预测分析作为提高营销效率的工具

收集和存储数据的能力不断增强，为企业提供了增强的回顾性和实时分析能力。 现在我们可以追踪模式并得出关于失败的结论，以免踩到同样的风险。 或者我们可以确定最成功的解决方案并重复我们的成功。

从长远来看，预测分析总是比回顾性或实时分析更有效，就像预防比紧急医疗更有效一样。 回顾性分析本质上是一种尸检——对无法撤消的错误的分析。 实时分析是此时此地响应的救护车，而预测分析是预防性药物，可以首先将您从疾病中拯救出来。

正如 Thomas Davenport 所说，没有人有能力收集和分析来自未来的数据。 但是我们有机会使用过去的数据来预测未来。 这称为预测分析，事实上，许多公司已经在使用它。 您可以将过去的数据用于：

1. 计算客户的生命周期价值 (CLV)。 该指标将帮助您了解客户在其整个生命周期中将为您的公司带来什么价值，包括未来的收益。
   
2. 根据您网站上的用户行为数据制定最佳建议。
   
3. 预测客户未来可能购买的产品或服务。
   
4. 预测客户流失。
   
5. 制定下一季度/六个月/年度的销售计划和预测。

所有这些都是预测分析的简单形式。 让我们看看流行的预测分析方法。

我们可以确定预测建模的以下阶段：

• 主要数据收集
• 统计模型形成
• 预测
• 当额外数据可用时检查/修改模型

预测模型分析用户过去的行为，以评估他们将来表现出某些行为的可能性。 这种类型的分析还涉及在数据中发现细微模式的模型，例如检测欺诈。

通常，当用户在执行转化操作的过程中通过转化漏斗时，预测模型会立即进行计算——例如，评估用户实现目标的概率。 有了有关从漏斗中的一个步骤过渡到另一个步骤的可能性的准确数据，企业可以更好地管理阻止或帮助用户通过漏斗的因素，并且可以更准确地描述不同类别客户的行为模式。

普通用户的智能手机上大约有 50 个应用程序。 它们中的每一个都接收、传输和生成数据。 这些数据以不同的服务和不同的格式存储。 虽然乍一看这对营销人员来说似乎是一个积极因素，但有效地处理如此大量的结构化和非结构化数据是一个问题。

让我们看一些成功应用预测分析结果的公司的例子。

…根据用户过去的行为向用户推荐产品和服务。 根据一些报道，这样的推荐可以为亚马逊带来高达 30% 的销售额。 此外，亚马逊还计划开发一种工具，该工具可以根据预测将产品交付到预期订单的区域，甚至在这些订单被放置在网站上之前，从而减少向客户交付货物的时间。

梅西百货的团队利用预测分析来实现更准确的直接营销。 在三个月的时间里，该公司通过捕获用户浏览的产品类别数据并相应地发送个性化电子邮件，将其在线销售额从 8% 提高到 12%。

… 瞄准潜在客户、吸引潜在客户并达成交易。 他们确定准备购买的最有价值的潜在客户。 然后销售代表直接联系这些潜在客户并引导他们完成销售流程以找到最合适的报价。

StitchFix 是另一家拥有基于预测的独特销售模式的零售商。
在 StitchFix 注册时，用户会完成有关其风格的调查。 然后应用预测分析模型为客户提供他们最可能想要的衣服。 如果客户不喜欢他们收到的衣服，他们可以免费退货。

…并预防性地提供有关如何保留它们的必要信息。 Sprint 的人工智能可以预测客户想要什么，并在他们面临离开公司的最高风险时为他们提供优惠。 自从引入这个人工智能系统以来，Sprint 的客户流失率直线下降，客户对公司的个性化服务和有针对性的优惠给予了很好的评价。 如您所见，预测客户流失对于 SaaS 和电子商务企业的预测分析来说是一项可行的任务。

以下是预测分析范围内最受欢迎的指标列表：

1. 客户流出率（流失率）
   
2. 销售计划预测
   
3. 客户终身价值
   

如果没有营销和分析部门的合作、了解研究目标和建立数据顺序，就不可能引入预测分析。 执行预测分析如下：

1. 定义你的假设
   
2. 收集内部和外部数据以构建模型
   
3. 定义衡量模型准确性的指标
   
4. 使用现成的服务或开发自己的服务：
   1. 建立一个 MVP
      
   2. 在缺乏准确度参数的情况下训练模型以实现稳定的工作版本
      
   3. 创建界面或报告
      
   4. 更新或重新训练模型以满足新要求
      

在数据收集阶段，请确保您已设置端到端分析，因为没有它，实施预测分析通常是无效的。

根据德勤的 CMO 调查：2019 年春季报告，基于营销分析的业务决策百分比在 2019 年初达到峰值（考虑过去六年的数据）。 根据 MarketsandMarkets 的一项研究，预测分析市场将从 40 亿美元增长到 2022 年的 120 亿美元以上

对一般营销分析的兴趣——尤其是对预测分析的兴趣——鼓励公司开发易于使用的解决方案和服务，使企业更容易使用预测分析。

以下是其中一些服务：

• 一种 OWOX BI 产品，可帮助公司实现营销目标，并以比市场平均水平快 22% 的速度增长。
  
• G2 Crowd 在“营销软件 - 分析”和“电子商务分析软件”类别的 2019 年春季和夏季排名中处于领先地位。
  
• 将有关营销计划实施的预测直接发送到您的电子邮件。
  

OWOX BI：

• 结合来自各种来源的营销数据，使其可用于 Google BigQuery 中的分析。
  
• 使用自己的基于漏斗的归因模型确定每个用户的步骤的价值。
  
• 自动构建报告以分析营销效果。
  
• 显示您的销售计划将如何实施，您的增长领域和弱点是什么，以及您的市场份额如何变化。
  

您现在可以使用免费试用期试用 OWOX BI：

您可以在我们关于如何根据数据预测营销计划中的增长区域和风险的文章中了解有关 OWOX BI 的更多信息。

Infer 提供的预测模型将帮助您组合所有数据源，以全面了解潜在客户在销售漏斗中的位置。 Infer 跟踪来自在线资源和公共数据库的信号，然后根据之前的主要账户和您设置的规则创建预测模型。 Infer 获得的数据将有助于营销人员和销售专家寻找未来可能转化为客户的潜在客户，以及优化整个销售渠道。

Radius 提供多种数据分析服务，重点是预测性 B2B 营销。 主要特点包括：

• Radius Customer Exchange (RCX)，它将您的公司资料与拥有相同受众的其他公司的资料进行比较，让您有机会一起工作并创建自己的营销列表。
  
• Radius Connect：向 Salesforce 提交预测数据。
  

Radius 平台还帮助营销人员在部门之间交换数据并在内部数据库中查找新帐户。 与 Infer 一样，Radius 是一个基于云的系统。

基于预测建模规则，BOARD 在具有实时仪表板的自适应界面中工作。

这意味着您可以对各种场景进行建模并分析可能的结果，而无需每次都创建新模型。

BOARD 带有多个内置连接器，因此您可以从几乎任何来源提取数据——您的 ERP 系统、云数据库、OLAP 多维数据集，甚至是平面文件。 您还可以使用 BOARD 的工具将您的预测转化为自定义应用程序。

TIBCO Data Science 是一款相对较新的产品，于 2018 年 9 月发布。作为单一平台创建，TIBCO Data Science 结合了 TIBCO 前几代服务的功能：TIBCO Statistica、Spotfire Data Science、Spotfire Statistics Services 和 TERR。

数据科学服务可帮助组织更快地创新和解决复杂问题，将预测快速转化为最佳解决方案。

SAS 拥有 33% 的预测分析市场份额和 40 年的经验； 它们为用户提供基于许多可视化编辑器的高级数据分析功能。 SAS Advanced Analytics 的主要功能基于图表、自动流程图、嵌入式代码和自动时间规则。

根据用户评论，SAS Advanced Analytics 在预测和分析整体运动方面做得非常出色，并且可以相对快速地处理大型数据集。 SAS 提供其产品的免费演示和知识库，以帮助您开始使用它们。

该软件允许您根据时间间隔自动创建报告。 借助 60 多个内置集成，您可以导入自己的数据集并将其导出到其他程序。

扩展提供更大的灵活性（异常检测、文字处理、网络挖掘），但可能不包含在基本订阅价格中

尽管 RapidMiner 是为数据科学家创建的，但它很容易安装和上手。

IBM SPSS 使用基于统计的数据建模和分析。 该软件适用于结构化和非结构化数据。 它可在云端、本地或通过混合部署使用，以满足任何安全性和移动性要求。

您可以使用现有数据在 SPSS 可视化编辑器和建模仪表板中构建预测模型。 对非结构化数据的高级支持包括语言技术和自然语言处理，因此您可以在模型中包含来自社交网络和其他基于文本的来源的数据。

SAP HANA 在本地或云端提供数据库和应用程序。 该软件减少了为大型外部数据集和直观的可视化创建具有附加连接器的模型所需的时间。

您还可以将预测分析库 (PAL) 连接到 SAP HANA，以从大型数据集中获得更多洞察。 对于以客户为中心的行业，该软件提供文本和社交媒体数据分析，以预测未来的客户行为并根据过去的行为推荐产品。

SAP HANA 与 R 编程语言兼容，因此您无需学习新语言即可配置查询。 当您的系统集成了足够的内部数据时，预测模型会自动提供新的见解。

营销中的预测分析是一种强大的数据科学工具，其功能无法在一篇文章中涵盖。 在评论中让我们知道您想在我们的下一篇文章中了解更多关于预测分析的哪些方面。

提醒一下，以下是预测分析的三条诫命：

• 从基础开始：检查数据质量并自动收集数据以消除人为错误。 训练模型的质量取决于训练数据的质量。
  
• 永远不要远离你的研究目标，因为重要的不是过程，而是结果。
  
• 遵守精度要求。 请记住，您的预测结果只能通过测量经过验证的模型应用于您的数据时的准确性来验证。
  

预测建模
电子商务商店预测分析的重要性
预测分析综合指南
十大预测分析工具，按类别
使用预测分析预测收入：交互式案例研究
预测分析入门
排名前 24 位的预测分析免费软件
2019 年 20 款最佳预测分析软件
预测分析工具
预测分析软件
预测建模
预测分析工具
洞察行动——这次是真实的
亚马逊使用大数据跟踪您的 7 种方式 (AMZN)
亚马逊希望使用预测分析来提供预期运输
客户保留：梅西百货使用预测分析来增加客户支出
2019 年的预测分析：什么是可能的，谁在做，以及如何做
如何使用预测分析来提高营销绩效
使用预测分析预测收入：交互式案例研究
揭开预测分析的神秘面纱