تجربتنا ، هناك حاجة دائمًا إلى تعديلات يدوية. على سبيل المثال ، لنفترض أننا في أكتوبر افتتحنا متجرًا كبيرًا في هيوستن. لن يفسر نموذج التنبؤ هذا أبدًا لأنه لا يمتلك هذه المعرفة.
3. تتحسن جودة التنبؤات بشكل كبير إذا كنت تستخدم بيانات السوق بالإضافة إلى بياناتك الخاصة. هذا ما يجعل منهج OWOX BI للتنبؤ مختلفًا نوعياً. نستخدم بيانات من عشرات الآلاف من المشاريع لتدريب نموذجنا. نتيجة لذلك ، فإنه يظهر اتجاهات السوق بشكل أكثر دقة. على سبيل المثال ، نحن نعرف الحصة السوقية للبحث العضوي والبحث المدفوع للمشاريع في نفس مكانة عملائنا ، ونعرف ما تؤدي إليه هذه الأرقام. يتيح لك إثراء النموذج بهذه البيانات فهم الاتجاهات بشكل أفضل ومعرفة ما إذا كنت تقوم بعمل جيد أم أن السوق ينمو للتو.
4. من الضروري فصل الحسابات عن تصور البيانات. عندما تقوم بصياغة توقعات للدقة والعمق ، يمكنك بناء توقع وحساب البيانات في وقت مخصص بدقة. بالنسبة لتصور البيانات ، فهذه مهمة لا نهاية لها ، وليس هناك حد للكمال.
5. للحصول على تنبؤات عالية الجودة مع دقة من معلمتين ، تحتاج إلى بيانات موقع الويب على 3 ملايين جلسة شهريًا. من الممكن بناء توقع بكمية أقل بدون تجزئة ، لكن السؤال هو لماذا. إذا رأيت ، على سبيل المثال ، أن الأهداف لم تتحقق ، فهل يمكنك تحديد الجزء الذي لا تعمل فيه؟ ما المناطق؟ لن تجد الإجابة على الأرجح بسبب قلة البيانات.

إذا كانت لديك بيانات تاريخية لمدة عامين من Google Analytics ، وحركة المرور من 3 ملايين جلسة شهريًا ، وترغب في تحقيق أهدافك التسويقية والنمو بشكل أسرع بفضل الرؤى ، فاكتب إلينا عن طريق ملء نموذج على موقعنا. سنناقش التفاصيل معك ونساعدك في بناء توقعات.