So verwenden Sie Predictive Analytics für besseres Marketing

Predictive Analytics ist nicht beängstigend, nicht verwirrend und nicht dazu da, Ihnen den Job wegzunehmen. Es ist ein leistungsstarkes Werkzeug, das Ihnen dabei hilft, dramatisch bessere Ergebnisse zu erzielen.

Unsicherheit kräuselt das Geschäft. Es macht es schwieriger zu investieren, schwieriger vorzubereiten, schwieriger zu wissen, worauf man sich konzentrieren soll.

Das gehört natürlich zum Menschsein dazu. Wenn wir die Zukunft wüssten, wäre alles einfacher, oder? Zumindest geschäftlich.

Während KI uns (noch) nicht die Zukunft sagen kann, sind die Algorithmen schlau genug, um Vorhersagen zu treffen. Diese Vorhersagen mögen nicht perfekt sein, aber sie beseitigen zumindest einen Teil der Unsicherheit aus dem Geschäft. Nur 10 % oder 20 % genauer mit unseren Vorhersagen umzugehen, kann jedes Jahr zu Millionen bis mehreren zehn Millionen zusätzlichen Einnahmen führen.

Für Marketer kann Predictive Analytics ein Game Changer sein. Es kann uns Hinweise darauf geben, in welche Kunden und Interessenten wir von der ersten Anzeige an investieren sollten. Es kann uns zeigen, wie wir Kunden genauer finden und wie wir bessere Kunden finden.

Kurz gesagt, es kann Ihr Marketing erschüttern.[Hier sind einige Möglichkeiten, wie:

Predictive Analytics lässt Ihre Interessenten in ihrem Tempo durch den Verkaufstrichter gehen

Als Vermarkter ist eine unserer Kernaufgaben die Lead-Pflege – das Führen brandneuer Interessenten durch die verschiedenen Phasen des Verkaufstrichters (auch bekannt als „Käuferreise“), bis sie zu Kunden werden.

Wir tun dies, indem wir Inhalte zum richtigen Zeitpunkt senden, einige dieser Inhalte personalisieren und sie dazu verleiten, kleine Schritte in Richtung unseres Ziels zu unternehmen. Diese werden oft als „Mikrokonvertierungen“ bezeichnet – ein Whitepaper zum Herunterladen. Ein Online-Rechner verwendet. Eine Demo geplant.

Die meisten von Ihnen sind mit diesem Prozess bestens vertraut. Es ist schließlich Ihr Job.

Mit Predictive Analytics können Sie einen Teil dieser Arbeit auslagern. Durch die Analyse von Zehntausenden (sogar Millionen) von Aktionen potenzieller Kunden kann es abschätzen, wann jeder einzelne potenzielle Kunde am wahrscheinlichsten eine dieser kleinen Mikro-Conversions abschließen wird.

Mit anderen Worten, es bringt Menschen effektiver durch den Verkaufstrichter als Sie.

Machen Sie sich wegen dieser Fähigkeit keine Sorgen, Ihren Job zu verlieren – es gibt noch viel zu tun. Aber genauso wie es keine gute Zeit ist, Tippfehler in Ihrer Mailingliste (z. B. gmial.com zu gmail.com) manuell umzuformatieren, ist es keine gute Zeit, jeden einzelnen potenziellen Kunden einzeln zu bewerten Bewegen Sie sich durch den Verkaufstrichter.

Wenn Sie dies für nur 100 Interessenten tun, kann dies Ihren ganzen Tag in Anspruch nehmen. Also lassen wir die Algorithmen der Predictive Analytics machen. Stellen Sie währenddessen sicher, dass Ihre Teammitglieder gut arbeiten (zum Beispiel), und stellen Sie sicher, dass die IT die Anforderungen Ihrer neuen App versteht, und …. Du hast die Idee. Während Sie gehen, erledigen Sie den Rest Ihrer Arbeit.

Vorhersage der Nachfrage

Durch die Nutzung einer Mischung aus Daten-Feeds (Verkäufe in der Vergangenheit, aktuelle wirtschaftliche Bedingungen, Medienberichterstattung, Aktivitäten in sozialen Medien und mehr) können Algorithmen eine hoch fundierte Vermutung darüber anstellen, welche Produkte wann nachgefragt werden.

Vermarkter können dies auf zwei Arten nutzen:

• Steigern Sie, was bereits funktioniert.

Wenn das System beispielsweise einen großen Aufschwung bei blauen Fuzzy-Pantoffeln vorhersagt, können Vermarkter Inhalte und Werbung generieren, um die Pantoffeln zu pushen. Sie können ihr Produkt so positionieren, dass es zur richtigen Zeit am richtigen Ort ist, um die Nachfrage zu erfassen.

• Reagieren Sie auf Bestandsprobleme.

Wenn es eine prognostizierte Nachfrage nach den Fuzzy-Hausschuhen gibt, aber nicht genügend Lagerbestand, um die Bestellungen abzudecken, hat der Vermarkter einige Optionen. Sie könnten den Preis dieser Hausschuhe erhöhen und so eine höhere Marge auf den Bestand erzielen, den sie haben. Oder sie könnten ihren besten Kunden die Möglichkeit geben, diese flauschigen Hausschuhe zuerst zu kaufen.

Das sind nur zwei Möglichkeiten, wie Marketer ihre Arbeit besser erledigen können, wenn sie die Nachfrage im Voraus kennen. Stellen Sie es sich ein bisschen wie einen Wetterbericht zur Nachfragegenerierung vor.

Finden Sie ähnliche Käufer

Wenn Sie jemals Werbung gemacht haben, kennen Sie die Idee von Lookalike Audiences. Dies sind Personen, die derzeit keine Kunden oder Interessenten sind, aber viele der Merkmale Ihrer besten Kunden erfüllen.

Indem Sie die richtigen Attribute Ihrer besten Kunden auswählen, können Sie eine Werbeplattform (wie zum Beispiel Facebook) bitten, Personen zu finden, die Ihren Parametern entsprechen, und ihnen dann Ihre Anzeigen zeigen.

Der Trick besteht darin, die richtigen Parameter auszuwählen. Grundlegende demografische Merkmale reichen möglicherweise nicht aus, um eine Zielgruppe zu definieren, die für Ihre Anzeigen verrückt wird.

Hier kommt die prädiktive Analyse ins Spiel. Durch die Analyse von Hunderten, ja sogar Tausenden von Attributen Ihrer besten Kunden kann das prädiktive Analysesystem ein Profil erstellen, das detaillierter ist als alles, was Sie als Mensch definieren könnten.

Und so kann der Algorithmus auswählen, für welches Lookalike-Publikum geworben werden soll. Es kann auch damit beauftragt werden, die Anzeigen zu erstellen, die Sie dieser von der KI ausgewählten Gruppe zeigen. Und es könnte diese Anzeigen sogar für Sie personalisieren.

Denken Sie daran – sobald der Predictive-Analytics-Algorithmus weiß, wie er die Zielgruppe auswählt, die Anzeigen erstellt und sie personalisiert, kann er diese Arbeit mit Computergeschwindigkeit durchgehen. Mit der gleichen Geschwindigkeit verarbeitet es alle anderen Daten. Das ist viel schneller als das Klick-…-Typ-…-Klick-…-Doppelklick-Tempo, in dem wir Menschen arbeiten.

Willst du einen Beweis dafür, wie gut das funktioniert? Ein Harley-Davidson-Händler steigerte seine Leads dank Predictive Analytics innerhalb von drei Monaten um 2.930 %. Die Hälfte dieser Leads stammte von Lookalike Audiences, die das Autohaus nie zuvor in Betracht gezogen hatte. Aber die KI wusste genau, wo sie zu finden war.

Bietet den besten Preis

Einige von uns werden diese Taktik nicht sehr mögen. Es hat einen Hauch von hinterhältig, sogar irgendwie schmierig. Aber wehe – es funktioniert.

Da die Algorithmen so viel über uns wissen und wie wir auf Anzeigen, Angebote und Produkte reagieren, nach denen wir suchen, wissen sie, dass wir auf unterschiedliche Preise reagieren. Und so können sie verschiedenen Kunden unterschiedliche Preise anbieten.

Wenn Ihnen das unfair vorkommt, verstehe ich das. Einige von uns sind bei diesem Ansatz auch ein wenig cool. Aber Vermarkter tun dies tatsächlich seit mindestens einem Jahrzehnt; Sie taten es nur auf einer einfacheren Ebene. Katalogunternehmen druckten früher unterschiedliche Preise für Personen mit unterschiedlichen Postleitzahlen. In jüngerer Zeit haben Fluggesellschaften und Reise-Websites die Technik perfektioniert.

So funktioniert es: Wenn Sie in einer Postleitzahl mit sehr hohem Einkommen leben, könnte der Preis für einen bestimmten Weihnachtskranz 175 $ betragen. Wenn Sie in einer Postleitzahl mit niedrigerem Einkommen leben, kostet der Kranz 125 US-Dollar.

Das schmälert natürlich die Marge des Unternehmens. Aber wenn sie auch zum niedrigeren Preis noch gut genug abschneiden, ist es ein Gewinn. Sie erhalten auch den Vorteil, einen Verkauf zu tätigen. Sobald Sie ein Kunde sind, kann er Sie genauer und erfolgreicher vermarkten.

Selbst wenn sie bei der ersten Bestellung ein wenig verlieren, haben viele Unternehmen ein ausreichend ausgeklügeltes Marketingsystem, um den Verlust später bei einem erneuten Kauf auszugleichen.

Erstellen Sie weit ausgefeiltere Kundenpersönlichkeiten

Diese Taktik ähnelt der Segmentierung, außer dass sie eher der Segmentierung 10.0 entspricht. Sie segmentieren Ihre Kunden und Interessenten basierend auf jedem Datenpunkt, den Sie haben – nun, das werden Sie nicht tun, der Predictive Analytics-Algorithmus wird das tun.

Wenn menschliche Vermarkter Personas erstellen, müssen wir uns in der Regel an 3-5 Schlüsselpersonas halten. Es ist einfach zu viel Arbeit und Zeit, für jede winzig kleine Instanz eine Persona zu erstellen. Wir geben natürlich unser Bestes, aber irgendwann muss man nach Hause schlafen und andere Anforderungen des Jobs angehen.

Sie wählen also die Personas aus, die den größten Teil des Umsatzes ausmachen, Sie erstellen Inhalte und eine Käuferreise, die ihre Bedürfnisse so gut wie möglich anspricht, und Sie nennen es gut genug.

Und das ist verdammt gut. Es ist viel besser, als alle gleich zu behandeln, das ist sicher. Und dieses Maß an Segmentierung und Personas funktioniert – Sie erhalten 50–300 % mehr Ergebnisse, wenn Sie diese Gruppen unterschiedlich behandeln.

Aber im Vergleich zu dem, was ein KI-gesteuertes Predictive-Analytics-Programm leisten kann, ist dies ein Kinderspiel. Die KI kann jedes Datenelement – ​​Terabytes und Petabytes davon – verarbeiten, um „Cluster“ verschiedener Persona-Typen zu finden. Es wird Ähnlichkeiten zwischen Kunden und Interessenten erkennen, die Menschen nicht sehen würden, wenn wir nicht viel mehr Zeit und Konzentration hätten als wir.

Die KI kann dann die Bedürfnisse dieser Cluster mit Inhalten ansprechen, die ihnen am besten gefallen, über Kanäle, die sie bevorzugen, und zwar zu Zeiten, in denen sie am wahrscheinlichsten reagieren.

Das Ergebnis? Drastisch höhere Anzahl von Leads, bessere Leads und Leads, die sich schneller durch den Verkaufstrichter bewegen.

Abschluss

Wir haben kaum an der Oberfläche dessen gekratzt, was Predictive Analytics für Marketer leisten kann. Dieser Beitrag könnte leicht zu einem Buch ausgebaut werden.

Aber wir haben genug abgedeckt, um Ihnen zu zeigen, was möglich ist. Und hoffentlich genug, um zu zeigen, dass Predictive Analytics nicht darauf aus ist, Ihnen den Job zu stehlen.

Stellen Sie sich KI und Predictive Analytics einfach als Computer 2.0 vor. Sie sind ein leistungsstarkes Tool, um den Datenberg zu verwalten, der in Ihrem Unternehmen jede Stunde anfällt.

Predictive Analytics und KI sind einfach bessere Tools als Tabellenkalkulationen und sogar gute CRMs und Content-Management-Systeme. Stellen Sie sich diese alten Systeme wie eine Schaufel oder vielleicht sogar einen Spaten vor. KI und prädiktive Analytik ähneln eher Baggern und Bergbaumaschinen.

Vermarkter können jetzt mit den großen Spielzeugen spielen.