Verwenden Sie KI-gestützte prädiktive Analysen, um Ihren nächsten Schritt zu planen

Selbst in unsicheren Zeiten können KI-gesteuerte Predictive Analytics Marketern dabei helfen, zu erkennen, welche Chancen sich bieten. Warum wird diese Technologie also nicht von mehr CMOs verwendet? Bei seinem Vortrag auf der diesmonatigen MarTech-Konferenz zeigte Christopher Penn, Chief Data Scientist von TrustInsights.ai, einige Möglichkeiten auf, wie jedes Marketingteam seine Daten prädiktiv nutzen kann. Und er teilte auch einiges am Kopfkratzen.

„Ungefähr zwei Drittel der CMOs gaben an, dass sie die Gegenwart managen, sie löschen gerade jetzt Feuer und nur etwa ein Drittel blickt in die Zukunft, selbst in einer Zeit, in der Planung und Eventualitäten so wichtig sind. während der globalen Pandemie“, sagte Penn unter Berufung auf Zahlen aus der jüngsten CMO-Umfrage der Duke University. „Die Leute tun es einfach nicht, und der Grund dafür ist, dass viele der Tools, die Sie für Predictive Analytics verwenden, in der Marketing-Toolbox enthalten sind, aber die Unternehmen sie nicht wirklich übernommen haben.“

Er fügte hinzu: „Warum? Weil die Leute nicht herausgefunden haben, wie man diese Dinge nutzt, wie man sie nutzt, um Zeit zu sparen und vorauszuplanen.“

Beginnen Sie mit der Zeitreihenprognose

Ein Großteil der Art und Weise, wie Marketer Predictive Analytics einsetzen, ist kundenorientiert. Sie wollen Kunden finden, die eher kaufen. Und um effizienter zu sein, werden Marketingspezialisten ihre Bemühungen und ihr Budget darauf verwenden, diese Kunden zu gewinnen, die eine größere Absicht haben.

Eine andere zeitsparende Methode konzentriert sich jedoch auf das Timing eines Ereignisses oder einer Gelegenheit, auf die Vermarkter aufspringen können. Diese Strategie, die als Zeitreihenprognose bezeichnet wird, kann Marketern auch dabei helfen, Unebenheiten zu vermeiden und sich vor Kopfschmerzen zu bewahren.

Mithilfe der aktuellen Datenressourcen Ihres Unternehmens können Algorithmen die Daten in Mustern anordnen, und KI macht die Erkenntnisse noch umsetzbarer. Die beiden wichtigsten Muster oder Themen, die Predictive Analytics bestimmt, sind Saisonalität und Zyklizität. Es handelt sich um wiederholbare Phänomene, die Werbetreibende über den Horizont kommen sehen und darauf reagieren können.

„Saisonalität umfasst die Dinge, die in bestimmten Zeiträumen passieren, die saisonal sind“, sagte Penn. Dann gibt es Einflüsse entsprechend dem, was in der Zeit passiert, und Zyklizität ist dieser Zyklus, dieser Rhythmus. Unsere Daten sollten im Allgemeinen saisonal und im Allgemeinen zyklisch sein.“

Manche Marketer dieser Zyklen kennen sie bereits aus Erfahrung und die Daten bestätigen dies. Wenn Sie beispielsweise im B2B-Marketing tätig sind, werden Sie mit Kampagnen an den Wochenenden nicht viel Anklang finden.

„Wenn Sie im B2C-Bereich tätig sind“, sagte Penn, „kennen Sie die Zeit zwischen Anfang November und dem 1. Januar, dann arbeiten Sie in Doppelschichten. Das ist saisonal bedingt … Aber je nach Produkt kann es auch umgekehrt sein WAHR. Das ist Zyklizität. Sie haben also Saisonalität und Zyklizität in Ihren Daten.“

• Guten Morgen: Interessante Zeiten erfordern agile Marketer
• Wenn es um Marketingtechnologie geht, kommt der Zweck vor den Mitteln
• Die digitale Transformation der heutigen Customer Journeys aufschlüsseln

Mehr von der MarTech Conference >>

Genug KI-Daten im Kuchen

Sie benötigen auch eine bestimmte Datenmenge, um den Algorithmen beizubringen, was in der Vergangenheit passiert ist, und genug, damit Sie Ihre Annahmen über die Daten testen können.

„Testen Sie, um sicherzustellen, dass Ihre Vorhersagen korrekt sind, und dann können Sie Ihre Prognose erstellen“, sagte Penn. „Wenn Sie nicht über genügend Daten verfügen, funktioniert Predictive Analytics in der Regel nicht. Warum ist das so? Nun, denk mal so darüber nach.“

Er fügte hinzu: „Wenn Sie Kuchen richtig backen und nur einmal einen Kuchen gebacken haben, wissen Sie nicht wirklich, was schief gehen kann. Und an dem Tag, an dem Sie diesen Kuchen gebacken haben, gab es vielleicht keine Anomalien, also haben Sie nur eine sehr begrenzte Anzahl von Beispielen, um zu sagen: OK, ich bin mir ziemlich sicher, dass ich weiß, wie man den Kuchen backt.“

Das Sammeln von Daten über viele Zyklen hinweg, wie z. B. das Backen vieler Kuchen, ermöglicht es dem Marketingteam sowie den von ihnen verwendeten Algorithmen, zu erkennen, wenn etwas mit dem Kuchen schief geht.

„Nach einiger Zeit werden Sie wissen, was schief läuft“, sagte Penn. „Das ist es, was Sie mit Predictive-Analytics-Daten brauchen. Sie müssen über genügend Daten verfügen, um die Zeiten zu erkennen, in denen etwas schief gelaufen ist, und dies zu berücksichtigen.“

Verhaltensprognosen mit Predictive Analytics

Um eine Vorstellung davon zu bekommen, wie saisonale und zyklische Muster helfen können, Chancen für Ihr Unternehmen vorherzusagen, sehen Sie sich einige der Erkenntnisse an, die aus Suchbegriffen in Google gewonnen werden können.

Im Marketing-Tech-Bereich könnten Sie beispielsweise an den Höhen und Tiefen des Suchbegriffs „Marketing-Automatisierung“ interessiert sein.

„Wie oft wird das für den Rest dieses Jahres passieren, und wie oft passiert es bereits?“ fragte Penn. „Auch hier können Sie dieses Auf- und Ab-Puzzlemuster sehen, das ist unsere Zyklizität. Woche für Woche sehen Sie einige Wochen hoch, einige Wochen niedrig. Und diese Daten ermöglichen es uns, in die Zukunft zu prognostizieren.“

Er fügte hinzu: „Wenn Sie Suchmaschinenmarketing oder sogar Content-Marketing betreiben, würden Sie [bestimmen], in welchen Wochen in den nächsten fünf oder sechs Wochen hier oder in den nächsten 10 oder 12 Wochen, über welche Wochen ich mehr Inhalte veröffentlichen möchte Marketingautomatisierung?“

Indem Sie vergangene Muster betrachten, können Sie anhand der Prognose Zeiten auswählen, zu denen Sie Seiten optimieren oder eine Kampagne durchführen möchten.

Es basiert alles auf mathematischen Wahrscheinlichkeiten, viel Mathematik, die in großem Umfang berechnet wird, und es ist nie 100% sicher, weil es nur Dinge vorhersagen kann, die entweder zuvor passiert sind oder in Zyklen kommen.

Aber Prognosen, die prädiktive Analysen verwenden, weisen auf Möglichkeiten hin, auf die Vermarkter achten werden, selbst wenn sie für Ihren Konkurrenten arbeiten.

Sehen Sie sich hier die vollständige Präsentation unserer MarTech-Konferenz an (kostenlose Registrierung erforderlich).