Verilere dayalı bir pazarlama planında büyüme alanları ve riskler nasıl tahmin edilir?

Yakın zamanda, verilerinize, genel pazar verilerine ve makine öğrenimine dayalı olarak pazarlama hedeflerinin gerçekleştirilmesini tahmin edebilen yeni bir ürün olan OWOX BI Insights'ı duyurduk. Pazarlamacılara önemli soruların yanıtlarını verir:

• Bu ay satışlar, olası satışlar ve diğer göstergeler planını gerçekleştirecek miyiz?
• Hiçbir şeyi değiştirmezsek, yıl sonuna kadar kaç satış, olası satış vb. elde edeceğiz?
• Hangi kanallarda, bölgelerde ve segmentlerde hedeflere ulaşılamıyor ve büyüme için kilit alanlar nerede?
• Piyasaya göre ne durumdayız? Piyasa düştü mü yoksa sadece kötü mü yapıyoruz?

Bu yazıda, rakiplerinizden bir adım önde olmak için neden tahminler oluşturacağınızı ve büyüme bölgelerini ve riskleri nasıl bulacağınızı anlatıyoruz.

Tahmininizi şimdi sipariş edin!

• Teknoloji ve veriler bize çok şey anlatıyor
• İştah, atıf ile birlikte gelir
• Bir OWOX BI pazarlama analisti hangi görevleri yerine getirir?
• OWOX BI raporları neye benziyor?
• Karar vericiler için e-posta bültenleri
• Uygulama: nereden başlamalı ve tahminlerin nasıl oluşturulacağı
• Süreçte ulaştığımız sonuçlar

Pazarlama analitiği, modern işletmelerde önemli bir rol oynamaktadır.

2018 yılında ilk kez bir şirketin pazarlama bütçesinden pazarlama teknolojilerine harcadığı ortalama pay (%29), bu teknolojileri kullananlara ayrılan payın (%24) üzerinde gerçekleşti.

Şirketin büyüme tahmini karşılanmazsa, çoğu yönetici her şeyden önce pazarlama direktörünü görevden alacaktır. Bu nedenle, CMO'lar teknolojileri tanıtmak ve daha iyi çözümler aramakla çok ilgilenmelidir.

CMO'ların çoğu (%78), bir pazarlama stratejisi oluştururken analitiği kullanarak yatırım getirilerini artırdı.

İşte her şeyin birkaç yıl önce nasıl başladığına ve müşterilerimizin tahminlere ve içgörülere ihtiyaç duyduğunu nasıl anladığımıza dair kısa bir hikaye.

OWOX BI: Google Analytics'i kurmamızı ister misiniz?
Müşteri: Elbette, ancak Facebook ve Yandex.Direct pazarlama kampanyalarımız için Google Analytics'te ROI'yi göremiyoruz ve bunların etkinliğini karşılaştıramıyoruz.
OWOX BI: İşte otomatik veri içe aktarma. Yalnızca reklamcılık hizmetlerinize erişim ekleyin ve tüm veriler otomatik olarak Google Analytics'e aktarılacaktır. Tüm reklam kampanyaları için YG elde edeceksiniz.
Müşteri: Harika, ancak Google Analytics'teki veriler CRM'deki verilerle eşleşmiyor. Yönetimimiz, CRM'deki verilere inanıyor ve doğru olduğundan emin olmak için Google Analytics verilerini yeniden işleyemiyoruz. Ayrıca bu verileri dahili verilerle geriye dönük olarak, özellikle de sorgu zamanı içe aktarma olmadan birleştiremeyiz.
OWOX BI: Tamam, işte Google BigQuery'deki tüm verileriniz. Google Analytics'ten, reklam hizmetlerinden, çağrı izlemeden ve mobil uygulamalardan topladık. Artık bunu CRM'nizdeki verilerle birleştirebilir ve herhangi bir rapor oluşturabilirsiniz.
Müşteri: Harika! Ancak tüm bunlarda hafife alınmış kampanyalar bulmamız gerekiyor. Basit bir SQL sorgusu kullanmak yardımcı olmaz çünkü kullanıcılar satın alma yolunda birkaç tıklama yapar. Tüm bu adımların değerini bir şekilde atfetmemiz gerekiyor, bu da geliştiricileri işe almamız gerektiği anlamına geliyor.
OWOX BI: Anlaştık. Makine öğrenimi hunisi tabanlı ilişkilendirme ve hazır raporlara ne dersiniz? Sadece bu adımları belirtin ve değeri düşük kampanyalar göreceksiniz.
Müşteri: Tüm bu verilerde büyüme alanlarımızı tanımlayabilir misiniz? Satış planını gerçekleştirmek için nereye bakmamız gerektiğini söylemeniz yeterli.
OWOX BI: Ooooo ... Pazarlama analistinizden ne beklediğinizi tartışalım.

1. Pazarlama hedeflerine ulaşılıp ulaşılmadığını gösterir.
Her ayın başındaki bir toplantıda yönetici, pazarlama müdürüne "Neden yerine getirilmedi?" diye sorar. Hangi bölge veya reklam kanalımız vardı? " Ve yanıt olarak duyar: "Henüz bilmiyorum. Birkaç güne ihtiyacım var - Bakalım, geri gelip anlatacağım. » Ortak durum mu?

Yeterince karar verdik - tüm sürecin otomatikleşmesine izin verdik. Burada her şey basit: geriye dönük verileri, yani bir gerçeği alıyoruz ve bunu planlananla karşılaştırıyoruz. Bunun farklı segmentler için otomatik olarak yapılması önemlidir.

2. Şimdiki hızda ilerlerseniz, yıllık planlanan hedefleri nasıl gerçekleştireceğinizi gösterir.
Pazarlama ekibinin bir kategoride veya bölgede yetersiz kaldığını önceden öğrenirseniz, pazarlama stratejinizi hızlı bir şekilde düzeltebilir ve sonuçları iyileştirebilirsiniz. Müşterilerimizin böyle bir fırsata sahip olmaları için verilerini alıp bir yıla kadar ufukta bir tahmin modeli oluşturuyoruz. Burada tahmin, planla karşılaştırılır.

3. Bir sonraki ay için büyüme alanları ve riskleri bulur.
Bunu yapmak için, OWOX BI Insights, pazarlama hedeflerini ve tahminlerini bölgeler, kanallar, parametreler düzeyinde ve şirketteki her karar vericinin sorumluluk alanları dahilinde otomatik olarak karşılaştırır.

4. "Üzerinde çalışmadığımız şey bu mu yoksa piyasa yatıştı mı?" sorusunun yanıtlanmasına yardımcı olur.
Bu, herhangi bir şirkette her zaman açık ve alakalı bir sorudur, çünkü kendi verilerini yanıtlamak için yeterli değildir. Örneğin, plan aşılırsa, bilmek ilginçtir: bunlar pazarlamacılar - aferin ya da piyasada bir şey oldu ve herkes para harcamak için koştu. Ya da diyelim ki hedeflere %2 oranında ulaşılamadı. Bu bir pazarlama ekibi için iyi mi yoksa kötü bir sonuç mu? Pazar büyüdüyse kötü, %15 düştüyse iyidir.

Piyasa verileri bu soruları cevaplamak için kritik öneme sahiptir. Bu nedenle, yalnızca kendi geçmiş verilerinizi kullanarak elde edebileceğinizden daha iyi tahminler sağlamak için on binlerce projeden elde edilen verilere dayalı bir makine öğrenimi modeli oluşturuyoruz.

5. Her zamanki ve kullanışlı hizmetlerde sizin için raporlar oluşturur.
Tecrübelerimiz, yeni bir ürün söz konusu olduğunda çoğu şirketin başka bir hizmet sunmak istemediğini gösteriyor. Şunu düşünüyor olabilirsiniz: «Excel'im var (veya Google E-Tablolar, Data Studio, Tableau, Power BI). Oraya bir tahmin ekleyebilir miyim? » Elbette yapabilirsiniz, çünkü hemen hemen her görselleştirme hizmeti, hesaplama sonuçlarını kaydettiğimiz Google BigQuery'den veri alabilir.

Başlangıç ​​olarak, nihai raporlara bakalım. Sonra size nasıl yapıldığını anlatacağız.

İlk ve en basit şey, her ay için üç sütun almaktır: Plan, Gerçek ve Tahmin.

Plan yapmak basit bir meseledir. Excel'deki herhangi bir analist tarafından yapılabilir. İşletme bu verilere sahip olduğu için gerçek değerleri de hesaplayabiliriz. Görevimiz bir tahmin eklemek.

Not: Rapor, Nisan ayı başına ait verileri içermektedir. Gördüğünüz gibi, küçük bir gerçek değerimiz var (ay yeni başladı) ve Nisan ayının geri kalanı için bir tür tahmin var. Buna göre, cari ay için plan, gerçekleşen ve tahmini değerlerin toplamı ile karşılaştırılmalıdır.

Yukarıdaki grafikte, sarı çizgi müşterinin belirlediği hedeflerdir, koyu mavi sütunlar halihazırda yerine getirilmiş gerçek değerlerdir ve açık mavi sütunlar tahminlerdir.

Karar vermek için gereken parametreler bağlamında hedefleri, tahmini ve gerçek değerleri öğrendikten sonra, Google E-Tablolar'da klasik bir pivot tablo oluşturabiliriz.

Bu tabloda üç parametre vardır: raporlama ayı, kanal grubu (organik arama, pazar yeri, e-posta vb.) ve bölge. Bu, çoğu işletmenin birlikte çalıştığı temel gruplandırmadır. Ardından, pazarlama bütçesini yönetmek için gereken temel metrikleri gösteriyoruz:

Rapordan, Bölge 1'deki ücretli aramanın planlanandan daha az gelir sağlama olasılığının yüksek olduğunu görüyoruz. E-posta kanalının işlemlerin gerisinde kalabileceğini de görüyoruz. Bu bilgi, bütçeniz optimumun altında harcanmadan ve büyüme bölgesi geçmişte kalıp kaybolmadan önce kararlar vermenizi sağlar.

Ve en iyi şey, gelecek için bir tahminimiz olması. Mevcut trend devam ederse ne olacağını gösterir.

Bu tablodaki bazı unsurlara ayrıntılı olarak bakalım. Kırmızı ve yeşil ile vurgulanan yüzde sapma, basit bir formül kullanılarak hesaplanır:

Gerçeği tahminle alıyoruz, bu ayın sonunda büyük olasılıkla alacağımız şey bu. Bundan segmentin hedeflerini çıkarın ve sonucu dönem planına bölün. Ortaya çıkan sayı, belirli bir segmentin tahminden ne ölçüde saptığı sorusunu yanıtlar.

Örneğin, Nisan işlemleri için -%4,8'lik bir sapma görüyoruz:

Bu, Nisan ayında işlem planının %4,8 gerisinde olduğumuz anlamına geliyor. Bu rakamın üzerindeki tüm kanallar için değerleri toplarsanız toplam -%4,8 olacaktır.

Buna neden bakıyoruz? Neden göreceli sapmaya bakmıyoruz? Örneğin, küçük bir Yönlendirme kanalımız olduğunu varsayalım. Plana göre, diyelim ki 50 işlem olmalı. 20 işlemlik bir fark bile bize %40 sapma verecektir. Ancak ilk etapta dikkat etmeniz gereken şey bu değil, çünkü çok daha büyük kanallar var. Ve daha büyük bir kanal %10'luk bir sapma gösteriyorsa, bu iş için çok daha önemli olacaktır. Tablodaki kırmızı ve yeşil renkler, işletmenin bu segmente dikkat etmesinin ne kadar önemli olduğunu göstermektedir.

Aşağıdaki ekran görüntüsünde Nisan ayı verilerini genişlettik:

Burada verilerin kanallara ve bölgelere ayrılabileceğini görüyoruz. Önce bakmak istediğimiz segmentleri seçebiliriz. Kırmızı bir risk bölgesidir, yeşil bir büyüme bölgesidir. Dönüşüm oranı mavi ile işaretlenmiştir ve alt kısımda bir özet bulunmaktadır.

Şimdi, tahmini hedeflerle karşılaştırmak için kullanılan sekiz zaman dilimini gösteren en önemli ve ilginç raporu tanıtacağız.

1. Bu Yıl Günceli , yılın başından şu ana kadarki gerçek rakamları gösterir. Onları ne kadar iyi karşıladığımızı anlamak için bu değerleri hedeflerle karşılaştırabiliriz.
2. Son Ay Gerçek geçen ay için gerçek verileri gösterir. Gerçek rakamların planlanan rakamlarla örtüşüp örtüşmediğini her bölümde ve segmentte rahatlıkla görebilmek için bir önceki ayı kapattık.
3. Geçen Hafta Fiili , geçen haftanın gerçek verilerini gösterir.
4. Bu Hafta Tahmini , mevcut haftanın tahminini gösterir. Hafta başladı ve bize ne olduğunu görüyoruz. Örneğin ücretli arama için sorumlu olan kişi, hafta sonunda daha iyi bir sonuç elde etmek için şu anda dikkat edin. Bunu yapmak için, risklerden kaçınmanız (kırmızı ile vurgulanmıştır) ve büyüme bölgeleri (yeşil ile vurgulanmıştır) uygulamanız yeterlidir.
5. Gelecek Hafta Tahmini , bir sonraki haftanın tahminini gösterir.
6. Bu Ay Tahmini , geçerli ay için tahmini gösterir.
7. Gelecek Ay Tahmini , bir sonraki ay için tahmini gösterir. Deneyimlerimize göre, bu tahmini yalnızca Birincil Boyuta dayalı olarak oluşturmak daha iyidir. Yani, ikinci seviyeye (bizim durumumuzda, bölgeler) bölmek artık tavsiye edilmez çünkü çok fazla gürültü ve düşük tahmin kalitesi vardır.
8. Bu Yıl Tahmini , yıl sonuna kadar olan tahmini gösterir. Bunu sadece temel ölçü olan gelir için inşa ediyoruz. Deneyimler, yıl sonundan önce trafiğin bölgeler, kanallar ve diğer segmentler arasındaki dağılımını tahmin etmenin büyüleyici bir çalışma olmadığını ve tahminlerde büyük hatalara ve güven kaybına yol açtığını gösteriyor.
   

Tabloyu istediğiniz zaman Google E-Tablolar'da görüntüleyebilirsiniz. Ancak karar vericiler genellikle hazır bir rapor almayı ve “Buraya bakın” demeyi beklerler. Görünüşe göre bir büyüme alanımız var.

Bu raporu oluşturmak kolay bir iş değil ve hala üzerinde çalıştığımız bir iş. Müşterilerimizin, tıpkı iyi bir analistin yazacağı gibi, insan dilinde yazılmış net, anlamlı mesajlar almalarını istiyoruz.

İki sorun var. Birincisi birçok nüans. Yönetilmeyen doğrudan kanallar hakkında ağlayan kurt pek kullanışlı değil. Yönlendirme veya Doğrudan düşerse ne yapmalısınız? Neleri yönetebileceğinize odaklanmanız gerekiyor ve bunun için içgörü ararken program hakkında daha fazla bilgiye ihtiyacınız var.

İkinci sorun, bu e-postaların şu şekilde yanıtlanabilmesidir: "Bana daha fazla ayrıntı ver." Ancak [email protected] hiçbir zaman bir sohbete girmeyi planlamamıştı. Bununla birlikte, analitik bir hizmetten gelen iletişimin, bir pazarlama analistiyle olan iletişime mümkün olduğunca benzer olması gerektiğine inanıyoruz. Bu nedenle, gelecekte haberci aracılığıyla büyüme bölgeleri ve riskler hakkında bilgi göndermeyi planlıyoruz.

E-postanın sonunda, ana dönemlerin sonuçlarının kırmızı ve yeşil olarak vurgulandığı ilginç bir tablo var. Bu, Google E-Tablolar'ı açmanın gerekli olup olmadığını hemen gösterir ve bu döneme ilişkin ayrıntılara bakın.

Tahmin oluşturmaya başlamadan önce birkaç önemli soruyu yanıtlamanız gerekir:

Bu uygulamanın sonucunda aşağıdaki gibi bir tablo elde edeceksiniz:

İlk sütun sorumluluk alanını gösterir. Örneğimizde üç tane var: genel olarak pazarlama, ücretli PPC kampanyaları ve SEO (organik).

İkinci sütun, hedeflerin belirlenmesi ve her bir sorumluluk alanındaki performansın değerlendirilmesi için kullanılan KPI'lardır. Bu göstergelerden bazıları için bir plan var. Tahminlerde bulunmaya karar verdiğinizde mevcut hedeflerinizi değiştirmemenizi öneririz. İş hayatında her zaman bir şeyleri iyileştirebileceğiniz ve raporlarınıza yeni göstergeler eklemek isteyebilirsiniz. Ama hareket halindeyken böyle şeyler yapamazsınız. İlk olarak, zaten sahip olduklarınızı otomatikleştirmek, ardından yeni metrikler eklemek daha iyidir.

Üçüncü ve dördüncü sütunlarda, bir planın olduğu ve bir tahmin oluşturabileceğimiz metrikleri işaretliyoruz.

Beşinci sütunda, nicel ve nitel metrikleri işaretliyoruz çünkü bunların farklı şekilde gösterilmesi ve farklı şekilde ele alınması gerekiyor.

Altıncı sütun, segmentasyon kriterleridir. Farklı sorumluluk alanlarında, aynı metrik farklı kriterlere göre bölümlere ayrılmıştır. Örneğin, pazarlama oturumlarını kanala göre bölümlere ayırmak daha ilgi çekicidir; SEO arama motoru tarafından bölümlere ayrılmalıdır.

Yedinci sütun ikincil boyuttur. İkiden fazla boyut olabilir, ancak bu durumda veri hacmi gereksinimleri daha yüksek olmalıdır. Daha fazla segmentasyon parametresi, istatistiksel olarak anlamlı tahminler için daha fazla veriye ihtiyaç duyulur.

Son sütun, raporda görmek istediğiniz belirli bir parametrenin değerlerinin sayısıdır. buna ne için ihtiyacın var? Bölge bazında bir sınır belirlemeseydiniz ve listeyi genişletseydiniz örneğin beş bölgeniz değil beş yüz bölgeniz olurdu. Birçoğu çok küçük olacak ve büyük olasılıkla bilgilendirici olmayacaktı. Bu etiketin tamamının bir şekilde Google E-Tablolar'a sığabilmesi ve onunla çalışabilmesi için sınırlar eklemenizi öneririz.

Yani bunun gibi bir tablo oluşturdunuz ve tüm verilerinizi (planlanmış ve gerçek) Google BigQuery'de (veya başka bir bulut depolama alanında) topladınız. Bir sonraki adımda ne yapmalıyız? Yapılacak ilk ve en kolay şey OWOX BI ile iletişime geçmektir. AI algoritmamız verilerinizi analiz edecek, piyasa verileriyle karşılaştıracak, tahminlerde bulunacak ve büyüme bölgelerinizin ve risklerinizin nerede olduğunu gösterecektir.

Kendi başınıza tahminler oluşturmak istiyorsanız, bunu yapmanın birkaç yolu vardır. Birkaç yol var. Bu platform bize en tanıdık olduğu için Google Cloud'da nasıl yapılacağını paylaşacağız. Açıkçası, şirketinizde başka araçlar da kullanabilirsiniz.

Google Cloud'da tahmin oluşturmanın üç temel yolu vardır:

1. TensorFlow ve CloudML, modelleri özelleştirmek için çok tembel olmayan Veri Bilimcileri tarafından en sık kullanılan yöntemlerdir. Bunlar zor araçlardır, ancak iyi sonuçlar elde etmenizi sağlar.
2. BigQuery ML — Makine öğrenimi ile hiç çalışmadıysanız ancak Google BigQuery'de zaten verileriniz varsa, bu yöntemle başlamanızı öneririz. Google Analytics 360'tan verileriniz varsa, örneğin dönüşüm olasılığını, kesintiyi veya başka herhangi bir parametreyi hesaplamak için zaten bir modeli eğitebilirsiniz. Öngörücüleri, özellikleri ve test modellerini seçmek çok kolaydır. Bu, SQL'e aşina olan bir analist için akıllıca bir yoldur.
3. AutoML ve CloudML API'leri, geliştiriciler için en temel yöntemlerdir. Modelleri dağıtmayı, karşılaştırmayı ve sürüm oluşturmayı geri almayı kolaylaştırırlar. Bu, bir geliştiriciyseniz ve göreviniz, oluşturduğunuz modeli üretimde kullanıma sunmaksa idealdir.

Bu, sapmayı, dönüşümü kolayca hesaplayabileceğiniz verileri içeren büyük bir tablodur çünkü bunun için tüm bileşenlere sahipsiniz ve bunlar üç blok halinde gruplandırılmıştır: plan, gerçek ve tahmin.

1. Size «Pazarlama hedeflerimiz var» denilirse, bu en iyi ihtimalle bir analistin haftada bir manuel olarak güncellediği bir Excel elektronik tablosu anlamına gelir.
2. Otomatik tahmin, analitiklerin yerini almaz - yalnızca verimliliğini artırmanın bir yoludur. Deneyimlerimize göre, manuel ayarlamalara her zaman ihtiyaç vardır. Örneğin, Ekim ayında Houston'da büyük bir mağaza açtığımızı varsayalım. Tahmin modeli, bu bilgiye sahip olmadığı için bunu asla hesaba katmaz.
3. Kendi verilerinize ek olarak piyasa verilerini kullanırsanız, tahminlerin kalitesi önemli ölçüde iyileşir. OWOX BI'nin tahmine yönelik yaklaşımını niteliksel olarak farklı kılan şey budur. Modelimizi eğitmek için on binlerce projeden gelen verileri kullanıyoruz. Sonuç olarak, piyasa trendlerini daha doğru bir şekilde gösterir. Örneğin, organik aramanın pazar payını ve müşterimizle aynı niş içindeki projeler için ücretli aramayı biliyoruz ve bu sayıların neye yol açtığını biliyoruz. Modeli bu verilerle zenginleştirmek, trendleri daha iyi anlamanıza ve harika olup olmadığınızı veya pazarın büyümekte olup olmadığını bilmenize olanak tanır.
4. Hesaplamaları veri görselleştirmeden ayırmak gerekir. Doğruluk ve derinlik için beklentileri formüle ettiğinizde, kesin olarak ayrılmış bir zamanda bir tahmin oluşturabilir ve verileri hesaplayabilirsiniz. Veri görselleştirmeye gelince, bu sonsuz bir iştir ve mükemmelliğin sınırı yoktur.
5. İki parametreden oluşan bir ayrıntı düzeyine sahip yüksek kaliteli tahminler elde etmek için ayda 3 milyon oturumda web sitesi verilerine ihtiyacınız var. Segmentasyon olmadan daha küçük bir miktarla bir tahmin oluşturmak mümkündür, ancak asıl soru bunun nedenidir. Örneğin, hedeflerin gerçekleştirilmediğini görürseniz, hangi segmentte çalışmadığını söyleyebilir misiniz? Hangi bölgeler? Çok az veri olduğu için büyük olasılıkla cevabı bulamayacaksınız.

Google Analytics'ten iki yıllık geçmiş verileriniz, aylık 3 milyon oturumdan gelen trafiğiniz varsa ve pazarlama hedeflerinizi gerçekleştirmek ve içgörüler sayesinde daha hızlı büyümek istiyorsanız, sitemizdeki formu doldurarak bize yazın. Ayrıntıları sizinle tartışacağız ve bir tahmin oluşturmanıza yardımcı olacağız.