Как использовать прогнозную аналитику для лучшего маркетинга

Предиктивная аналитика не пугает, не сбивает с толку и не может отнять у вас работу. Это мощный инструмент, который поможет вам достичь значительно лучших результатов.

Неопределенность мешает бизнесу. Из-за этого труднее инвестировать, труднее подготовиться, труднее понять, на чем сосредоточиться.

Это, конечно, часть человеческого состояния. Если бы мы знали будущее, все было бы проще, верно? По крайней мере, для бизнеса.

Хотя ИИ не может сказать нам будущее (пока), алгоритмы достаточно умны, чтобы делать прогнозы. Эти прогнозы могут быть несовершенными, но они устраняют по крайней мере часть неопределенности в бизнесе. Если наши прогнозы будут точнее на 10–20 %, вы сможете получать от миллионов до десятков миллионов дополнительных доходов каждый год.

Для маркетологов прогнозная аналитика может изменить правила игры. Это может дать нам подсказки о том, в каких клиентов и потенциальных клиентов инвестировать с самого первого показа рекламы. Это может показать нам, как находить клиентов более точно и как находить лучших клиентов.

Короче говоря, это может потрясти ваш маркетинг. [Вот несколько способов:

Предиктивная аналитика позволяет вашим потенциальным клиентам двигаться по воронке продаж в удобном для них темпе.

Одной из наших основных задач как маркетологов является взращивание потенциальных клиентов — продвижение совершенно новых потенциальных клиентов через различные этапы воронки продаж (так называемое «путешествие покупателя»), пока они не станут клиентами.

Мы делаем это, отправляя своевременный контент, персонализируя часть этого контента, побуждая их делать крошечные шаги к нашей цели. Их часто называют «микроконверсиями» — скачанный технический документ. Использовался онлайн-калькулятор. Запланирована демонстрация.

Большинство из вас более чем хорошо знакомы с этим процессом. Это твоя работа, в конце концов.

Что ж, прогнозная аналитика может позволить вам передать часть этой работы на аутсорсинг. Анализируя десятки тысяч (даже миллионы) действий потенциальных клиентов, он может оценить, когда каждый отдельный потенциальный клиент с наибольшей вероятностью совершит одну из этих маленьких микроконверсий.

Другими словами, он проводит людей по воронке продаж более эффективно, чем вы.

Не позволяйте этой способности заставлять вас беспокоиться о потере работы — у вас еще много работы. Но точно так же, как нецелесообразно тратить свое время на ручное переформатирование опечаток в вашем списке рассылки (например, с gmial.com на gmail.com), не очень полезно проводить оценку каждого отдельного потенциального клиента по мере их появления. двигаться по воронке продаж.

Выполнение этого всего для 100 потенциальных клиентов может занять весь ваш день. Так что пусть это делают алгоритмы предиктивной аналитики. Пока вы идете, убедитесь, что члены вашей команды работают хорошо (например), и убедитесь, что ИТ понимает потребности вашего нового приложения, и…. Вы поняли идею. Пока ты идешь, займись остальными делами.

Прогнозирование спроса

Опираясь на набор потоков данных (прошлые продажи, текущие экономические условия, освещение в СМИ, активность в социальных сетях и т. д.), алгоритмы могут быть высококвалифицированными предположениями о том, какие продукты и когда будут пользоваться спросом.

Маркетологи могут использовать это двумя способами:

• Усильте то, что уже работает.

Если система предсказывает большой рост продаж синих пушистых тапочек (например), маркетологи могут создавать контент и рекламу, чтобы продвигать тапочки. Они могут позиционировать свой продукт так, чтобы он оказался в нужном месте в нужное время, чтобы удовлетворить спрос.

• Реагировать на вопросы по инвентаризации.

Если есть прогнозируемый спрос на пушистые тапочки, но недостаточно запасов для покрытия заказов, у маркетолога есть несколько вариантов. Они могли бы увеличить цену на эти тапочки, тем самым получив более высокую маржу на имеющихся у них запасах. Или они могли бы дать своим лучшим клиентам возможность первыми купить эти пушистые тапочки.

Это всего лишь два способа, которыми знание спроса заранее может помочь маркетологам лучше выполнять свою работу. Думайте об этом как о прогнозе погоды для формирования спроса.

Найдите похожих покупателей

Если вы когда-либо занимались рекламой, вы знаете об идее похожих аудиторий. Это люди, которые в настоящее время не являются клиентами или потенциальными клиентами, но они соответствуют многим характеристикам ваших лучших клиентов.

Выбрав правильные атрибуты своих лучших клиентов, вы можете попросить рекламную платформу (например, Facebook) найти людей, которые соответствуют вашим параметрам, а затем показать им вашу рекламу.

Хитрость заключается в выборе правильных параметров. Базовых демографических данных может быть недостаточно, чтобы определить аудиторию, которая сходит с ума по вашей рекламе.

Вот где на помощь приходит прогнозная аналитика. Имея возможность анализировать сотни, даже тысячи характеристик ваших лучших клиентов, система прогнозной аналитики может создать профиль, более подробный, чем все, что вы, человек, могли бы определить.

Таким образом, алгоритм выбирает, на какую похожую аудиторию рекламировать. Ему также может быть поручено создать рекламу, которую вы будете показывать этой выбранной AI группе. И это может даже персонализировать эти объявления для вас.

Помните: как только алгоритм предиктивной аналитики узнает, как выбирать аудиторию, создавать рекламу и персонализировать ее, он может масштабировать эту работу со скоростью компьютера. С такой же скоростью он обрабатывает любые другие данные. Это намного быстрее, чем щелчок… тип… щелчок… двойной щелчок, с которым мы, люди, работаем.

Хотите доказательство того, насколько хорошо это работает? Один дилерский центр Harley Davidson увеличил количество потенциальных клиентов на 2930% за три месяца благодаря прогнозной аналитике. Половина этих лидов поступила от похожих аудиторий, к которым дилерский центр никогда раньше не обращался. Но ИИ знал, где их найти.

Предлагаю самую приятную цену

Некоторым из нас эта тактика не очень понравится. Есть в нем что-то подлое, даже неряшливое. Но увы - работает.

Поскольку алгоритмы так много знают о нас и о том, как мы реагируем на рекламу, предложения и продукты, которые ищем, они знают, что мы реагируем на разные ценовые категории. И поэтому они могут предлагать разные цены для разных клиентов.

Если это кажется вам несправедливым, я понимаю. Некоторые из нас тоже немного прохладно относятся к этому подходу. Но на самом деле маркетологи занимаются этим по крайней мере десять лет; они просто делали это на более упрощенном уровне. Каталогные компании печатали разные цены для людей с разными почтовыми индексами. Совсем недавно авиакомпании и туристические сайты усовершенствовали эту технику.

Вот как это работает: если вы живете в районе со сверхвысоким доходом, цена конкретного рождественского венка может составлять 175 долларов. Если вы живете в районе с более низким доходом, венок будет стоить 125 долларов.

Конечно, это сокращает прибыль компании. Но если они все еще достаточно хороши даже по более низкой цене, это победа. Они также получают выгоду от продажи. Как только вы станете клиентом, они смогут продавать вам более точно и успешно.

Для многих компаний, даже если они немного теряют на первом заказе, у них есть достаточно сложная маркетинговая система, чтобы компенсировать убытки позже, когда вы покупаете снова.

Создавайте более совершенные образы клиентов

Эта тактика похожа на сегментацию, за исключением того, что она больше похожа на сегментацию 10.0. Вы будете сегментировать своих клиентов и потенциальных клиентов на основе каждой имеющейся у вас точки данных — ну, вы этого не сделаете, это сделает алгоритм прогнозной аналитики.

Когда специалисты по маркетингу создают персонажей, нам, как правило, приходится придерживаться 3-5 ключевых персонажей. Это слишком много работы и времени, чтобы создать личность для каждого крошечного экземпляра. Конечно, мы делаем все, что в наших силах, но в какой-то момент вам нужно пойти домой поспать и заняться другими делами на работе.

Итак, вы выбираете людей, которые приносят наибольшую часть дохода, вы создаете контент и путь покупателя, который наилучшим образом соответствует их потребностям, насколько это возможно, и вы называете это достаточно хорошим.

И это чертовски хорошо. Это намного лучше, чем просто относиться ко всем одинаково, это точно. И этот уровень сегментации и персон работает — вы получите на 50–300% больше результатов, просто по-разному относитесь к этим группам.

Но по сравнению с тем, что может сделать программа прогнозной аналитики на основе ИИ, это детская игра. ИИ может обрабатывать каждый элемент данных — терабайты и петабайты — для поиска «кластеров» разных типов персон. Он увидит сходство между клиентами и потенциальными клиентами, которых люди не заметили бы, если бы у нас не было больше времени и внимания, чем у нас есть.

Затем ИИ может удовлетворить потребности этих кластеров с контентом, который им больше всего понравится, по каналам, которые они предпочитают, в то время, когда они с наибольшей вероятностью ответят.

Результат? Значительно большее количество лидов, лучшие лиды и лиды, которые быстрее проходят через воронку продаж.

Заключение

Мы едва коснулись того, что прогнозная аналитика может сделать для маркетологов. Этот пост можно было бы легко расширить в книгу.

Но мы рассмотрели достаточно, чтобы показать вам, что возможно. И, надеюсь, достаточно, чтобы показать, что прогностическая аналитика не собирается украсть вашу работу.

Просто думайте об искусственном интеллекте и прогнозной аналитике как о компьютерах 2.0. Это мощный инструмент для управления горой данных, которые ваш бизнес накапливает каждый час.

Предиктивная аналитика и искусственный интеллект — это просто лучшие инструменты, чем электронные таблицы и даже хорошие CRM и системы управления контентом. Думайте об этих старых системах как о лопате или, может быть, даже о заступе. ИИ и прогнозная аналитика больше похожи на экскаваторы и горнодобывающее оборудование.

Теперь маркетологи могут играть в большие игрушки.