Analityka predykcyjna jako narzędzie do zwiększania efektywności marketingu

Rosnąca możliwość gromadzenia i przechowywania danych zapewniła firmom większe możliwości analizy retrospektywnej i analizy w czasie rzeczywistym. Teraz możemy prześledzić schematy i wyciągnąć wnioski o niepowodzeniach, aby nie nadepnąć na te same prowizje. Lub możemy zidentyfikować najbardziej udane rozwiązania i powtórzyć nasz sukces.

Analityka predykcyjna jest zawsze bardziej skuteczna niż analiza retrospektywna lub analiza w czasie rzeczywistym w dłuższej perspektywie, podobnie jak zapobieganie jest skuteczniejsze niż pilna opieka medyczna. Analityka retrospektywna to zasadniczo autopsja — analiza błędu, którego nie można cofnąć. Analityka w czasie rzeczywistym to karetka reagująca tu i teraz, a analityka predykcyjna to medycyna prewencyjna, która przede wszystkim ratuje Cię przed chorobą.

Jak powiedział Thomas Davenport, nikt nie ma możliwości zbierania i analizowania danych z przyszłości. Ale mamy możliwość przewidywania przyszłości na podstawie danych z przeszłości. Nazywa się to analizą predykcyjną i w rzeczywistości wiele firm już z niej korzysta. Możesz wykorzystać dane z przeszłości do:

1. obliczyć życiową wartość klienta (CLV). Ten wskaźnik pomoże Ci zrozumieć, jaką wartość klient przyniesie Twojej firmie przez całe życie, w tym przyszłe zarobki.
   
2. opracuj optymalne rekomendacje na podstawie danych o zachowaniach użytkowników z Twojej witryny.
   
3. przewidzieć, jakie produkty lub usługi klient prawdopodobnie kupi w przyszłości.
   
4. przewidzieć rezygnację klientów.
   
5. opracować plan i prognozę sprzedaży na kolejny kwartał/sześć miesięcy/rok.

Wszystko to są proste formy analizy predykcyjnej. Przyjrzyjmy się popularnym metodom analizy predykcyjnej.

Możemy wyróżnić następujące etapy modelowania predykcyjnego:

• Zbieranie danych pierwotnych
• Tworzenie modelu statystycznego
• Prognozowanie
• Sprawdzanie / korygowanie modelu w miarę pojawiania się dodatkowych danych

Modele predykcyjne analizują przeszłe zachowanie użytkownika, aby ocenić prawdopodobieństwo, że będzie on wykazywał określone zachowanie w przyszłości. Ten rodzaj analizy obejmuje również modele, które znajdują subtelne wzorce w danych, takie jak wykrywanie oszustw.

Często modele predykcyjne dokonują obliczeń natychmiast, gdy użytkownik przechodzi przez ścieżkę konwersji na drodze do wykonania działania powodującego konwersję — na przykład w celu oceny prawdopodobieństwa osiągnięcia celu przez użytkownika. Dysponując dokładnymi danymi na temat prawdopodobieństwa przejścia z jednego etapu ścieżki do drugiego, firma może lepiej zarządzać czynnikami, które uniemożliwiają lub pomagają użytkownikom przejść przez ścieżkę, a także może dokładniej opisywać wzorce zachowań różnych kategorii klientów.

Przeciętny użytkownik ma na swoim smartfonie około 50 aplikacji. Każdy z nich odbiera, przesyła i generuje dane. Dane te są przechowywane w różnych usługach i w różnych formatach. Choć na pierwszy rzut oka może się to wydawać pozytywnym czynnikiem dla marketerów, skuteczna praca z tak dużą ilością ustrukturyzowanych i nieustrukturyzowanych danych stanowi problem.

Przyjrzyjmy się kilku przykładom firm, które z powodzeniem zastosowały wyniki analityki predykcyjnej.

… polecać produkty i usługi użytkownikom na podstawie ich przeszłych zachowań. Według niektórych raportów takie rekomendacje przynoszą do 30% sprzedaży Amazona. Ponadto Amazon miał w planach opracowanie narzędzia, które na podstawie prognoz dostarczałoby produkty do stref, w których oczekiwano zamówień jeszcze przed ich złożeniem na stronie, skracając czas dostawy towarów do klientów.

Zespół Macy's wykorzystał analitykę predykcyjną do dokładniejszego marketingu bezpośredniego. W ciągu trzech miesięcy firma zwiększyła sprzedaż online z 8% do 12%, zbierając dane o kategoriach produktów przeglądanych przez użytkowników i odpowiednio wysyłając spersonalizowane wiadomości e-mail.

… by docierać do potencjalnych klientów, przyciągać leady i finalizować transakcje. Identyfikują najbardziej wartościowych potencjalnych klientów, gotowych do zakupu. Następnie przedstawiciel handlowy kontaktuje się bezpośrednio z tymi potencjalnymi klientami i prowadzi ich przez proces sprzedaży, aby znaleźć najbardziej odpowiednią ofertę.

StitchFix to kolejny sprzedawca detaliczny z unikalnym modelem sprzedaży opartym na prognozach.
Podczas rejestracji w StitchFix użytkownicy wypełniają ankietę dotyczącą ich stylu. Następnie stosowane są modele analizy predykcyjnej, aby oferować klientom ubrania, których najprawdopodobniej będą chcieli. Jeśli klientom nie spodobają się otrzymane ubrania, mogą je zwrócić z bezpłatną wysyłką zwrotną.

… i prewencyjnie dostarczaj niezbędnych informacji o tym, jak je zachować. Sztuczna inteligencja Sprinta przewiduje, czego chcą klienci i dostarcza im oferty, gdy są najbardziej narażeni na odejście z firmy. Od czasu wprowadzenia tego systemu sztucznej inteligencji wskaźnik rezygnacji firmy Sprint gwałtownie spadł, a klienci wystawili firmie doskonałe oceny za spersonalizowaną obsługę i ukierunkowane oferty. Jak widać, prognozowanie rezygnacji klientów jest wykonalnym zadaniem dla analiz predykcyjnych w firmach SaaS i e-commerce.

Oto lista najpopularniejszych wskaźników wchodzących w zakres analityki predykcyjnej:

1. Wskaźnik odpływu klientów (odpływ klientów)
   
2. Prognoza planu sprzedaży
   
3. Wartość dożywotnia klienta
   

Wprowadzenie analityki predykcyjnej jest niemożliwe bez współpracy działów marketingu i analityki, zrozumienia celów badania i ustalonego porządku w danych. Wykonywanie analiz predykcyjnych przebiega w następujący sposób:

1. Zdefiniuj swoją hipotezę
   
2. Zbieraj dane wewnętrznie i zewnętrznie, aby zbudować model
   
3. Zdefiniuj metryki, aby zmierzyć dokładność swojego modelu
   
4. Skorzystaj z gotowej usługi lub opracuj własną:
   1. Zbuduj MVP
      
   2. Wytrenuj model pod kątem braku parametrów dokładności, aby uzyskać stabilną wersję roboczą
      
   3. Utwórz interfejs lub raport
      
   4. Zaktualizuj lub przeszkol model, aby spełniał nowe wymagania
      

Na etapie zbierania danych upewnij się, że skonfigurowałeś kompleksową analitykę, ponieważ bez niej wdrażanie analityki predykcyjnej jest zwykle nieskuteczne.

Odsetek decyzji biznesowych opartych na analityce marketingowej osiągnął szczyt na początku 2019 roku (biorąc pod uwagę dane z ostatnich sześciu lat) według raportu CMO Survey: Spring 2019 firmy Deloitte. Według badania przeprowadzonego przez MarketsandMarkets, rynek analiz predykcyjnych wzrośnie z 4 miliardów dolarów do ponad 12 miliardów dolarów w 2022 roku

Zainteresowanie analityką marketingową w ogóle — a w szczególności analityką predykcyjną — zachęca firmy do opracowywania łatwych w użyciu rozwiązań i usług, dzięki którym analityka predykcyjna staje się bardziej dostępna dla firm.

Oto niektóre z tych usług:

• Produkt OWOX BI, który pomaga firmom osiągnąć cele marketingowe i rozwijać się o 22% szybciej niż średnia rynkowa.
  
• Lider w wiosenno-letnich rankingach G2 Crowd w kategoriach „Oprogramowanie marketingowe – analityka” oraz „Oprogramowanie do analityki w e-commerce”.
  
• Wysyła prognozy dotyczące realizacji planu marketingowego bezpośrednio na Twój e-mail.
  

OWOX BI:

• Łączy dane marketingowe z różnych źródeł, udostępniając je do analizy w Google BigQuery.
  
• Określa wartość kroku każdego użytkownika za pomocą własnego modelu atrybucji opartego na ścieżce.
  
• Automatycznie tworzy raporty analizujące skuteczność marketingu.
  
• Pokazuje, w jaki sposób zostanie wdrożony Twój plan sprzedaży, jakie są Twoje obszary wzrostu i słabe strony oraz jak zmienia się Twój udział w rynku.
  

Możesz wypróbować OWOX BI już teraz, korzystając z bezpłatnego okresu próbnego:

Więcej o OWOX BI dowiesz się z naszego artykułu o tym, jak przewidywać obszary wzrostu i zagrożenia w planie marketingowym na podstawie danych.

Modele predykcyjne oferowane przez Infer pomogą Ci połączyć wszystkie źródła danych, aby uzyskać pełny obraz pozycji Twoich leadów w lejku sprzedażowym. Wnioskowanie śledzi sygnały ze źródeł internetowych i publicznych baz danych, a następnie tworzy modele predykcyjne na podstawie poprzednich kont głównych i ustalonych reguł. Dane pozyskiwane przez Infer przydadzą się marketerom i specjalistom ds. sprzedaży zarówno do wyszukiwania leadów, które w przyszłości mają szansę na konwersję w klientów, jak i do optymalizacji lejka sprzedażowego jako całości.

Radius świadczy kilka usług analizy danych, koncentrując się na predykcyjnym marketingu B2B. Najważniejsze cechy to:

• Radius Customer Exchange (RCX), który porównuje profil Twojej firmy z profilami innych firm, które mają tę samą grupę odbiorców, dając Ci możliwość współpracy i tworzenia własnych list marketingowych.
  
• Radius Connect: przesyłaj dane prognostyczne do Salesforce.
  

Platforma Radius pomaga również marketerom w wymianie danych między działami i znajdowaniu nowych kont w wewnętrznych bazach danych. Podobnie jak Infer, Radius jest systemem opartym na chmurze.

Opierając się na zasadach modelowania predykcyjnego, BOARD działa w adaptacyjnym interfejsie z pulpitami nawigacyjnymi w czasie rzeczywistym.

Oznacza to, że możesz modelować różne scenariusze i analizować możliwe wyniki bez konieczności tworzenia za każdym razem nowego modelu.

BOARD jest wyposażony w kilka wbudowanych złączy, dzięki czemu możesz wyodrębniać dane z niemal dowolnego źródła — systemu ERP, bazy danych w chmurze, kostki OLAP, a nawet plików płaskich. Możesz także przekształcić swoje prognozy w niestandardowe aplikacje za pomocą narzędzi BOARD.

TIBCO Data Science to stosunkowo nowy produkt, ogłoszony we wrześniu 2018 r. Stworzony jako pojedyncza platforma, TIBCO Data Science łączy możliwości poprzednich generacji usług TIBCO: TIBCO Statistica, Spotfire Data Science, Spotfire Statistics Services i TERR.

Usługa Data Science pomaga organizacjom szybciej wprowadzać innowacje i rozwiązywać złożone problemy, szybko przekształcając prognozy w optymalne rozwiązania.

SAS ma 33% udział w rynku analiz predykcyjnych i 40-letnie doświadczenie; zapewniają użytkownikom zaawansowane możliwości analizy danych w oparciu o wiele edytorów wizualnych. Główna funkcjonalność SAS Advanced Analytics opiera się na wykresach, automatycznej mapie procesów, osadzonym kodzie i automatycznych regułach czasowych.

Według opinii użytkowników SAS Advanced Analytics świetnie sobie radzi z przewidywaniem i analizowaniem ogólnego ruchu i może stosunkowo szybko przetwarzać duże zbiory danych. SAS udostępnia bezpłatne wersje demonstracyjne swoich produktów i bazę wiedzy, które pomogą Ci rozpocząć z nimi pracę.

Oprogramowanie to pozwala zautomatyzować tworzenie raportów w oparciu o przedziały czasowe. Możesz importować własne zestawy danych i eksportować je do innych programów dzięki ponad 60 wbudowanym integracjom.

Rozszerzenia zapewniają większą elastyczność (wykrywanie anomalii, przetwarzanie tekstu, eksploracja sieci), ale mogą nie być uwzględnione w podstawowej cenie subskrypcji

Chociaż RapidMiner został stworzony dla naukowców zajmujących się danymi, jego instalacja i rozpoczęcie pracy są łatwe.

IBM SPSS korzysta z modelowania danych i analiz opartych na statystykach. To oprogramowanie działa z danymi ustrukturyzowanymi i nieustrukturyzowanymi. Jest dostępny w chmurze, lokalnie lub poprzez wdrożenie hybrydowe, aby spełnić wszelkie wymagania dotyczące bezpieczeństwa i mobilności.

Możesz użyć istniejących danych do tworzenia modeli predykcyjnych w edytorze wizualnym SPSS i pulpitach modelowania. Wsparcie premium dla danych nieustrukturyzowanych obejmuje technologię lingwistyczną i przetwarzanie języka naturalnego, dzięki czemu możesz uwzględniać w modelach dane z sieci społecznościowych i innych źródeł tekstowych.

SAP HANA udostępnia bazy danych i aplikacje lokalnie lub w chmurze. To oprogramowanie skraca czas potrzebny na tworzenie modeli z dodatkowymi łącznikami dla dużych zewnętrznych zestawów danych i intuicyjnych wizualizacji.

Możesz również podłączyć biblioteki analiz predykcyjnych (PAL) do SAP HANA, aby uzyskać dodatkowe informacje z dużych zestawów danych. W przypadku branż zorientowanych na klienta oprogramowanie to oferuje analizę danych tekstowych i danych z mediów społecznościowych w celu przewidywania przyszłych zachowań klientów i rekomendowania produktów na podstawie zachowań z przeszłości.

SAP HANA jest kompatybilny z językiem programowania R, więc nie musisz uczyć się nowego języka, aby skonfigurować swoje zapytania. Gdy system integruje wystarczającą ilość danych wewnętrznych, modele predykcyjne automatycznie dostarczają nowych informacji.

Analityka predykcyjna w marketingu to potężne narzędzie do nauki o danych, którego możliwości nie da się opisać w jednym artykule. Daj nam znać w komentarzach, o jakich aspektach analityki predykcyjnej chciałbyś dowiedzieć się więcej w naszych kolejnych artykułach.

Dla przypomnienia, oto trzy przykazania analityki predykcyjnej:

• Zacznij od podstaw: sprawdź jakość swoich danych i zbieraj je automatycznie, aby wyeliminować błąd ludzki. Jakość wytrenowanego modelu zależy od jakości danych uczących.
  
• Nigdy nie odchodź daleko od celu swoich badań, ponieważ nie liczy się proces, ale wynik.
  
• Przestrzegać wymagań dotyczących dokładności. Pamiętaj, że wyniki Twojej prognozy można zweryfikować tylko poprzez pomiar dokładności sprawdzonego modelu zastosowanego do Twoich danych.
  

Modelowanie predykcyjne
Znaczenie analiz predykcyjnych w sklepach e-commerce
Kompleksowy przewodnik po analizach predykcyjnych
10 najlepszych narzędzi do analizy predykcyjnej według kategorii
Prognozowanie przychodów za pomocą analiz predykcyjnych: interaktywne studium przypadku
Podstawa analizy predykcyjnej
NAJLEPSZE 24 BEZPŁATNE OPROGRAMOWANIE DO ANALITYKI PREDYKCYJNEJ
20 najlepszych programów do analizy predykcyjnej 2019 roku
Narzędzia do analizy predykcyjnej
Oprogramowanie do analizy predykcyjnej
Modelowanie predykcyjne
Narzędzia do analizy predykcyjnej
Insights to Action — tym razem na serio
7 sposobów, w jakie Amazon wykorzystuje Big Data, aby Cię prześladować (AMZN)
Amazon chce korzystać z analiz predykcyjnych, aby oferować przewidywaną wysyłkę
Utrzymanie klientów: Macy's wykorzystuje analizy predykcyjne do zwiększania wydatków klientów
Analityka predykcyjna w 2019 r.: co jest możliwe, kto to robi i jak
Jak korzystać z analityki predykcyjnej w celu uzyskania lepszych wyników marketingowych
Prognozowanie przychodów za pomocą analiz predykcyjnych: interaktywne studium przypadku
Demistyfikacja analityki predykcyjnej