Daha İyi Pazarlama İçin Tahmine Dayalı Analitik Nasıl Kullanılır?

Tahmine dayalı analitik korkutucu değil, kafa karıştırıcı değil ve işinizi elinizden almak için burada değil. Önemli ölçüde daha iyi sonuçlar elde etmenize yardımcı olacak bir elektrikli alettir.

Belirsizlik işi sıkıştırır. Yatırım yapmayı, hazırlanmayı, neye odaklanılacağını bilmeyi zorlaştırıyor.

Bu, elbette, insanlık durumunun bir parçasıdır. Geleceği bilseydik işler daha kolay olurdu değil mi? En azından iş için.

AI bize geleceği (henüz) söyleyemese de, algoritmalar tahminlerde bulunacak kadar akıllıdır. Bu tahminler mükemmel olmayabilir, ancak iş dünyasındaki belirsizliğin en azından bir kısmını ortadan kaldırır. Tahminlerimizle sadece %10 veya %20 daha doğru olmak, her yıl milyonlarca ila on milyonlarca ekstra gelirle sonuçlanabilir.

Pazarlamacılar için tahmine dayalı analitik oyunun kurallarını değiştirebilir. İlk reklam izleniminden itibaren hangi müşterilere ve potansiyel müşterilere yatırım yapacağımız konusunda bize ipuçları verebilir. Bize müşterileri nasıl daha doğru bulacağımızı ve nasıl daha iyi müşteriler bulacağımızı gösterebilir.

Kısacası, pazarlamanızı sarsabilir.[İşte bunun birkaç yolu:

Tahmine dayalı analitik, potansiyel müşterilerinizin satış hunisinde kendi hızlarında ilerlemelerini sağlar

Pazarlamacılar olarak temel işlerimizden biri, yeni potansiyel müşterileri müşteri olana kadar satış hunisinin çeşitli aşamalarından ("alıcının yolculuğu" olarak da bilinir) ilerleterek liderlik etmektir.

Bunu, iyi zamanlanmış içerik göndererek, bu içeriğin bir kısmını kişiselleştirerek ve onları hedefimize doğru küçük adımlar atmaya ikna ederek yapıyoruz. Bunlar genellikle "mikro dönüşümler" olarak bilinir - indirilen bir teknik inceleme. Kullanılan çevrimiçi bir hesap makinesi. Planlanmış bir demo.

Çoğunuz bu sürece fazlasıyla aşinasınız. Sonuçta bu senin işin.

Tahmine dayalı analitik, bu işlerin bir kısmını dışarıdan temin etmenize izin verebilir. On binlerce (hatta milyonlarca) potansiyel eylemi analiz ederek, her bir potansiyel müşterinin bu küçük mikro dönüşümlerden birini tamamlama olasılığının en yüksek olduğu zamanı tahmin edebilir.

Başka bir deyişle, insanları satış hunisinden sizden daha etkili bir şekilde geçirir.

Bu yeteneğin sizi işinizi kaybetme konusunda endişelendirmesine izin vermeyin - daha yapacak çok işiniz var. Ancak, posta listenizdeki (örneğin gmial.com'dan gmail.com'a) yazım hatalarını manuel olarak yeniden biçimlendirmek için zamanınızı iyi kullanmadığınız gibi, her bir potansiyel müşteri üzerinde bir değerlendirme yapmak da zamanınızı iyi bir şekilde kullanmaz. satış hunisinde ilerleyin.

Bunu sadece 100 olası müşteri için yapmak pekala tüm gününüzü alabilir. Bu nedenle, bunu tahmine dayalı analitik algoritmalarının yapmasına izin veriyoruz. Bu sırada ekip üyelerinizin (örneğin) iyi çalıştığından emin olun ve BT'nin yeni uygulamanızın gereksinimlerini anladığından emin olun ve…. Kaptın bu işi. Siz giderken işinizin geri kalanını yapın.

Talebi tahmin etmek

Algoritmalar, veri akışlarının (geçmiş satışlar, mevcut ekonomik koşullar, medya kapsamı, sosyal medya etkinliği ve daha fazlası) bir karışımından yararlanarak, hangi ürünlerin ne zaman talep edileceği konusunda oldukça eğitimli bir tahminde bulunabilir.

Pazarlamacılar bunu iki şekilde kullanabilir:

• Zaten çalışan olanı artırın.

Sistem mavi tüylü terliklerde büyük bir artış öngörürse (örneğin), pazarlamacılar terlikleri itmek için içerik ve reklam üretebilir. Talebi yakalamak için ürünlerini doğru zamanda doğru yerde olacak şekilde konumlandırabilirler.

• Envanter sorunlarına yanıt verin.

Tüylü terlikler için tahmini bir talep varsa, ancak siparişleri karşılamak için yeterli envanter yoksa, pazarlamacının bazı seçenekleri vardır. Bu terliklerin fiyatını artırabilirler, böylece sahip oldukları envanterden daha yüksek bir marj elde edebilirler. Ya da en iyi müşterilerine önce o tüylü terlikleri alma fırsatı verebilirler.

Bu, talebi önceden bilmenin pazarlamacılara işlerini daha iyi yapmalarına yardımcı olabilecek iki yoldan sadece iki tanesidir. Talep oluşturma için bir hava durumu raporu gibi düşünün.

Benzer alıcılar bulun

Daha önce herhangi bir reklam yaptıysanız, benzer kitleler fikrini bilirsiniz. Bunlar, şu anda müşteri veya potansiyel müşteri olmayan kişilerdir, ancak en iyi müşterilerinizin birçok özelliğiyle eşleşirler.

En iyi müşterilerinizin doğru özelliklerini seçerek, bir reklam platformundan (örneğin Facebook gibi) parametrelerinize uyan kişileri bulmasını ve ardından reklamlarınızı onlara göstermesini isteyebilirsiniz.

İşin püf noktası doğru parametreleri seçmektir. Temel demografik bilgiler, reklamlarınız için çıldıracak bir kitleyi tanımlamak için yeterli olmayabilir.

Tahmine dayalı analitiğin devreye girdiği yer burasıdır. En iyi müşterilerinizle ilgili yüzlerce, hatta binlerce özelliği analiz edebilen tahmine dayalı analitik sistemi, bir insan olarak sizin tanımlamaya zaman ayırabileceğiniz her şeyden daha ayrıntılı bir profil oluşturabilir.

Ve böylece algoritma, hangi benzer hedef kitleye reklam vereceğini seçiyor. Ayrıca, yapay zeka tarafından seçilen bu gruba göstereceğiniz reklamları oluşturmakla da görevlendirilebilir. Hatta bu reklamları sizin için kişiselleştirebilir.

Tahmine dayalı analitik algoritması hedef kitleyi nasıl seçeceğini, reklamları nasıl hazırlayacağını ve kişiselleştireceğini öğrendiğinde, bu işi bilgisayar hızında yakınlaştırabilir. Aynı hızda diğer verileri işler. Bu, biz insanların üzerinde çalıştığımız tıklama... tip... tıklama... çift tıklama hızından çok daha hızlı.

Bunun ne kadar iyi çalıştığına dair kanıt ister misin? Bir Harley Davidson bayisi, tahmine dayalı analitik sayesinde liderlerini üç ayda %2.930 artırdı. Bu müşteri adaylarının yarısı, bayinin daha önce ulaşmayı hiç düşünmediği, birbirine benzeyen hedef kitlelerden geldi. Ancak yapay zeka onları nerede bulacağını biliyordu.

En güzel fiyatı sunuyor

Bazılarımız bu taktikten pek hoşlanmayacak. Sinsi, hatta biraz kalitesiz olmanın bir kokusu var. Ama ne yazık ki - işe yarıyor.

Algoritmalar hakkımızda ve aradığımız reklamlara, tekliflere ve ürünlere nasıl yanıt verdiğimiz hakkında çok şey bildiğinden, farklı fiyat noktalarına yanıt verdiğimizi biliyorlar. Ve böylece farklı müşterilere farklı fiyatlar sunabilirler.

Bu size haksızlık olarak geliyorsa, anlıyorum. Bazılarımız da bu yaklaşıma biraz soğuk davranıyoruz. Ancak pazarlamacılar bunu aslında en az on yıldır yapıyor; sadece daha basit bir düzeyde yapıyorlardı. Katalog şirketleri eskiden farklı posta kodlarındaki kişiler için farklı fiyatlar basarlardı. Daha yakın zamanlarda, havayolları ve seyahat web siteleri tekniği mükemmelleştirdi.

İşte böyle çalışır: Çok yüksek gelirli bir posta kodunda yaşıyorsanız, belirli bir Noel çelenginin fiyatı 175 $ olabilir. Daha düşük gelirli bir posta kodunda yaşıyorsanız, çelenk 125 dolar olur.

Tabii ki, bu şirketin yaptığı marjları azaltır. Ancak, daha düşük fiyata bile yeterince iyi performans gösteriyorlarsa, bu bir kazançtır. Ayrıca satış yapma avantajını da elde ediyorlar. Müşteri olduğunuzda, size daha doğru ve başarılı bir şekilde pazarlama yapabilirler.

Pek çok şirket için, ilk siparişte biraz kaybetseler bile, daha sonra tekrar satın aldığınızda kaybı telafi edecek kadar sofistike bir pazarlama sistemleri var.

Çok daha rafine müşteri kişilikleri yaratın

Bu taktik, bölümlere ayırmaya benzer, ancak daha çok 10.0'ı bölümlere ayırmaya benzer. Sahip olduğunuz her veri noktasına göre müşterilerinizi ve potansiyel müşterilerinizi bölümlere ayıracaksınız - bunu siz yapmayacaksınız, tahmine dayalı analitik algoritması bunu yapacak.

İnsan pazarlamacılar kişiler oluşturduğunda, 3-5 anahtar kişiye bağlı kalma eğilimindeyiz. Her küçük örnek için bir kişilik yaratmak için çok fazla iş ve zaman var. Elbette elimizden gelenin en iyisini yapıyoruz, ancak bir noktada uyumak için eve gitmeniz ve işinizin diğer taleplerini yerine getirmeniz gerekiyor.

Böylece, en büyük gelir yığınını oluşturan karakterleri seçersiniz, ihtiyaçlarını olabildiğince en iyi şekilde karşılayan içerik ve bir alıcı yolculuğu oluşturursunuz ve buna yeterince iyi dersiniz.

Ve bu oldukça iyi. Herkese aynı şekilde davranmaktan çok daha iyi, orası kesin. Ve bu düzeyde segmentasyon ve kişiler işe yarar – sadece bu gruplara farklı davranarak %50-300 daha fazla sonuç alırsınız.

Ancak yapay zeka güdümlü bir tahmine dayalı analitik programının yapabilecekleriyle karşılaştırıldığında, bu çocuk oyuncağı. Yapay zeka, farklı kişilik türlerinin "kümelerini" bulmak için terabaytlarca ve petabaytlarca verinin her öğesini inceleyebilir. Müşteriler ve potansiyel müşteriler arasında, bizden çok daha fazla zamanımız ve odaklanmamız olmadığı sürece insanların göremeyeceği benzerlikler görecek.

Yapay zeka daha sonra, yanıt verme olasılıklarının en yüksek olduğu zamanlarda tercih ettikleri kanallar aracılığıyla en çok beğenecekleri içerikle bu kümelerin ihtiyaçlarını karşılayabilir.

Sonuç? Önemli ölçüde daha yüksek sayıda müşteri adayı, daha iyi müşteri adayı ve satış hunisinden daha hızlı geçen müşteri adayları.

Çözüm

Tahmine dayalı analitiğin pazarlamacılar için neler yapabileceğinin henüz yüzeyini çizdik. Bu gönderi kolayca bir kitap haline getirilebilir.

Ancak size neyin mümkün olduğunu gösterecek kadar konuyu ele aldık. Ve tahmine dayalı analitiğin işinizi çalmaya çalışmadığını gösterecek kadar umutluyuz.

Yapay zekayı ve tahmine dayalı analitiği bilgisayarlar 2.0 olarak düşünün. İşletmenizin her saat biriktirdiği veri dağlarını yönetmek için güçlü bir araçtır.

Tahmine dayalı analitik ve yapay zeka, elektronik tablolardan ve hatta iyi CRM'lerden ve içerik yönetim sistemlerinden daha iyi araçlardır. Bu eski sistemleri bir kürek, hatta belki bir kürek gibi düşünün. Yapay zeka ve tahmine dayalı analitik, daha çok beko ve madencilik ekipmanı gibidir.

Pazarlamacılar artık büyük oyuncaklarla oynamaya başlıyor.