מאת: גיא שטרית, מנכ"ל חברת Over The Top CEO
Predictive Analytics היא שיטה של שימוש בדאטה היסטורית ובדאטה מהזמן האחרון כדי לחזות אירועים, טרנדים והתנהגויות בעתיד. בהקשר של שיווק, Predictive Analytics כולל יישום של אנליזה סטטיסטית, אלגוריתמים של למידת מכונה ושאלות אנליטיות על מערכות דאטה מובנות ולא מובנות כדי ליצור מודלים בעלי יכולת חיזוי. מודלים אלה הופכים תכנון שיווקי לקל מתמיד בכך שהם מעניקים ערך מספרי לסבירות של אירועים מסוימים לקרות.
זה לא מדעי מידי?
מסכים, כל זה עלול להישמע טכני מידי עבור משווק דיגיטלי, אבל זה באמת לא. למעשה, אשף האנליטיקס ג'ף סטריקלנד מפשט את ה- Predictive Analytics וקורא לו תחום של מדעי דאטה שעוסק ביצירת ידע מתוך דאטה כדי לחזות תוצאות. הפוסט הזה מכסה כל מה שאתם צריכים לדעת על יצירת מודל Predictive Analytics כדי לתכנן ולבצע את הרפתקאות השיווק הדיגיטלי הבאה שלכם.
אל תטעו: Predictive Analytics היא לא דבר פשוט עם זאת, בעזרת גישה של צעד-אחר-צעד, כל משווק יכול לשלוט בה. הנה כיצד לעשות זאת.
הגדירו יעד ברור
הגדירו יעד ברור שהוא ספציפי, ניתן למדידה, ניתן להשגה, ריאלי, וכפוף ללוח זמנים. לדוגמה, הגדלת מכירות של מוצרים בעלי רווח שולי גבוה (40% או יותר) ב-25% תוך 100 ימים.
זהו וכמתו ערוצי מידע
שאלו את עצמכם את השאלות הבאות:
- מהם מקורות הדאטה שלי?
- עם אילו פורמטים של דאטה אני עובד?
- מה יהיה עומס העבודה של 'ניקוי' הדאטה?
- מהי כמות הדאטה ההיסטורית שכבר יש לי?
- איך אני יכול לשלב ערוצים שונים של דאטה ולהזין את כולם למנוע האנליטיקס שלי?
התחילו בקטן
התחילו להתנסות עם מודלים בסיסיים של Predictive Analytics כדי להבין את האתגרים שאתם עלולים לפגוש בשטח ולשפוט האם התוצאות שאתם משיגים הן אמינות.
הגדילו את ההיקף והמשיכו בכיול מחדש
כשאתם בטוחים בעצמכם, התחילו את מודל Predictive Analytics המלא שלכם והמשיכו למדוד את התוצאות כדי לזהות חריגים ומשתנים שצריך למתן או להסיר מהמודל. באופן זה תוודאו שהתוצאות שלכם יהיו יותר ויותר מדויקות עם הזמן והצטברות דאטה נוספת.
החיבור בין Predictive Analytics ושיווק דיגיטלי
היישומים של Predictive Analytics בשיווק דיגיטלי הם פשוט מדהימים. אתם יכולים להשיג בקלות כלי אנליטיקס מתוחכמים שפותחו במיוחד עבור שיווק דיגיטלי ומציעים גם Modeling Functions ו- Predictive Analytics אינטואיטיביות. עם זאת, לפני שאתם רוכשים אותם, למדו כיצד אתם יכולים לעצב את השיווק הדיגיטלי שלכם על ידי שימוש במודלים הפרדיקטיביים הללו.
שיפור ה- Engagement של הלקוחות
מודלים פרדיקטיביים יכולים לצוד דאטה רלוונטית על תריסרי משתנים הקשורים להתנהגויות של המשתמש. באופן זה חברות מקבלות מבט לעומק על אופן שבו משתמשים מתקשרים ומגיבים לנכסי הרשת של החברה דרך המחשבים והטלפונים הניידים שלהם. הדאטה המסיבית הזו יכולה לשמש כדי להמחיש ולהבהיר דפוסים כמו:
- התזמון שבו מתרחשת הפעילות המשתלמת ביותר
- סוגי הכפתורים שזוכים להכי הרבה קליקים
- סוג הבאנרים ופרסומות הסיידבר שמביאים הכי הרבה קליקים
- שיעורי משתמשים לדפי אינטרנט ופיצ'רים
כלים כמו mixpanel, למשל, מאפשרים למשווקים לערוך אנליזה של משתנים רבים כדי לגלות מהם שיעורי שימור הלקוחות ללקוחות שהגיעו דרך קמפיינים שונים.
מדידה חסרת תקדים של ROI על תוכן
מה אם מודל Predictive Analytics יכול היה למדוד דאטה הקשורה לכל סוגי התוכן שלקוח נתקל בהם לפני שביצע רכישה, ולהעניק ערך יחסי לכל אחד מהם? כלים כמו Content Scoring עושים בדיוק את זה. הכלי הזה משתמש בדאטה של CRM ובאוטומציה כדי לעקוב אחרי 'המסע' של הלקוח ואז מעניק ציונים לנקודות תוכן כמו white papers , פוסטים במדיה חברתית, בלוגים, אימיילים, איבוקים, וכן הלאה. באופן זה תראו אילו תכנים מביאים תוצאות ואלה לא.
צרו פרסונות מדויקות של הלקוחות
על אף שמודלים פרדיקטיבים יכולים לצפות שיעורי תגובה, הם לאו דווקא מסבירים מדוע שיעורי תגובה תלויים בגורמים מסוימים. עם זאת, מודלים אלה יכולים להשתמש במקורות שונים של דאטה על הלקוחות, ממידע החשבון שלהם באתר ועד היסטורית השימוש שלהם באתר, כדי ליצור פרסונות ייחודיות עבורם. פרסונות אלה יכולות לעזור למשווקים להשיג שיעורי המרה גבוהים הרבה יותר בכך שיפנו ללקוחות הנכונים עם החומרים והפרסומות הנכונים ביותר. בין התכונות שמודלים אלה לוקחים בחשבון ביצירת הפרסונות תמצאו:
- דאטה על החברות שלהם
- דאטה פסיכולוגית
- דאטה דמוגרפית
- דאטה גיאוגרפית
מודלים של Predictive Analytics מניעים מכירות
Predictive Analytics ו- Predictive Modeling מצויים בליבתם של שני היבטים חשובים של Engagement עם משתמשים במשך תהליך המכירה: upselling (מכירת שדרוגים ותוספים) ו-cross selling (מכירת מוצרים נוספים). כדי להשיג פוטנציאל המרה גבוה בשתי הקטגוריות הללו המודלים לוקחים בחשבון מספר פרמטרים וזרמי דאטה כמו:
- אישיות הקונה וההתאמה שלו לתכונות המוצר
- רכישות קודמות, הקטגוריות שלהם, ותקופות חידוש מלאי
- היסטורית גלישה ורכישה
- רכישות של מוצרים קשורים שנערכו על ידי קונים מאותו סגמנט
אמזון, כמובן, מובילה במינוף מודלים של Predictive Analytics כדי ליצור חבילות מוצרים, כמו גם הצעות
ל-upselling ול-cross-selling.
לסיום
מהטיפוח של לידים ועד הפיכתם ללקוחות, משיווק הרעיונות והמוצרים הנכונים ועד שיפור ה- Engagement של הלקוחות עם המותגים שלכם, ממקסום רווחים ועד צמצום ה-bounce– מודלים של Predictive Analytics יכולים לעזור לכם לחולל מהפכה בכל היבט של שיווק דיגיטלי.