使用 AI 驱动的预测分析来为您的下一步行动计时

即使在不确定的时期，人工智能驱动的预测分析也可以帮助营销人员看到即将到来的机会。 那么为什么没有更多的 CMO 使用这项技术呢？ 在本月 MarTech 会议上的演讲中，TrustInsights.ai 首席数据科学家 Christopher Penn 展示了任何营销团队都可以预测性地利用他们的数据的一些方法。 他还分享了一些令人头疼的问题。

“大约三分之二的 CMO 表示他们正在管理现在，他们正在灭火，只有大约三分之一的人着眼于未来，即使是在规划和突发事件如此重要的时期，在全球大流行期间，”Penn 援引杜克大学最新 CMO 调查的数据说。 “人们只是不这样做，原因是您用于预测分析的许多工具都在营销工具箱中，但公司并没有真正采用它们。”

他补充说：“为什么？ 因为人们还没有弄清楚如何利用这些东西，如何使用它们来节省时间和提前计划。”

从时间序列预测开始

营销人员使用预测分析的大部分方式都是以客户为中心。 他们希望找到更有可能购买的客户。 为了提高效率，营销人员将投入精力和预算来吸引这些有更多意图的客户。

然而，另一种节省时间的方法侧重于营销人员可以抓住的事件或机会的时间安排。 这种称为时间序列预测的策略还可以帮助营销人员避免遇到困难并避免头痛。

利用贵公司当前的数据资源，算法可以将数据排列成模式，而人工智能使洞察力更加可操作。 预测分析确定的两个主要模式或主题是季节性和周期性。 它们是可重复的现象，营销人员可以看到即将出现并采取行动。

“季节性包括在特定时间段内发生的季节性事情，”Penn 说。 然后，根据时间发生的事情产生影响，周期性就是那个循环，那个节奏。 我们的数据通常应该是季节性的，并且通常是周期性的。”

其中一些周期营销人员已经从经验中知道，数据也证实了这一点。 例如，如果您从事 B2B 营销，您将不会从周末的活动中获得太大的吸引力。

“如果你在 B2C，”Penn 说，“你知道从 11 月初到 1 月 1 日之间的时间，你将要进行两班倒工作。这是季节性的……但是，根据产品的不同，反过来可能是真的。 这就是周期性。 因此，您的数据具有季节性和周期性。”

• 早上好：有趣的时代需要敏捷的营销人员
• 在营销技术方面，目的先于手段
• 打破当今客户旅程的数字化转型

更多来自 MarTech 会议 >>

蛋糕里有足够的人工智能数据

你还需要有一定数量的数据来告诉算法过去发生了什么，并且足够你可以测试你对数据的假设。

“测试以确保你的预测是准确的，然后你就可以建立你的预测，”Penn 说。 “如果你没有足够的数据，预测分析往往不起作用。 为什么会这样？ 嗯，这样想吧。”

他补充说：“如果你烤蛋糕的方法正确，而你只烤过一次蛋糕，你真的不知道会出什么问题。 你做蛋糕的那天可能没有任何异常，所以你可以说的例子非常有限，好吧，我很确定我知道怎么烤蛋糕。”

但是，通过多个周期收集数据（例如烘烤大量蛋糕），营销团队以及他们使用的算法可以识别蛋糕何时出现问题。

“一段时间后你就会知道出了什么问题，”Penn 说。 “这就是预测分析数据所需要的。你必须有足够的数据来发现出现问题的时间并加以解释。”

使用预测分析预测行为

要了解季节性和周期性模式如何帮助预测贵公司的机会，请查看可从 Google 搜索词中得出的一些见解。

例如，在营销技术领域，您可能对搜索词“营销自动化”的潮起潮落感兴趣。

“在今年余下的时间里，这种情况多久会发生一次，已经发生了多少？” 佩恩问道。 “再一次，你可以看到上下拼图模式，这就是我们的周期性。 一周比一周，你会看到几周的高点，几周的低点。 这些数据使我们能够向前预测。”

他补充说，“如果你在做搜索营销甚至是内容营销，你会[确定]在接下来的五六周或接下来的 10 或 12 周内，我想在哪几周发布更多关于营销自动化？”

通过查看过去的模式，您可以使用预测来选择您想要优化页面或执行活动的时间。

这一切都基于数学概率，大量计算出的大量数学，而且永远不能 100% 确定，因为它只能预测之前发生的事情或循环发生的事情。

但是使用预测分析的预测指出了营销人员会关注的机会，即使他们为您的竞争对手工作。

在此处观看我们 MarTech 会议的完整演示文稿（需要免费注册）。