Будущее маркетинга уже здесь: прогнозная аналитика
Опубликовано: 2017-06-29Прогностический интеллект может звучать как футуристический инструмент из научно-фантастического фильма. Но сегодняшние маркетологи используют эту технологию, чтобы доставлять клиентам то, что они хотят, еще до того, как они узнают, что им это нужно.
Инструменты прогнозной аналитики помогают таким компаниям, как розничный продавец мебели Room & Board, повышать свою прибыль и более эффективно привлекать клиентов. Они внедрили технологию Salesforce Marketing Cloud, которая анализировала данные о трафике клиентов и прогнозную аналитику, чтобы предлагать клиентам дополнительные покупки в режиме реального времени. Результатом стал невероятный ROI 2900%.
Конечно, не многие предприятия добьются такого же успеха, как Room & Board. Но технология настолько развилась, что маркетологи не могут игнорировать некоторые новые откровения — например, систему, которая предлагает рекомендации на основе моделей трафика клиентов.
Предоставление клиентам персонализированного опыта продолжает доказывать положительную рентабельность инвестиций. Если вы не знакомы с этой концепцией, вы должны знать, что такое прогнозный интеллект и какие инструменты доступны.
Что такое прогнозирующий интеллект?
Иногда называемая предиктивной аналитикой, предиктивная аналитика — это метод создания клиентского опыта, который уникален для одного конкретного человека, путем мониторинга поведения клиентов и создания профиля их конкретных предпочтений. Затем эти данные профиля используются для прогнозирования того, что клиенты захотят в следующий раз.
Например, предположим, что покупатель в Интернете только что купил телевизор с плоским экраном. Эти новые интеллектуальные инструменты будут обнаруживать покупку и отправлять покупателю электронное письмо в режиме реального времени, предлагая кофейный столик или подставку под телевизор. Это избавляет людей от необходимости вручную рассматривать каждый аспект профиля клиента и делает маркетинг более эффективным.
Как это меняет маркетинг B2B
Раньше маркетологи оценивали потенциальных клиентов вручную, чтобы определить, на каком этапе пути клиента находятся потенциальные клиенты. Ручная оценка лидов происходит, когда маркетологи присваивают оценку или числовое значение определенным лидам на основе их анализа. Например, если маркетолог замечает, что лиды, которые смотрят демонстрацию продукта, конвертируются с большей скоростью, наблюдатели за демонстрацией могут получить оценку «А», а лиды, которые не смотрели демонстрацию, могут получить оценку «В».
И наоборот, прогнозная оценка потенциальных клиентов использует поведение потенциальных клиентов и историю прошлых покупок, чтобы определить, что они ищут и собираются ли вообще покупать. Прогностическая оценка лидов использует большие данные, чтобы определить, какие лиды с наибольшей вероятностью конвертируются, поэтому продавцы могут сосредоточиться на лидах, которые принесут наибольшую пользу компании.
Lattice Engines и Mintigo — две компании, которые предоставляют услуги облачной аналитики B2B, такие как прогнозная оценка лидов. Lattice Engines выполняет поиск в социальных сетях, общедоступных базах данных и веб-страницах и объединяет эту информацию с внутренними данными о клиентах, чтобы помочь предприятиям найти оптимальные перспективы продаж. DocuSign использовала компанию Lattice Engines, занимающуюся прогнозным подсчетом лидов, чтобы найти потенциальных клиентов, которые с наибольшей вероятностью конвертируются. В результате предсказуемость конверсий увеличилась на 38%.
Mintigo использует искусственный интеллект для обеспечения своей маркетинговой платформы прогнозирования, постоянно собирая информацию, такую как тенденции найма, используемые маркетинговые каналы и установленные технологии. Затем они используют эти данные, чтобы определить, какие лиды B2B представляют наибольшую ценность. Затем он объединяется с внутренней платформой автоматизации маркетинга компании, чтобы определить, на чем отделы продаж должны сосредоточить свои ресурсы.
Очевидно, что прогнозная аналитика помогает маркетологам лучше понимать поведение клиентов. Вот несколько инструментов, которые маркетологи используют, чтобы стать более эффективными:
Машинное обучение
В исследовании Forrester Consulting, проведенном в 2014 году, 121 респонденту был задан вопрос о трех основных проблемах, с которыми они столкнулись. Под номерами 3 и 4 соответственно анализировались потоки данных о каждом взаимодействии с клиентами и применялись эти идеи для улучшения качества обслуживания клиентов:
По мере того, как большие данные продолжают развиваться, маркетологи работают со все более большими потоками данных, с которыми людям может быть сложно справиться. Машинное обучение является решением этой проблемы. Машинное обучение — это процесс, в котором системы просеивают большие наборы данных, чтобы найти закономерности, а затем корректируют свою программу на основе новой информации.
Staples использует машинное обучение для сбора информации о предпочтениях своих корпоративных покупателей несколькими различными способами: с покупателями самообслуживания через свой веб-сайт и их Easy Button, когда люди говорят в него. И то, и другое помогает Staples лучше прогнозировать свои потребности в покупках. По мере того, как покупатели со временем говорят в кнопку, бот определяет, что нужно клиенту, и улучшает свои ответы.
Искусственный интеллект
Одна из самых больших проблем маркетологов заключается в том, что они не всегда получают данные, которые дают им полную картину. Искусственный интеллект может находить новые источники данных в Интернете, такие как новости, обновления в социальных сетях и базы данных. Все эти дополнительные данные помогают маркетологам находить более качественные лиды и лучше персонализировать контент для своих потенциальных клиентов.
Искусственный интеллект также является мощным инструментом персонализации. ИИ может адаптировать электронные письма к предпочтениям бренда ваших клиентов, используя их историю покупок и профиль потребителя. Инструмент настолько мощный, что опрос Demandbase показал, что 80% маркетологов считают, что ИИ произведет революцию в маркетинговой индустрии в течение следующих 5 лет:
Хотя маркетологи твердо верят в силу искусственного интеллекта, они еще не совсем уверены, как его реализовать. Только 26% маркетологов, опрошенных Demandbase, заявили, что очень хорошо разбираются в ИИ. Представьте, что у вас на подъездной дорожке стоит спортивная машина, но вы не понимаете, как ею управлять. Это этап, на котором сейчас находятся многие маркетологи с искусственным интеллектом.
Если маркетологи хотят эффективно использовать машинное обучение, искусственный интеллект и другие инструменты, важно, чтобы они знали, какие тенденции ожидаются на горизонте. Вот три тенденции, которые вызывают изменения в маркетинге B2B.
Нажмите, чтобы твитнуть
3 Тенденции прогнозной аналитики
Исследования показали, что прогностическая аналитика обеспечивает более высокую вовлеченность сотрудников и пожизненную ценность клиентов. Исследование, проведенное Aberdeen Group в 2016 году, показало, что прогнозная аналитика может увеличить среднюю норму прибыли на одного клиента почти на 5%, а пожизненную ценность клиента — на 10% по сравнению с непользователями:
Поскольку все больше компаний инвестируют в прогнозную аналитику, важно знать, чего ожидать в ближайшие несколько лет.
Рост чат-ботов
Чат-боты все чаще используют машинное обучение, чтобы со временем становиться умнее и лучше отвечать клиентам. Клиенты могут получить ответы на свои вопросы о продукте или услуге без необходимости просматривать страницу часто задаваемых вопросов или совершать трудоемкие телефонные звонки.
Чат-боты стали важным инструментом для предприятий, стремящихся автоматизировать больше процессов и обеспечить максимальное удобство для пользователей. Только за первые 6 месяцев 2016 года в чат-ботов было инвестировано 58 миллионов долларов. Кроме того, Gartner прогнозирует, что к 2020 году клиенты вряд ли будут взаимодействовать с предприятием на уровне «человек-человек»:
Технология, несомненно, будет совершенствоваться, и вопросы, которые задают клиенты, скорее всего, будут добавлены в их профили потребителей, чтобы сформировать более четкое представление о том, где они находятся в пути клиента и какие услуги они могут купить.
Интеллектуальные приложения
Машинное обучение больше не будет единственным инструментом, который могут позволить себе такие технологические гиганты, как Facebook. Интеллектуальные приложения станут популярными раньше, чем вы думаете. Вскоре большинство компаний будут использовать приложения, которые быстро анализируют большие объемы данных и меняют свою программу на основе новой информации. И если вы в это не верите, поверьте вот в чем: в 2016 году TechCrunch узнал, что 90% стартапов, с которыми они встречались, планировали использовать машинное обучение для улучшения качества обслуживания клиентов.
Также будет расти рынок алгоритмов, лежащих в основе интеллектуальных приложений. Algorithmia — одна из таких торговых площадок. Mashape — это еще одна торговая площадка для API, которые разработчики используют для создания интеллектуальных приложений. Маркетологи будут все больше полагаться на алгоритмы для запуска интеллектуальных приложений, которые предоставляют персонализированные решения для своих клиентов.
Торговые площадки важны, потому что они уменьшают трения в процессе покупки и продажи. Благодаря более простому процессу покупки это означает более быстрое внедрение интеллектуальных приложений и API-интерфейсов, которые их обеспечивают.
Большие данные увеличивают инвестиции
Опрос, проведенный DNV GL — Business Assurance, показал, что 76% всех организаций планируют увеличить или сохранить свои инвестиции в большие данные в период до 2019 года. Опрос также показал, что большинство предприятий во всем мире рассматривают большие данные как возможность. Компании, которые больше инвестируют в большие данные, отмечают повышение эффективности и принятия решений, а предприятия также используют большие данные как способ сбора и хранения критически важной информации о своих клиентах:
С новым акцентом на машинное обучение и искусственный интеллект данные, лежащие в основе этих процессов, должны откуда-то поступать. Большие данные дают этим инструментам информацию, необходимую им для создания более полной картины для маркетологов. Без больших объемов данных прогностическая аналитика может привести к неверным выводам и указать маркетологам неверное направление. Вот почему большие данные необходимо культивировать вместе с инструментами прогнозирования.
Примеры прогнозной аналитики клиентов
Компании стремятся к более широкому использованию прогнозной аналитики. Но это не просто техника будущего. Прямо сейчас компании используют инструменты прогнозирования, чтобы улучшить свою прибыль и стать более эффективными.
Вид изнутри
InsideView — маркетинговая и торговая компания, которой требовался более эффективный способ определить, за какими лидами стоит работать. В то время у InsideView было только два торговых представителя, и определение того, какие входящие лиды являются наиболее приоритетными, было длительным 18-дневным процессом , и компания хотела резко сократить это число.
Затем они обратились к решению для прогнозной аналитики SalesPredict, чтобы получить интеллектуальную информацию об оценке потенциальных клиентов. Решение использовало тысячи сигналов для получения информации о покупательском намерении лида. Предиктивная аналитика позволила InsideView создать оценку для каждого интереса, который был включен в существующую автоматизацию маркетинга компании.
Результат? Процесс квалификации потенциальных клиентов InsideView сократился до 2 дней. Кроме того, их коэффициент конверсии увеличился на 25%, а компания продемонстрировала 100%-ный рост продаж квалифицированных товаров.
Сотовая связь США
Компания US Cellular хотела узнать, какую оптимизацию веб-сайта они могли бы реализовать для увеличения доходов и насколько эффективным было каждое из этих действий. Они наняли Cardinal Path для проведения анализа покупательских намерений (форма прогнозной аналитики), чтобы выяснить, какие действия на веб-сайте наиболее предсказуемы для будущих покупок.
Существовало мнение, что потенциальные клиенты, которые использовали функцию «Добавить в корзину» или «Поиск магазинов» на веб-сайте компании, были более ценными лидами. Компания Cardinal Path обнаружила, что потенциальные клиенты, которые использовали функции «Чат сейчас» или «Предложения» US Cellular, с большей вероятностью совершат покупку в будущем, чем потенциальные клиенты, которые использовали поиск магазинов. US Cellular использовала эти данные, чтобы сосредоточиться на более квалифицированных потенциальных клиентах, что привело к увеличению пожизненной ценности клиента на 61%.
Какой технологией вы воспользуетесь?
Технологии прогнозной бизнес-аналитики, такие как машинное обучение и искусственный интеллект, больше не являются иностранными концепциями, которые вы можете игнорировать. Они здесь, чтобы остаться и изменить цифровой маркетинг, каким мы его знаем. И то, и другое позволяет маркетологам создавать персонализированные решения для клиентов, а отслеживание соответствующих тенденций может помочь вашему бизнесу стать более эффективным в будущем.
Начните персонализировать целевую страницу вашего клиента после клика, зарегистрируйтесь для получения демоверсии Instapage Enterprise сегодня.