วิธีทำนายขอบเขตการเติบโตและความเสี่ยงในแผนการตลาดตามข้อมูล

เราเพิ่งประกาศผลิตภัณฑ์ใหม่ — OWOX BI Insights — ที่สามารถคาดการณ์การบรรลุเป้าหมายทางการตลาดโดยพิจารณาจากข้อมูลของคุณ ข้อมูลตลาดโดยรวม และการเรียนรู้ของเครื่อง มันให้คำตอบแก่นักการตลาดสำหรับคำถามที่สำคัญ:

• เราจะทำตามแผนสำหรับการขาย โอกาสในการขาย และตัวชี้วัดอื่นๆ ในเดือนนี้หรือไม่
• ถ้าเราไม่เปลี่ยนแปลงอะไร เราจะมียอดขาย ลีด ฯลฯ กี่รายการภายในสิ้นปีนี้?
• ช่องทาง ภูมิภาค และกลุ่มใดที่ไม่บรรลุเป้าหมาย และส่วนสำคัญสำหรับการเติบโตอยู่ที่ใด
• เราจะทำอย่างไรเมื่อเทียบกับตลาด? ตลาดตกต่ำหรือเราทำไม่ดี?

ในบทความนี้ เราจะบอกคุณว่าเหตุใดจึงต้องสร้างการคาดการณ์และวิธีค้นหาโซนการเติบโตและความเสี่ยง เพื่อที่จะก้าวล้ำหน้าคู่แข่งของคุณหนึ่งก้าว

สั่งซื้อการคาดการณ์ของคุณตอนนี้!

• เทคโนโลยีและข้อมูลบอกเรามากมาย
• ความอยากอาหารมาพร้อมกับการแสดงที่มา
• นักวิเคราะห์การตลาด OWOX BI ทำงานอะไร?
• รายงาน OWOX BI มีลักษณะอย่างไร
• จดหมายข่าวทางอีเมลสำหรับผู้มีอำนาจตัดสินใจ
• การดำเนินการ: จะเริ่มต้นที่ไหนและจะสร้างการคาดการณ์ได้อย่างไร
• ข้อสรุปที่เรามาถึงในกระบวนการ

การวิเคราะห์การตลาดมีบทบาทสำคัญในธุรกิจสมัยใหม่

ในปี 2561 ส่วนแบ่งเฉลี่ยของงบประมาณการตลาดของบริษัทที่ใช้ไปกับเทคโนโลยีการตลาด (29%) เป็นครั้งแรกเกินกว่าส่วนแบ่งที่ใช้ไปให้กับผู้ที่ใช้เทคโนโลยีเหล่านี้ (24%)

หากการคาดการณ์การเติบโตของบริษัทไม่เป็นไปตามที่คาด ผู้จัดการส่วนใหญ่จะเลิกจ้างผู้อำนวยการฝ่ายการตลาดก่อน ดังนั้น CMOs ควรจะสนใจที่จะนำเสนอเทคโนโลยีและมองหาแนวทางแก้ไขที่ดีกว่า

CMO ส่วนใหญ่ (78%) ได้เพิ่ม ROI โดยใช้การวิเคราะห์เมื่อสร้างกลยุทธ์ทางการตลาด

นี่เป็นเรื่องสั้นเกี่ยวกับการเริ่มต้นเมื่อไม่กี่ปีที่ผ่านมา และเรารู้ได้อย่างไรว่าลูกค้าของเราต้องการการคาดการณ์และข้อมูลเชิงลึก

OWOX BI: คุณต้องการให้เราตั้งค่า Google Analytics หรือไม่
ลูกค้า: แน่นอน แต่เราไม่เห็น ROI ใน Google Analytics สำหรับแคมเปญการตลาดทางตรงของ Facebook และ Yandex. และไม่สามารถเปรียบเทียบประสิทธิภาพได้
OWOX BI: นี่คือการนำเข้าข้อมูลอัตโนมัติ เพียงเพิ่มการเข้าถึงบริการโฆษณาของคุณ ข้อมูลทั้งหมดจะถูกนำเข้าไปยัง Google Analytics โดยอัตโนมัติ คุณจะได้รับ ROI สำหรับแคมเปญโฆษณาทั้งหมด
ลูกค้า: เยี่ยมมาก แต่ข้อมูลใน Google Analytics ไม่ตรงกับข้อมูลใน CRM ของเรา ฝ่ายบริหารของเราเชื่อข้อมูลใน CRM และเราไม่สามารถประมวลผลข้อมูล Google Analytics ใหม่เพื่อให้แน่ใจว่าข้อมูลถูกต้อง เราไม่สามารถรวมข้อมูลนี้กับข้อมูลภายในย้อนหลังได้ โดยเฉพาะอย่างยิ่งถ้าไม่มีการนำเข้าเวลาสืบค้น
OWOX BI: ตกลง นี่คือข้อมูลทั้งหมดของคุณใน Google BigQuery เราได้รวบรวมจาก Google Analytics บริการโฆษณา การติดตามการโทร และแอปพลิเคชันมือถือ ตอนนี้คุณสามารถรวมเข้ากับข้อมูลจาก CRM และสร้างรายงานใดๆ ได้
ลูกค้า : เจ๋ง! แต่เราต้องหาแคมเปญที่ถูกประเมินต่ำไปทั้งหมดนี้ การใช้แบบสอบถาม SQL อย่างง่ายไม่ได้ช่วยเพราะผู้ใช้คลิกหลายครั้งตลอดเส้นทางสู่การซื้อ เราจำเป็นต้องระบุถึงคุณค่าของขั้นตอนเหล่านี้ทั้งหมด ซึ่งหมายความว่าเราจำเป็นต้องจ้างนักพัฒนาซอฟต์แวร์
OWOX BI: ตกลง การระบุแหล่งที่มาตามช่องทาง ML และรายงานสำเร็จรูปเป็นอย่างไร เพียงระบุขั้นตอนเหล่านี้แล้วคุณจะเห็นแคมเปญที่ประเมินราคาต่ำเกินไป
ลูกค้า: คุณสามารถระบุโซนการเติบโตของเราในข้อมูลทั้งหมดนี้ได้หรือไม่? เพียงแค่บอกว่าเราควรมองหาที่ใดเพื่อเติมเต็มแผนการขาย
OWOX BI: แย่จัง ... มาคุยกันถึงสิ่งที่คุณคาดหวังจากนักวิเคราะห์การตลาดของคุณ

1. แสดงตำแหน่งที่บรรลุเป้าหมายทางการตลาดและไม่บรรลุผล
ในระหว่างการประชุมทุกต้นเดือน ผู้จัดการจะถามผู้อำนวยการฝ่ายการตลาดว่า "ทำไมยังไม่สำเร็จ" เรามีภูมิภาคหรือช่องทางโฆษณาใด " และได้ยินตอบกลับมาว่า "ฉันยังไม่รู้ ฉันต้องการเวลาสองสามวัน - ฉันจะดู กลับมาบอก" » สถานการณ์ทั่วไป?

เราตัดสินใจว่าเพียงพอแล้ว — ปล่อยให้กระบวนการทั้งหมดเป็นไปโดยอัตโนมัติ ทุกอย่างเรียบง่ายที่นี่: เรานำข้อมูลย้อนหลัง นั่นคือ ข้อเท็จจริง และเปรียบเทียบกับข้อมูลที่วางแผนไว้ เป็นสิ่งสำคัญที่จะต้องดำเนินการโดยอัตโนมัติสำหรับกลุ่มต่างๆ

2. แสดงให้เห็นว่าคุณจะบรรลุเป้าหมายตามแผนประจำปีได้อย่างไรหากคุณก้าวต่อไปด้วยความเร็วเท่าปัจจุบัน
หากคุณทราบล่วงหน้าว่าทีมการตลาดขาดหมวดหมู่หรือภูมิภาค คุณสามารถแก้ไขกลยุทธ์ทางการตลาดได้อย่างรวดเร็วและปรับปรุงผลลัพธ์ เพื่อให้ลูกค้าของเรามีโอกาสดังกล่าว เราใช้ข้อมูลของพวกเขาและสร้างแบบจำลองการคาดการณ์ในอนาคตอันใกล้ถึงหนึ่งปี ที่นี่การคาดการณ์จะถูกเปรียบเทียบกับแผน

3. ค้นหาพื้นที่การเติบโตและความเสี่ยงในเดือนหน้า
ในการทำเช่นนี้ OWOX BI Insights จะเปรียบเทียบเป้าหมายทางการตลาดและการคาดการณ์โดยอัตโนมัติในระดับภูมิภาค ช่องทาง พารามิเตอร์ และภายในขอบเขตความรับผิดชอบของผู้มีอำนาจตัดสินใจแต่ละคนในบริษัท

4. ช่วยตอบคำถาม: «นี่คือสิ่งที่เราไม่ได้ทำหรือตลาดทรุดตัวลง?».
นี่เป็นคำถามที่เปิดกว้างและมีความเกี่ยวข้องในบริษัทใดๆ เสมอ เพราะมันไม่เพียงพอที่จะตอบข้อมูลของตัวเอง ตัวอย่างเช่น หากเกินแผน เป็นเรื่องที่น่าสนใจที่จะรู้ว่านี่คือนักการตลาด — ทำได้ดีมากหรือมีบางอย่างเกิดขึ้นในตลาดและทุกคนต่างวิ่งไปจับจ่ายใช้สอย หรือสมมุติว่าไม่บรรลุเป้าหมาย 2% นี่เป็นผลลัพธ์ที่ดีหรือไม่ดีสำหรับทีมการตลาด? หากตลาดเติบโตขึ้นก็แย่ และหากจมลง 15% ถือว่าดี

ข้อมูลตลาดมีความสำคัญต่อการตอบคำถามเหล่านี้ นั่นเป็นเหตุผลที่เรากำลังสร้างโมเดลแมชชีนเลิร์นนิงตามข้อมูลจากหลายหมื่นโครงการเพื่อให้การคาดการณ์ได้ดีกว่าที่คุณจะทำได้โดยใช้เพียงข้อมูลในอดีตของคุณเอง

5. สร้างรายงานในบริการปกติและสะดวกสำหรับคุณ
ประสบการณ์ของเราแสดงให้เห็นว่าเมื่อพูดถึงผลิตภัณฑ์ใหม่ บริษัทส่วนใหญ่ไม่ต้องการแนะนำบริการอื่น คุณอาจกำลังคิดว่า: «ฉันมี Excel (หรือ Google ชีต, Data Studio, Tableau, Power BI) ฉันสามารถเพิ่มการคาดการณ์ที่นั่นได้ไหม » แน่นอน คุณทำได้ เพราะบริการสร้างภาพเกือบทั้งหมดสามารถรับข้อมูลจาก Google BigQuery ซึ่งเราจะบันทึกผลการคำนวณไว้

ในการเริ่มต้น มาดูรายงานขั้นสุดท้ายกัน จากนั้นเราจะบอกคุณถึงวิธีการทำ

สิ่งแรกและที่ง่ายที่สุดคือการได้รับสามคอลัมน์สำหรับแต่ละเดือน: แผน จริง และพยากรณ์

การทำแผนเป็นเรื่องง่าย นักวิเคราะห์ทุกคนสามารถทำได้ใน Excel นอกจากนี้เรายังสามารถคำนวณมูลค่าที่แท้จริงได้ เนื่องจากธุรกิจมีข้อมูลนี้ งานของเราคือการเพิ่มการคาดการณ์

หมายเหตุ: รายงานนี้มีข้อมูลสำหรับต้นเดือนเมษายน อย่างที่คุณเห็น เรามีค่าจริงเพียงเล็กน้อย (เดือนเพิ่งเริ่มต้น) และมีการคาดการณ์สำหรับช่วงที่เหลือของเดือนเมษายน ดังนั้น สำหรับเดือนปัจจุบัน แผนควรถูกเปรียบเทียบกับผลรวมของมูลค่าจริงและมูลค่าที่คาดการณ์

ในกราฟด้านบน เส้นสีเหลืองคือเป้าหมายที่ลูกค้าตั้งไว้ คอลัมน์สีน้ำเงินเข้มคือค่าจริงที่บรรลุผลแล้ว และคอลัมน์สีฟ้าอ่อนเป็นการคาดคะเน

เมื่อเราทราบเป้าหมาย การคาดการณ์ และค่าจริงในบริบทของพารามิเตอร์ที่จำเป็นสำหรับการตัดสินใจ เราก็สามารถสร้างตารางสาระสำคัญแบบคลาสสิกใน Google ชีตได้

ตารางนี้มีพารามิเตอร์สามตัว ได้แก่ เดือนที่รายงาน กลุ่มช่องทาง (การค้นหาทั่วไป ตลาดกลาง อีเมล ฯลฯ) และภูมิภาค นี่คือการจัดกลุ่มพื้นฐานที่ธุรกิจส่วนใหญ่ทำงาน ต่อไป เราแสดงตัวชี้วัดหลักที่จำเป็นในการจัดการงบประมาณการตลาด:

จากรายงาน เราพบว่าการค้นหาที่เสียค่าใช้จ่ายในภูมิภาค 1 มีแนวโน้มที่จะสร้างรายได้น้อยกว่าที่วางแผนไว้ นอกจากนี้เรายังเห็นว่าช่องทางอีเมลอาจล่าช้ากว่าการทำธุรกรรม ข้อมูลนี้ช่วยให้คุณตัดสินใจได้ก่อนที่งบประมาณของคุณจะถูกใช้จ่ายไปอย่างไม่เหมาะสม และก่อนที่โซนการเติบโตจะผ่านพ้นไปแล้วและจะหายไป

และสิ่งที่ดีที่สุดคือเรามีการคาดการณ์สำหรับอนาคต มันแสดงให้เห็นว่าจะเกิดอะไรขึ้นหากแนวโน้มปัจจุบันดำเนินต่อไป

มาดูรายละเอียดขององค์ประกอบบางอย่างในตารางนี้ เปอร์เซ็นต์ส่วนเบี่ยงเบนซึ่งเน้นด้วยสีแดงและสีเขียวคำนวณโดยใช้สูตรง่ายๆ:

เราใช้ข้อเท็จจริงกับการคาดการณ์ นั่นคือสิ่งที่เราน่าจะได้รับมากที่สุดในสิ้นเดือนนี้ ลบเป้าหมายสำหรับส่วนนี้ออกจากส่วนนี้แล้วหารผลลัพธ์ตามแผนสำหรับช่วงเวลา ตัวเลขที่ได้จะตอบคำถามว่าส่วนใดส่วนหนึ่งเบี่ยงเบนไปจากการคาดการณ์

ตัวอย่างเช่น สำหรับธุรกรรมเดือนเมษายน เราจะเห็นค่าเบี่ยงเบน −4.8%:

ซึ่งหมายความว่าในเดือนเมษายน เราตามหลังแผนธุรกรรม 4.8% หากคุณบวกค่าของทุกช่องที่อยู่เหนือตัวเลขนี้ ยอดรวมจะเท่ากับ −4.8%

ทำไมเราดูเรื่องนี้? ทำไมเราไม่พิจารณาความเบี่ยงเบนสัมพัทธ์ล่ะ? ตัวอย่างเช่น สมมติว่าเรามีช่องทางอ้างอิงขนาดเล็ก ตามแผนควรมี 50 รายการ ความแตกต่างแม้แต่ 20 ธุรกรรมจะทำให้เราเบี่ยงเบน 40% แต่นี่ไม่ใช่สิ่งที่คุณต้องให้ความสนใจตั้งแต่แรก เพราะมีช่องขนาดใหญ่กว่ามาก และหากช่องขนาดใหญ่แสดงการเบี่ยงเบน 10% ก็จะมีความสำคัญมากขึ้นสำหรับธุรกิจ สีแดงและสีเขียวในตารางแสดงให้เห็นว่าธุรกิจให้ความสำคัญกับส่วนนี้เพียงใด

ในภาพหน้าจอด้านล่าง เราได้ขยายข้อมูลสำหรับเดือนเมษายน:

ในที่นี้เราจะเห็นว่าข้อมูลสามารถแบ่งออกเป็นช่องทางและภูมิภาคได้ เราสามารถเลือกส่วนที่เราต้องการดูก่อนได้ สีแดงคือเขตเสี่ยง สีเขียวคือเขตการเติบโต อัตรา Conversion ถูกทำเครื่องหมายเป็นสีน้ำเงิน และที่ด้านล่างสุดจะมีข้อมูลสรุป

ตอนนี้ เราจะมาแนะนำรายงานที่สำคัญและน่าสนใจที่สุด ซึ่งแสดงช่วงเวลาแปดช่วงที่ใช้เปรียบเทียบการคาดการณ์กับเป้าหมาย

1. ตัวเลขจริงใน ปีนี้ แสดงตัวเลขจริงตั้งแต่ต้นปีจนถึงปัจจุบัน เราสามารถเปรียบเทียบค่าเหล่านี้กับเป้าหมายเพื่อทำความเข้าใจว่าเราปฏิบัติตามนั้นได้ดีเพียงใด
2. Last Month Act แสดงข้อมูลจริงของเดือนที่ผ่านมา เราปิดทำการไปเมื่อเดือนที่แล้ว จึงสามารถเห็นได้ง่ายในแต่ละส่วนและส่วนว่าตัวเลขจริงตรงกับที่วางแผนไว้หรือไม่
3. Last Week Actual แสดงข้อมูลจริงของสัปดาห์ที่ผ่านมา
4. การพยากรณ์ในสัปดาห์นี้ แสดงการคาดการณ์สำหรับสัปดาห์ปัจจุบัน สัปดาห์เริ่มต้นขึ้นแล้ว และมาดูกันว่าเกิดอะไรขึ้นกับเรา โดยที่ผู้รับผิดชอบ เช่น สำหรับการค้นหาที่เสียค่าใช้จ่าย ให้ใส่ใจในตอนนี้ เพื่อให้ได้ผลลัพธ์ที่ดีขึ้นในช่วงสิ้นสัปดาห์ ในการทำเช่นนี้ คุณเพียงแค่ต้องหลีกเลี่ยงความเสี่ยง (เน้นด้วยสีแดง) และใช้โซนการเติบโต (เน้นด้วยสีเขียว)
5. Next Week Forecast แสดงการคาดการณ์สำหรับสัปดาห์หน้า
6. พยากรณ์เดือนนี้ แสดงการคาดการณ์สำหรับเดือนปัจจุบัน
7. พยากรณ์เดือนถัดไป แสดงการคาดการณ์สำหรับเดือนถัดไป จากประสบการณ์ของเรา เป็นการดีกว่าที่จะสร้างการคาดการณ์นี้ตามมิติข้อมูลหลักเท่านั้น นั่นคือ ไม่แนะนำให้แยกเป็นระดับที่สอง (ในกรณีของเรา ภูมิภาค) อีกต่อไป เนื่องจากมีเสียงรบกวนมากและคุณภาพการคาดการณ์ต่ำ
8. การคาดการณ์ใน ปีนี้ แสดงการคาดการณ์จนถึงสิ้นปี เราสร้างขึ้นสำหรับตัวชี้วัดหลักเท่านั้น รายได้ ประสบการณ์แสดงให้เห็นว่าการคาดการณ์การกระจายของทราฟฟิกทั่วภูมิภาคและช่องทางและส่วนอื่นๆ ก่อนสิ้นปีไม่ใช่แบบฝึกหัดที่น่าสนใจและนำไปสู่ข้อผิดพลาดขนาดใหญ่และการสูญเสียความมั่นใจในการพยากรณ์
   

คุณสามารถดูตารางใน Google ชีตได้ตลอดเวลา อย่างไรก็ตาม ผู้มีอำนาจตัดสินใจมักจะคาดหวังว่าจะได้รับรายงานสำเร็จรูปและพูดว่า ดูนี่สิ ดูเหมือนว่าเรามีเขตการเติบโต

การสร้างรายงานนี้ไม่ใช่เรื่องง่าย และเป็นรายงานที่เรากำลังดำเนินการอยู่ เราต้องการให้ลูกค้าของเราได้รับข้อความที่ชัดเจนและมีความหมายซึ่งเขียนด้วยภาษามนุษย์เช่นเดียวกับที่นักวิเคราะห์ที่ดีจะเขียน

มีปัญหาสองประการ อย่างแรกคือความแตกต่างมากมาย หมาป่าร้องไห้เกี่ยวกับช่องทางตรงที่ไม่มีการจัดการนั้นไม่มีประโยชน์อะไรมาก คุณควรทำอย่างไรหาก Referral หรือ Direct ล้มเหลว? คุณต้องมุ่งเน้นไปที่สิ่งที่คุณสามารถจัดการได้ และด้วยเหตุนี้ คุณต้องมีความรู้เพิ่มเติมสำหรับโปรแกรมเมื่อค้นหาข้อมูลเชิงลึก

ปัญหาที่สองคือ อีเมลเหล่านี้อาจตอบด้วย: «ให้รายละเอียดเพิ่มเติมแก่ฉัน» แต่ [email protected] ไม่เคยวางแผนที่จะเข้าร่วมการสนทนา อย่างไรก็ตาม เราเชื่อว่าการสื่อสารจากบริการวิเคราะห์ควรมีความคล้ายคลึงกันมากที่สุดเท่าที่จะเป็นไปได้ในการสื่อสารกับนักวิเคราะห์การตลาด ดังนั้นเราจึงวางแผนที่จะส่งข้อมูลเชิงลึกเกี่ยวกับโซนการเติบโตและความเสี่ยงผ่าน Messenger ในอนาคต

ที่ท้ายอีเมล มีตารางที่น่าสนใจซึ่งเน้นผลลัพธ์สำหรับช่วงเวลาหลักด้วยสีแดงและสีเขียว ซึ่งจะแสดงทันทีว่าจำเป็นต้องเปิด Google ชีตและดูรายละเอียดสำหรับช่วงเวลานี้หรือไม่

ก่อนที่คุณจะเริ่มสร้างการคาดการณ์ คุณต้องตอบคำถามสำคัญสองสามข้อ:

จากการใช้งานนี้ คุณจะได้ตารางดังนี้:

คอลัมน์แรกระบุขอบเขตความรับผิดชอบ ในตัวอย่างของเรา มีสามอย่าง: การตลาดโดยทั่วไป แคมเปญ PPC แบบชำระเงิน และ SEO (ทั่วไป)

คอลัมน์ที่สองคือ KPI ซึ่งใช้สำหรับกำหนดเป้าหมายและประเมินผลการปฏิบัติงานในแต่ละด้านที่รับผิดชอบ สำหรับตัวชี้วัดเหล่านี้ มีแผน เราขอแนะนำว่าอย่าเปลี่ยนเป้าหมายที่มีอยู่เมื่อคุณตัดสินใจทำการคาดการณ์ เป็นที่ชัดเจนว่าในธุรกิจ คุณสามารถปรับปรุงบางสิ่งได้เสมอ และคุณอาจต้องการเพิ่มตัวบ่งชี้ใหม่ลงในรายงานของคุณ แต่คุณไม่สามารถทำสิ่งนั้นได้ในขณะเดินทาง อันดับแรก ดีกว่าที่จะทำให้สิ่งที่คุณมีอยู่แล้วเป็นอัตโนมัติ แล้วเพิ่มตัวชี้วัดใหม่

ในคอลัมน์ที่สามและสี่ เราทำเครื่องหมายตัวชี้วัดที่มีแผน และเราสามารถสร้างการคาดการณ์ได้

ในคอลัมน์ที่ห้า เราทำเครื่องหมายเมตริกเชิงปริมาณและเชิงคุณภาพเนื่องจากต้องแสดงต่างกันและควรได้รับการปฏิบัติต่างกัน

คอลัมน์ที่หกคือเกณฑ์การแบ่งส่วน ในพื้นที่ความรับผิดชอบที่แตกต่างกัน หน่วยวัดเดียวกันจะถูกแบ่งกลุ่มตามเกณฑ์ที่แตกต่างกัน ตัวอย่างเช่น เซสชั่นการตลาดน่าสนใจมากขึ้นในการแบ่งกลุ่มตามช่องทาง SEO ควรแบ่งตามเครื่องมือค้นหา

คอลัมน์ที่เจ็ดเป็นมิติข้อมูลรอง อาจมีมากกว่าสองมิติ แต่ในกรณีนี้ ข้อกำหนดสำหรับปริมาณข้อมูลควรสูงกว่า ยิ่งพารามิเตอร์การแบ่งกลุ่มมากเท่าไรก็ยิ่งต้องการข้อมูลมากขึ้นสำหรับการคาดการณ์ที่มีนัยสำคัญทางสถิติ

คอลัมน์สุดท้ายคือจำนวนค่าสำหรับพารามิเตอร์เฉพาะที่คุณต้องการดูในรายงาน ทำไมคุณถึงต้องการสิ่งนี้ ถ้าคุณไม่ได้ระบุขีดจำกัดตามภูมิภาค และหากคุณขยายรายการ ตัวอย่างเช่น คุณจะไม่มีห้าภูมิภาค แต่มีห้าร้อย ส่วนมากจะเล็กเกินไปและไม่น่าจะให้ข้อมูล เราขอแนะนำให้เพิ่มขีดจำกัดเพื่อให้ทั้งป้ายกำกับนี้พอดีกับ Google ชีตและใช้งานได้

ดังนั้น คุณจึงได้สร้างตารางแบบนี้และรวบรวมข้อมูลทั้งหมดของคุณ (ตามแผนและตามจริง) ใน Google BigQuery (หรือที่เก็บข้อมูลระบบคลาวด์อื่นๆ) เราควรทำอย่างไรต่อไป? สิ่งแรกและง่ายที่สุดที่ต้องทำคือติดต่อ OWOX BI อัลกอริทึม AI ของเราจะวิเคราะห์ข้อมูลของคุณ เปรียบเทียบกับข้อมูลตลาด คาดการณ์ และแสดงว่าโซนการเติบโตและความเสี่ยงของคุณอยู่ที่ใด

หากคุณต้องการสร้างการคาดการณ์ด้วยตัวเอง มีหลายวิธีที่คุณทำได้ มีหลายวิธี เราจะแชร์วิธีการดำเนินการใน Google Cloud เนื่องจากแพลตฟอร์มนี้คุ้นเคยกับเรามากที่สุด เห็นได้ชัดว่าคุณอาจใช้เครื่องมืออื่นๆ ในบริษัทของคุณได้

มีสามวิธีพื้นฐานในการสร้างการคาดการณ์ใน Google Cloud:

1. TensorFlow และ CloudML เป็นวิธีการที่มักใช้โดย Data Scientists ซึ่งไม่ขี้เกียจเกินไปที่จะใช้เวลาในการปรับแต่งโมเดล เครื่องมือเหล่านี้เป็นเครื่องมือที่ยาก แต่ช่วยให้คุณได้ผลลัพธ์ที่ดี
2. BigQuery ML — หากคุณไม่เคยทำงานกับแมชชีนเลิร์นนิงแต่คุณมีข้อมูลใน Google BigQuery อยู่แล้ว เราขอแนะนำให้เริ่มด้วยวิธีนี้ หากคุณมีข้อมูลจาก Google Analytics 360 คุณก็ฝึกโมเดลได้แล้ว เช่น คำนวณความน่าจะเป็นของ Conversion, churn หรือพารามิเตอร์อื่นๆ การเลือกตัวทำนาย คุณลักษณะ และแบบจำลองการทดสอบทำได้ง่ายมาก นี่เป็นวิธีที่ชาญฉลาดสำหรับนักวิเคราะห์ที่คุ้นเคยกับ SQL
3. AutoML และ CloudML API เป็นวิธีพื้นฐานที่สุดสำหรับนักพัฒนา ทำให้ง่ายต่อการปรับใช้โมเดล เปรียบเทียบ และย้อนกลับการกำหนดเวอร์ชัน วิธีนี้เหมาะอย่างยิ่งหากคุณเป็นนักพัฒนาซอฟต์แวร์ และงานของคุณคือการเปิดตัวโมเดลที่คุณสร้างขึ้นในการผลิต

นี่คือตารางขนาดใหญ่ที่มีข้อมูลซึ่งคุณสามารถคำนวณส่วนเบี่ยงเบน การแปลง ได้อย่างง่ายดาย เนื่องจากคุณมีองค์ประกอบทั้งหมดสำหรับสิ่งนี้ และถูกจัดกลุ่มเป็นสามช่วงตึก: แผน ที่เกิดขึ้นจริง และการคาดการณ์

1. หากคุณได้รับแจ้งว่า «เรามีเป้าหมายทางการตลาด» อย่างดีที่สุด นี่หมายถึงสเปรดชีต Excel ที่นักวิเคราะห์อัปเดตด้วยตนเองสัปดาห์ละครั้ง
2. การคาดการณ์อัตโนมัติไม่ได้แทนที่การวิเคราะห์ — เป็นเพียงวิธีการเพิ่มประสิทธิภาพ จากประสบการณ์ของเรา จำเป็นต้องมีการปรับเปลี่ยนด้วยตนเองเสมอ ตัวอย่างเช่น สมมติว่าในเดือนตุลาคม เราเปิดร้านขนาดใหญ่ในฮูสตัน โมเดลการคาดการณ์จะไม่คำนึงถึงสิ่งนี้เพราะไม่มีความรู้นี้
3. คุณภาพของการคาดการณ์จะดีขึ้นอย่างมาก หากคุณใช้ข้อมูลการตลาดนอกเหนือจากข้อมูลของคุณเอง นี่คือสิ่งที่ทำให้วิธีการพยากรณ์ของ OWOX BI แตกต่างในเชิงคุณภาพ เราใช้ข้อมูลจากหลายหมื่นโปรเจ็กต์เพื่อฝึกโมเดลของเรา ส่งผลให้แสดงแนวโน้มตลาดได้แม่นยำยิ่งขึ้น ตัวอย่างเช่น เราทราบส่วนแบ่งการตลาดของการค้นหาทั่วไปและการค้นหาที่เสียค่าใช้จ่ายสำหรับโครงการที่อยู่ในกลุ่มเดียวกับลูกค้าของเรา และเรารู้ว่าตัวเลขเหล่านี้นำไปสู่อะไร การเพิ่มประสิทธิภาพของโมเดลด้วยข้อมูลนี้จะช่วยให้คุณเข้าใจแนวโน้มได้ดีขึ้น และรู้ว่าคุณกำลังทำได้ดีหรือตลาดเพิ่งเติบโต
4. จำเป็นต้องแยกการคำนวณออกจากการแสดงข้อมูลเป็นภาพ เมื่อคุณกำหนดความคาดหวังด้านความถูกต้องและเชิงลึกแล้ว คุณสามารถสร้างการคาดการณ์และคำนวณข้อมูลได้ในเวลาที่กำหนดอย่างเคร่งครัด สำหรับการแสดงข้อมูลเป็นภาพ นี่เป็นงานที่ไม่รู้จบ และไม่มีการจำกัดความสมบูรณ์แบบ
5. หากต้องการรับการคาดการณ์คุณภาพสูงด้วยพารามิเตอร์สองตัวที่ละเอียด คุณต้องมีข้อมูลเว็บไซต์ 3 ล้านเซสชันต่อเดือน เป็นไปได้ที่จะสร้างการคาดการณ์ด้วยจำนวนที่น้อยลงโดยไม่ต้องแบ่งกลุ่ม แต่คำถามคือเหตุผล ตัวอย่างเช่น หากคุณเห็นว่าเป้าหมายไม่เป็นจริง คุณสามารถพูดได้ว่าเป้าหมายนั้นใช้ไม่ได้ผลในส่วนใด ภูมิภาคใดบ้าง คุณมักจะไม่พบคำตอบเนื่องจากมีข้อมูลเพียงเล็กน้อย

หากคุณมีข้อมูลย้อนหลังจาก Google Analytics เป็นเวลาสองปี มีการเข้าชมจาก 3 ล้านเซสชันต่อเดือน และต้องการบรรลุเป้าหมายทางการตลาดและเติบโตเร็วขึ้นด้วยข้อมูลเชิงลึก โปรดเขียนถึงเราโดยกรอกแบบฟอร์มบนไซต์ของเรา เราจะหารือเกี่ยวกับรายละเอียดกับคุณและช่วยคุณสร้างการคาดการณ์