마케팅의 미래가 여기에 있습니다: 예측 인텔리전스
게시 됨: 2017-06-29예측 지능은 공상과학 영화에 나오는 미래형 도구처럼 들릴 수 있습니다. 그러나 오늘날의 마케터는 고객이 원하는 것을 고객이 원하는지 알기도 전에 고객이 원하는 것을 제공하기 위해 이 기술을 사용하고 있습니다.
예측 인텔리전스 도구는 가구 소매업체인 Room & Board와 같은 회사가 수익을 개선하고 보다 효과적으로 고객에게 다가가는 데 도움이 됩니다. 고객 트래픽 데이터와 예측 분석을 분석하여 실시간으로 고객에게 추가 구매를 제안하는 Salesforce의 Marketing Cloud 기술을 구현했습니다. 그 결과 놀라운 2900% ROI를 달성했습니다.
물론 Room & Board와 같은 성공을 누리는 기업은 많지 않을 것입니다. 그러나 이 기술은 마케팅 담당자가 고객 트래픽 패턴을 기반으로 권장 사항을 제공하는 시스템과 같은 몇 가지 새로운 계시를 무시할 수 없을 정도로 발전했습니다.
고객에게 개인화된 경험을 제공하는 것은 계속해서 긍정적인 ROI를 입증합니다. 개념에 익숙하지 않은 경우 예측 지능이 무엇이며 어떤 도구를 사용할 수 있는지 알아야 합니다.
예측 지능이란 무엇입니까?
예측 분석이라고도 하는 예측 인텔리전스는 고객 행동을 모니터링하고 특정 선호도에 대한 프로필을 작성하여 특정 개인에게 고유한 고객 경험을 생성하는 방법입니다. 그런 다음 이 프로필 데이터를 사용하여 고객이 다음에 무엇을 원할지 예측합니다.
예를 들어 온라인 쇼핑객이 방금 평면 TV를 구입했다고 가정해 보겠습니다. 이 새로운 인텔리전스 도구는 구매를 감지하고 구매자에게 실시간으로 커피 테이블이나 TV 스탠드를 제안하는 이메일을 보냅니다. 이를 통해 사람이 고객 프로필의 각 측면을 수동으로 고려할 필요가 없으며 마케팅이 보다 효율적으로 이루어집니다.
B2B 마케팅을 변화시키는 방법
마케터는 고객 여정에서 잠재 고객이 어느 단계에 있는지 판단하기 위해 수동으로 리드 점수를 매겼습니다. 수동 리드 스코어링은 마케터가 분석을 기반으로 특정 리드에 등급 또는 숫자 값을 할당할 때 발생합니다. 예를 들어 마케팅 담당자가 제품 데모를 본 리드가 더 높은 비율로 전환하는 패턴을 발견한 경우 데모 관찰자는 "A" 등급을 받고 데모를 보지 않은 리드는 "B" 등급을 받을 수 있습니다.
반대로 예측 리드 스코어링은 잠재 고객의 행동과 과거 구매 내역을 사용하여 잠재 고객이 무엇을 찾고 있는지, 심지어 구매를 고려하고 있는지 여부를 결정합니다. 예측 리드 스코어링은 빅 데이터를 사용하여 전환 가능성이 가장 높은 리드를 결정하므로 영업 담당자는 회사에 가장 큰 가치를 제공할 리드에 집중할 수 있습니다.
Lattice Engines와 Mintigo는 예측 리드 스코어링과 같은 클라우드 기반 B2B 분석 서비스를 제공하는 두 회사입니다. Lattice Engines는 소셜 네트워크, 공용 데이터베이스 및 웹 페이지를 검색하고 해당 정보를 내부 고객 데이터와 결합하여 기업이 최적의 판매 전망을 찾도록 돕습니다. DocuSign은 예측 리드 스코어링 회사인 Lattice Engines를 사용하여 전환 가능성이 가장 높은 리드를 찾았습니다. 그 결과 전환 예측 가능성이 38% 증가했습니다.
Mintigo는 인공 지능을 사용하여 채용 동향, 사용된 마케팅 채널 및 설치된 기술과 같은 정보를 지속적으로 수집하여 예측 마케팅 플랫폼을 강화합니다. 다음으로, 그들은 이 데이터를 사용하여 어떤 B2B 리드가 가장 높은 가치인지 결정합니다. 그런 다음 회사의 내부 마케팅 자동화 플랫폼과 결합하여 영업 팀이 리소스를 어디에 집중해야 하는지 결정합니다.
분명히 예측 인텔리전스는 마케터가 고객 행동에 대한 인사이트를 더 잘 얻을 수 있도록 도와줍니다. 마케팅 담당자가 효율성을 높이기 위해 사용하는 몇 가지 도구는 다음과 같습니다.
기계 학습
2014년 Forrester Consulting 연구에서는 121명의 응답자에게 가장 큰 세 가지 문제가 무엇인지 물었습니다. 각각 3위와 4위로 나열된 기업은 모든 고객 상호 작용에서 데이터 스트림을 분석하고 이러한 통찰력을 고객 경험을 개선하기 위해 적용했습니다.
빅 데이터가 계속 진화함에 따라 마케팅 담당자는 사람이 관리하기 어려울 수 있는 점점 더 많은 데이터 스트림을 사용하고 있습니다. 기계 학습은 이 문제에 대한 해결책입니다. 기계 학습은 시스템이 패턴을 찾기 위해 대규모 데이터 세트를 선별한 다음 새로운 정보를 기반으로 프로그램을 조정하는 프로세스입니다.
Staples는 머신 러닝을 사용하여 몇 가지 고유한 방법으로 기업 구매자의 선호도에 대한 정보를 수집합니다. 두 가지 모두 Staples가 쇼핑 요구 사항을 더 잘 예측하는 데 도움이 됩니다. 쇼핑객이 시간이 지남에 따라 버튼에 대고 말하면 봇은 고객이 필요로 하는 것을 식별하고 응답을 개선합니다.
인공 지능
마케터의 가장 큰 문제 중 하나는 완전한 그림을 제공하는 데이터가 항상 제공되지 않는다는 것입니다. 인공 지능은 뉴스 기사, 소셜 미디어 업데이트 및 데이터베이스와 같은 웹에서 새로운 데이터 소스를 찾을 수 있습니다. 이 모든 추가 데이터는 마케팅 담당자가 더 높은 품질의 리드를 찾고 잠재 고객을 위한 콘텐츠를 더 잘 개인화하는 데 도움이 됩니다.
인공 지능은 개인화를 위한 강력한 도구이기도 합니다. AI는 쇼핑 기록과 소비자 프로필을 사용하여 고객 브랜드 선호도에 맞게 이메일을 맞춤화할 수 있습니다. 이 도구는 매우 강력해서 Demandbase 설문 조사에 따르면 마케터의 80%가 AI가 향후 5년 이내에 마케팅 산업에 혁명을 일으킬 것이라고 믿고 있습니다.
마케팅 담당자는 인공 지능의 힘을 굳게 믿고 있지만 이를 구현하는 방법을 아직 잘 모릅니다. Demandbase에서 조사한 마케터 중 26%만이 AI를 매우 자신 있게 이해하고 있다고 말했습니다. 진입로에 스포츠카가 있지만 차량 작동 방법을 이해하지 못한다고 상상해 보십시오. 이것이 현재 많은 마케팅 담당자가 인공 지능을 사용하는 단계입니다.
마케터가 기계 학습, 인공 지능 및 기타 도구를 효과적으로 사용하려면 앞으로 어떤 추세가 나타날지 알아야 합니다. 다음은 B2B 마케팅의 변화를 주도하는 세 가지 트렌드입니다.
트윗하려면 클릭
3 예측 인텔리전스 동향
연구에 따르면 예측 인텔리전스는 직원 몰입도와 고객 평생 가치를 높여줍니다. Aberdeen Group의 2016년 연구에 따르면 예측 분석은 비사용자에 비해 고객당 평균 이익 마진을 거의 5%, 고객 평생 가치를 10% 증가시킬 수 있습니다.
더 많은 기업이 예측 인텔리전스에 투자함에 따라 향후 몇 년 동안 무엇을 기대해야 하는지 아는 것이 중요합니다.
챗봇의 등장
챗봇은 더 똑똑해지고 시간이 지남에 따라 고객에게 더 나은 답변을 제공하기 위해 기계 학습을 점점 더 많이 사용하고 있습니다. 고객은 FAQ 페이지를 샅샅이 뒤지거나 시간이 많이 걸리는 전화를 걸지 않고도 제품이나 서비스에 대한 질문에 대한 답변을 얻을 수 있습니다.
챗봇은 더 많은 프로세스를 자동화하고 가능한 한 최고의 사용자 경험을 제공하려는 기업에게 중요한 도구가 되었습니다. 2016년 첫 6개월 동안에만 5,800만 달러가 챗봇에 투자되었습니다. 또한 Gartner는 2020년까지 고객이 인간 대 인간 수준에서 기업과 거의 상호 작용하지 않을 것이라고 예측합니다.
이 기술은 의심할 여지 없이 성숙할 것이며 고객이 묻는 질문이 소비자 프로필에 추가되어 고객 여정의 현재 위치와 구매할 수 있는 서비스에 대한 더 나은 그림을 형성할 것입니다.
지능형 앱
기계 학습은 더 이상 Facebook과 같은 거대 기술 기업이 감당할 수 있는 도구가 아닙니다. 지능형 앱은 생각보다 빨리 주류가 될 것입니다. 머지 않아 대부분의 회사는 대량의 데이터를 빠르게 분석하고 새로운 정보를 기반으로 프로그램을 변경하는 앱을 사용하게 될 것입니다. 2016년에 TechCrunch는 그들이 만난 스타트업의 90%가 고객 경험을 개선하기 위해 머신 러닝을 사용할 계획이라는 것을 알게 되었습니다.
지능형 앱을 지원하는 알고리즘 시장도 성장할 것입니다. 알고리즘은 그러한 시장 중 하나입니다. Mashape는 개발자가 지능형 앱을 구축하는 데 사용하는 또 다른 API 시장입니다. 마케팅 담당자는 고객에게 개인화된 솔루션을 제공하는 지능형 앱을 실행하기 위해 점점 더 알고리즘에 의존하게 될 것입니다.
시장은 구매 및 판매 과정에서 마찰을 줄이기 때문에 중요합니다. 더 간단한 구매 프로세스를 통해 지능형 앱과 이를 지원하는 API를 더 빠르게 채택할 수 있습니다.
빅 데이터는 투자의 증가를 본다
DNV GL – Business Assurance의 설문조사에 따르면 모든 조직의 76%가 지금부터 2019년 사이에 빅 데이터에 대한 투자를 늘리거나 유지하려고 합니다. 또한 이 설문 조사에서는 전 세계적으로 대다수의 기업이 빅 데이터를 기회로 보고 있습니다. 빅 데이터에 더 많이 투자하는 회사는 효율성과 의사 결정이 개선되고 기업도 고객에 대한 중요한 정보를 캡처하고 저장하는 방법으로 빅 데이터를 수용하고 있습니다.
기계 학습 및 인공 지능에 대한 새로운 초점으로 이러한 프로세스를 지원하는 데이터는 어딘가에서 가져와야 합니다. 빅 데이터는 이러한 도구에 마케터를 위해 보다 완전한 그림을 그리는 데 필요한 정보를 제공합니다. 많은 양의 데이터가 없으면 예측 인텔리전스가 잘못된 결론을 내리고 마케팅 담당자를 잘못된 방향으로 이끌 수 있습니다. 이것이 빅 데이터가 예측 도구와 함께 개발되어야 하는 이유입니다.
예측 고객 인텔리전스 예시
기업은 예측 분석을 더 많이 사용하는 추세입니다. 그러나 그것은 단지 미래를 위한 기술이 아닙니다. 현재 기업들은 예측 도구를 사용하여 수익을 개선하고 효율성을 높이고 있습니다.
인사이드뷰
InsideView는 추구할 가치가 있는 리드를 결정하는 보다 효과적인 방법이 필요한 마케팅 및 영업 회사입니다. 당시 InsideView에는 영업 담당자가 두 명뿐이었고 가장 우선 순위가 높은 인바운드 리드를 결정하는 데 18일이 소요 되었습니다.
그런 다음 리드 스코어링에 대한 지능적인 인사이트를 얻기 위해 SalesPredict의 예측 분석 솔루션으로 전환했습니다. 이 솔루션은 수천 개의 신호를 사용하여 잠재 고객의 구매 의도에 대한 인사이트를 생성했습니다. 예측 분석을 통해 InsideView는 회사의 기존 마케팅 자동화에 통합된 각 리드에 대한 점수를 만들 수 있었습니다.
결과? InsideView의 리드 검증 프로세스는 이제 2일로 단축되었습니다. 또한 전환율이 25% 증가했고 회사는 검증된 판매 파이프라인에서 100% 성장을 경험했습니다.
US 셀룰러
US Cellular는 수익을 창출하기 위해 구현할 수 있는 웹사이트 최적화와 각 작업이 얼마나 효과적인지 알아보고 싶었습니다. 그들은 구매 의도 분석(예측 분석의 한 형태)을 완료하기 위해 Cardinal Path를 고용하여 어떤 웹사이트 행동이 미래 구매를 가장 잘 예측하는지 알아냈습니다.
회사 웹 사이트에서 장바구니에 추가 또는 매장 검색 기능을 사용한 잠재 고객이 더 높은 가치의 리드라는 믿음이 있었습니다. Cardinal Path는 US Cellular의 "지금 채팅" 또는 "제안" 기능을 사용한 잠재 고객이 매장 찾기를 사용한 잠재 고객보다 향후 구매를 할 가능성이 더 높다는 사실을 발견했습니다. US Cellular는 이러한 인사이트를 사용하여 더 많은 자격을 갖춘 리드에 집중하여 고객 평생 가치를 61% 증가시켰습니다.
어떤 기술을 활용할 것인가?
기계 학습 및 AI와 같은 예측 비즈니스 인텔리전스 기술은 더 이상 무시할 수 있는 낯선 개념이 아닙니다. 그들은 우리가 알고 있는 디지털 마케팅을 유지하고 변화시키기 위해 여기에 있습니다. 둘 다 마케터가 고객을 위한 개인화된 솔루션을 만들 수 있도록 하고 관련 트렌드를 파악하면 향후 비즈니스 효율성을 높일 수 있습니다.
고객의 클릭 후 랜딩 페이지 경험을 개인화하고 지금 Instapage Enterprise 데모에 등록하십시오.