마케팅 효율성을 높이는 도구로서의 예측 분석

데이터를 수집하고 저장하는 능력이 향상됨에 따라 기업은 회고 및 실시간 분석을 위한 향상된 기능을 사용할 수 있습니다. 이제 패턴을 추적하고 실패에 대한 결론을 도출하여 같은 갈퀴를 밟지 않도록 할 수 있습니다. 또는 가장 성공적인 솔루션을 식별하고 성공을 반복할 수 있습니다.

예방이 긴급 의료보다 더 효과적인 것처럼 예측 분석은 장기적으로 후향적 또는 실시간 분석보다 항상 더 효과적입니다. 회고적 분석은 본질적으로 부검으로 되돌릴 수 없는 실수에 대한 분석입니다. 실시간 분석은 지금 여기에서 응답하는 구급차이고, 예측 분석은 애초에 질병으로부터 당신을 구하는 예방 의학입니다.

Thomas Davenport가 말했듯이 미래에서 데이터를 수집하고 분석할 수 있는 사람은 아무도 없습니다. 그러나 과거의 데이터를 사용하여 미래를 예측할 수 있는 기회가 있습니다. 이를 예측 분석이라고 하며 실제로 많은 회사에서 이미 사용하고 있습니다. 과거의 데이터를 사용하여 다음을 수행할 수 있습니다.

1. 고객의 평생 가치(CLV)를 계산합니다. 이 지표는 미래 수입을 포함하여 고객이 평생 동안 회사에 어떤 가치를 가져다 줄 것인지 이해하는 데 도움이 됩니다.
   
2. 웹사이트의 사용자 행동 데이터를 기반으로 최적의 권장 사항을 개발합니다.
   
3. 고객이 미래에 구매할 가능성이 있는 제품이나 서비스를 예측합니다.
   
4. 고객 이탈을 예측합니다.
   
5. 다음 분기/6개월/연도의 판매 계획 및 예측을 개발합니다.

이 모든 것은 단순한 형태의 예측 분석입니다. 인기 있는 예측 분석 방법을 살펴보겠습니다.

예측 모델링의 다음 단계를 식별할 수 있습니다.

• 기본 데이터 수집
• 통계 모델 형성
• 예측
• 추가 데이터를 사용할 수 있게 되면 모델 확인/수정

예측 모델은 사용자의 과거 행동을 분석하여 향후 특정 행동을 보일 가능성을 평가합니다. 이러한 유형의 분석에는 사기 탐지와 같이 데이터에서 미묘한 패턴을 찾는 모델도 포함됩니다.

종종 예측 모델은 사용자가 전환 액션을 수행하는 도중에 전환 유입경로를 통과할 때 즉시 계산을 수행합니다(예: 사용자가 목표를 달성할 확률을 평가하기 위해). 유입경로의 한 단계에서 다른 단계로의 전환 가능성에 대한 정확한 데이터를 통해 기업은 사용자가 유입경로를 통해 이동하는 것을 막거나 돕는 요인을 더 잘 관리할 수 있으며 다양한 고객 범주의 행동 패턴을 더 정확하게 설명할 수 있습니다.

평균 사용자는 스마트폰에 약 50개의 애플리케이션을 가지고 있습니다. 그들 각각은 데이터를 수신, 전송 및 생성합니다. 이 데이터는 다른 서비스와 다른 형식으로 저장됩니다. 언뜻 보기에 이것은 마케터에게 긍정적인 요소로 보일 수 있지만, 이러한 양의 정형 및 비정형 데이터를 효과적으로 사용하는 것은 문제입니다.

예측 분석 결과를 성공적으로 적용한 기업의 몇 가지 예를 살펴보겠습니다.

... 사용자의 과거 행동을 기반으로 제품 및 서비스를 추천합니다. 일부 보고서에 따르면 이러한 권장 사항은 Amazon 매출의 최대 30%를 차지합니다. 또한 아마존은 예측을 기반으로 주문이 예상되는 지역에 제품을 현장에서 주문하기 전에 배송하여 고객에게 상품을 배송하는 시간을 단축하는 도구를 개발할 계획을 갖고 있었습니다.

Macy의 팀은 보다 정확한 직접 마케팅을 위해 예측 분석을 활용했습니다. 3개월 동안 회사는 사용자가 검색한 제품 범주에 대한 데이터를 캡처하고 그에 따라 개인화된 이메일을 보내 온라인 매출을 8%에서 12%로 늘렸습니다.

... 잠재 고객을 대상으로 하고, 잠재 고객을 유치하고, 거래를 성사시킵니다. 그들은 구매할 준비가 된 가장 가치 있는 잠재 고객을 식별합니다. 그런 다음 영업 담당자는 이러한 잠재 고객에게 직접 연락하고 영업 프로세스를 통해 가장 적합한 제안을 찾도록 안내합니다.

StitchFix는 독특한 예측 기반 판매 모델을 가진 또 다른 소매업체입니다.
StitchFix에 등록할 때 사용자는 자신의 스타일에 대한 설문조사를 완료합니다. 그런 다음 예측 분석 모델을 적용하여 고객이 가장 원할 것 같은 옷을 제공합니다. 고객이 받은 옷이 마음에 들지 않으면 무료 반품 배송으로 반품할 수 있습니다.

… 보관 방법에 대한 필요한 정보를 예방적으로 제공합니다. Sprint의 AI는 고객이 원하는 것을 예측하고 회사를 떠날 위험이 가장 높을 때 제안을 제공합니다. 이 AI 시스템을 도입한 이후 Sprint의 해지율은 급락했으며 고객은 개인화된 서비스 및 대상 제안에 대해 회사에 우수한 평가를 받았습니다. 보시다시피 고객 이탈을 예측하는 것은 SaaS 및 전자 상거래 비즈니스 간의 예측 분석을 위한 실행 가능한 작업입니다.

다음은 예측 분석의 범위 내에서 가장 인기 있는 메트릭 목록입니다.

1. 클라이언트 유출 비율(해지율)
   
2. 판매 계획 예측
   
3. 고객평생가치
   

마케팅 및 분석 부서의 협력, 연구의 목적을 이해하고 데이터의 확립된 순서 없이 예측 분석을 도입하는 것은 불가능합니다. 예측 분석 수행은 다음과 같이 진행됩니다.

1. 가설 정의
   
2. 내부 및 외부 데이터를 수집하여 모델 구축
   
3. 모델의 정확도를 측정하기 위한 메트릭 정의
   
4. 기성 서비스를 사용하거나 직접 개발:
   1. MVP 구축
      
   2. 안정적인 작업 버전을 달성하기 위해 정확도 매개변수가 부족하다는 측면에서 모델을 교육합니다.
      
   3. 인터페이스 또는 보고서 만들기
      
   4. 새로운 요구 사항을 충족하도록 모델 업데이트 또는 재학습
      

데이터 수집 단계에서 종단 간 분석을 설정했는지 확인하십시오. 그렇지 않으면 예측 분석을 구현하는 것이 일반적으로 효과가 없기 때문입니다.

Deloitte의 CMO Survey: Spring 2019 보고서에 따르면 마케팅 분석을 기반으로 한 비즈니스 결정의 비율은 2019년 초(지난 6년 동안의 데이터 고려)에 정점에 도달했습니다. MarketsandMarkets의 연구에 따르면 예측 분석 시장은 2022년 40억 달러에서 120억 달러 이상으로 성장할 것입니다.

일반적으로 마케팅 분석, 특히 예측 분석에 대한 관심은 기업이 예측 분석을 비즈니스에 보다 쉽게 ​​액세스할 수 있도록 하는 사용하기 쉬운 솔루션과 서비스를 개발하도록 권장합니다.

다음은 이러한 서비스 중 일부입니다.

• 기업이 마케팅 목표를 달성하고 시장 평균보다 22% 더 빠르게 성장할 수 있도록 도와주는 OWOX BI 제품.
  
• G2 Crowd가 "마케팅 소프트웨어 - 분석" 및 "전자상거래 분석용 소프트웨어" 카테고리에서 2019년 봄 및 여름 순위에서 선두를 차지했습니다.
  
• 마케팅 계획의 구현에 대한 예측을 이메일로 직접 보냅니다.
  

오복스 BI:

• 다양한 소스의 마케팅 데이터를 결합하여 Google BigQuery에서 분석할 수 있습니다.
  
• 고유한 유입경로 기반 기여 모델을 사용하여 각 사용자의 단계 가치를 결정합니다.
  
• 자동으로 보고서를 작성하여 마케팅 효과를 분석합니다.
  
• 판매 계획이 어떻게 실행될 것인지, 성장 영역과 약점이 무엇인지, 시장 점유율이 어떻게 변하고 있는지 보여줍니다.
  

무료 평가판 기간을 사용하여 지금 OWOX BI를 사용해 볼 수 있습니다.

데이터를 기반으로 마케팅 계획에서 성장 영역 및 위험을 예측하는 방법에 대한 기사에서 OWOX BI에 대해 자세히 알아볼 수 있습니다.

Infer에서 제공하는 예측 모델을 사용하면 모든 데이터 소스를 결합하여 판매 유입경로에서 리드의 위치에 대한 완전한 그림을 얻을 수 있습니다. Infer는 온라인 소스 및 공개 데이터베이스의 신호를 추적한 다음 이전 기본 계정 및 설정한 규칙을 기반으로 예측 모델을 생성합니다. Infer에서 얻은 데이터는 마케팅 담당자와 영업 전문가가 향후 고객으로 전환할 가능성이 있는 잠재 고객을 찾고 전체 판매 경로를 최적화하는 데 유용합니다.

Radius는 예측 B2B 마케팅에 중점을 둔 여러 데이터 분석 서비스를 제공합니다. 주요 기능은 다음과 같습니다.

• Radius Customer Exchange(RCX)는 귀하의 회사 프로필을 동일한 청중을 가진 다른 회사의 프로필과 비교하여 함께 작업하고 자신의 마케팅 목록을 만들 수 있는 기회를 제공합니다.
  
• Radius Connect: Salesforce에 예측 데이터를 제출합니다.
  

Radius 플랫폼은 또한 마케터가 부서 간에 데이터를 교환하고 내부 데이터베이스에서 새 계정을 찾는 데 도움이 됩니다. Infer와 마찬가지로 Radius는 클라우드 기반 시스템입니다.

예측 모델링 규칙에 따라 BOARD는 실시간 대시보드가 ​​있는 적응형 인터페이스에서 작동합니다.

즉, 매번 새로운 모델을 생성하지 않고도 다양한 시나리오를 모델링하고 가능한 결과를 분석할 수 있습니다.

BOARD에는 여러 커넥터가 내장되어 있어 ERP 시스템, 클라우드 데이터베이스, OLAP 큐브, 플랫 파일 등 거의 모든 소스에서 데이터를 추출할 수 있습니다. BOARD의 도구를 사용하여 예측을 맞춤형 애플리케이션으로 전환할 수도 있습니다.

TIBCO Data Science는 2018년 9월에 발표된 비교적 새로운 제품입니다. 단일 플랫폼으로 생성된 TIBCO Data Science는 TIBCO Statistica, Spotfire Data Science, Spotfire Statistics Services 및 TERR과 같은 TIBCO의 이전 서비스 기능을 결합합니다.

데이터 과학 서비스는 조직이 복잡한 문제를 더 빠르게 혁신하고 해결하고 예측을 최적의 솔루션으로 신속하게 변환할 수 있도록 지원합니다.

SAS는 예측 분석 시장의 33% 점유율과 40년의 경험을 보유하고 있습니다. 그들은 많은 시각적 편집기를 기반으로 한 고급 데이터 분석 기능을 사용자에게 제공합니다. SAS Advanced Analytics의 주요 기능은 그래프, 자동 프로세스 맵, 임베디드 코드 및 자동 시간 규칙을 기반으로 합니다.

사용자 리뷰에 따르면 SAS Advanced Analytics는 전반적인 움직임을 예측하고 분석하는 데 탁월하며 대규모 데이터 세트를 비교적 빠르게 처리할 수 있습니다. SAS는 제품에 대한 무료 데모와 해당 제품으로 작업을 시작하는 데 도움이 되는 지식 기반을 제공합니다.

이 소프트웨어를 사용하면 시간 간격을 기반으로 보고서 생성을 자동화할 수 있습니다. 60개 이상의 내장 통합 덕분에 자신의 데이터 세트를 가져오고 다른 프로그램으로 내보낼 수 있습니다.

확장 프로그램은 더 큰 유연성(이상 감지, 워드 프로세싱, 웹 마이닝)을 제공하지만 기본 구독 가격에 포함되지 않을 수 있습니다.

RapidMiner는 데이터 과학자를 위해 만들어졌지만 설치와 시작이 쉽습니다.

IBM SPSS는 통계를 기반으로 하는 데이터 모델링 및 분석을 사용합니다. 이 소프트웨어는 정형 및 비정형 데이터와 함께 작동합니다. 모든 보안 및 이동성 요구 사항을 충족하기 위해 클라우드, 로컬 또는 하이브리드 배포를 통해 사용할 수 있습니다.

기존 데이터를 사용하여 SPSS 시각적 편집기 및 모델링 대시보드에서 예측 모델을 구축할 수 있습니다. 비정형 데이터에 대한 프리미엄 지원에는 언어 기술 및 자연어 처리가 포함되므로 소셜 네트워크 및 기타 텍스트 기반 소스의 데이터를 모델에 포함할 수 있습니다.

SAP HANA는 로컬 또는 클라우드에서 데이터베이스와 애플리케이션을 제공합니다. 이 소프트웨어는 대규모 외부 데이터 세트와 직관적인 시각화를 위한 추가 커넥터가 있는 모델을 생성하는 데 필요한 시간을 줄여줍니다.

예측 분석 라이브러리(PAL)를 SAP HANA에 연결하여 대규모 데이터 세트에서 추가 통찰력을 얻을 수도 있습니다. 고객 중심 산업의 경우 이 소프트웨어는 텍스트 및 소셜 미디어 데이터 분석을 제공하여 미래의 고객 행동을 예측하고 과거 행동을 기반으로 제품을 추천합니다.

SAP HANA는 R 프로그래밍 언어와 호환되므로 쿼리를 구성하기 위해 새로운 언어를 배울 필요가 없습니다. 시스템이 충분한 내부 데이터를 통합하면 예측 모델이 자동으로 새로운 통찰력을 제공합니다.

마케팅의 예측 분석은 한 문서에서 다룰 수 없는 강력한 데이터 과학 도구입니다. 다음 기사에서 더 자세히 알고 싶은 예측 분석의 측면을 댓글로 알려주십시오.

다시 말씀드리지만, 예측 분석의 세 가지 계명은 다음과 같습니다.

• 기본 사항부터 시작하세요. 데이터 품질을 확인하고 자동으로 수집하여 인적 오류를 제거합니다. 훈련된 모델의 품질은 훈련 데이터의 품질에 따라 다릅니다.
  
• 중요한 것은 과정이 아니라 결과이기 때문에 연구의 목표에서 절대 벗어나지 마십시오.
  
• 정확도 요구 사항을 준수하십시오. 예측 결과는 검증된 모델이 데이터에 적용될 때 얼마나 정확한지를 측정해야만 검증될 수 있음을 기억하십시오.
  

예측 모델링
전자 상거래 상점을 위한 예측 분석의 중요성
예측 분석에 대한 종합 가이드
범주별 상위 10가지 예측 분석 도구
예측 분석을 사용한 수익 예측: 대화형 사례 연구
예측 분석 입문서
상위 24개 예측 분석 무료 소프트웨어
2019년 최고의 예측 분석 소프트웨어 20선
예측 분석 도구
예측 분석 소프트웨어
예측 모델링
예측 분석 도구
행동에 대한 통찰력 — 이번에는 실제로
Amazon이 빅 데이터를 사용하여 스토킹하는 7가지 방법(AMZN)
Amazon은 예측 분석을 사용하여 예상 배송을 제공하고자 합니다.
고객 유지: Macy's는 예측 분석을 사용하여 고객 지출 증대
2019년 예측 분석: 가능한 것, 누가 하고 있으며 어떻게
더 나은 마케팅 성과를 위해 예측 분석을 사용하는 방법
예측 분석을 사용한 수익 예측: 대화형 사례 연구
예측 분석 이해하기