未来的水晶球：以前所未有的方式预测买家行为

了解消费者购买行为对于提升购物体验至关重要。 我们正在谈论在线购物和常规零售。 还有什么更好的？ 预测它。

您知道如何获得如此相关的广告和产品推荐，以至于您无法相信自己的眼睛吗？ 与零售店的个人购物助理类似，先进的人工智能技术可以让您的客户感到惊喜和愉悦。 这几乎就像拥有自己的未来小水晶球，并确切地知道您的购物者今天、明天和以后会想要什么。

那么，怎么可能呢？ 究竟什么是可能的？ 请仔细阅读，找出答案。

• 了解买家
• 预测消费者需求
• 选择正确的数据
  • 购买行为数据
  • 回收产品数据
  • 产品使用数据
• 预测购买行为

了解买家

在我们了解买家行为之前，我们需要对他们是谁有一个基本的了解。 虽然很明显谁在买东西，但有时很难确定您正在与哪些类型的消费者打交道。 有几种不同类型的买家，每一种都有自己的特殊需求。 这就是了解您的买家如此重要的地方。 人工智能 (AI) 使创建算法成为可能，这些算法可以根据所学知识进行学习和决策。 某一组人成为参考组，这些决定成为对学习者的反馈。 然后重复该循环。

如果没有这种深入的分析，你只能求助于有限的决策能力。

虽然亚马逊和苹果等品牌以其人工智能而闻名，但仍有数百家公司在试验和投资人工智能。 从医疗保健公司到零售巨头，每个人都在试图了解是什么让客户购买他们所购买的东西，以及如何更好地为他们服务。

预测消费者需求

安全、个性化和预测是人工智能市场的三大趋势需求，它们占美国人工智能支出的一半以上。 这迫使品牌考虑几十年前的商业模式，如包装商品、每日优惠和优惠券，以及免费演示日和现收现付选项等新模式。

为了满足这些需求，卖家正在提供各种免费和付费服务，试图领先于买家的行为。 目标是帮助客户做出最佳购买决策。

选择正确的数据

每天都有大量数据在品牌和消费者之间流动。 其中一些被转售，一些被共享用于营销目的，还有一些被简单地收集起来以备将来使用。 品牌自己收集这些数据相当容易，但从哪里开始呢？ 您应该收集什么类型的数据？

保持领先地位所需的数据类型因企业而异，但以下是每个品牌都应考虑收集的一些关键部分：

1.购买行为数据

首先，购买行为数据显示消费者是否可能购买您的产品。 这些数据应在客户体验反馈过程中收集。 考虑诸如“如果该产品以所示价格提供，您会购买吗？”之类的问题。 和“从 1 到 10，产品质量对你来说有多重要？” 您甚至可以在社交媒体上询问他们——在 LinkedIn 上创建民意调查并收集有关习惯性购买行为的即时反馈！ 这将帮助您增强营销组合并更好地定位您的消息传递。 毕竟，所有处理的决策都是不同的。

2. 回收产品数据

消费者在打折时可能会购买更多的产品或服务。 更多的冲动购买也在这个时候发生。 社会因素也会影响购买行为——想想假期和各种个人里程碑。

为了抓住这个机会，可以考虑临时促销（现在购买，稍后付款）和/或追加销售（针对特定商品进行促销，超过 $X 的订单免运费）。

3.产品使用数据

想想你的客户会如何使用你的产品。 您甚至可以为您的产品提供替代用途。 是时候发挥创意了！ 还记得小苏打是如何成为每个冰箱的主要空气清新剂的吗？ 或者牙膏是如何成为清洁剂的？ 有很多这样的例子，所以试着为你的产品想出替代用途。

预测购买行为

在聚合（非个性化）高级预测方面，我们看到了一些好的预测。 使用 Prosper Insights 的数据，NRF 经常发布他们对总支出（例如，今年母亲节支出预计将增长 x%）以及类别支出（例如，鲜花预计将增长 y%，糖果下降 z%）的展望. 许多零售商能够准确地预测其连锁店的类别/部门，有时甚至是选择级别的销售。 但是，虽然这些总体上是有帮助的，但它并不能帮助零售商朝着这个圣杯取得进展——按类别预测特定客户的计划支出，最终按属性/选择预测。

高水平的、非个性化的预测显示出一些有希望的结果。 NRF 经常发布其对总支出（例如，今年父亲节支出预计将增长 x%）以及类别支出（例如，手表预计将增长 Y%，而剃须套件将下降 Z%）的预测。 零售商经常准确地预测品类/部门，有时甚至是整个连锁店的选择级别销售。

尽管如此，手动计算概率或构建修剪过的决策树仍然是一个巨大的挑战，有很多未知数。 最后，大多数客户数据库只显示性别和邮政编码。 但我们都知道，正确的定位需要的远不止这些。 对某个目标市场的吸引力不能仅仅依靠这两个因素。

这就是为什么高级预测分析是未来的原因。 在您阅读本文时，我们很高兴能够开发这些功能！ 很快，您将能够以前所未有的方式预测买家行为。 您甚至不必进行任何手动计算。 此外，结果将更加准确和可靠。 因此，请继续关注 Maropost Marketing Cloud 中的新高级分析功能！