Utilisation de l'analyse prédictive basée sur l'IA pour chronométrer votre prochain mouvement

Même en période d'incertitude, l'analyse prédictive basée sur l'IA peut aider les spécialistes du marketing à voir quelles opportunités se présentent. Alors pourquoi cette technologie n'est-elle pas utilisée par davantage de CMO ? Lors de son allocution à la conférence MarTech de ce mois-ci, le scientifique en chef des données de TrustInsights.ai, Christopher Penn, a montré comment n'importe quelle équipe marketing peut exploiter ses données de manière prédictive. Et il a également partagé quelques grattements de tête.

"Environ les deux tiers des CMO ont déclaré qu'ils gèrent le présent, qu'ils éteignent les incendies en ce moment, et seulement environ un tiers se tournent vers l'avenir, même à une époque où la planification et les imprévus sont si importants, pendant la pandémie mondiale », a déclaré Penn, citant les chiffres de la dernière enquête CMO de l'Université Duke. "Les gens ne le font tout simplement pas, et la raison en est que de nombreux outils que vous utilisez pour l'analyse prédictive font partie de la boîte à outils marketing, mais les entreprises ne les ont pas vraiment adoptés."

Il a ajouté : « Pourquoi ? Parce que les gens n'ont pas compris comment utiliser ces choses, comment les utiliser pour gagner du temps et planifier à l'avance.

Commencez par la prévision de séries chronologiques

Une grande partie de la façon dont les spécialistes du marketing utilisent l'analyse prédictive est axée sur le client. Ils veulent trouver des clients qui sont plus susceptibles d'acheter. Et dans un effort pour être plus efficace, les spécialistes du marketing consacreront leurs efforts et leur budget à engager ces clients qui ont plus d'intention.

Une autre méthode permettant de gagner du temps, cependant, se concentre sur le moment d'un événement ou d'une opportunité sur lequel les spécialistes du marketing peuvent sauter. Cette stratégie, appelée prévision de séries chronologiques, peut également aider les spécialistes du marketing à éviter un obstacle sur la route et à se sauver d'un mal de tête.

En s'appuyant sur les ressources de données actuelles de votre entreprise, les algorithmes peuvent organiser les données en modèles, et l'IA rend les informations encore plus exploitables. Les deux principaux modèles ou thèmes déterminés par l'analyse prédictive sont la saisonnalité et la cyclicité. Ce sont des phénomènes reproductibles que les spécialistes du marketing peuvent voir venir à l'horizon et agir en conséquence.

"La saisonnalité comprend les événements qui se produisent sur des périodes de temps données qui sont saisonnières", a déclaré Penn. Ensuite, il y a des influences selon ce qui se passe dans le temps, et la cyclicité est ce cycle, ce rythme. Nos données doivent généralement être saisonnières et, généralement, cycliques.

Certains de ces spécialistes du marketing des cycles le savent déjà par expérience et les données le confirment. Par exemple, si vous êtes dans le marketing B2B, vous n'obtiendrez pas beaucoup de traction des campagnes le week-end.

"Si vous êtes en B2C", a déclaré Penn, "vous connaissez le temps entre début novembre et le 1er janvier, vous allez travailler en double quart de travail. Il y a une saisonnalité à cela... Mais, selon le produit, l'inverse pourrait être vrai. C'est la cyclicité. Vous avez donc une saisonnalité et une cyclicité dans vos données.

• Bonjour : les périodes intéressantes nécessitent des spécialistes du marketing agiles
• En matière de technologie marketing, la fin passe avant les moyens
• Briser la transformation numérique des parcours clients d'aujourd'hui

En savoir plus sur la conférence MarTech >>

Assez de données d'IA dans le gâteau

Vous devez également disposer d'une certaine quantité de données pour enseigner aux algorithmes ce qui s'est passé dans le passé, et suffisamment pour pouvoir tester vos hypothèses sur les données.

"Testez pour vous assurer que vos prévisions sont exactes, puis vous pourrez construire vos prévisions", a déclaré Penn. « Si vous ne disposez pas de suffisamment de données, l'analyse prédictive a tendance à ne pas fonctionner. Pourquoi est-ce le cas? Eh bien, pensez-y comme ça.

Il a ajouté: «Si vous faisiez des gâteaux correctement et que vous n'avez fait cuire un gâteau qu'une seule fois, vous ne savez pas vraiment ce qui peut mal tourner. Et il n'y a peut-être pas eu d'anomalies ce jour-là quand vous avez fait ce gâteau, donc vous avez un nombre très limité d'exemples pour dire, OK, je suis à peu près sûr de savoir comment faire cuire le gâteau.

Cependant, la collecte de données sur de nombreux cycles, comme la cuisson de nombreux gâteaux, permet à l'équipe marketing, ainsi qu'aux algorithmes qu'elle utilise, d'identifier quand les choses tournent mal avec le gâteau.

"Vous saurez après un certain temps ce qui ne va pas", a déclaré Penn. "C'est ce dont vous avez besoin avec les données d'analyse prédictive. Vous devez disposer de suffisamment de données pour repérer les moments où quelque chose ne va pas et en tenir compte."

Prévision du comportement avec l'analyse prédictive

Pour avoir une idée de la façon dont les modèles saisonniers et cycliques peuvent aider à prévoir les opportunités pour votre entreprise, examinez certaines des informations qui peuvent être tirées des termes de recherche dans Google.

Dans le domaine des technologies marketing, par exemple, vous pourriez être intéressé par les flux et reflux du terme de recherche "automatisation du marketing".

"Combien de fois cela va-t-il se produire pour le reste de cette année, et combien cela se produit-il déjà ?" Penn a demandé. "Encore une fois, vous pouvez voir ce modèle de puzzle de haut en bas, c'est notre cyclicité. Semaine après semaine, vous voyez des semaines hautes, d'autres basses. Et ces données nous permettent de faire des prévisions.

Il a ajouté: «Si vous faisiez du marketing de recherche ou même du marketing de contenu, vous [determine] quelles semaines au cours des cinq ou six prochaines semaines ici ou des 10 ou 12 prochaines semaines, quelles semaines dois-je publier plus de contenu sur l'automatisation du marketing ? »

En examinant les modèles passés, vous pouvez utiliser les prévisions pour choisir les moments où vous souhaitez optimiser les pages ou exécuter une campagne.

Tout est basé sur des probabilités mathématiques, beaucoup de mathématiques calculées en grand volume, et ce n'est jamais sûr à 100% car il ne peut prédire que des choses qui se sont produites auparavant ou qui se produisent par cycles.

Mais les prévisions qui utilisent l'analyse prédictive indiquent les opportunités auxquelles les spécialistes du marketing prêteront attention, même si elles fonctionnent pour votre concurrent.

Regardez la présentation complète de notre conférence MarTech ici (inscription gratuite requise).