อนาคตของการตลาดอยู่ที่นี่: ปัญญาทำนาย

ความฉลาดในการทำนายอาจฟังดูเหมือนเครื่องมือล้ำยุคที่อยู่ในภาพยนตร์นิยายวิทยาศาสตร์ แต่นักการตลาดในปัจจุบันกำลังใช้เทคโนโลยีเพื่อส่งมอบสิ่งที่ลูกค้าต้องการก่อนที่พวกเขาจะรู้ตัวว่าต้องการด้วยซ้ำ

เครื่องมืออัจฉริยะเชิงคาดการณ์กำลังช่วยบริษัทต่างๆ เช่น ผู้ค้าปลีกเฟอร์นิเจอร์ Room & Board ปรับปรุงผลกำไรและเข้าถึงลูกค้าได้อย่างมีประสิทธิภาพมากขึ้น พวกเขาใช้เทคโนโลยี Marketing Cloud ของ Salesforce ที่วิเคราะห์ข้อมูลการเข้าชมของลูกค้าและการวิเคราะห์เชิงคาดการณ์เพื่อแนะนำการซื้อเพิ่มเติมให้กับลูกค้าแบบเรียลไทม์ ผลลัพธ์ที่ได้คือ ROI ที่เหลือเชื่อถึง 2900%

จริงอยู่ มีไม่กี่ธุรกิจที่จะประสบความสำเร็จเช่นเดียวกับห้องและบอร์ด แต่เทคโนโลยีได้พัฒนาไปมากจนถึงจุดที่นักการตลาดไม่สามารถละเลยการเปิดเผยใหม่ๆ เช่น ระบบที่เสนอคำแนะนำตามรูปแบบการเข้าชมของลูกค้า

การให้ประสบการณ์ส่วนบุคคลแก่ลูกค้ายังคงพิสูจน์ให้เห็นถึง ROI ในเชิงบวก หากคุณไม่คุ้นเคยกับแนวคิดนี้ คุณควรทราบว่าความฉลาดเชิงคาดการณ์คืออะไรและมีเครื่องมือใดบ้าง

ความฉลาดเชิงคาดการณ์คืออะไร?

บางครั้งเรียกว่าการวิเคราะห์เชิงคาดการณ์ ความฉลาดเชิงคาดการณ์คือวิธีการสร้างประสบการณ์ของลูกค้าที่ไม่เหมือนใครสำหรับแต่ละบุคคลโดยการตรวจสอบพฤติกรรมของลูกค้าและสร้างโปรไฟล์ตามความชอบเฉพาะของพวกเขา ข้อมูลโปรไฟล์นี้ใช้เพื่อคาดการณ์ว่าลูกค้าจะต้องการอะไรต่อไป

ตัวอย่างเช่น สมมติว่านักช้อปออนไลน์เพิ่งซื้อทีวีจอแบน เครื่องมืออัจฉริยะใหม่เหล่านี้จะตรวจจับการซื้อและส่งอีเมลถึงนักช้อปตามเวลาจริงเพื่อแนะนำโต๊ะกาแฟหรือแท่นวางทีวี สิ่งนี้ทำให้มนุษย์ไม่จำเป็นต้องพิจารณาแต่ละแง่มุมของโปรไฟล์ของลูกค้าด้วยตนเอง และทำให้การตลาดมีประสิทธิภาพมากขึ้น

มันเปลี่ยนแปลงการตลาด B2B อย่างไร

นักการตลาดเคยให้คะแนนลีดด้วยตนเองเพื่อกำหนดว่าผู้มีโอกาสเป็นลูกค้าอยู่ในขั้นตอนใดในการเดินทางของลูกค้า การให้คะแนนลูกค้าเป้าหมายด้วยตนเองเกิดขึ้นเมื่อนักการตลาดกำหนดเกรดหรือค่าตัวเลขให้กับลูกค้าเป้าหมายตามการวิเคราะห์ของพวกเขา ตัวอย่างเช่น หากนักการตลาดสังเกตเห็นรูปแบบที่ลูกค้าเป้าหมายที่ดูการสาธิตผลิตภัณฑ์แปลงในอัตราที่สูงกว่า ผู้เฝ้าดูการสาธิตอาจได้รับคะแนน "A" ในขณะที่ลูกค้าเป้าหมายที่ไม่ได้ชมการสาธิตอาจได้รับคะแนน "B"

ในทางกลับกัน การให้คะแนนลูกค้าเป้าหมายเชิงคาดการณ์จะใช้พฤติกรรมของผู้มีโอกาสเป็นลูกค้าและประวัติการซื้อที่ผ่านมาเพื่อกำหนดสิ่งที่พวกเขากำลังมองหาและดูว่าพวกเขากำลังมองหาที่จะซื้อหรือไม่ การให้คะแนนลีดเชิงคาดการณ์จะใช้ข้อมูลขนาดใหญ่เป็นตัวกำหนดว่าลีดใดมีแนวโน้มที่จะเปลี่ยนใจเลื่อมใสมากที่สุด ดังนั้นพนักงานขายจึงสามารถมุ่งเน้นไปที่ลีดที่จะให้คุณค่าแก่บริษัทมากที่สุด

Lattice Engines และ Mintigo เป็นสองบริษัทที่ให้บริการวิเคราะห์ B2B บนคลาวด์ เช่น การให้คะแนนลูกค้าเป้าหมายเชิงคาดการณ์ Lattice Engines ค้นหาโซเชียลเน็ตเวิร์ก ฐานข้อมูลสาธารณะ และเว็บเพจ และรวมข้อมูลนั้นเข้ากับข้อมูลลูกค้าภายในเพื่อช่วยให้ธุรกิจสามารถค้นหาโอกาสในการขายที่เหมาะสมที่สุด DocuSign ใช้ Lattice Engines บริษัทให้คะแนนลีดที่คาดคะเนเพื่อค้นหาลีดที่มีแนวโน้มจะทำ Conversion มากที่สุด ผลที่ได้คือความสามารถในการคาดการณ์ Conversion เพิ่มขึ้น 38%

Mintigo ใช้ปัญญาประดิษฐ์ในการขับเคลื่อนแพลตฟอร์มการตลาดเชิงคาดการณ์โดยการรวบรวมข้อมูลอย่างต่อเนื่อง เช่น แนวโน้มการจ้างงาน ช่องทางการตลาดที่ใช้ และเทคโนโลยีที่ติดตั้ง จากนั้น พวกเขาใช้ข้อมูลนี้เพื่อพิจารณาว่าลีด B2B ใดมีมูลค่าสูงสุด จากนั้นจะรวมเข้ากับแพลตฟอร์มระบบอัตโนมัติด้านการตลาดภายในของบริษัทเพื่อกำหนดว่าทีมขายควรมุ่งเน้นที่ทรัพยากรของตนที่ใด

เห็นได้ชัดว่าระบบอัจฉริยะเชิงคาดการณ์ช่วยให้นักการตลาดได้รับข้อมูลเชิงลึกเกี่ยวกับพฤติกรรมของลูกค้าได้ดีขึ้น ต่อไปนี้คือเครื่องมือบางส่วนที่นักการตลาดใช้เพื่อให้มีประสิทธิภาพมากขึ้น:

การเรียนรู้ของเครื่อง

การศึกษาของ Forrester Consulting ในปี 2014 ถามผู้ตอบแบบสอบถาม 121 คนว่าความท้าทายสามอันดับแรกของพวกเขาคืออะไร รายชื่อที่ 3 และ 4 ตามลำดับ กำลังวิเคราะห์สตรีมข้อมูลจากการโต้ตอบกับลูกค้าทุกครั้ง และนำข้อมูลเชิงลึกเหล่านั้นไปใช้เพื่อปรับปรุงประสบการณ์ของลูกค้า:

ในขณะที่บิ๊กดาต้ามีการพัฒนาอย่างต่อเนื่อง นักการตลาดกำลังทำงานกับกระแสข้อมูลขนาดใหญ่ขึ้นเรื่อยๆ ซึ่งอาจเป็นเรื่องยากสำหรับมนุษย์ในการจัดการ แมชชีนเลิร์นนิงเป็นวิธีแก้ปัญหานี้ แมชชีนเลิร์นนิงเป็นกระบวนการที่ระบบกรองชุดข้อมูลขนาดใหญ่เพื่อค้นหารูปแบบและปรับโปรแกรมตามข้อมูลใหม่

Staples ใช้แมชชีนเลิร์นนิงเพื่อรวบรวมข้อมูลเกี่ยวกับความชอบของผู้ซื้อในองค์กรด้วยวิธีการที่แตกต่างกันสองสามวิธี: ด้วยผู้ซื้อแบบบริการตนเองผ่านเว็บไซต์และ Easy Button เมื่อผู้คนพูดถึง ซึ่งทั้งสองอย่างนี้ช่วยให้ Staples คาดการณ์ความต้องการในการจับจ่ายได้ดีขึ้น เมื่อผู้ซื้อพูดถึงปุ่มเมื่อเวลาผ่านไป บอทจะระบุสิ่งที่ลูกค้าต้องการและปรับปรุงการตอบสนอง

ปัญญาประดิษฐ์

ปัญหาที่ใหญ่ที่สุดอย่างหนึ่งของนักการตลาดคือพวกเขาไม่ได้รับข้อมูลที่ให้ภาพที่สมบูรณ์เสมอไป ปัญญาประดิษฐ์สามารถค้นหาแหล่งข้อมูลใหม่ๆ บนเว็บ เช่น ข่าวสาร การอัปเดตโซเชียลมีเดีย และฐานข้อมูล ข้อมูลเพิ่มเติมทั้งหมดนี้ช่วยให้นักการตลาดค้นหาโอกาสในการขายที่มีคุณภาพสูงขึ้นและปรับแต่งเนื้อหาให้เหมาะกับผู้มีโอกาสเป็นลูกค้าได้ดียิ่งขึ้น

ปัญญาประดิษฐ์ยังเป็นเครื่องมือที่แข็งแกร่งสำหรับการปรับเปลี่ยนในแบบของคุณ AI สามารถปรับแต่งอีเมลให้ตรงกับความชอบของแบรนด์ลูกค้าของคุณโดยเฉพาะ โดยใช้ประวัติการซื้อของและโปรไฟล์ผู้บริโภค เครื่องมือนี้ทรงพลังมากจนการสำรวจ Demandbase พบว่า 80% ของนักการตลาดเชื่อว่า AI จะปฏิวัติอุตสาหกรรมการตลาดภายใน 5 ปีข้างหน้า:

แม้ว่านักการตลาดจะเชื่ออย่างมากในพลังของปัญญาประดิษฐ์ แต่พวกเขายังไม่ค่อยแน่ใจว่าจะนำมันไปใช้อย่างไร มีเพียง 26% ของนักการตลาดที่สำรวจโดย Demandbase กล่าวว่าพวกเขามีความเข้าใจเกี่ยวกับ AI อย่างมั่นใจ ลองนึกภาพว่ามีรถสปอร์ตอยู่บนถนนรถแล่นของคุณแต่ไม่เข้าใจวิธีควบคุมรถ นั่นคือขั้นตอนที่นักการตลาดหลายคนกำลังใช้ปัญญาประดิษฐ์

หากนักการตลาดต้องการใช้แมชชีนเลิร์นนิง ปัญญาประดิษฐ์ และเครื่องมืออื่นๆ อย่างมีประสิทธิภาพ สิ่งสำคัญคือพวกเขาต้องรู้ว่าเทรนด์ใดกำลังจะเกิดขึ้นในอนาคต ต่อไปนี้เป็นแนวโน้ม 3 ประการที่ขับเคลื่อนการเปลี่ยนแปลงในการตลาดแบบ B2B

80% ของนักการตลาดเชื่อว่า AI จะปฏิวัติอุตสาหกรรมการตลาดภายใน 5 ปีข้างหน้า

คลิกเพื่อทวีต

3 แนวโน้มข่าวกรองเชิงทำนาย

การวิจัยแสดงให้เห็นว่าระบบอัจฉริยะเชิงคาดการณ์สร้างความผูกพันของพนักงานและมูลค่าตลอดชีวิตของลูกค้าที่สูงขึ้น การศึกษาในปี 2559 จาก Aberdeen Group ระบุว่าการวิเคราะห์เชิงคาดการณ์สามารถเพิ่มอัตรากำไรเฉลี่ยต่อลูกค้าได้เกือบ 5% และมูลค่าตลอดอายุการใช้งานของลูกค้า 10% เมื่อเทียบกับผู้ที่ไม่ใช่ผู้ใช้:

เมื่อมีธุรกิจจำนวนมากขึ้นลงทุนในระบบอัจฉริยะเชิงคาดการณ์ สิ่งสำคัญคือต้องรู้ว่าจะเกิดอะไรขึ้นในอีกหลายปีข้างหน้า

การเพิ่มขึ้นของแชทบอท

แชทบอทกำลังใช้แมชชีนเลิร์นนิงมากขึ้นเรื่อยๆ เพื่อให้ฉลาดขึ้นและให้คำตอบที่ดีขึ้นแก่ลูกค้าเมื่อเวลาผ่านไป ลูกค้าสามารถรับคำตอบสำหรับคำถามเกี่ยวกับผลิตภัณฑ์หรือบริการได้โดยไม่ต้องค้นหาหน้าคำถามที่พบบ่อยหรือโทรศัพท์ให้เสียเวลา

Chatbots ได้กลายเป็นเครื่องมือสำคัญสำหรับธุรกิจที่ต้องการทำให้กระบวนการทำงานอัตโนมัติมากขึ้นและมอบประสบการณ์การใช้งานที่ดีที่สุดเท่าที่จะเป็นไปได้ ในช่วง 6 เดือนแรกของปี 2559 เพียงปีเดียว มีการลงทุน 58 ล้านดอลลาร์ในแชทบอท นอกจากนี้ Gartner คาดการณ์ว่าภายในปี 2020 ลูกค้าแทบจะไม่มีปฏิสัมพันธ์กับองค์กรในระดับมนุษย์ถึงมนุษย์ด้วยซ้ำ:

เทคโนโลยีจะเติบโตเต็มที่อย่างไม่ต้องสงสัย และคำถามที่ลูกค้าถามจะถูกเพิ่มลงในโปรไฟล์ผู้บริโภคของพวกเขา เพื่อสร้างภาพที่ดีขึ้นว่าพวกเขาอยู่ที่ไหนในการเดินทางของลูกค้าและบริการใดที่พวกเขาอาจซื้อ

แอพอัจฉริยะ

แมชชีนเลิร์นนิงจะไม่ได้เป็นเพียงเครื่องมือที่ยักษ์ใหญ่ด้านเทคโนโลยีอย่าง Facebook สามารถหาซื้อได้อีกต่อไป แอพอัจฉริยะจะกลายเป็นกระแสหลักเร็วกว่าที่คุณคิด ในไม่ช้า บริษัทส่วนใหญ่จะใช้แอปที่วิเคราะห์ข้อมูลจำนวนมากอย่างรวดเร็วและเปลี่ยนโปรแกรมตามข้อมูลใหม่ และถ้าคุณไม่เชื่อก็เชื่อเถอะ: ในปี 2559 TechCrunch ได้เรียนรู้ว่า 90% ของสตาร์ทอัพที่พวกเขาพบวางแผนที่จะใช้การเรียนรู้ของเครื่องเพื่อปรับปรุงประสบการณ์ของลูกค้า

นอกจากนี้ยังมีตลาดที่กำลังเติบโตสำหรับอัลกอริทึมที่ขับเคลื่อนแอพอัจฉริยะ อัลกอริทึมเป็นหนึ่งในตลาดดังกล่าว Mashape เป็นอีกหนึ่งตลาดสำหรับ API ที่นักพัฒนาใช้เพื่อสร้างแอปอัจฉริยะ นักการตลาดจะพึ่งพาอัลกอริทึมมากขึ้นเพื่อเรียกใช้แอปอัจฉริยะที่ให้โซลูชันเฉพาะบุคคลแก่ลูกค้า

ตลาดมีความสำคัญเนื่องจากลดแรงเสียดทานในกระบวนการซื้อและขาย ด้วยกระบวนการซื้อที่ง่ายขึ้น นั่นหมายถึงการนำแอปอัจฉริยะและ API ที่ขับเคลื่อนแอปอัจฉริยะไปใช้ได้เร็วขึ้น

ข้อมูลขนาดใหญ่มองเห็นการลงทุนที่เพิ่มขึ้น

การสำรวจจาก DNV GL – Business Assurance พบว่า 76% ขององค์กรทั้งหมดต้องการเพิ่มหรือคงการลงทุนในบิ๊กดาต้าระหว่างนี้จนถึงปี 2019 การสำรวจยังพบว่าองค์กรส่วนใหญ่ทั่วโลกมองว่าบิ๊กดาต้าเป็นโอกาส บริษัทต่างๆ ที่ลงทุนในข้อมูลขนาดใหญ่มากขึ้นกำลังได้รับการปรับปรุงประสิทธิภาพและการตัดสินใจ และธุรกิจต่างๆ ก็เปิดรับข้อมูลขนาดใหญ่เป็นวิธีการรวบรวมและจัดเก็บข้อมูลที่สำคัญเกี่ยวกับลูกค้าของตน:

ด้วยการมุ่งเน้นใหม่เกี่ยวกับแมชชีนเลิร์นนิงและปัญญาประดิษฐ์ ข้อมูลที่ขับเคลื่อนกระบวนการเหล่านี้จึงต้องมาจากที่ไหนสักแห่ง ข้อมูลขนาดใหญ่ช่วยให้เครื่องมือเหล่านี้มีข้อมูลที่จำเป็นในการวาดภาพที่สมบูรณ์ยิ่งขึ้นสำหรับนักการตลาด หากไม่มีข้อมูลจำนวนมาก ความฉลาดเชิงคาดการณ์อาจนำไปสู่ข้อสรุปที่ผิดและชี้นักการตลาดไปในทิศทางที่ผิด นั่นเป็นเหตุผลที่ข้อมูลขนาดใหญ่ต้องได้รับการปลูกฝังควบคู่ไปกับเครื่องมือคาดการณ์

ตัวอย่างข่าวกรองลูกค้าเชิงคาดการณ์

ธุรกิจต่างๆ มีแนวโน้มที่จะใช้การวิเคราะห์เชิงคาดการณ์มากขึ้น แต่ไม่ใช่แค่เทคนิคสำหรับอนาคตเท่านั้น ขณะนี้ บริษัทต่างๆ กำลังใช้เครื่องมือคาดการณ์เพื่อปรับปรุงผลกำไรและมีประสิทธิภาพมากขึ้น

อินไซด์วิว

InsideView เป็นบริษัทด้านการตลาดและการขายที่ต้องการวิธีที่มีประสิทธิภาพมากขึ้นในการตัดสินว่าลูกค้าเป้าหมายรายใดควรค่าแก่การติดตาม ในขณะนั้น InsideView มีตัวแทนฝ่ายขายเพียงสองคน และการพิจารณาว่าลูกค้าเป้าหมายรายใดมีความสำคัญสูงสุดคือ กระบวนการ 18 วัน ที่ยาวนาน ซึ่งเป็นจำนวนที่บริษัทต้องการลดอย่างมาก

จากนั้นพวกเขาหันไปใช้โซลูชันการวิเคราะห์เชิงคาดการณ์ของ SalesPredict เพื่อรับข้อมูลเชิงลึกอัจฉริยะเกี่ยวกับการให้คะแนนลูกค้าเป้าหมาย โซลูชันนี้ใช้สัญญาณหลายพันรายการเพื่อสร้างข้อมูลเชิงลึกเกี่ยวกับความตั้งใจในการซื้อของลูกค้าเป้าหมาย การวิเคราะห์เชิงคาดการณ์ช่วยให้ InsideView สร้างคะแนนสำหรับลูกค้าเป้าหมายแต่ละรายที่รวมอยู่ในระบบอัตโนมัติทางการตลาดที่มีอยู่ของบริษัท

ผลลัพธ์? ขณะนี้ลดขั้นตอนการตรวจสอบคุณสมบัติลูกค้าเป้าหมายของ InsideView เหลือ 2 วัน นอกจากนี้ อัตราการแปลงของพวกเขาเพิ่มขึ้น 25% และบริษัทมีการเติบโต 100% ในไปป์ไลน์การขายที่มีคุณสมบัติเหมาะสม

เซลลูล่าร์สหรัฐ

US Cellular ต้องการเรียนรู้ว่าการเพิ่มประสิทธิภาพเว็บไซต์ใดที่พวกเขาสามารถนำไปใช้เพื่อเพิ่มรายได้ และการดำเนินการแต่ละอย่างมีประสิทธิภาพเพียงใด พวกเขาจ้าง Cardinal Path เพื่อดำเนินการวิเคราะห์ความตั้งใจในการซื้อ (รูปแบบหนึ่งของการวิเคราะห์เชิงคาดการณ์) เพื่อค้นหาว่าการกระทำใดของเว็บไซต์ที่คาดการณ์การซื้อในอนาคตได้มากที่สุด

มีความเชื่อว่าผู้มีโอกาสเป็นลูกค้าที่ใช้ฟีเจอร์เพิ่มสินค้าในรถเข็นหรือตัวระบุตำแหน่งร้านบนเว็บไซต์ของบริษัทเป็นโอกาสในการขายที่มีมูลค่าสูงกว่า Cardinal Path พบว่าผู้มีโอกาสเป็นลูกค้าที่ใช้ฟีเจอร์ “แชทเลย” หรือ “ข้อเสนอพิเศษ” ของ US Cellular มีแนวโน้มที่จะทำการซื้อในอนาคตมากกว่าผู้มีโอกาสเป็นลูกค้าที่ใช้เครื่องระบุตำแหน่งร้านค้า US Cellular ใช้ข้อมูลเชิงลึกเหล่านี้เพื่อมุ่งเน้นไปที่ลีดที่มีคุณสมบัติมากขึ้น ซึ่งส่งผลให้มูลค่าตลอดอายุการใช้งานของลูกค้าเพิ่มขึ้น 61%

คุณจะใช้ประโยชน์จากเทคโนโลยีใด

เทคโนโลยีข่าวกรองธุรกิจเชิงคาดการณ์ เช่น แมชชีนเลิร์นนิงและ AI ไม่ใช่แนวคิดแปลกปลอมที่คุณมองข้ามได้อีกต่อไป พวกเขาอยู่ที่นี่เพื่ออยู่และเปลี่ยนแปลงการตลาดดิจิทัลอย่างที่เรารู้ ทั้งสองอย่างนี้ช่วยให้นักการตลาดสร้างโซลูชันที่ปรับให้เหมาะกับลูกค้าโดยเฉพาะ และการติดตามเทรนด์ที่เกี่ยวข้องจะช่วยให้ธุรกิจของคุณมีประสิทธิภาพมากขึ้นในอนาคต

เริ่มปรับแต่งประสบการณ์หน้า Landing Page ของลูกค้าหลังการคลิก ลงทะเบียนสำหรับการสาธิต Instapage Enterprise วันนี้