Bagaimana memprediksi area pertumbuhan dan risiko dalam rencana pemasaran berdasarkan data

Kami baru-baru ini mengumumkan produk baru — OWOX BI Insights — yang dapat memprediksi realisasi sasaran pemasaran berdasarkan data Anda, data pasar secara keseluruhan, dan pembelajaran mesin. Ini memberi pemasar jawaban atas pertanyaan penting:

• Akankah kami memenuhi rencana penjualan, prospek, dan indikator lainnya bulan ini?
• Jika kita tidak mengubah apa pun, berapa banyak penjualan, prospek, dll. yang akan kita dapatkan pada akhir tahun?
• Di saluran, wilayah, dan segmen mana tujuan tidak tercapai, dan di mana area utama untuk pertumbuhan?
• Bagaimana kita lakukan relatif terhadap pasar? Apakah pasar menurun atau kita hanya melakukan yang buruk?

Dalam artikel ini, kami memberi tahu Anda mengapa membuat prakiraan dan bagaimana menemukan zona pertumbuhan dan risiko agar dapat selangkah lebih maju dari pesaing Anda.

Pesan ramalan Anda sekarang!

• Teknologi dan data memberi tahu kita banyak hal
• Nafsu makan datang dengan atribusi
• Tugas apa yang ditangani oleh analis pemasaran OWOX BI?
• Seperti apa laporan OWOX BI?
• Email buletin untuk pengambil keputusan
• Implementasi: mulai dari mana dan bagaimana membuat prakiraan
• Kesimpulan yang kami capai dalam proses

Analisis pemasaran memainkan peran penting dalam bisnis modern.

Pada tahun 2018, rata-rata bagian anggaran pemasaran perusahaan yang dihabiskan untuk teknologi pemasaran (29%) untuk pertama kalinya melebihi bagian yang dihabiskan untuk orang-orang yang menggunakan teknologi tersebut (24%).

Jika perkiraan pertumbuhan perusahaan tidak terpenuhi, sebagian besar manajer pertama-tama akan memberhentikan direktur pemasaran mereka. Oleh karena itu, CMO harus sangat tertarik untuk memperkenalkan teknologi dan mencari solusi yang lebih baik.

Mayoritas CMO (78%) telah meningkatkan ROI mereka dengan menggunakan analitik saat membentuk strategi pemasaran.

Berikut adalah cerita singkat tentang bagaimana semuanya dimulai beberapa tahun yang lalu dan bagaimana kami menyadari bahwa klien kami membutuhkan prakiraan dan wawasan.

OWOX BI: Apakah Anda ingin kami menyiapkan Google Analytics?
Pelanggan: Tentu, tetapi kami tidak dapat melihat ROI di Google Analytics untuk kampanye pemasaran Facebook dan Yandex.Direct kami dan tidak dapat membandingkan keefektifannya.
OWOX BI: Berikut impor data otomatis. Cukup tambahkan akses ke layanan periklanan Anda dan semua data akan otomatis diimpor ke Google Analytics. Anda akan mendapatkan ROI untuk semua kampanye iklan.
Pelanggan: Bagus, tetapi data di Google Analytics tidak sesuai dengan yang ada di CRM kami. Manajemen kami mempercayai data dalam CRM, dan kami tidak dapat memproses ulang data Google Analytics untuk memastikan data tersebut benar. Kami juga tidak dapat menggabungkan data ini dengan data internal secara retroaktif, terutama tanpa impor waktu kueri.
OWOX BI: Oke, ini semua data Anda di Google BigQuery. Kami telah mengumpulkannya dari Google Analytics, layanan periklanan, pelacakan panggilan, dan aplikasi seluler. Sekarang Anda dapat menggabungkannya dengan data dari CRM Anda dan membuat laporan apa pun.
Klien: Luar biasa! Tapi kita perlu menemukan kampanye yang diremehkan dalam semua ini. Menggunakan kueri SQL sederhana tidak membantu karena pengguna melakukan sejumlah klik di sepanjang jalur menuju pembelian. Kita perlu mengaitkan nilai dari semua langkah ini, yang berarti kita perlu merekrut pengembang.
OWOX BI: Setuju. Bagaimana dengan atribusi berbasis corong ML dan laporan siap pakai? Cukup tentukan langkah-langkah ini dan Anda akan melihat kampanye yang kurang dihargai.
Klien: Bisakah Anda mengidentifikasi zona pertumbuhan kami di semua data ini? Katakan saja di mana kita harus mencari untuk memenuhi rencana penjualan.
OWOX BI: Soooo... Mari kita bahas apa yang Anda harapkan dari analis pemasaran Anda.

1. Menunjukkan di mana tujuan pemasaran terpenuhi dan tidak terpenuhi.
Dalam rapat setiap awal bulan, manajer bertanya kepada direktur pemasaran: «Mengapa belum terpenuhi?» Wilayah atau saluran iklan mana yang kita miliki? " Dan mendengar sebagai tanggapan: «Saya belum tahu. Saya perlu beberapa hari — saya akan melihat, kembali dan memberi tahu. » Situasi umum?

Kami memutuskan bahwa cukup sudah — biarkan seluruh proses menjadi otomatis. Semuanya sederhana di sini: kami mengambil data retrospektif, yaitu fakta, dan membandingkannya dengan yang direncanakan. Penting bahwa ini dilakukan secara otomatis untuk segmen yang berbeda.

2. Menunjukkan bagaimana Anda akan memenuhi tujuan yang direncanakan tahunan jika Anda melangkah lebih jauh dengan kecepatan yang sama seperti sekarang.
Jika Anda mengetahui sebelumnya bahwa tim pemasaran gagal dalam kategori atau wilayah, Anda dapat memperbaiki strategi pemasaran Anda dengan cepat dan meningkatkan hasilnya. Agar klien kami memiliki kesempatan seperti itu, kami mengambil data mereka dan membangun model peramalan di cakrawala hingga satu tahun. Di sini ramalan dibandingkan dengan rencana.

3. Menemukan area pertumbuhan dan risiko untuk bulan berikutnya.
Untuk melakukan ini, OWOX BI Insights secara otomatis membandingkan sasaran dan perkiraan pemasaran di tingkat wilayah, saluran, parameter, dan dalam wilayah tanggung jawab masing-masing pengambil keputusan di perusahaan.

4. Membantu menjawab pertanyaan: «Apakah ini yang tidak kami kerjakan, atau pasarnya sedang surut?».
Ini selalu menjadi pertanyaan terbuka dan relevan di perusahaan mana pun, karena tidak cukup untuk menjawab datanya sendiri. Misalnya, jika rencana terlampaui, menarik untuk diketahui: ini adalah pemasar — ​​dilakukan dengan baik atau sesuatu terjadi di pasar dan semua orang berlari untuk menghabiskan uang. Atau, katakanlah, tujuan tidak terpenuhi sebesar 2%. Apakah ini hasil yang baik atau buruk untuk tim pemasaran? Jika pasarnya tumbuh, maka itu buruk, dan jika telah tenggelam 15%, maka itu baik.

Data pasar sangat penting untuk menjawab pertanyaan-pertanyaan ini. Itulah sebabnya kami membangun model pembelajaran mesin berdasarkan data dari puluhan ribu proyek untuk memberikan perkiraan yang lebih baik daripada yang dapat Anda capai hanya dengan menggunakan data historis Anda sendiri.

5. Membuat laporan dalam layanan biasa dan nyaman untuk Anda.
Pengalaman kami menunjukkan bahwa ketika datang ke produk baru, kebanyakan perusahaan tidak ingin memperkenalkan layanan lain. Anda mungkin berpikir: «Saya memiliki Excel (atau Google Spreadsheet, Data Studio, Tableau, Power BI). Bisakah saya menambahkan perkiraan di sana? » Tentu saja bisa, karena hampir semua layanan visualisasi bisa mendapatkan data dari Google BigQuery, tempat kami menyimpan hasil perhitungan.

Untuk memulainya, mari kita lihat laporan akhir. Kemudian kami akan memberitahu Anda bagaimana mereka dibuat.

Hal pertama dan paling sederhana adalah mendapatkan tiga kolom untuk setiap bulan: Rencana, Aktual, dan Prakiraan.

Membuat rencana adalah hal yang sederhana. Itu dapat dibuat oleh analis mana pun di Excel. Kami juga dapat menghitung nilai sebenarnya, karena bisnis memiliki data ini. Tugas kita adalah menambahkan ramalan.

Catatan: Laporan berisi data untuk awal April. Seperti yang Anda lihat, kami memiliki nilai aktual yang kecil (bulan baru saja dimulai) dan ada semacam ramalan untuk sisa bulan April. Oleh karena itu, untuk bulan berjalan, rencana tersebut harus dibandingkan dengan jumlah nilai aktual dan perkiraan.

Pada grafik di atas, garis kuning adalah tujuan yang telah ditetapkan klien, kolom biru tua adalah nilai aktual yang telah terpenuhi, dan kolom biru muda adalah perkiraan.

Setelah mengetahui tujuan, perkiraan, dan nilai aktual dalam konteks parameter yang diperlukan untuk membuat keputusan, kita dapat membuat tabel pivot klasik di Google Spreadsheet.

Ada tiga parameter dalam tabel ini: bulan pelaporan, grup saluran (pencarian organik, pasar, email, dll.), dan wilayah. Ini adalah pengelompokan dasar yang digunakan sebagian besar bisnis. Selanjutnya, kami menunjukkan metrik utama yang diperlukan untuk mengelola anggaran pemasaran:

Dari laporan tersebut, kami melihat bahwa penelusuran berbayar di Wilayah 1 kemungkinan akan menghasilkan pendapatan yang lebih sedikit dari yang direncanakan. Kami juga melihat bahwa saluran email mungkin tertinggal dari transaksi. Informasi ini memungkinkan Anda membuat keputusan sebelum anggaran dibelanjakan secara tidak optimal — dan sebelum zona pertumbuhan terlewati dan hilang.

Dan hal terbaiknya adalah kita memiliki ramalan untuk masa depan. Ini menunjukkan apa yang akan terjadi jika tren saat ini berlanjut.

Mari kita lihat secara detail beberapa elemen dalam tabel ini. Persentase deviasi, yang disorot dengan warna merah dan hijau, dihitung menggunakan rumus sederhana:

Kami mengambil fakta dengan ramalan, itulah yang kemungkinan besar akan kami terima pada akhir bulan ini. Kurangi dari ini tujuan untuk segmen dan bagi hasilnya dengan rencana untuk periode tersebut. Angka yang dihasilkan menjawab pertanyaan sejauh mana segmen tertentu menyimpang dari perkiraan.

Misalnya, untuk transaksi April kami melihat penyimpangan sebesar 4,8%:

Artinya di bulan April, kami tertinggal 4,8% dari rencana transaksi. Jika Anda menambahkan nilai untuk semua saluran di atas angka ini, totalnya akan menjadi 4,8%.

Mengapa kita melihat ini? Mengapa kita tidak melihat deviasi relatif? Misalnya, kami memiliki saluran Referensi kecil. Menurut rencana, harus ada, katakanlah, 50 transaksi. Selisih bahkan 20 transaksi akan memberi kita penyimpangan 40%. Tapi bukan ini yang perlu Anda perhatikan sejak awal, karena ada saluran yang jauh lebih besar. Dan jika saluran yang lebih besar menunjukkan penyimpangan 10%, itu akan jauh lebih penting bagi bisnis. Warna merah dan hijau pada tabel menunjukkan betapa pentingnya bagi bisnis untuk memperhatikan segmen ini.

Pada tangkapan layar di bawah, kami telah memperluas data untuk bulan April:

Di sini kita melihat bahwa data dapat didekomposisi menjadi saluran dan wilayah. Kita dapat memilih segmen-segmen yang ingin kita lihat terlebih dahulu. Merah adalah zona risiko, hijau adalah zona pertumbuhan. Tingkat konversi ditandai dengan warna biru, dan di bagian bawah ada ringkasan.

Sekarang kami akan memperkenalkan laporan yang paling penting dan menarik, yang menunjukkan delapan periode waktu yang digunakan untuk membandingkan perkiraan dengan sasaran.

1. Aktual Tahun Ini menunjukkan angka aktual dari awal tahun hingga saat ini. Kita dapat membandingkan nilai-nilai ini dengan tujuan untuk memahami seberapa baik kita memenuhinya.
2. Last Month Actual menunjukkan data aktual selama sebulan terakhir. Kami menutup bulan sebelumnya, sehingga kami dapat dengan mudah melihat di setiap bagian dan segmen apakah angka sebenarnya sesuai dengan yang direncanakan.
3. Last Week Actual menunjukkan data aktual selama seminggu terakhir.
4. Prakiraan Minggu Ini menunjukkan prakiraan untuk minggu ini. Minggu telah dimulai, dan kami melihat apa yang terjadi pada kami. Di mana orang yang bertanggung jawab, misalnya, untuk pencarian berbayar, perhatikan sekarang, untuk mencapai hasil yang lebih baik di akhir minggu. Untuk melakukan ini, Anda hanya perlu menghindari risiko (disorot dengan warna merah) dan menerapkan zona pertumbuhan (disorot dengan warna hijau).
5. Prakiraan Minggu Depan menunjukkan prakiraan untuk minggu depan.
6. Prakiraan Bulan Ini menunjukkan prakiraan untuk bulan ini.
7. Prakiraan Bulan Depan menunjukkan perkiraan untuk bulan berikutnya. Berdasarkan pengalaman kami, lebih baik membuat perkiraan ini hanya berdasarkan Dimensi Utama. Artinya, membaginya ke tingkat kedua (dalam kasus kami, wilayah) tidak lagi disarankan karena ada banyak noise dan kualitas peramalan yang buruk.
8. Prakiraan Tahun Ini menunjukkan prakiraan hingga akhir tahun. Kami membangunnya hanya untuk metrik utama, pendapatan. Pengalaman menunjukkan bahwa memprediksi distribusi lalu lintas di seluruh wilayah dan saluran dan segmen lain sebelum akhir tahun bukanlah latihan yang menarik dan menyebabkan kesalahan besar dan hilangnya kepercayaan pada prakiraan.
   

Anda dapat melihat tabel di Google Spreadsheet kapan saja. Namun, pembuat keputusan biasanya berharap untuk menerima laporan yang sudah jadi dan berkata, Lihat di sini. Sepertinya kita memiliki zona pertumbuhan.

Membuat laporan ini bukanlah tugas yang mudah, dan ini masih kami kerjakan. Kami ingin pelanggan kami mendapatkan pesan yang jelas dan bermakna yang ditulis dalam bahasa manusia seperti yang akan ditulis oleh analis yang baik.

Ada dua masalah. Yang pertama adalah banyak nuansa. Menangis serigala tentang saluran langsung yang tidak dikelola tidak terlalu berguna. Apa yang harus Anda lakukan jika Referral atau Direct telah jatuh? Anda perlu fokus pada apa yang dapat Anda kelola, dan untuk ini, Anda memerlukan lebih banyak pengetahuan untuk program saat mencari wawasan.

Masalah kedua adalah bahwa email-email ini mungkin dijawab dengan: «Beri saya lebih banyak detail.» Tapi [email protected] tidak pernah berencana untuk masuk ke percakapan. Kami percaya bahwa komunikasi dari layanan analitis harus semirip mungkin dengan komunikasi dengan analis pemasaran. Oleh karena itu, kami berencana untuk mengirimkan wawasan tentang zona pertumbuhan dan risiko melalui messenger di masa mendatang.

Di akhir email, ada tabel menarik di mana hasil periode utama disorot dengan warna merah dan hijau. Ini segera menunjukkan apakah perlu membuka Google Spreadsheet dan melihat detailnya untuk periode ini.

Sebelum Anda mulai membuat perkiraan, Anda perlu menjawab beberapa pertanyaan penting:

Sebagai hasil dari implementasi ini, Anda akan mendapatkan tabel seperti ini:

Kolom pertama menunjukkan area tanggung jawab. Dalam contoh kami, ada tiga: pemasaran secara umum, kampanye PPC berbayar, dan SEO (organik).

Kolom kedua adalah KPI, yang digunakan untuk menetapkan tujuan dan mengevaluasi kinerja di setiap bidang tanggung jawab. Untuk beberapa indikator ini, ada rencana. Kami menyarankan Anda untuk tidak mengubah sasaran yang ada saat Anda memutuskan untuk mengambil prediksi. Jelas bahwa dalam bisnis Anda selalu dapat meningkatkan sesuatu, dan Anda mungkin ingin menambahkan indikator baru ke laporan Anda. Tetapi Anda tidak dapat melakukan hal-hal seperti itu saat bepergian. Pertama, lebih baik untuk mengotomatiskan apa yang sudah Anda miliki, lalu tambahkan metrik baru.

Di kolom ketiga dan keempat, kami menandai metrik yang memiliki rencana dan perkiraan yang dapat kami buat.

Di kolom kelima, kami menandai metrik kuantitatif dan kualitatif karena mereka perlu ditampilkan secara berbeda dan harus diperlakukan secara berbeda.

Kolom keenam adalah kriteria segmentasi. Di area tanggung jawab yang berbeda, metrik yang sama disegmentasikan berdasarkan kriteria yang berbeda. Misalnya, sesi pemasaran lebih menarik untuk disegmentasikan berdasarkan saluran; SEO harus disegmentasi oleh mesin pencari.

Kolom ketujuh adalah dimensi sekunder. Mungkin ada lebih dari dua dimensi, tetapi dalam hal ini persyaratan untuk volume data harus lebih tinggi. Semakin banyak parameter segmentasi, semakin banyak data yang dibutuhkan untuk prakiraan yang signifikan secara statistik.

Kolom terakhir adalah jumlah nilai untuk parameter tertentu yang ingin Anda lihat dalam laporan. Mengapa Anda membutuhkan ini? Jika Anda tidak menentukan batas menurut wilayah dan jika Anda memperluas daftar, misalnya, Anda tidak akan memiliki lima wilayah tetapi lima ratus. Banyak dari mereka akan terlalu kecil dan kemungkinan besar tidak informatif. Kami merekomendasikan untuk menambahkan batas sehingga seluruh label ini entah bagaimana dapat masuk ke dalam Google Spreadsheet dan bekerja dengannya.

Jadi, Anda telah membuat tabel seperti ini dan mengumpulkan semua data Anda (direncanakan dan aktual) di Google BigQuery (atau penyimpanan cloud lainnya). Apa yang harus kita lakukan selanjutnya? Hal pertama dan termudah untuk dilakukan adalah menghubungi OWOX BI. Algoritme AI kami akan menganalisis data Anda, membandingkannya dengan data pasar, membuat prediksi, dan menunjukkan di mana zona pertumbuhan dan risiko Anda.

Jika Anda ingin membuat prakiraan sendiri, ada beberapa cara yang dapat Anda lakukan. Ada beberapa cara. Kami akan membagikan cara melakukannya di Google Cloud, karena platform ini paling akrab bagi kami. Jelas Anda dapat menggunakan alat lain di perusahaan Anda.

Ada tiga cara dasar untuk membuat perkiraan di Google Cloud:

1. TensorFlow dan CloudML adalah metode yang paling sering digunakan oleh Ilmuwan Data yang tidak terlalu malas untuk menghabiskan waktu menyesuaikan model. Ini adalah alat yang sulit, tetapi memungkinkan Anda untuk mencapai hasil yang baik.
2. BigQuery ML — Jika Anda belum pernah bekerja dengan machine learning tetapi sudah memiliki data di Google BigQuery, sebaiknya mulai dengan metode ini. Jika Anda memiliki data dari Google Analytics 360, Anda sudah dapat melatih model, misalnya untuk menghitung probabilitas konversi, churn, atau parameter lainnya. Sangat mudah untuk memilih prediktor, fitur, dan model pengujian. Ini adalah cara cerdas untuk seorang analis yang akrab dengan SQL.
3. AutoML dan CloudML API adalah cara paling dasar untuk developer. Mereka mempermudah penerapan model, membandingkannya, dan mengembalikan versi. Ini sangat ideal jika Anda seorang pengembang dan tugas Anda adalah meluncurkan model yang Anda buat dalam produksi.

Ini adalah tabel besar dengan data dari mana Anda dapat dengan mudah menghitung penyimpangan, konversi karena Anda memiliki semua komponen untuk ini dan mereka dikelompokkan ke dalam tiga blok: rencana, aktual, dan perkiraan.

1. Jika Anda diberi tahu «Kami memiliki tujuan pemasaran,» paling-paling ini berarti spreadsheet Excel yang diperbarui secara manual oleh seorang analis seminggu sekali.
2. Perkiraan otomatis tidak menggantikan analitik — ini hanya cara untuk meningkatkan efisiensinya. Dalam pengalaman kami, penyesuaian manual selalu diperlukan. Misalnya, katakanlah pada bulan Oktober kami membuka toko besar di Houston. Model peramalan tidak akan pernah menjelaskan hal ini karena tidak memiliki pengetahuan ini.
3. Kualitas prakiraan meningkat secara signifikan jika, selain data Anda sendiri, Anda menggunakan data pasar. Inilah yang membuat pendekatan OWOX BI terhadap peramalan secara kualitatif berbeda. Kami menggunakan data dari puluhan ribu proyek untuk melatih model kami. Hasilnya, ini menunjukkan tren pasar dengan lebih akurat. Misalnya, kami mengetahui pangsa pasar pencarian organik dan pencarian berbayar untuk proyek di ceruk yang sama dengan klien kami, dan kami tahu apa yang mengarah ke angka-angka ini. Memperkaya model dengan data ini memungkinkan Anda untuk lebih memahami tren dan mengetahui apakah Anda baik-baik saja atau pasar sedang berkembang.
4. Ini perlu untuk memisahkan perhitungan dari visualisasi data. Saat Anda telah merumuskan ekspektasi untuk akurasi dan kedalaman, Anda dapat membuat perkiraan dan menghitung data dalam waktu yang ditentukan secara ketat. Adapun visualisasi data, ini adalah tugas tanpa akhir, dan tidak ada batasan untuk kesempurnaan.
5. Untuk mendapatkan perkiraan berkualitas tinggi dengan perincian dua parameter, Anda memerlukan data situs web pada 3 juta sesi per bulan. Dimungkinkan untuk membuat perkiraan dengan jumlah yang lebih kecil tanpa segmentasi, tetapi pertanyaannya adalah mengapa. Jika Anda melihat, misalnya, bahwa tujuan tidak tercapai, dapatkah Anda mengatakan di segmen mana yang tidak berhasil? Daerah apa? Kemungkinan besar Anda tidak akan menemukan jawabannya karena hanya ada sedikit data.

Jika Anda memiliki data historis selama dua tahun dari Google Analytics, lalu lintas dari 3 juta sesi per bulan, dan ingin memenuhi sasaran pemasaran Anda dan berkembang lebih cepat berkat wawasan, kirimkan surat kepada kami dengan mengisi formulir di situs kami. Kami akan mendiskusikan detailnya dengan Anda dan membantu Anda membuat perkiraan.