未來的水晶球：以前所未有的方式預測買家行為

了解消費者購買行為對於提升購物體驗至關重要。 我們正在談論在線購物和常規零售。 還有什麼更好的？ 預測它。

您知道如何獲得如此相關的廣告和產品推薦，以至於您無法相信自己的眼睛嗎？ 與零售店的個人購物助理類似，先進的人工智能技術可以讓您的客戶感到驚喜和愉悅。 這幾乎就像擁有自己的未來小水晶球，並確切地知道您的購物者今天、明天和以後會想要什麼。

那麼，怎麼可能呢？ 究竟什麼是可能的？ 請仔細閱讀，找出答案。

• 了解買家
• 預測消費者需求
• 選擇正確的數據
  • 購買行為數據
  • 回收產品數據
  • 產品使用數據
• 預測購買行為

了解買家

在我們了解買家行為之前，我們需要對他們是誰有一個基本的了解。 雖然很明顯誰在買東西，但有時很難確定您正在與哪些類型的消費者打交道。 有幾種不同類型的買家，每一種都有自己的特殊需求。 這就是了解您的買家如此重要的地方。 人工智能 (AI) 使創建算法成為可能，這些算法可以根據所學知識進行學習和決策。 某一組人成為參考組，這些決定成為對學習者的反饋。 然後重複該循環。

如果沒有這種深入的分析，你只能求助於有限的決策能力。

雖然亞馬遜和蘋果等品牌以其人工智能而聞名，但仍有數百家公司在試驗和投資人工智能。 從醫療保健公司到零售巨頭，每個人都在試圖了解是什麼讓客戶購買他們所購買的東西，以及如何更好地為他們服務。

預測消費者需求

安全、個性化和預測是人工智能市場的三大趨勢需求，它們占美國人工智能支出的一半以上。 這迫使品牌考慮幾十年前的商業模式，如包裝商品、每日優惠和優惠券，以及免費演示日和現收現付選項等新模式。

為了滿足這些需求，賣家正在提供各種免費和付費服務，試圖領先於買家的行為。 目標是幫助客戶做出最佳購買決策。

選擇正確的數據

每天都有大量數據在品牌和消費者之間流動。 其中一些被轉售，一些被共享用於營銷目的，還有一些被簡單地收集起來以備將來使用。 品牌自己收集這些數據相當容易，但從哪裡開始呢？ 您應該收集什麼類型的數據？

保持領先地位所需的數據類型因企業而異，但以下是每個品牌都應考慮收集的一些關鍵部分：

1.購買行為數據

首先，購買行為數據顯示消費者是否可能購買您的產品。 這些數據應在客戶體驗反饋過程中收集。 考慮諸如“如果該產品以所示價格提供，您會購買嗎？”之類的問題。 和“從 1 到 10，產品質量對你來說有多重要？” 您甚至可以在社交媒體上詢問他們——在 LinkedIn 上創建民意調查並收集有關習慣性購買行為的即時反饋！ 這將幫助您增強營銷組合併更好地定位您的消息傳遞。 畢竟，所有處理的決策都是不同的。

2. 回收產品數據

消費者在打折時可能會購買更多的產品或服務。 更多的衝動購買也在這個時候發生。 社會因素也會影響購買行為——想想假期和各種個人里程碑。

為了抓住這個機會，可以考慮臨時促銷（現在購買，稍後付款）和/或追加銷售（針對特定商品進行促銷，超過 $X 的訂單免運費）。

3.產品使用數據

想想你的客戶會如何使用你的產品。 您甚至可以為您的產品提供替代用途。 是時候發揮創意了！ 還記得小蘇打是如何成為每個冰箱的主要空氣清新劑的嗎？ 或者牙膏是如何成為清潔劑的？ 有很多這樣的例子，所以試著為你的產品想出替代用途。

預測購買行為

在聚合（非個性化）高級預測方面，我們看到了一些好的預測。 使用 Prosper Insights 的數據，NRF 經常發布他們對總支出（例如，今年母親節支出預計將增長 x%）以及類別支出（例如，鮮花預計將增長 y%，糖果下降 z%）的展望. 許多零售商能夠準確地預測其連鎖店的類別/部門，有時甚至是選擇級別的銷售。 但是，雖然這些總體上是有幫助的，但它並不能幫助零售商朝著這個聖杯取得進展——按類別預測特定客戶的計劃支出，最終按屬性/選擇預測。

高水平的、非個性化的預測顯示出一些有希望的結果。 NRF 經常發布其對總支出（例如，今年父親節支出預計將增加 x%）以及類別支出（例如，手錶預計將增加 Y%，剃須套件將減少 Z%）的預測。 零售商經常準確地預測品類/部門，有時甚至是整個連鎖店的選擇級別銷售。

儘管如此，手動計算概率或構建修剪過的決策樹仍然是一個巨大的挑戰，有很多未知數。 最後，大多數客戶數據庫只顯示性別和郵政編碼。 但我們都知道，正確的定位需要的遠不止這些。 對某個目標市場的吸引力不能僅僅依靠這兩個因素。

這就是為什麼高級預測分析是未來的原因。 在您閱讀本文時，我們很高興能夠開發這些功能！ 很快，您將能夠以前所未有的方式預測買家行為。 您甚至不必進行任何手動計算。 此外，結果將更加準確和可靠。 因此，請繼續關注 Maropost Marketing Cloud 中的新高級分析功能！