Prediktiv analitika tarixi məlumatlardan və statistik və ya maşın öyrənməsi modellərindən istifadə edərək növbəti addımda nə baş verəcəyini, məsələn, hansı müştərilərin alış edəcəyini, xidmətdən imtina edəcəyini və ya kampaniyaya reaksiya verəcəyini təxmin edir. Marketoloqlar üçün bu, təkrarlanan iş axını kimi işlədikdə vaxta qənaət edir: sualı müəyyən edin, məlumatları hazırlayın, model qurun və ya aktivləşdirin, balları insanların artıq istifadə etdiyi alətlərə ötürün, onlara uyğun hərəkət edin və nəticələri reallıqla yoxlayın.
Prediktiv analitika marketinq üçün nə edə bilər?
Marketinq istifadələrinin çoxu bir neçə qrupa bölünür.
- Alış ehtimalı: istifadəçinin müəyyən müddət ərzində alış etmə ehtimalı.
- Müştəri itkisi proqnozu: müştərinin və ya abunəçinin getmə riski.
- Potensial müştəri qiymətləndirilməsi: potensial müştərinin imkana və ya satışa çevrilmə şansı.
- Müştərinin ömürlük dəyəri: müştəridən zamanla gözlənilən gəlir.
- Tələb proqnozu: həftəlik və ya məhsul üzrə gözlənilən satış və ya trafik.
Bir çox alətlər artıq bunları məlumat elmi işi olmadan təklif edir. GA4 uyğunluq hədləri qarşılandıqda alış ehtimalı, müştəri itkisi ehtimalı və proqnozlaşdırılan gəlir kimi prediktiv göstəriciləri təqdim edir. HubSpot, Salesforce Einstein, Klaviyo və Shopify ilə əlaqəli tətbiqlər prediktiv ballar təklif edir. BigQuery ML və Vertex AI SQL bacarıqlarına malik komandalara öz modellərini qurmağa imkan verir.
İş axını 1: GA4-də prediktiv auditoriyalar
Bu iş axını artıq GA4 istifadə edən e-ticarət və tətbiq biznesləri üçün uyğundur.
- Uyğunluğu yoxlayın: GA4-də prediktiv göstəricilər görünməzdən əvvəl son dövrdə kifayət qədər alış edən və xidmətdən imtina edən istifadəçilərə ehtiyac var.
- Alış hadisələrinin və dəyərlərinin, valyuta daxil olmaqla, düzgün izlənildiyini təsdiqləyin.
- İdarəetmə panelində (Admin) Auditoriyaları açın və təklif olunan prediktiv şablonlardan, məsələn, “7 günlük alış ehtimalı olanlar” kimi birini yaradın.
- Auditoriyanın kampaniyalarda istifadə edilə bilməsi üçün GA4-ü Google Ads ilə əlaqələndirin.
- Auditoriyadan remarketinq təklifləri və ya istisnalar üçün istifadə edin, məsələn, “7 günlük müştəri itkisi ehtimalı olanları” bahalı axtarış kampaniyalarından kənarlaşdırın.
Auditoriya ölçüsünü əvvəlcə həftəlik nəzərdən keçirin. Kiçik auditoriya reklamları səmərəli şəkildə göstərməyə bilər və prediktiv göstəricilərin arxasındakı hədlər sizin tərəfinizdən deyil, Google tərəfindən müəyyən edilir.
İş axını 2: CRM-də potensial müştəri qiymətləndirilməsi
B2B komandaları adətən buradan başlayır, çünki satış vaxtı bahalıdır.
Addımlar
- Son 12-24 ay ərzində bağlanmış sövdələşmələri və itirilmiş potensial müştəriləri ixrac edin.
- Potensial müştəri daxil olduqda məlum olan sahələri sadalayın: şirkət ölçüsü, sənaye, mənbə, ziyarət edilən səhifələr, forma cavabları.
- CRM-in prediktiv qiymətləndirməsini, məsələn, HubSpot-un bağlanma ehtimalı və ya Einstein Lead Scoring-i aktivləşdirin və ya BigQuery ML-də sadə bir model hazırlayın.
- Modelin istifadə etdiyi əsas amilləri yoxlayın və nəticəni sızdıran hər hansı bir amili, məsələn, yalnız satışdan sonra doldurulan sahəni silin.
- Bal diapazonlarını və marşrutlaşdırmanı təyin edin: yüksək ballar həmin gün satışa, orta ballar yetişdirməyə, aşağı ballar avtomatlaşdırılmış məzmuna yönəldilir.
Satış komandasını prosesə cəlb etmək
İşə başlamazdan əvvəl satış komandası ilə yüksək və aşağı ballı potensial müştəri nümunələrini paylaşın. Əgər nümayəndələr bala etibar etmirlərsə, onu görməzdən gələcəklər. Hər rübdən sonra diapazon üzrə real konversiya dərəcələrindən istifadə edərək bir baxış keçirməyə razılaşın.
İş axını 3: Abunələr üçün müştəri itkisinin qarşısının alınması
- Müştəri itkisini aydın şəkildə müəyyən edin, məsələn, “90 gün ərzində sifariş yoxdur” və ya “abunəlik ləğv edilib”.
- E-poçt və ya CRM platformanızda müştəri itkisi balı yaradın və ya aktivləşdirin.
- Üç seqment yaradın: yüksək, orta və aşağı risk.
- Hər seqment üçün fərqli bir hərəkət planlaşdırın: yüksək dəyərli və yüksək riskli hesablar üçün şəxsi zəngdən tutmuş, aşağı riskli olanlar üçün yüngül xatırlatma e-poçtuna qədər.
- Heç bir xüsusi müalicə almayan təsadüfi bir nəzarət qrupu saxlayın ki, hərəkətlərin müştəri itkisini azaldıb-azaltmadığını ölçə biləsiniz.
Nəzarət qrupu əksər komandaların atladığı addımdır və o olmadan iş axınının işlədiyinə dair heç bir sübut yoxdur.
İş axını 4: Media büdcələri üçün tələb proqnozu
Proqnozlar Ramazan, Qara Cümə və ya yay tətili mövsümü kimi zirvələr üçün büdcələri planlaşdırmağa kömək edir.
- Ən azı iki illik həftəlik satış, trafik və xərcləmə məlumatlarını toplayın.
- İlkin baxış üçün BigQuery ML-in ARIMA_PLUS, Prophet və ya cədvəl proqnoz funksiyası kimi proqnozlaşdırma metodundan istifadə edin.
- Məlum hadisələri əlavə edin: tətillər, buraxılışlar, qiymət dəyişiklikləri.
- Hər həftə proqnozu faktiki nəticələrlə müqayisə edin və böyük sapmaları qeyd edin.
- Media büdcələrini proqnozlaşdırılan zirvələrdən sonra reaksiya vermək əvəzinə, onlardan əvvəl tənzimləyin.
Proqnozların düzgün olduğunu necə yoxlaya bilərsiniz?
Bazarlar və davranış dəyişdikcə modellər sürüşür. Sadə bir yoxlama siyahısı onları dürüst saxlayır.
- Hər ay proqnozlaşdırılan və faktiki nəticələri bal diapazonuna görə müqayisə edin.
- Artım göstəricisini izləyin: ən yüksək diapazonun orta göstəricidən nə qədər yaxşı konversiya etdiyini yoxlayın.
- Yeni qiymət planı kimi əsas dəyişikliklərdən sonra modelləri yenidən öyrədin və ya yoxlayın.
- Hər hansı bir avtomatlaşdırılmış hərəkət üçün nəzarət qrupu saxlayın.
- Məlumat mənbələrini və tərifləri sənədləşdirin ki, başqaları onları yoxlaya bilsin.
Alien Road prediktiv analitikanı necə tətbiq edir
AI optimallaşdırma layihələrində Alien Road kəşfiyyatla başlayır: müştərinin hansı qərarı təkmilləşdirmək istədiyi və GA4, CRM, e-ticarət platforması və ya reklam hesablarında hansı məlumatların artıq mövcud olduğu. Sual həmişə modeldən əvvəl gəlir.
Quraşdırma adətən GA4 prediktiv auditoriyaları və ya CRM qiymətləndirilməsi kimi daxili funksiyalarla başlayır, çünki onları sınaqdan keçirmək sürətlidir. Müştərinin kifayət qədər məlumatı və aydın ehtiyacı olduqda, biz müştərinin analitika komandası ilə BigQuery-də xüsusi modellər qururuq. Ballar insanların hər gün istifadə etdiyi alətlərə ötürülür: reklam platformaları, e-poçt alətləri və CRM.
Ölçmə nəzarət qruplarına və bal diapazonuna görə artıma əsaslanır. Aylıq hesabatlar proqnozların reallıqla uyğun olub-olmadığını, hansı tədbirlərin görüldüyünü və nəticələrini göstərir. Əgər model artım əlavə etməyi dayandırarsa, biz bunu bildirir və onu düzəldir və ya ləğv edirik.
Hansı məlumat keyfiyyəti problemləri proqnozları pozur?
Proqnozlar məlumatdakı hər bir qüsuru miras alır. Dublikat müştəri qeydləri bir alıcını iki zəif profildə bölür. İtirilmiş alış dəyərləri yüksək dəyərli müştəriləri orta səviyyədə göstərir. Razılıq parametrləri və reklam bloklayıcıları veb məlumatlarının bir hissəsini silir, buna görə də model əyri nümunədən öyrənir. Hər hansı bir bala etibar etməzdən əvvəl dublikatları, boş sahələri və mənbə cədvəllərindəki izləmə boşluqlarını yoxlamaq üçün bir saat vaxt sərf edin.
Bu həftə haradan başlamaq lazımdır
Komandanızın vaxtını alan bir qərar seçin, məsələn, hansı potensial müştərilərə ilk zəng etmək və ya hansı müştəriləri saxlama təklifi ilə hədəfləmək. Cari alətlərinizin bunun üçün prediktiv bal təklif edib-etmədiyini yoxlayın; bir çoxu təklif edir.
Onu sınaq seqmenti üçün aktivləşdirin, nəzarət qrupu saxlayın və dörd-səkkiz həftədən sonra nəticələri müqayisə edin. Kiçik, ölçülmüş iş axını sizə heç kimin istifadə etmədiyi böyük bir modeldən daha çox şey öyrədəcək.
Oxumağa davam edin: Süni intellekt optimallaşdırması · Süni intellekt optimallaşdırması