Gunakan analitik prediktif bertenaga AI untuk menentukan kapan langkah Anda selanjutnya
gunakan analitik prediktif bertenaga ai untuk menentukan kapan langkah anda

Gunakan analitik prediktif bertenaga AI untuk menentukan kapan langkah Anda selanjutnya


Bahkan di masa yang penuh gejolak, analitik prediktif berdasarkan kecerdasan buatan dapat membantu pemasar melihat peluang apa yang ada di depan mata. Jadi mengapa teknologi ini tidak digunakan oleh lebih banyak CMO? Berbicara pada konferensi MarTech bulan ini, Christopher Bean, Kepala Ilmuwan Data di TrustInsights.ai mendemonstrasikan beberapa cara yang dapat dilakukan oleh tim pemasaran untuk memanfaatkan data mereka secara prediktif. Ini juga melibatkan beberapa rasa gatal di kepala.

“Sekitar dua pertiga CMO mengatakan mereka mengelola saat ini, memadamkan api sekarang, dan hanya sekitar sepertiga yang melihat ke masa depan, bahkan pada saat perencanaan dan kontinjensi sangat penting, selama pandemi global,” kata Benn. , mengutip angka dari survei CMO terbaru Duke University. “Orang tidak, dan alasannya adalah karena banyak alat yang Anda gunakan untuk analitik prediktif ada di kotak alat pemasaran Anda, tetapi perusahaan belum benar-benar menggunakannya.”

Dia menambahkan, “Mengapa? Karena orang belum menemukan cara untuk memanfaatkan hal-hal ini, bagaimana menggunakannya untuk menghemat waktu dan merencanakan masa depan.”

Mulailah dengan memperkirakan deret waktu

Banyak cara pemasar menggunakan analisis prediktif berfokus pada pelanggan. Mereka ingin mencari pelanggan yang lebih mungkin untuk membeli. Dalam upaya meningkatkan efisiensi, pemasar akan mengerahkan upaya dan anggaran mereka untuk melibatkan pelanggan yang memiliki niat lebih besar.

Namun, cara lain untuk menghemat waktu adalah berfokus pada waktu peristiwa atau peluang yang dapat dimanfaatkan pemasar. Strategi ini, yang disebut peramalan deret waktu, juga dapat membantu pemasar menghindari halangan di jalan dan menyelamatkan diri dari sakit kepala.

Dengan memanfaatkan sumber daya data perusahaan Anda yang ada, algoritme dapat mengatur data ke dalam pola, dan kecerdasan buatan membuat wawasan lebih dapat ditindaklanjuti. Dua pola atau tema utama yang diidentifikasi oleh analitik prediktif adalah musiman dan siklus. Mereka adalah fenomena berulang yang dapat dilihat oleh pemasar di cakrawala dan ditindaklanjuti.

“Sesonalitas mencakup hal-hal yang terjadi selama periode waktu tertentu yang bersifat musiman,” kata Benn. Kemudian, ada efek sesuai dengan apa yang terjadi dalam waktu, dan periodisitas adalah siklus itu, ritme itu. Data kami umumnya harus musiman dan umumnya siklus.”

Beberapa pemasar kursus ini sudah tahu dari pengalaman dan data menegaskan hal ini. Misalnya, jika Anda bekerja dalam pemasaran bisnis-ke-bisnis, Anda tidak akan mendapatkan banyak daya tarik dari kampanye di akhir pekan.

Ben berkata, “Jika Anda bekerja di B2C, Anda tahu waktu antara awal November dan 1 Januari, Anda akan bekerja dua shift. Ada musiman untuk itu … tetapi, tergantung pada produknya, kebalikannya mungkin benar. Ini adalah siklus . Jadi, Anda memiliki musim dan siklus dalam data Anda.”

Cukup data dalam kue

Anda juga perlu memiliki sejumlah data untuk mengajarkan algoritme apa yang terjadi di masa lalu, dan cukup sehingga Anda dapat menguji asumsi Anda tentang data tersebut.

“Uji untuk memastikan prediksi Anda akurat, dan kemudian Anda dapat membangun prediksi Anda,” kata Ben. “Jika Anda tidak memiliki cukup data, analitik prediktif cenderung tidak berfungsi. Mengapa itu masalahnya? Nah, pikirkan seperti ini.”

Dia menambahkan, “Jika Anda memanggang kue dengan benar dan Anda hanya membuat kue sekali, Anda tidak akan tahu apa yang bisa terjadi. Dan mungkin tidak ada anomali hari itu ketika Anda membuat kue itu, jadi Anda memiliki jumlah yang sangat terbatas. contoh untuk mengatakan, yah, saya cukup yakin saya tahu cara membuat kue.”

Namun, mengumpulkan data di banyak siklus, seperti memanggang banyak kue, memungkinkan tim pemasaran, serta algoritme yang mereka gunakan, untuk menentukan kapan ada yang salah dalam kue.

“Sebentar lagi kau akan tahu apa yang terjadi,” kata Ben. “Itulah yang Anda butuhkan dengan data analitik prediktif. Anda harus memiliki cukup data untuk mendeteksi dan memperhitungkan saat-saat ketika terjadi kesalahan.”

perilaku prediksi

Untuk mendapatkan gambaran tentang bagaimana pola musiman dan siklus dapat membantu mengantisipasi peluang bisnis Anda, lihat beberapa wawasan yang dapat diperoleh dari istilah penelusuran Google.

Dalam teknologi pemasaran, misalnya, Anda mungkin tertarik dengan pasang surut istilah pencarian “otomatisasi pemasaran”.

“Seberapa sering ini akan terjadi selama sisa tahun ini, dan berapa banyak yang akan benar-benar terjadi?” tanya Ben. “Sekali lagi, Anda dapat melihat pola jigsaw naik dan turun, ini adalah fluktuasi siklus kami. Minggu demi minggu, Anda melihat tertinggi dalam beberapa minggu, terendah dalam beberapa minggu. Dan data ini memungkinkan kami untuk memprediksi masa depan.”

Dia menambahkan, “Jika Anda melakukan pemasaran pencarian atau bahkan pemasaran konten, Anda akan [determine] Minggu mana dalam lima atau enam minggu ke depan di sini atau sepuluh atau dua belas minggu ke depan, minggu mana saya ingin mengeluarkan lebih banyak konten tentang otomatisasi pemasaran? “

Melihat pola sebelumnya, Anda dapat menggunakan perkiraan untuk memilih kapan Anda ingin mengoptimalkan halaman atau menjalankan kampanye.

Itu semua berdasarkan probabilitas matematika, banyak matematika yang dihitung secara massal, dan itu tidak 100% pasti karena hanya dapat memprediksi hal-hal yang telah terjadi sebelumnya atau datang dalam siklus.

Tetapi perkiraan menggunakan analitik prediktif menunjukkan peluang yang akan diminati pemasar, bahkan jika mereka bekerja untuk pesaing Anda.

Tonton presentasi lengkap dari konferensi MarTech di sini (perlu pendaftaran gratis).

Tentang Penulis

Chris Wood memanfaatkan lebih dari 15 tahun pengalaman pelaporan sebagai editor dan jurnalis B2B. Di DMN, ia menjabat sebagai Associate Editor, memberikan analisis orisinal tentang lanskap teknologi pemasaran yang berkembang. Dia mewawancarai para pemimpin di bidang teknologi dan politik, dari Melanie Perkins, CEO Canva, hingga John Chambers, mantan CEO Cisco, dan Vivek Kundra, yang ditunjuk oleh Barack Obama sebagai direktur informasi federal pertama di negara itu. Dia sangat tertarik pada bagaimana teknologi baru, termasuk suara dan blockchain, memengaruhi dunia pemasaran seperti yang kita kenal. Pada 2019, ia menjadi moderator seminar “Theater of Innovation” di Fintech Inn, di Vilnius. Selain liputannya yang berfokus pada pemasaran perdagangan industri seperti Robotika Trends, Modern Brewery Age, dan AdNation News, Wood juga menulis untuk KIRKUS, dan berkontribusi pada fiksi, kritik, dan puisi di beberapa blog buku terkemuka. Ia belajar bahasa Inggris di Fairfield University, dan lahir di Springfield, Massachusetts. Tinggal di New York.



Source link

Leave a Reply

Your email address will not be published. Required fields are marked *