營銷的未來就在這裡：預測智能

預測智能聽起來像是科幻電影中的未來工具。 但是今天的營銷人員正在使用該技術在客戶甚至不知道自己想要它之前就提供他們想要的東西。

預測智能工具正在幫助家具零售商 Room & Board 等公司提高利潤並更有效地吸引客戶。 他們實施了 Salesforce 的 Marketing Cloud 技術，該技術分析客戶流量數據和預測分析，以實時向客戶建議額外購買。 結果是令人難以置信的 2900% 投資回報率。

誠然，沒有多少企業會像 Room & Board 一樣取得成功。 但這項技術已經發展得如此之快，以至於營銷人員無法忽視一些新發現——比如一個根據客戶流量模式提供推薦的系統。

為客戶提供個性化體驗繼續證明了積極的投資回報率。 如果您不熟悉這個概念，您應該知道預測智能是什麼以及可用的工具有哪些。

什麼是預測智能？

預測智能有時也稱為預測分析，是一種通過監控客戶行為並建立客戶特定偏好檔案來創建特定個人獨有的客戶體驗的方法。 然後使用此配置文件數據來預測客戶下一步想要什麼。

例如，假設一位在線購物者剛剛購買了一台平板電視。 這些新的智能工具會檢測購買情況，並實時向購物者發送電子郵件，建議購買咖啡桌或電視櫃。 這消除了人類手動考慮客戶個人資料的各個方面的需要，並使營銷更加高效。

它如何改變 B2B 營銷

營銷人員過去常常對潛在客戶進行人工評分，以確定潛在客戶在客戶旅程中所處的階段。 當營銷人員根據他們的分析為某些潛在客戶分配等級或數值時，就會發生人工潛在客戶評分。 例如，如果營銷人員注意到觀看產品演示的潛在客戶轉化率更高的模式，則觀看演示的潛在客戶可能會獲得“A”等級，而未觀看演示的潛在客戶可能會獲得“B”等級。

相反，預測性線索評分使用潛在客戶的行為和過去的購買歷史來確定他們正在尋找什麼以及他們是否甚至想購買。 預測性線索評分使用大數據確定哪些線索最有可能轉化，因此銷售人員可以專注於將為公司提供最大價值的線索。

Lattice Engines 和 Mintigo 是兩家提供基於雲的 B2B 分析服務（如預測性線索評分）的公司。 Lattice Engines 搜索社交網絡、公共數據庫和網頁，並將該信息與內部客戶數據相結合，以幫助企業找到最佳的銷售前景。 DocuSign 使用預測線索評分公司 Lattice Engines 來尋找最有可能轉化的線索。 結果是轉化的可預測性提高了 38%。

Mintigo 通過持續收集招聘趨勢、使用的營銷渠道和安裝的技術等信息，使用人工智能為其預測營銷平台提供動力。 接下來，他們使用此數據來確定哪些 B2B 線索具有最高價值。 然後，它與公司的內部營銷自動化平台相結合，以確定銷售團隊應該將資源集中在哪裡。

顯然，預測智能正在幫助營銷人員更好地洞察客戶行為。 以下是營銷人員用來提高效率的一些工具：

機器學習

2014 年 Forrester Consulting 的一項研究詢問了 121 位受訪者，他們面臨的三大挑戰是什麼。 分別列在第 3 位和第 4 位的是分析來自每次客戶互動的數據流，並應用這些見解來改善客戶體驗：

隨著大數據的不斷發展，營銷人員正在處理越來越大的數據流，人類可能難以管理這些數據流。 機器學習是解決這個問題的方法。 機器學習是系統篩選大量數據以尋找模式，然後根據新信息調整其程序的過程。

Staples 正在使用機器學習以幾種不同的方式收集有關其企業買家偏好的信息：通過他們的網站和他們的 Easy Button 自助購物者，當人們對著它說話時。 這兩者都有助於 Staples 更好地預測他們的購物需求。 隨著時間的推移，隨著購物者對著按鈕說話，機器人會識別客戶的需求並改進其響應。

人工智能

營銷人員面臨的最大問題之一是，他們並不總是獲得能夠讓他們了解完整情況的數據。 人工智能可以在網絡上找到新的數據源，例如新聞故事、社交媒體更新和數據庫。 所有這些額外的數據都有助於營銷人員找到更高質量的線索，並為他們的潛在客戶更好地個性化內容。

人工智能也是個性化的有力工具。 AI 可以使用客戶的購物歷史和消費者資料，專門根據客戶的品牌偏好定制電子郵件。 該工具非常強大，一項 Demandbase 調查發現，80% 的營銷人員認為人工智能將在未來 5 年內徹底改變營銷行業：

儘管營銷人員堅信人工智能的力量，但他們還不太確定如何實施它。 在接受 Demandbase 調查的營銷人員中，只有 26% 的人表示他們對 AI 有非常自信的理解。 想像一下，您的車道上有一輛跑車，但不了解如何操作車輛。 這是許多營銷人員目前使用人工智能所處的階段。

如果營銷人員想要有效地使用機器學習、人工智能和其他工具，那麼他們必須了解即將出現的趨勢。 以下是推動 B2B 營銷變革的三大趨勢。

3 預測智能趨勢

研究表明，預測智能可以提高員工敬業度和客戶生命週期價值。 Aberdeen Group 2016 年的一項研究表明，與非用戶相比，預測分析可以將每位客戶的平均利潤率提高近 5%，並將客戶生命週期價值提高 10%：

隨著越來越多的企業投資於預測智能，了解未來幾年的預期非常重要。

聊天機器人的興起

隨著時間的推移，聊天機器人越來越多地使用機器學習變得更聰明，並為客戶提供更好的答案。 客戶可以獲得有關產品或服務問題的答案，而無需搜索常見問題解答頁面或撥打耗時的電話。

聊天機器人已成為尋求自動化更多流程並儘可能提供最佳用戶體驗的企業的重要工具。 僅 2016 年前 6 個月，就有 5800 萬美元投資於聊天機器人。 此外，Gartner 預測，到 2020 年，客戶幾乎不會在人與人之間與企業互動：

該技術無疑會成熟，客戶提出的問題可能會添加到他們的消費者檔案中，以更好地了解他們在客戶旅程中所處的位置以及他們可能購買的服務。

智能應用

機器學習不再只是像 Facebook 這樣的科技巨頭能夠負擔得起的工具。 智能應用程序將比您想像的更快成為主流。 很快，大多數公司將使用能夠快速分析大量數據並根據新信息更改程序的應用程序。 如果您不相信，請相信：2016 年，TechCrunch 了解到他們遇到的 90% 的初創公司計劃使用機器學習來改善他們的客戶體驗。

支持智能應用程序的算法市場也將不斷增長。 Algorithmia 就是這樣的市場之一。 Mashape 是開發人員用來構建智能應用程序的另一個 API 市場。 營銷人員將越來越依賴算法來運行智能應用程序，為客戶提供個性化解決方案。

市場很重要，因為它們減少了買賣過程中的摩擦。 通過更簡單的購買流程，這意味著可以更快地採用智能應用程序和為其提供支持的 API。

大數據看到投資增加

DNV GL – Business Assurance 的一項調查發現，從現在到 2019 年，76% 的所有組織都希望增加或維持對大數據的投資。該調查還發現，全球大多數企業都將大數據視為機遇。 在大數據上投入更多的公司正在看到效率和決策制定的改進，企業也將大數據作為捕獲和存儲有關客戶的關鍵信息的一種方式：

隨著對機器學習和人工智能的新關注，支持這些過程的數據必須來自某個地方。 大數據為這些工具提供了它們為營銷人員描繪更完整畫面所需的信息。 如果沒有大量數據，預測智能可能會得出錯誤的結論，並將營銷人員引向錯誤的方向。 這就是為什麼大數據必須與預測工具一起培養的原因。

預測性客戶情報示例

企業傾向於更多地使用預測分析。 但這不僅僅是面向未來的技術。 現在，公司正在使用預測工具來提高他們的底線並提高效率。

內部視圖

InsideView 是一家營銷和銷售公司，需要一種更有效的方法來確定哪些潛在客戶值得追求。 當時，InsideView 只有兩名銷售代表，確定哪些入站線索具有最高優先級是一個漫長的18 天過程，該公司希望大幅減少這一數字。

然後，他們求助於 SalesPredict 的預測分析解決方案，以獲得有關潛在客戶評分的智能見解。 該解決方案使用數千個信號來生成有關潛在客戶購買意向的見解。 預測分析使 InsideView 能夠為每個潛在客戶創建一個分數，並將其整合到公司現有的營銷自動化中。

結果？ InsideView 的潛在客戶資格審查流程現已縮短至 2 天。 此外，他們的轉化率提高了 25%，公司的合格銷售渠道增長了 100%。

美國移動電話

US Cellular 希望了解他們可以實施哪些網站優化來增加收入，以及每項行動的效果如何。 他們聘請 Cardinal Path 完成購買意向分析（一種預測分析形式），以發現哪些網站操作最能預測未來的購買。

人們相信使用公司網站上的添加到購物車或商店定位器功能的潛在客戶是更高價值的潛在客戶。 Cardinal Path 發現使用 US Cellular 的“立即聊天”或“優惠”功能的潛在客戶比使用商店定位器的潛在客戶更有可能在未來進行購買。 US Cellular 利用這些見解專注於更多合格的潛在客戶，從而使客戶生命週期價值增加了 61%。

您將利用哪種技術？

機器學習、人工智能等預測性商業智能技術不再是你可以忽視的外來概念。 正如我們所知，他們將留在這裡並改變數字營銷。 兩者都允許營銷人員為客戶創建個性化解決方案，掌握相關趨勢可以幫助您的企業在未來變得更加高效。

開始個性化客戶的點擊後登陸頁面體驗，立即註冊 Instapage Enterprise 演示。