Przyszłość marketingu jest tutaj: inteligencja predykcyjna

Inteligencja predykcyjna może brzmieć jak futurystyczne narzędzie, które należy do filmu science fiction. Jednak dzisiejsi marketerzy wykorzystują technologię, aby dostarczać klientom to, czego chcą, zanim jeszcze zdadzą sobie z tego sprawę.

Narzędzia analizy predykcyjnej pomagają firmom, takim jak sprzedawca mebli Room & Board, poprawić wyniki finansowe i skuteczniej docierać do klientów. Wdrożyli technologię Salesforce Marketing Cloud, która analizowała dane o ruchu klientów i analizy predykcyjne, aby sugerować klientom dodatkowe zakupy w czasie rzeczywistym. Rezultatem był niesamowity zwrot z inwestycji na poziomie 2900%.

To prawda, że ​​niewiele firm odniesie taki sam sukces jak Room & Board. Ale technologia rozwinęła się tak bardzo, że marketerzy nie mogą zignorować niektórych nowych rewelacji — takich jak system, który oferuje rekomendacje oparte na wzorcach ruchu klientów.

Zapewnienie klientom spersonalizowanej obsługi nadal zapewnia pozytywny zwrot z inwestycji. Jeśli nie jesteś zaznajomiony z tą koncepcją, powinieneś wiedzieć, czym jest inteligencja predykcyjna i jakie narzędzia są dostępne.

Co to jest inteligencja predykcyjna?

Czasami określana jako analityka predykcyjna, inteligencja predykcyjna to metoda tworzenia doświadczenia klienta, które jest unikalne dla jednej konkretnej osoby, poprzez monitorowanie zachowań klientów i budowanie profilu ich konkretnych preferencji. Te dane profilowe są następnie wykorzystywane do przewidywania, czego klienci będą chcieli w następnej kolejności.

Załóżmy na przykład, że kupujący online właśnie kupił telewizor z płaskim ekranem. Te nowe narzędzia wywiadowcze wykrywałyby zakup i wysyłały kupującemu wiadomość e-mail w czasie rzeczywistym, sugerując stolik kawowy lub szafkę pod telewizor. Eliminuje to konieczność ręcznego analizowania każdego aspektu profilu klienta i zwiększa efektywność marketingu.

Jak to zmienia marketing B2B

Marketerzy zwykli ręcznie oceniać potencjalnych klientów, aby określić, na jakim etapie znajdują się potencjalni klienci. Ręczna ocena potencjalnych klientów ma miejsce, gdy marketerzy przypisują ocenę lub wartość liczbową określonym potencjalnym klientom na podstawie ich analizy. Na przykład, jeśli marketer zauważy wzór, w którym potencjalni klienci, którzy obejrzeli prezentację produktu, dokonują konwersji w wyższym stopniu, obserwatorzy demonstracji mogą otrzymać ocenę „A”, podczas gdy potencjalni klienci, którzy nie oglądali demonstracji, mogą otrzymać ocenę „B”.

I odwrotnie, predykcyjna ocena potencjalnych klientów wykorzystuje zachowanie potencjalnego klienta i historię zakupów w przeszłości, aby określić, czego szuka i czy w ogóle chce kupić. Predykcyjna ocena potencjalnych klientów wykorzystuje duże zbiory danych do określenia, którzy potencjalni klienci są najbardziej skłonni do konwersji, dzięki czemu sprzedawcy mogą skoncentrować się na potencjalnych klientach, które zapewnią firmie największą wartość.

Lattice Engines i Mintigo to dwie firmy, które świadczą usługi analityczne B2B w chmurze, takie jak predykcyjna ocena potencjalnych klientów. Lattice Engines przeszukuje sieci społecznościowe, publiczne bazy danych i strony internetowe i łączy te informacje z wewnętrznymi danymi klientów, aby pomóc firmom znaleźć optymalne perspektywy sprzedaży. DocuSign wykorzystał firmę Lattice Engines do przewidywania punktacji potencjalnych klientów, aby znaleźć potencjalnych klientów, którzy z największym prawdopodobieństwem dokonają konwersji. Rezultatem był 38% wzrost przewidywalności konwersji.

Mintigo wykorzystuje sztuczną inteligencję do zasilania swojej platformy marketingu predykcyjnego poprzez ciągłe gromadzenie informacji, takich jak trendy zatrudniania, wykorzystywane kanały marketingowe i zainstalowane technologie. Następnie wykorzystują te dane do określenia, które leady B2B mają największą wartość. Następnie jest łączony z wewnętrzną platformą automatyzacji marketingu firmy, aby określić, gdzie zespoły sprzedażowe powinny skoncentrować swoje zasoby.

Najwyraźniej inteligencja predykcyjna pomaga marketerom lepiej uzyskiwać wgląd w zachowania klientów. Oto kilka narzędzi, których marketerzy używają, aby zwiększyć wydajność:

Nauczanie maszynowe

W badaniu Forrester Consulting z 2014 r. zapytano 121 respondentów, jakie są ich trzy największe wyzwania. Wymienione odpowiednio na miejscach 3 i 4 analizowały strumienie danych z każdej interakcji z klientem i wykorzystywały te spostrzeżenia do poprawy doświadczeń klientów:

Ponieważ duże zbiory danych wciąż ewoluują, marketerzy pracują z coraz większymi strumieniami danych, którymi zarządzanie może być trudne dla ludzi. Rozwiązaniem tego problemu jest uczenie maszynowe. Uczenie maszynowe to proces, w którym systemy przeszukują duże zestawy danych w poszukiwaniu wzorców, a następnie dostosowują swój program w oparciu o nowe informacje.

Firma Staples wykorzystuje uczenie maszynowe do zbierania informacji o preferencjach nabywców korporacyjnych na kilka różnych sposobów: z samoobsługowymi klientami za pośrednictwem ich witryny internetowej i przycisku Easy Button, gdy ludzie wypowiadają się na ten temat. Oba te rozwiązania pomagają Staples lepiej przewidywać ich potrzeby zakupowe. W miarę upływu czasu kupujący mówią do przycisku, bot identyfikuje potrzeby klienta i poprawia swoje reakcje.

Sztuczna inteligencja

Jednym z największych problemów marketerów jest to, że nie zawsze otrzymują dane, które dają im pełny obraz. Sztuczna inteligencja może znajdować nowe źródła danych w Internecie, takie jak wiadomości, aktualizacje w mediach społecznościowych i bazy danych. Wszystkie te dodatkowe dane pomagają marketerom znajdować leady o wyższej jakości i lepiej personalizować treści pod kątem potencjalnych klientów.

Sztuczna inteligencja jest również silnym narzędziem do personalizacji. Sztuczna inteligencja może dostosowywać e-maile specjalnie do preferencji marki Twoich klientów, korzystając z ich historii zakupów i profilu konsumenta. Narzędzie jest tak potężne, że badanie Demandbase wykazało, że 80% marketerów uważa, że ​​sztuczna inteligencja zrewolucjonizuje branżę marketingową w ciągu najbliższych 5 lat:

Chociaż marketerzy bardzo wierzą w potęgę sztucznej inteligencji, nie są jeszcze pewni, jak ją wdrożyć. Tylko 26% marketerów ankietowanych przez Demandbase stwierdziło, że bardzo dobrze rozumie sztuczną inteligencję. Wyobraź sobie, że masz samochód sportowy na swoim podjeździe, ale nie wiesz, jak go obsługiwać. Na tym etapie znajduje się obecnie wielu marketerów ze sztuczną inteligencją.

Jeśli marketerzy chcą efektywnie wykorzystywać uczenie maszynowe, sztuczną inteligencję i inne narzędzia, muszą wiedzieć, jakie trendy są na horyzoncie. Oto trzy trendy, które napędzają zmiany w marketingu B2B.

80% marketerów uważa, że ​​sztuczna inteligencja zrewolucjonizuje branżę marketingową w ciągu najbliższych 5 lat.

Kliknij, aby tweetować

3 Predykcyjne trendy wywiadowcze

Badania wykazały, że inteligencja predykcyjna zwiększa zaangażowanie pracowników i wartość klienta w ciągu całego życia. Badanie przeprowadzone w 2016 roku przez Aberdeen Group wykazało, że analityka predykcyjna może zwiększyć średnią marżę zysku na klienta o prawie 5%, a wartość życiową klienta o 10% w stosunku do osób niebędących użytkownikami:

Ponieważ coraz więcej firm inwestuje w analitykę prognostyczną, ważne jest, aby wiedzieć, czego można się spodziewać w ciągu najbliższych kilku lat.

Powstanie chatbotów

Chatboty coraz częściej wykorzystują uczenie maszynowe, aby z czasem stać się mądrzejsze i dostarczać klientom lepszych odpowiedzi. Klienci mogą uzyskiwać odpowiedzi na pytania dotyczące produktu lub usługi bez konieczności przeszukiwania strony z często zadawanymi pytaniami lub wykonywania czasochłonnych rozmów telefonicznych.

Chatboty stały się ważnym narzędziem dla firm, które chcą zautomatyzować więcej procesów i zapewnić jak najlepszą obsługę użytkowników. Tylko w ciągu pierwszych 6 miesięcy 2016 roku w chatboty zainwestowano 58 milionów dolarów. Ponadto Gartner przewiduje, że do 2020 r. klienci prawie nie będą wchodzić w interakcje z przedsiębiorstwem na poziomie międzyludzkim:

Technologia bez wątpienia będzie dojrzała, a pytania zadawane przez klientów będą prawdopodobnie dodawane do ich profili konsumenckich, aby uzyskać lepszy obraz tego, gdzie są na ścieżce klienta i jakie usługi mogą kupić.

Inteligentne aplikacje

Uczenie maszynowe nie będzie już tylko narzędziem, na które mogą sobie pozwolić takie giganty technologiczne, jak Facebook. Inteligentne aplikacje staną się powszechne szybciej niż myślisz. Wkrótce większość firm będzie korzystać z aplikacji, które szybko analizują duże ilości danych i zmieniają swój program na podstawie nowych informacji. A jeśli w to nie wierzysz, uwierz w to: w 2016 r. TechCrunch dowiedział się, że 90% startupów, z którymi się spotkał, planowało wykorzystać uczenie maszynowe do poprawy obsługi klienta.

Powstanie również rosnący rynek algorytmów, które napędzają inteligentne aplikacje. Algorytmia jest jednym z takich rynków. Mashape to kolejny rynek interfejsów API, których programiści używają do tworzenia inteligentnych aplikacji. Marketerzy będą w coraz większym stopniu polegać na algorytmach do uruchamiania inteligentnych aplikacji, które zapewniają spersonalizowane rozwiązania dla ich klientów.

Rynki są ważne, ponieważ zmniejszają tarcie w procesie kupna i sprzedaży. Prostszy proces zakupu oznacza szybsze wdrażanie inteligentnych aplikacji i obsługujących je interfejsów API.

Big data powoduje wzrost inwestycji

Ankieta przeprowadzona przez DNV GL – Business Assurance wykazała, że ​​76% wszystkich organizacji chce zwiększyć lub utrzymać inwestycje w duże zbiory danych do 2019 r. Badanie wykazało również, że większość przedsiębiorstw na całym świecie postrzega duże zbiory danych jako szansę. Firmy, które inwestują więcej w duże zbiory danych, dostrzegają poprawę wydajności i podejmowania decyzji, a firmy również wykorzystują duże zbiory danych jako sposób na przechwytywanie i przechowywanie krytycznych informacji o swoich klientach:

Przy nowym skupieniu się na uczeniu maszynowym i sztucznej inteligencji dane, które napędzają te procesy, muszą skądś pochodzić. Big data dostarcza tym narzędziom informacji, których potrzebują, aby stworzyć pełniejszy obraz dla marketerów. Bez dużych ilości danych inteligencja predykcyjna może prowadzić do błędnych wniosków i wskazywać marketerom niewłaściwy kierunek. Dlatego duże zbiory danych muszą być kultywowane wraz z narzędziami predykcyjnymi.

Predykcyjne przykłady analizy klienta

Firmy dążą do szerszego wykorzystania analiz predykcyjnych. Ale to nie tylko technika na przyszłość. Obecnie firmy korzystają z narzędzi predykcyjnych, aby poprawić wyniki finansowe i zwiększyć wydajność.

Widok wnętrza

InsideView to firma zajmująca się marketingiem i sprzedażą, która potrzebowała skuteczniejszego sposobu określania, które leady są warte zainteresowania. W tamtym czasie firma InsideView miała tylko dwóch przedstawicieli handlowych, a określenie, które przychodzące leady mają najwyższy priorytet, wymagało długiego , 18-dniowego procesu , a liczbę tę firma chciała radykalnie zmniejszyć.

Następnie zwrócili się do rozwiązania SalesPredict do analizy predykcyjnej w celu uzyskania inteligentnych informacji na temat punktacji potencjalnych klientów. Rozwiązanie wykorzystało tysiące sygnałów do uzyskania wglądu w intencje zakupowe potencjalnego klienta. Analityka predykcyjna umożliwiła firmie InsideView utworzenie oceny dla każdego potencjalnego klienta, który został włączony do istniejącej automatyzacji marketingu firmy.

Wynik? Proces kwalifikacji leadów w InsideView został teraz skrócony do 2 dni. Ponadto ich współczynnik konwersji wzrósł o 25%, a firma odnotowała 100% wzrost kwalifikowanej sprzedaży.

Amerykańska komórkowa

Firma US Cellular chciała dowiedzieć się, jakie optymalizacje witryny internetowej mogą wdrożyć, aby zwiększyć przychody, i jaka jest skuteczność każdego z tych działań. Zatrudnili firmę Cardinal Path do przeprowadzenia analizy zamiaru zakupu (rodzaj analizy predykcyjnej), aby odkryć, które działania w witrynie najlepiej prognozują przyszłe zakupy.

Panowało przekonanie, że potencjalni klienci, którzy skorzystali z funkcji dodawania do koszyka lub lokalizatora sklepów na stronie internetowej firmy, byli leadami o większej wartości. Firma Cardinal Path odkryła, że ​​potencjalni klienci, którzy korzystali z funkcji „Czat teraz” lub „Oferty” w US Cellular, byli bardziej skłonni do dokonania przyszłych zakupów niż potencjalni klienci, którzy korzystali z lokalizatora sklepów. Firma US Cellular wykorzystała te spostrzeżenia, aby skoncentrować się na bardziej kwalifikowanych potencjalnych klientach, co zaowocowało 61% wzrostem wartości klienta w ciągu całego życia.

Z której technologii skorzystasz?

Predykcyjne technologie Business Intelligence, takie jak uczenie maszynowe i sztuczna inteligencja, nie są już obcymi koncepcjami, które można zignorować. Są tutaj, aby zostać i zmieniać marketing cyfrowy, jaki znamy. Oba pozwalają marketerom tworzyć spersonalizowane rozwiązania dla klientów, a bycie na bieżąco z powiązanymi trendami może pomóc Twojej firmie w zwiększeniu wydajności w przyszłości.

Zacznij personalizować stronę docelową klienta po kliknięciu, zapisz się na wersję demonstracyjną Instapage Enterprise już dziś.