预测分析营销-什么是可能的，它是如何工作的| EmerjgydF4y2Ba - 万博x官网,msports万博体育官网,万博官方软件

市场预测分析早在几年前就被采用了——只要计算能力更普遍，数据更容易获取，软件更容易使用。如今，经过近30年的回溯式营销追踪，“预测分析”本身几乎成了一个时髦词。gydF4y2Ba

今天，在Lotus Software创建30多年后，即使是中型企业也经常在谷歌表或One Drive中运行它们的营销“记分板”……“把它扔进电子表格”仍然有效。gydF4y2Ba

但是，随着对未来的眼睛商家想知道比过去刚刚发生的事情更多。“记分牌”（大多数分析工具和跟踪）不告诉你将比分什么。我们的一些最近“的gydF4y2Ba人工智能营销gydF4y2Ba文章之所以能够获得读者，是因为越来越多的高管正在寻找方法，用数字来展望未来，而不仅仅是回顾过去。gydF4y2BaSASgydF4y2Ba很好地定义了这个术语:gydF4y2Ba

预测分析是利用数据，统计算法和机器学习技术来识别基于历史数据对未来结果的可能性。我们的目标是超越知道发生了什么事提供的将来会发生什么最好的评价。gydF4y2Ba

在这篇文章中，我们的目标是突出一些最有前途的预测分析营销应用，并阐明机器学习和人工智能在预测分析工具的出现中的作用。gydF4y2Ba

执行摘要类文章的目标将包括以下内容：gydF4y2Ba

市场营销和广告预测分析的应用现状gydF4y2Ba
数据和机器学习的作用gydF4y2Ba
在预测分析现有的市场调研gydF4y2Ba
著名的供应商和服务提供商在捕食分析gydF4y2Ba
相关访谈及文章gydF4y2Ba

The goal with this article isn’t to give you an in-depth look at all of the use cases and science behind the innovations in predictive analytics, but rather to give you a grounding in its fundamental use cases – along with a bit of insight as to how the technology works. We’ll begin with some modern applications worth noting:

五当前预测分析应用市场营销gydF4y2Ba

虽然完整的列表(和子列表)可能会推断出20个或更多的个人用例，但我们已经强调了当前市场营销人员应该熟悉的5个预测分析应用:gydF4y2Ba

1 -客户行为预测建模gydF4y2Ba

预测客户的行为和偏好是像亚马逊和eBay公司的标志（见我们的eBay机器学习的采访在这里），但该技术正变得越来越方便和相关的小公司也是如此。gydF4y2Ba

建立预测模型的完整目录将是一个广泛而复杂的过程，但也有一些是在营销领域应用以及相对简单的模型类型。位于硅谷的预测营销公司gydF4y2BaAgilOnegydF4y2Ba确定了三个主要的类别预测模型：gydF4y2Ba

集群模式（段）gydF4y2Ba- 用于客户细分;基于各种变量，一切从人口平均订单总额算法细分目标群体。常见的集群模型包括行为聚类，基于产品集群（也称为类基于集群），以及品牌的聚类。gydF4y2Ba
倾向模型(预测)gydF4y2Ba- 用于提供有关客户行为的“真”的预测。常用型号有预测终身价值;接合的可能性;倾向退订;转化倾向;购买倾向;和倾向流失。gydF4y2Ba
协同过滤(建议)gydF4y2Ba- 用于推荐产品，服务和广告基于各种变量，包括过去的购买行为的客户。常用型号（像亚马逊和Netflix使用）包括向上销售，交叉销售，以及未来销售的建议。gydF4y2Ba

回归分析gydF4y2Ba各种形式的是，企业使用预测性分析的主要工具。定义简单来说，一位分析师进行回归分析客户的具体变量与购买特定产品的之间的相关性斑点强度;然后就可以利用“回归系数”（即，到每个变量影响购买行为程度），并创建用于将来购买的可能性的得分。gydF4y2Ba

结果对预测模型是，像许多预测分析方法，高度依赖于专有的数据，但有几个常见的方式，这些信息可以转化为结果，在接下来的四个应用程序概述。gydF4y2Ba

一位来自Tableau的案例研究文件具体的例子：gydF4y2Ba阿拜的跟踪，发现在销售增长gydF4y2Ba在装修的商店位置，从而在次年的5倍以上店面重塑。gydF4y2Ba

2 -确定并优先考虑潜在客户gydF4y2Ba

最近gydF4y2BaForrester发布的研究报告gydF4y2Ba确定了三类B2B营销使用案例，反映早期预测的成功，并为更复杂的使用预测性营销分析的基础：gydF4y2Ba

预测ScoringydF4y2BaggydF4y2Ba：gydF4y2Ba优先知名前景，潜在客户，并根据他们的可能性帐户采取行动。gydF4y2Ba
识别模型gydF4y2Ba：gydF4y2Ba识别和获取与现有客户相似的潜在客户。gydF4y2Ba
自动分割gydF4y2Ba：gydF4y2Ba细分的个性化消息的线索。gydF4y2Ba

上述所有关心和资格优先线索，这样做的基础工作准备团队应用下面的策略。销售人员谁也最有可能导致优先购买（或最有可能推动销售特定下一步）将是一个更好的位置接近更频繁。gydF4y2Ba

应当指出的是，虽然预测的营销能力将成为初创企业和小企业越来越多的访问，这些技术要求，以建立一个高销售量和充分培训的预测模型。而即使是很小的公司可以带动数十亿的点击和低客票电子商务产品的销售，约觌销售数据的展示或上百万更难较小或较新的公司累加。这可能使大公司的青睐的成功产生从涉及销售数据的技术投资回报。gydF4y2Ba

将正确的产品/服务推向市场gydF4y2Ba

数据可视化gydF4y2Ba是一个有价值的工具，它不仅吸引眼球，而且可以根据客户行为(和其他业务信息)来通知、激励和指导操作。gydF4y2Ba

例如，砖和砂浆的营销团队可能会使用所有可用的客户，使信息数据为基础在决定哪些产品和服务是最好的推向市场。通过使用数据可视化，以显示哪些类型的客户住在一个商店的附近，团队可以在重要的指导性问题磨练：他们购买更多的硬商品或软？是否有年龄范围的密度显示了应该被放养？是否期望的产品化妆变化，你从竞争对手的位置移向或离开？gydF4y2Ba

这类信息也可以与整个供应链管理策略相联系。gydF4y2Ba

对于这个话题感兴趣特别是在读者，我们已经在两个特定用例之前写入gydF4y2Ba机器学习和数据可视化的业务环境gydF4y2Ba。gydF4y2Ba

在正确的时间用正确的内容瞄准正确的客户gydF4y2Ba

瞄准正确的客户提供最好的报价链接适当的时候回客户细分。这可能是预测分析最常见的上市申请，因为“简单”，最直接的方式了一个优化营销报价，看到更好的投资回报率快速周转。gydF4y2Ba

据Aberdeen集团的研究报告，gydF4y2Ba预测分析用户的两倍，可能识别高价值客户gydF4y2Ba然后推销正确的报价。您的数据集很重要，最佳实践规定使用现有客户行为的历史数据来细分和目标，并使用相同的数据来创建个性化的消息。gydF4y2Ba

一系列的gydF4y2Ba预测分析模型gydF4y2Bacan be used in this application, including affinity analysis, response modeling, and churn analysis, all of which can, for example, tell you whether it’s a good idea to combine digital and print subscriptions or keep them separate, or help you determine content that should be charged a subscription fee versus content that should be given a one-time sales price or other structure.

许多厂商一样，gydF4y2Ba销售队伍gydF4y2Ba该公司正在提供一个营销云平台，通过这个平台，营销团队可以通过整合从CRM到离线数据等多种渠道的数据来建立受众档案。向系统提供适当的数据并随时间跟踪行为，可以构建一个行为模型，允许团队在长期内实时地做出基于数据的决策。gydF4y2Ba

5 -推动基于预测分析的营销策略gydF4y2Ba

除了上述那些，在市场预测分析等钻孔向下用途包括：gydF4y2Ba

访问内部结构化数据gydF4y2Ba
访问社交媒体数据gydF4y2Ba
对客户数据应用行为评分gydF4y2Ba

预测分析，得到的见解，以应付“信道扩散和改变购买行为”的有效工具;上述所有可以使用的应用程序，以确定通过社交媒体营销活动是否会产生较大的影响，还是一个通过手机更适合目标受众。gydF4y2Ba

应用于社交媒体数据的文本分析和情感分析是另一个获得洞见的例子，这些洞见可用于帮助推动营销活动和未来的产品创造。gydF4y2Ba

为什么现在？数据和机器学习中的作用gydF4y2Ba

虽然预测分析的初步应用，可以说是机领域学习本身，预测分析作为一个字段（当然作为风险投资的一个重点）几乎和老遵循基于ML技术之后的浓厚兴趣gydF4y2Ba杰弗里·辛顿博士gydF4y2Ba的2012年ImageNet图像识别大赛著名的胜利。欣顿和他的研究团队很快就从多伦多大学到谷歌雇用，竞赛运用先进的统计模型来处理数据（学习机）开始它是在商业世界的知名度超光速推进。gydF4y2Ba

类似地，因为几乎所有现有的企业都在数字空间中运行着大量的it功能(财务、营销、销售、客户关系、供应商数据、招聘等)，所以现在的数据可以以前所未有的方式进行聚合和访问。现在，即使是一个年营收只有80万美元的两个人电子商务小公司，也有更多的营销数据需要操纵和探索(有机搜索流量、现场时间、印象、各种PPC广告渠道、CRM跟踪的客户终身价值等)，这比十年前的企业规模要大很多倍。进入市场营销专业领域的千禧一代只知道数字、可量化的指标和数据。这些信息允许各种规模的公司培训模型并利用预测分析。gydF4y2Ba

如果没有整个生态系统的供应商，即使没有高级计算机科学学位，机器学习在商业领域也会是一种更加罕见的“黑暗艺术”。这些供应商让预测分析在商业领域更容易理解和应用。gydF4y2Ba

市场预测分析的现有市场研究gydF4y2Ba

和机器学习一样，预测分析也得到了很多关注。虽然预测分析在商业和营销领域的活跃时间比ML公司要长，但似乎直到今年(2016年)，使用某种形式的营销分析平台的团队才开始超越那些仍然选择不使用预测分析平台的团队。几年前，Forrester发布了一份研究报告，概述了现代营销人员面临的两大挑战:gydF4y2Ba

对于越来越多选择的买家创造更多的个性化和相关消息gydF4y2Ba
创建定制的营销活动，在购买过程中参与更大范围的主要决策者和有影响力较早的gydF4y2Ba

预测分析似乎有潜力将B2B和B2C行业的客户参与和目标销售的营销成功措施提高一倍。Forrester的研究得出了三个关键的发现:gydF4y2Ba

预测市场分析相关因素使用具有更好的业务成果和指标gydF4y2Ba
预测市场分析帮助营销人员在公司中发挥主导作用gydF4y2Ba
预测营销人员使用先进的战略以实现在整个客户生命周期的影响更大gydF4y2Ba

(注:Forrester的研究虽然声誉良好，但它是与预测性营销供应商Everstring联合进行的，可以在网站上找到。gydF4y2BaEverstring资源页面gydF4y2Ba，但需要选择将其接入。一位知情的读者将寻求关于这一主题的案例研究和其他信息来源。）gydF4y2Ba

供应商及服务供应商gydF4y2Ba

我们还在预测分析领域加入了一些供应商(数量在增加，这绝不是一个包容性的列表)，让读者了解相关平台和服务的提供:gydF4y2Ba

In a space as competitive (and potentially “hype-ey”) as predictive analytics, we’re likely to see vendors in the future niching down their offerings to specific marketing domains, such as eCommerce, enterprise sales, or some other such unique focus area. For example, vendor company Optimove (listed above) has “angled” itself around understanding and improving revenue and engagement from a company’s existing customer base.

类似于其他机器学习领域（如医疗保健，金融，等...），创业公司将成为阐明价值主张更加复杂。一些公司也将建立更多，更强大的和强大的技术，其实这些价值主张交付（这往往不是一个新兴的领域，许多创始人本身只是搞清楚如何应用该技术可以在工业上成功应用的情况下）。gydF4y2Ba

预测性分析市场营销 - 这是什么是可能的，如何运作gydF4y2Ba