Proqnozlaşdırıcı analitika müştərilərin növbəti addımlarını – alış, abunəliyi dayandırma, yüksəltmə və ya təklifə cavab vermə kimi – təxmin etmək üçün tarixi məlumatlardan və statistik və ya AI modellərindən istifadə edir. Marketoloqlar üçün bu, proqnozun qərara təsir etdiyi hər yerdə, məsələn, hansı auditoriyanın büdcə alacağı, hansı potensial müştəriyə ilk zəng ediləcəyi və ya bir müştərinin əldə edilməsinin nə qədər dəyərli olduğu kimi məqamlarda tətbiq olunur.
Əsas metodlara reqressiya, qərar ağacları, qradiyent artırma və zaman sıraları proqnozu daxildir. Onları bu gün əlçatan edən şey, marketoloqların artıq istifadə etdiyi alətlərə daxil edilmiş olmalarıdır. GA4 alış ehtimalı və proqnozlaşdırılan gəlir kimi proqnozlaşdırıcı göstəricilər təklif edir; Google Ads və Meta avtomatlaşdırılmış qiymət təkliflərində proqnozlaşdırılan konversiya dəyərindən istifadə edir; HubSpot və Salesforce proqnozlaşdırıcı potensial müştəri ballarını ehtiva edir; məlumat komandaları isə BigQuery ML və ya Python-da xüsusi modellər hazırlaya bilər.
Proqnozlaşdırıcı analitika nəyi proqnozlaşdıra bilər?
- Alış meyli: istifadəçinin müəyyən gün ərzində alış etmə ehtimalı.
- Abunəliyi dayandırma riski: abunəçinin və ya təkrar müştərinin alış-verişi dayandırma ehtimalı.
- Müştərinin ömürlük dəyəri: müştəridən bir müddət ərzində, adətən 12 ayda gözlənilən gəlir.
- Potensial müştəri konversiyası: potensial müştərinin fürsətə və ya satışa çevrilmə ehtimalı.
- Məhsul, region və ya həftə üzrə tələb və satış proqnozları.
- Növbəti ən yaxşı təklif: müştərinin hansı məhsula və ya mesaja cavab vermə ehtimalı daha yüksəkdir.
Bu, adi hesabatdan nə ilə fərqlənir?
Hesabat baş verənləri təsvir edir: keçən ayın kanal üzrə konversiyaları. Diaqnostik analiz isə səbəbini izah edir. Proqnozlaşdırıcı analitika hər bir müştəri və ya seqment üçün nələrin baş verəcəyini təxmin edir ki, hadisə baş verməmişdən əvvəl hərəkətə keçə biləsiniz.
Fərq vaxtlama üçün vacibdir. Abunəliyi dayandırma hesabatı sizə kimin getdiyini deyir. Abunəliyi dayandırma modeli isə təklif göndərmək üçün hələ vaxt varkən, gələn ay kimin gedə biləcəyini deyir.
Marketinq planında harada yer tutur?
Ödənişli media
Dəyərə əsaslanan qiymət təklifi, yüksək dəyərli müştərilər üçün daha çox təklif vermək üçün proqnozlaşdırılan dəyərdən istifadə edir. Google Ads və ya Meta-nı sadəcə sifariş dəyəri ilə deyil, mənfəət və ya proqnozlaşdırılan ömürlük dəyəri əks etdirən konversiya dəyərləri ilə qidalandırmaq xərcləri daha yaxşı müştərilərə yönəldə bilər. GA4-dən gələn proqnozlaşdırıcı auditoriyalar, məsələn, 7 gün ərzində alış ehtimalı olanlar, yenidən marketinq üçün Google Ads ilə paylaşıla bilər.
CRM və e-poçt
Abunəliyi dayandırma balları kimin geri qazanma ardıcıllığına daxil olacağına qərar verir. Potensial müştəri balları satışın izlənilmə ardıcıllığını müəyyən edir. Ömürlük dəyər proqnozları hansı müştərilərin premium xidmət və ya erkən giriş əldə edəcəyinə qərar verir.
Büdcə planlaşdırılması
Ay və kanal üzrə tələb proqnozları, xüsusilə mövsümi bizneslər üçün büdcələri və inventarları təyin etməyə kömək edir. Məsələn, bağçılıq ləvazimatları satan bir pərakəndə satıcı, cari tendensiyalara uyğunlaşdırılmış əvvəlki illərin nümunələrindən istifadə edərək yaz xərclərini planlaşdıra bilər.
Hansı məlumatlara ehtiyacınız var?
Əksər modellər məlum nəticələri olan bir neçə min müştəri və ya hadisəyə və ardıcıl tarixçəyə ehtiyac duyur. GA4-ün proqnozlaşdırıcı göstəricilər üçün uyğunluq tələbləri var: son dövrdə minimum alış edən və etməyən istifadəçi sayı və sabit model keyfiyyəti. Əgər mülkünüz uyğun deyilsə, göstəricilər görünməyəcək.
Faydalı girişlərə əməliyyat tarixçəsi, vebsayt və tətbiq davranışı, e-poçt aktivliyi, məhsul kateqoriyaları, əldəetmə mənbəyi və müştəri xidməti əlaqələri daxildir. Məlumat keyfiyyəti kəmiyyətdən daha vacibdir: ardıcıl müştəri ID-ləri, dəqiq zaman damğaları və nəticələrin aydın tərifləri.
Ümumi tələlər hansılardır?
- Heç bir hərəkətə bağlı olmayan bir bal yaratmaq, nəticədə heç nəyin dəyişməməsi.
- Proqnoz zamanı mövcud olmayan məlumatları əhatə edən məlumatlar üzərində təlim keçmək.
- Nadir hadisələr üzrə dəqiqliyi ölçmək, burada model hər kəs üçün “yox” proqnozlaşdıraraq yaxşı görünə bilər.
- Modeli, heç bir sınaq qrupu olmadan, onsuz da alacaq insanları tapdığı üçün mükafatlandırmaq.
- Heç vaxt yenidən təlim keçməmək, nəticədə məhsullar, qiymətlər və kanallar dəyişdikcə modelin effektivliyini itirməsi.
Məlumat elmi komandası olmadan necə başlamaq olar?
Alətlərinizin artıq təmin etdiyi şeylərlə başlayın. Əgər GA4 proqnozlaşdırıcı göstəriciləri mövcuddursa, alış ehtimalı olan istifadəçilərdən ibarət auditoriya yaradın və onu Google Ads-də standart yenidən marketinq siyahınızla müqayisə edin. Əgər proqnozlaşdırıcı ballarla HubSpot və ya Salesforce istifadə edirsinizsə, yüksək ballı potensial müştərilərin aşağı ballı olanlara nisbətən rübdə nə qədər tez-tez konversiya etdiyini müqayisə edin.
Növbəti addım öz sadə modelinizdir. Cədvəldə RFM seqmentasiyası (sonluq, tezlik, pul dəyəri) AI deyil, lakin bu, proqnozlaşdırıcı bir alətdir: son, tez-tez və yüksək dəyərli alıcıların yenidən alış etmə ehtimalı ən yüksəkdir. O, həmçinin daha mürəkkəb bir modelin özünü sübut etməli olduğu bir meyar verir.
Daxili və xüsusi modellər arasında necə seçim etmək olar?
GA4 proqnozlaşdırıcı göstəriciləri və ya CRM potensial müştəri balları kimi daxili alətlər sürətlə işə salınır və mühəndislik tələb etmir. Onların məhdudiyyəti şəffaflıq və nəzarətdir: siz xüsusiyyətləri görə bilməz və ya hədəfi dəyişə bilməzsiniz.
Xüsusi modellər, maraqlandığınız nəticə gəlirdən çox marja olduqda və ya oflayn satışlar və ya qaytarmalar kimi platformaların görə bilmədiyi məlumatları birləşdirməli olduğunuzda məntiqlidir. Xərci davamlı işdir: məlumat boru kəmərləri, yenidən təlim və monitorinq.
Məntiqli yol əvvəlcə daxili seçimdən istifadə etmək, onu sınaq qrupu ilə müqayisə etmək və yalnız yaxşılaşdıracağı qərarı adlandıra bildiyiniz zaman öz modelinizi qurmaqdır.
Alien Road proqnozlaşdırıcı analitikanı necə tətbiq edir
Tipik bir əməkdaşlıqda biz məlumatla deyil, qərarlarla başlayırıq. Müştərinin marketinq rəhbəri ilə birlikdə, təklif hədəfləri, yenidən marketinq auditoriyaları və ya potensial müştəri yönləndirməsi kimi daha yaxşı proqnozla hansı seçimlərin dəyişəcəyini siyahıya alırıq. Sonra məlumat hazırlığını yoxlayırıq: GA4 uyğunluğu, CRM ID ardıcıllığı, konversiya dəyərinin dəqiqliyi.
Tətbiq, GA4 proqnozlaşdırıcı auditoriyalarının aktivləşdirilməsindən tutmuş, həcm imkan verdikdə BigQuery-də xüsusi modelə qədər dəyişir. Hər bir model bir sınaq qrupu ilə canlı yayımlanır və nəticələr aylıq olaraq proqnozlaşdırılan və faktiki nəticələri və sınaq qrupu üzərindəki artımı göstərən bir tablosunda bildirilir.
Bu həftə haradan başlamaq lazımdır
GA4-ü açın, Admin-ə, sonra Auditoriyalara keçin və mülkünüz üçün proqnozlaşdırıcı auditoriya şablonlarının mövcud olub-olmadığını yoxlayın. Əgər varsa, “7 gün ərzində alış ehtimalı olanlar” auditoriyası yaradın və onu Google Ads ilə əlaqələndirin.
Əgər yoxdursa, son bir ilin sifarişlərini ixrac edin və cədvəldə RFM cədvəli qurun. Ən yaxşı seqmentinizi bir kampaniya ilə hədəfləyin və onun təsadüfi bir hissəsini sınaq qrupu kimi saxlayın. Bir ay ərzində davranışın proqnozlaşdırılmasının nəticələrinizi yaxşılaşdırıb-yaxşılaşdırmadığını görəcəksiniz.
Nəticəni bir cümlə ilə yazın, məsələn, hədəflənmiş qrupun sınaq qrupuna nisbətən konversiya dərəcəsi. Həmin cümlə daha irəli getmək üçün biznes işinizin başlanğıcıdır.
Oxumağa davam edin: Süni intellekt optimallaşdırması · Süni intellekt optimallaşdırması