Pazarlama verimliliğini artırmak için bir araç olarak tahmine dayalı analitik

Artan veri toplama ve saklama yeteneği, işletmelere geriye dönük ve gerçek zamanlı analiz için gelişmiş yetenekler sağladı. Artık aynı tırmıkla gitmemek için kalıpları izleyebilir ve başarısızlıklar hakkında sonuçlar çıkarabiliriz. Ya da en başarılı çözümleri belirleyip başarımızı tekrarlayabiliriz.

Öngörüye dayalı analitik, uzun vadede her zaman geriye dönük veya gerçek zamanlı analitikten daha etkilidir, tıpkı önlemenin acil tıbbi bakımdan daha etkili olması gibi. Geriye dönük analitik esasen bir otopsidir - geri alınamayacak bir hatanın analizidir. Gerçek zamanlı analitik, burada ve şimdi yanıt veren bir ambulanstır ve tahmine dayalı analitik, sizi en başta hastalıktan koruyan koruyucu tıptır.

Thomas Davenport'un dediği gibi, hiç kimse gelecekten veri toplama ve analiz etme yeteneğine sahip değildir. Ancak geçmişten gelen verileri kullanarak geleceği tahmin etme fırsatımız var. Buna tahmine dayalı analitik denir ve aslında birçok şirket bunu zaten kullanıyor. Geçmişten gelen verileri şu amaçlarla kullanabilirsiniz:

1. bir müşterinin yaşam boyu değerini (CLV) hesaplayın. Bu gösterge, bir müşterinin gelecekteki kazançlar da dahil olmak üzere tüm yaşamları boyunca şirketinize hangi değeri getireceğini anlamanıza yardımcı olacaktır.
   
2. web sitenizdeki kullanıcı davranışı verilerine dayalı olarak en uygun önerileri geliştirin.
   
3. Bir müşterinin gelecekte hangi ürün veya hizmetleri satın alabileceğini tahmin edin.
   
4. müşteri kaybını tahmin edin.
   
5. gelecek çeyrek / altı ay / yıl satışları için bir plan ve tahmin geliştirin.

Bunların tümü, tahmine dayalı analitiklerin basit biçimleridir. Popüler tahmine dayalı analitik yöntemlerine bakalım.

Tahmine dayalı modellemenin aşağıdaki aşamalarını tanımlayabiliriz:

• Birincil veri toplama
• İstatistiksel model oluşumu
• tahmin
• Ek veriler mevcut olduğunda modelin kontrol edilmesi / revize edilmesi

Tahmine dayalı modeller, gelecekte belirli davranışlar sergileme olasılığını değerlendirmek için bir kullanıcının geçmiş davranışını analiz eder. Bu tür bir analiz ayrıca, sahtekarlığı tespit etmek gibi verilerde ince örüntüler bulan modelleri de içerir.

Tahmine dayalı modeller genellikle, bir kullanıcı bir dönüşüm işlemi gerçekleştirme yolunda dönüşüm hunisinden geçtiğinde (örneğin, bir kullanıcının bir hedefe ulaşma olasılığını değerlendirmek için) hemen hesaplamalar yapar. Dönüşüm hunisindeki bir adımdan diğerine geçiş olasılığına ilişkin doğru verilerle bir işletme, kullanıcıların dönüşüm hunisinde ilerlemesini engelleyen veya onlara yardımcı olan faktörleri daha iyi yönetebilir ve farklı müşteri kategorilerinin davranış kalıplarını daha doğru bir şekilde tanımlayabilir.

Ortalama bir kullanıcının akıllı telefonunda yaklaşık 50 uygulama vardır. Her biri veri alır, iletir ve üretir. Bu veriler farklı servislerde ve farklı formatlarda saklanır. İlk bakışta bu, pazarlamacılar için olumlu bir faktör gibi görünse de, bu kadar çok miktarda yapılandırılmış ve yapılandırılmamış veriyle etkili bir şekilde çalışmak bir sorundur.

Tahmine dayalı analitik sonuçlarını başarıyla uygulayan birkaç şirket örneğine bakalım.

… kullanıcılara geçmiş davranışlarına göre ürün ve hizmetler önermek. Bazı raporlara göre bu tür öneriler Amazon'un satışlarının %30'unu oluşturuyor. Buna ek olarak, Amazon, tahminlere dayalı olarak, ürünleri, siparişlerin beklendiği bölgelere, bu siparişler sitede verilmeden önce teslim edecek ve müşterilere mal teslim süresini kısaltacak bir araç geliştirmeyi planlıyordu.

Macy'nin ekibi, daha doğru doğrudan pazarlama için tahmine dayalı analitikten yararlandı. Üç ay boyunca şirket, kullanıcıların göz attığı ürün kategorilerine ilişkin verileri toplayarak ve buna göre kişiselleştirilmiş e-postalar göndererek çevrimiçi satışlarını %8'den %12'ye çıkardı.

… potansiyel müşterileri hedeflemek, potansiyel müşterileri çekmek ve anlaşmaları kapatmak için. Satın almaya hazır olan en değerli potansiyel müşterileri belirlerler. Daha sonra bir satış temsilcisi bu potansiyel müşterilerle doğrudan iletişime geçer ve en uygun teklifi bulmaları için satış süreci boyunca onları yönlendirir.

StitchFix, benzersiz bir tahmine dayalı satış modeline sahip başka bir perakendecidir.
StitchFix'e kaydolurken, kullanıcılar stilleri hakkında bir anket doldururlar. Ardından, müşterilere en çok isteyebilecekleri kıyafetleri sunmak için tahmine dayalı analitik modeller uygulanır. Müşteriler aldıkları kıyafetleri beğenmezlerse, ücretsiz iade kargo ile iade edebilirler.

… ve bunları nasıl elde tutacağınız konusunda önleyici olarak gerekli bilgileri sağlayın. Sprint'in yapay zekası, müşterilerin ne istediğini tahmin eder ve şirketten ayrılma riski en yüksek olduklarında onlara teklifler sunar. Bu AI sistemini tanıttığından beri, Sprint'in kayıp oranı düştü ve müşteriler şirkete kişiselleştirilmiş hizmet ve hedefli teklifler için mükemmel puanlar verdi. Gördüğünüz gibi, müşteri kaybını tahmin etmek, SaaS ve e-ticaret işletmeleri arasında tahmine dayalı analitik için uygulanabilir bir görevdir.

Tahmine dayalı analitik kapsamındaki en popüler metriklerin listesi aşağıda verilmiştir:

1. Müşteri çıkış oranı (kayıp oranı)
   
2. Satış planı tahmini
   
3. Müşteri yaşam boyu değeri
   

Pazarlama ve analitik departmanlarının işbirliği olmadan, çalışmanın amaçlarını anlamadan ve verilerde yerleşik düzen olmadan tahmine dayalı analitiğin tanıtılması imkansızdır. Tahmine dayalı analitik gerçekleştirmek şu şekildedir:

1. Hipotezinizi tanımlayın
   
2. Bir model oluşturmak için dahili ve harici olarak veri toplayın
   
3. Modelinizin doğruluğunu ölçmek için metrikleri tanımlayın
   
4. Hazır bir hizmet kullanın veya kendinizinkini geliştirin:
   1. Bir MVP oluşturun
      
   2. Kararlı bir çalışma sürümü elde etmek için modeli doğruluk parametrelerinin eksikliği açısından eğitin
      
   3. Bir arayüz veya rapor oluşturun
      
   4. Yeni gereksinimleri karşılamak için modeli güncelleyin veya yeniden eğitin
      

Veri toplama aşamasında, uçtan uca analitiği kurduğunuzdan emin olun, çünkü onsuz, tahmine dayalı analitiği uygulamak genellikle etkisizdir.

Deloitte tarafından hazırlanan CMO Anketi: İlkbahar 2019 raporuna göre, pazarlama analitiğine dayalı iş kararlarının yüzdesi 2019'un başlarında (son altı yılın verileri dikkate alındığında) zirveye ulaştı. MarketsandMarkets tarafından yapılan bir araştırmaya göre, tahmine dayalı analitik pazarı 2022'de 4 milyar dolardan 12 milyar doların üzerine çıkacak.

Genel olarak pazarlama analitiğine - ve özel olarak tahmine dayalı analitiklere - ilgi, şirketleri tahmine dayalı analitiği işletmeler için daha erişilebilir hale getiren kullanımı kolay çözümler ve hizmetler geliştirmeye teşvik eder.

İşte bu hizmetlerden bazıları:

• Şirketlerin pazarlama hedeflerine ulaşmasına ve pazar ortalamasından %22 daha hızlı büyümesine yardımcı olan bir OWOX BI ürünü.
  
• G2 Crowd'un "Pazarlama yazılımı - analitik" ve "E-ticarette analitik için yazılım" kategorilerinde 2019 ilkbahar ve yaz sıralamasında lider.
  
• Pazarlama planınızın uygulanmasıyla ilgili tahminleri doğrudan e-postanıza gönderir.
  

OWOX BI:

• Çeşitli kaynaklardan gelen pazarlama verilerini birleştirerek Google BigQuery'de analiz için kullanılabilir hale getirir.
  
• Kendi huni tabanlı ilişkilendirme modelini kullanarak her kullanıcının adımının değerini belirler.
  
• Pazarlama etkinliğini analiz etmek için otomatik olarak raporlar oluşturur.
  
• Satış planınızın nasıl uygulanacağını, büyüme alanlarınızın ve zayıf yönlerinizin neler olduğunu ve pazar payınızın nasıl değiştiğini gösterir.
  

OWOX BI'yi hemen ücretsiz deneme süresini kullanarak deneyebilirsiniz:

OWOX BI hakkında daha fazla bilgiyi verilere dayalı bir pazarlama planında büyüme alanlarının ve risklerin nasıl tahmin edileceğine dair yazımızdan edinebilirsiniz.

Infer tarafından sunulan tahmine dayalı modeller, olası satışlarınızın satış hunisindeki konumunun tam bir resmini elde etmek için tüm veri kaynaklarınızı birleştirmenize yardımcı olacaktır. Infer, çevrimiçi kaynaklardan ve kamuya açık veritabanlarından gelen sinyalleri izler, ardından önceki ana hesaplara ve belirlediğiniz kurallara dayalı olarak tahmine dayalı modeller oluşturur. Infer tarafından elde edilen veriler, hem gelecekte müşteriye dönüşmesi muhtemel müşteri adaylarını bulmak hem de satış hunisini bir bütün olarak optimize etmek için pazarlamacılar ve satış uzmanları için faydalı olacaktır.

Radius, tahmine dayalı B2B pazarlamaya odaklanan çeşitli veri analizi hizmetleri sunar. Anahtar özellikler şunları içerir:

• Şirket profilinizi aynı hedef kitleye sahip diğer şirketlerinkiyle karşılaştıran Radius Müşteri Değişimi (RCX), size birlikte çalışma ve kendi pazarlama listelerinizi oluşturma fırsatı verir.
  
• Radius Connect: Tahmini verileri Salesforce'a gönderin.
  

Radius platformu ayrıca pazarlamacıların departmanlar arasında veri alışverişinde bulunmasına ve dahili veri tabanlarında yeni hesaplar bulmasına yardımcı olur. Infer gibi, Radius da bulut tabanlı bir sistemdir.

Öngörülü modelleme kurallarına dayanan BOARD, gerçek zamanlı gösterge panoları ile uyarlanabilir bir arayüzde çalışır.

Bu, her seferinde yeni bir model oluşturmak zorunda kalmadan çeşitli senaryoları modelleyebileceğiniz ve olası sonuçları analiz edebileceğiniz anlamına gelir.

BOARD, birçok yerleşik bağlayıcıyla birlikte gelir, böylece ERP sisteminiz, bulut veritabanınız, OLAP küpünüz ve hatta düz dosyalarınız gibi hemen hemen her kaynaktan veri ayıklayabilirsiniz. BOARD'ın araçlarını kullanarak tahminlerinizi özel uygulamalara da dönüştürebilirsiniz.

TIBCO Data Science, Eylül 2018'de duyurulan nispeten yeni bir üründür. Tek bir platform olarak oluşturulan TIBCO Data Science, TIBCO'nun önceki nesil hizmetlerinin yeteneklerini birleştirir: TIBCO Statistica, Spotfire Data Science, Spotfire İstatistik Hizmetleri ve TERR.

Veri Bilimi hizmeti, kuruluşların karmaşık sorunları daha hızlı geliştirmesine ve çözmesine yardımcı olarak, tahminleri hızla optimum çözümlere dönüştürür.

SAS, tahmine dayalı analitik pazarında %33'lük bir paya ve 40 yıllık deneyime sahiptir; kullanıcılara birçok görsel düzenleyiciye dayalı gelişmiş veri analizi yetenekleri sağlarlar. SAS Advanced Analytics'in ana işlevi grafiklere, otomatik süreç haritasına, gömülü koda ve otomatik zaman kurallarına dayanmaktadır.

Kullanıcı incelemelerine göre, SAS Advanced Analytics, genel hareketi tahmin etme ve analiz etme konusunda mükemmel bir iş çıkarıyor ve büyük veri kümelerini nispeten hızlı bir şekilde işleyebiliyor. SAS, ürünlerinin ücretsiz demolarını ve onlarla çalışmaya başlamanıza yardımcı olacak bir bilgi tabanı sağlar.

Bu yazılım, zaman aralıklarına göre raporların oluşturulmasını otomatikleştirmenizi sağlar. 60'tan fazla yerleşik entegrasyon sayesinde kendi veri kümelerinizi içe aktarabilir ve diğer programlara aktarabilirsiniz.

Uzantılar daha fazla esneklik sağlar (anormallik algılama, kelime işleme, web madenciliği), ancak temel abonelik fiyatına dahil olmayabilir

RapidMiner, veri bilimcileri için oluşturulmuş olsa da, kurulumu ve başlaması kolaydır.

IBM SPSS, istatistiklere dayalı veri modelleme ve analitiği kullanır. Bu yazılım, yapılandırılmış ve yapılandırılmamış verilerle çalışır. Her türlü güvenlik ve mobilite gereksinimlerini karşılamak için bulutta, yerel olarak veya hibrit bir dağıtım yoluyla kullanılabilir.

SPSS görsel düzenleyici ve modelleme panolarında tahmine dayalı modeller oluşturmak için mevcut verilerinizi kullanabilirsiniz. Yapılandırılmamış veriler için birinci sınıf destek, dil teknolojisini ve doğal dil işlemeyi içerir, böylece sosyal ağlardan ve diğer metin tabanlı kaynaklardan verileri modellerinize dahil edebilirsiniz.

SAP HANA, yerel olarak veya bulutta veritabanları ve uygulamalar sağlar. Bu yazılım, büyük harici veri kümeleri ve sezgisel görselleştirmeler için ek bağlayıcılara sahip modeller oluşturmak için gereken süreyi azaltır.

Büyük veri kümelerinden ekstra içgörüler elde etmek için tahmine dayalı analitik kitaplıklarını (PAL'ler) SAP HANA'ya da bağlayabilirsiniz. Müşteri odaklı endüstriler için bu yazılım, gelecekteki müşteri davranışlarını tahmin etmek ve geçmiş davranışlara dayalı ürünler önermek için metin ve sosyal medya veri analizi sunar.

SAP HANA, R programlama diliyle uyumludur, bu nedenle sorgularınızı yapılandırmak için yeni bir dil öğrenmeniz gerekmez. Sisteminiz yeterli dahili veriyi entegre ettiğinde, tahmine dayalı modeller otomatik olarak yeni bilgiler sağlar.

Pazarlamada tahmine dayalı analitik, yetenekleri tek bir makalede ele alınamayacak güçlü bir veri bilimi aracıdır. Sonraki makalelerimizde tahmine dayalı analitiklerin hangi yönleri hakkında daha fazla bilgi edinmek istediğinizi yorumlarda bize bildirin.

Hatırlatma olarak, tahmine dayalı analitiğin üç emrini burada bulabilirsiniz:

• Temel bilgilerle başlayın: verilerinizin kalitesini kontrol edin ve insan hatasını ortadan kaldırmak için otomatik olarak toplayın. Eğitilmiş modelinizin kalitesi, eğitim verilerinizin kalitesine bağlıdır.
  
• Araştırmanızın amacından asla uzaklaşmayın, çünkü önemli olan süreç değil, sonuçtur.
  
• Doğruluk gereksinimlerine uyun. Tahmininizin sonuçlarının yalnızca verilerinize uygulandığında kanıtlanmış modelin ne kadar doğru olduğunu ölçerek doğrulanabileceğini unutmayın.
  

Öngörülü Modelleme
E-Ticaret Mağazaları için Tahmine Dayalı Analitiğin Önemi
Tahmine Dayalı Analitik İçin Kapsamlı Bir Kılavuz
Kategoriye Göre En İyi 10 Tahmine Dayalı Analiz Aracı
Tahmine Dayalı Analitik Kullanarak Gelir Tahmini: Etkileşimli Bir Vaka Çalışması
Tahmine Dayalı Analitik Astar
EN İYİ 24 TAHMİNİ ANALİTİK ÜCRETSİZ YAZILIM
2019'un En İyi 20 Tahmine Dayalı Analiz Yazılımı
Tahmine Dayalı Analitik Araçları
Tahmine Dayalı Analitik Yazılım
Öngörülü Modelleme
Tahmine Dayalı Analitik Araçları
Eylem İçgörüleri — Bu Kez Gerçek
Amazon'un Sizi Takip Etmek İçin Büyük Verileri Kullanmasının 7 Yolu (AMZN)
Amazon, Öngörülen Gönderim Sunmak için Tahmine Dayalı Analitiği Kullanmak İstiyor
Müşteriyi Elde Tutma: Macy's, Müşteri Harcamalarını Arttırmak için Tahmine Dayalı Analitiği Kullanıyor
2019'da Tahmine Dayalı Analitik: Ne Mümkün, Kim Yapıyor ve Nasıl
Daha İyi Pazarlama Performansı için Tahmine Dayalı Analitik Nasıl Kullanılır?
Tahmine Dayalı Analitik Kullanarak Gelir Tahmini: Etkileşimli Bir Vaka Çalışması
Tahmine Dayalı Analitiğin Gizemini Çözme