如何使用預測分析進行更好的營銷

預測分析並不可怕，不會令人困惑，也不會取代您的工作。 它是一款強大的工具，可幫助您取得顯著改善的結果。

不確定性阻礙了業務。 這讓投資更難，準備更難，更難知道要關注什麼。

當然，這是人類狀況的一部分。 如果我們知道未來，事情會更容易，對吧？ 至少對於商業而言。

雖然 AI 還不能告訴我們未來，但算法足夠聰明，可以做出預測。 這些預測可能並不完美，但它們至少消除了業務中的一些不確定性。 只要將我們的預測準確度提高 10% 或 20%，每年就可以帶來數百萬至數千萬的額外收入。

對於營銷人員而言，預測分析可以改變遊戲規則。 它可以為我們提供線索，讓我們從最初的廣告印像開始就投資於哪些客戶和潛在客戶。 它可以告訴我們如何更準確地找到客戶，如何找到更好的客戶。

簡而言之，它可以震撼您的營銷。[以下是幾種方法：

預測分析讓您的潛在客戶按照他們的節奏在銷售漏斗中移動

作為營銷人員，我們的核心工作之一是培養潛在客戶——讓全新的潛在客戶通過銷售漏斗的各個階段（也稱為“買家之旅”），直到他們成為客戶。

我們通過發送適時的內容，通過個性化某些內容，通過誘使他們朝著我們的目標邁出一小步來做到這一點。 這些通常被稱為“微轉換”——下載的白皮書。 使用的在線計算器。 安排了演示。

你們中的大多數人都非常熟悉這個過程。 畢竟這是你的工作。

嗯，預測分析可以讓你外包一些工作。 通過分析數万（甚至數百萬）的潛在客戶行為，它可以估計每個潛在客戶何時最有可能完成這些微小的微轉換之一。

換句話說，它比你更有效地讓人們通過銷售渠道。

不要讓這種能力讓您擔心失去工作——您還有很多工作要做。 但是，就像在您的郵件列表（例如 gmial.com 到 gmail.com）中手動重新格式化拼寫錯誤不是很好地利用您的時間一樣，對每個潛在客戶進行評估也不是很好地利用您的時間，因為他們通過銷售漏斗。

只為 100 個潛在客戶做這件事可能會佔用你一整天的時間。 所以我們讓預測分析的算法來做。 當你去確保你的團隊成員工作良好（例如），並去確保 IT 了解你的新應用程序的需求，以及......。 你明白了。 當你去的時候做你剩下的工作。

預測需求

通過利用混合的數據源（過去的銷售、當前的經濟狀況、媒體報導、社交媒體活動等），算法可以對哪些產品何時會有需求做出有根據的猜測。

營銷人員可以使用這兩種方式：

• 提升已經在工作的東西。

如果系統預測藍色毛絨拖鞋的銷量會大幅上升（例如），營銷人員可以生成內容和廣告來推銷拖鞋。 他們可以將產品在正確的時間放置在正確的位置以捕捉需求。

• 響應庫存問題。

如果預測對毛絨拖鞋有需求，但沒有足夠的庫存來滿足訂單，則營銷人員有一些選擇。 他們可以提高這些拖鞋的價格，從而從他們現有的庫存中獲得更高的利潤。 或者，他們可以讓最好的客戶有機會先購買這些毛絨拖鞋。

這只是提前了解需求可以幫助營銷人員更好地完成工作的兩種方式。 可以把它想像成需求生成的天氣預報。

尋找相似買家

如果你做過廣告，你就會知道相似受眾的概念。 這些人目前不是客戶或潛在客戶，但他們符合您最佳客戶的許多特徵。

通過選擇最佳客戶的正確屬性，您可以要求廣告平台（例如 Facebook）尋找符合您參數的人，然後向他們展示您的廣告。

訣竅是選擇正確的參數。 基本的人口統計數據可能不足以定義會為您的廣告瘋狂的受眾。

這就是預測分析的用武之地。通過分析成百上千的最佳客戶屬性，預測分析系統可以創建比人類有時間定義的任何內容都更詳細的配置文件。

因此，該算法可以選擇向哪些相似的受眾投放廣告。 它還可能負責創建您將向這個 AI 選擇的組展示的廣告。 它甚至可以為您個性化這些廣告。

請記住——一旦預測分析算法知道如何挑選受眾、製作廣告並對其進行個性化設置，它就可以以計算機速度放大這些工作。 它處理任何其他數據的速度相同。 這比我們人類工作的點擊……鍵入……點擊……雙擊速度要快得多。

想要證明這有多好嗎？ 得益於預測分析，一家哈雷戴維森經銷商在三個月內將其領先優勢增加了 2,930%。 這些線索中有一半來自經銷商之前從未考慮過接觸的相似受眾。 但是人工智能知道在哪裡可以找到它們。

提供最優惠的價格

我們中的一些人不會非常喜歡這種策略。 它有一種鬼鬼祟祟的味道，甚至有點低俗。 但是，唉——它起作用了。

因為算法非常了解我們，以及我們如何回應我們正在搜索的廣告、優惠和產品，所以它們知道我們會回應不同的價格點。 因此，他們可以為不同的客戶提供不同的價格。

如果這讓你覺得不公平，我明白了。 我們中的一些人也對這種方法有點冷淡。 但營銷人員實際上已經這樣做了至少十年； 他們只是在更簡單的層面上做這件事。 目錄公司過去常常為不同郵政編碼的人打印不同的價格。 最近，航空公司和旅遊網站完善了這項技術。

它是這樣運作的：如果你住在一個超高收入的郵政編碼區，一個特定的聖誕花環的價格可能是 175 美元。 如果您住在收入較低的郵政編碼區，則花圈價格為 125 美元。

當然，這會削減公司的利潤。 但如果他們以更低的價格仍然做得足夠好，那就是勝利。 他們也從銷售中獲益。 一旦您成為客戶，他們就可以更準確、更成功地向您推銷產品。

對於很多公司來說，即使他們在第一筆訂單上損失了一點，他們有足夠完善的營銷系統，可以在你再次購買時彌補損失。

創建更精細的客戶角色

這種策略類似於分段，但它更像是分段 10.0。 您將根據您獲得的每個數據點對您的客戶和潛在客戶進行細分——好吧，您不會那樣做，預測分析算法會那樣做。

當人類營銷人員創建角色時，我們往往不得不堅持使用 3-5 個關鍵角色。 為每個微小的實例創建一個角色實在是太費工夫和時間了。 當然，我們會盡力而為，但在某些時候，您必須回家睡覺，並且必須解決工作中的其他要求。

所以你選擇了構成最大收入的角色，你構建了內容和買家的旅程，盡可能滿足他們的需求，你稱之為足夠好。

那真是太好了。 這比一視同仁要好得多，這是肯定的。 這種級別的細分和人物角色很有效——只要區別對待這些群體，你就會多獲得 50-300% 的結果。

但與 AI 驅動的預測分析程序所能做的相比，這簡直是兒戲。 AI 可以處理數據的每個元素——TB 和 PB 級的數據——以找到不同角色類型的“集群”。 它將看到客戶和潛在客戶之間的相似性，除非我們有比我們更多的時間和注意力，否則人類是看不到的。

然後，人工智能可以在他們最有可能響應的時候，通過他們喜歡的渠道，用他們最喜歡的內容來滿足這些集群的需求。

結果？ 顯著增加的潛在客戶數量、更好的潛在客戶以及更快地通過銷售渠道的潛在客戶。

結論

我們僅僅觸及了預測分析可以為營銷人員做些什麼的皮毛。 這篇文章可以很容易地擴展成一本書。

但是我們已經涵蓋了足夠多的內容來向您展示什麼是可能的。 希望足以證明預測分析不會搶走您的工作。

只需將人工智能和預測分析視為計算機 2.0​​。 它們是管理您的企業每小時積累的海量數據的強大工具。

預測分析和人工智能只是比電子表格更好的工具，甚至是好的 CRM 和內容管理系統。 將那些舊系統想像成一把鏟子，甚至可能是一把鐵鍬。 人工智能和預測分析更像是挖掘機和採礦設備。

營銷人員現在可以玩大玩具了。