마케팅의 미래: 예측 인텔리전스

예측 지능은 공상과학 영화에 나오는 미래형 도구처럼 들릴 수 있습니다. 그러나 오늘날의 마케터는 고객이 원하는 것을 알기도 전에 고객이 원하는 것을 제공하기 위해 이 기술을 사용하고 있습니다.

예측 인텔리전스 도구는 가구 소매업체인 Room & Board와 같은 회사가 수익을 개선하고 고객에게 보다 효과적으로 도달하는 데 도움이 됩니다. 그들은 실시간으로 고객에게 추가 구매를 제안하기 위해 고객 트래픽 데이터와 예측 분석을 분석하는 Salesforce의 Marketing Cloud 기술을 구현했습니다. 그 결과 놀라운 2900% ROI를 달성했습니다.

물론 룸앤보드와 같은 성공을 누리는 기업은 많지 않을 것입니다. 그러나 이 기술은 마케팅 담당자가 고객 트래픽 패턴을 기반으로 추천을 제공하는 시스템과 같은 몇 가지 새로운 사실을 무시할 수 없을 정도로 발전했습니다.

고객에게 개인화된 경험을 제공하는 것은 계속해서 긍정적인 ROI를 입증하고 있습니다. 개념에 익숙하지 않은 경우 예측 지능이 무엇이며 사용 가능한 도구가 무엇인지 알아야 합니다.

예측 지능이란 무엇입니까?

예측 분석이라고도 하는 예측 인텔리전스는 고객 행동을 모니터링하고 특정 선호도에 대한 프로필을 구축하여 특정 개인에게 고유한 고객 경험을 생성하는 방법입니다. 이 프로필 데이터는 고객이 다음에 무엇을 원하는지 예측하는 데 사용됩니다.

예를 들어 온라인 쇼핑객이 평면 TV를 구입했다고 가정해 보겠습니다. 이 새로운 인텔리전스 도구는 구매를 감지하고 쇼핑객에게 실시간으로 커피 테이블이나 TV 스탠드를 제안하는 이메일을 보냅니다. 이것은 인간이 고객 프로필의 각 측면을 수동으로 고려할 필요를 없애고 마케팅을 보다 효율적으로 만듭니다.

B2B 마케팅의 변화

마케터는 잠재 고객이 고객 여정에서 어느 단계에 있는지 확인하기 위해 수동으로 잠재 고객을 평가했습니다. 수동 리드 스코어링은 마케터가 분석을 기반으로 특정 리드에 등급 또는 숫자 값을 할당할 때 발생합니다. 예를 들어, 마케터가 제품 데모를 본 리드가 더 높은 비율로 전환하는 패턴을 발견하면 데모 관찰자는 "A" 등급을 받고 데모를 시청하지 않은 리드는 "B" 등급을 받을 수 있습니다.

반대로, 예측 리드 스코어링은 잠재 고객의 행동과 과거 구매 내역을 사용하여 그들이 무엇을 찾고 있는지, 심지어 구매할 의사가 있는지 여부를 결정합니다. 예측 리드 스코어링은 빅 데이터를 사용하여 전환 가능성이 가장 높은 리드를 결정하므로 영업 사원은 회사에 가장 큰 가치를 제공할 리드에 집중할 수 있습니다.

Lattice Engines와 Mintigo는 예측 리드 스코어링과 같은 클라우드 기반 B2B 분석 서비스를 제공하는 두 회사입니다. Lattice Engines는 소셜 네트워크, 공용 데이터베이스 및 웹 페이지를 검색하고 해당 정보를 내부 고객 데이터와 결합하여 기업이 최적의 판매 전망을 찾도록 돕습니다. DocuSign은 예측 리드 스코어링 회사인 Lattice Engines를 사용하여 전환 가능성이 가장 높은 리드를 찾았습니다. 그 결과 전환 예측 가능성이 38% 증가했습니다.

Mintigo는 인공 지능을 사용하여 채용 동향, 사용된 마케팅 채널 및 설치된 기술과 같은 정보를 지속적으로 수집하여 예측 마케팅 플랫폼을 강화합니다. 다음으로, 그들은 이 데이터를 사용하여 어떤 B2B 리드가 가장 높은 값인지 결정합니다. 그런 다음 회사의 내부 마케팅 자동화 플랫폼과 결합되어 영업 팀이 리소스를 집중해야 하는 위치를 결정합니다.

분명히 예측 인텔리전스는 마케터가 고객 행동에 대한 통찰력을 얻는 데 도움이 됩니다. 다음은 마케터가 효율성을 높이기 위해 사용하는 몇 가지 도구입니다.

기계 학습

2014년 Forrester Consulting 연구에서는 121명의 응답자에게 가장 큰 3가지 문제가 무엇인지 물었습니다. 각각 3위와 4위는 모든 고객 상호작용의 데이터 스트림을 분석하고 이러한 통찰력을 적용하여 고객 경험을 개선하는 것이었습니다.

빅 데이터가 계속 발전함에 따라 마케터는 인간이 관리하기 어려울 수 있는 점점 더 큰 데이터 스트림으로 작업합니다. 머신 러닝은 이 문제에 대한 솔루션입니다. 머신 러닝은 시스템이 패턴을 찾고 새로운 정보를 기반으로 프로그램을 조정하기 위해 대규모 데이터 세트를 조사하는 프로세스입니다.

Staples는 머신 러닝을 사용하여 몇 가지 뚜렷한 방식으로 기업 구매자의 선호도에 대한 정보를 수집합니다. 웹사이트를 통한 셀프 서비스 쇼핑객과 사람들이 말할 때 Easy Button을 사용하는 것입니다. 두 가지 모두 Staples가 쇼핑 요구 사항을 더 잘 예측하는 데 도움이 됩니다. 시간이 지남에 따라 쇼핑객이 버튼에 대고 말하면서 봇은 고객이 필요로 하는 것을 식별하고 응답을 개선합니다.

인공 지능

마케터의 가장 큰 문제 중 하나는 완전한 그림을 제공하는 데이터가 항상 제공되지 않는다는 것입니다. 인공 지능은 뉴스 기사, 소셜 미디어 업데이트 및 데이터베이스와 같은 웹에서 새로운 데이터 소스를 찾을 수 있습니다. 이 모든 추가 데이터는 마케터가 고품질 리드를 찾고 잠재 고객을 위해 콘텐츠를 더 잘 개인화하는 데 도움이 됩니다.

인공 지능은 또한 개인화를 위한 강력한 도구입니다. AI는 고객의 쇼핑 기록과 소비자 프로필을 사용하여 고객의 브랜드 선호도에 맞게 이메일을 맞춤화할 수 있습니다. 이 도구는 너무 강력하여 Demandbase 설문조사에 따르면 마케터의 80%가 AI가 향후 5년 이내에 마케팅 산업에 혁명을 일으킬 것이라고 믿습니다.

마케터들은 인공 지능의 힘을 크게 믿고 있지만 아직 구현 방법을 잘 모릅니다. Demandbase에서 설문 조사한 마케터 중 26%만이 AI에 대해 자신 있게 이해하고 있다고 말했습니다. 당신의 차도에 스포츠카가 있지만 차량을 작동하는 방법을 이해하지 못한다고 상상해 보십시오. 그것이 현재 많은 마케터들이 인공 지능을 가지고 있는 단계입니다.

마케터가 머신 러닝, 인공 지능 및 기타 도구를 효과적으로 사용하려면 어떤 트렌드가 곧 다가올지 알아야 합니다. 다음은 B2B 마케팅의 변화를 주도하는 세 가지 트렌드입니다.

3 예측 인텔리전스 트렌드

연구에 따르면 예측 인텔리전스가 직원 참여도와 고객 평생 가치를 높이는 것으로 나타났습니다. Aberdeen Group의 2016년 연구에 따르면 예측 분석은 비사용자에 비해 고객당 평균 이윤을 거의 5%, 고객 평생 가치를 10% 증가시킬 수 있습니다.

예측 인텔리전스에 투자하는 기업이 늘어남에 따라 향후 몇 년 동안 무엇을 기대해야 하는지 아는 것이 중요합니다.

챗봇의 등장

챗봇은 점점 더 똑똑해지고 시간이 지남에 따라 고객에게 더 나은 답변을 제공하기 위해 머신 러닝을 사용하고 있습니다. 고객은 FAQ 페이지를 샅샅이 뒤지거나 시간이 많이 걸리는 전화를 걸지 않고도 제품이나 서비스에 대한 질문에 대한 답변을 얻을 수 있습니다.

챗봇은 더 많은 프로세스를 자동화하고 가능한 한 최고의 사용자 경험을 제공하려는 기업에 중요한 도구가 되었습니다. 2016년 첫 6개월 동안에만 5,800만 달러가 챗봇에 투자되었습니다. 또한 Gartner는 2020년까지 고객이 인간 대 인간 수준에서 기업과 거의 상호 작용하지 않을 것이라고 예측합니다.

이 기술은 의심할 여지 없이 성숙해지고 고객이 묻는 질문이 소비자 프로필에 추가되어 고객 여정의 현재 위치와 구매할 수 있는 서비스에 대한 더 나은 그림을 형성할 것입니다.

지능형 앱

기계 학습은 Facebook과 같은 거대 기술 기업이 더 이상 감당할 수 있는 도구가 아닙니다. 지능형 앱은 생각보다 빨리 주류가 될 것입니다. 머지 않아 대부분의 기업은 대량의 데이터를 빠르게 분석하고 새로운 정보를 기반으로 프로그램을 변경하는 앱을 사용하게 될 것입니다. 그리고 믿기지 않는다면 믿으세요. 2016년 TechCrunch는 그들이 만난 신생 기업의 90%가 고객 경험을 개선하기 위해 기계 학습을 사용할 계획이라는 사실을 알게 되었습니다.

지능형 앱을 구동하는 알고리즘에 대한 시장도 성장할 것입니다. 알고리즘은 그러한 시장 중 하나입니다. Mshape는 개발자가 지능형 앱을 구축하는 데 사용하는 또 다른 API 마켓플레이스입니다. 마케터는 고객에게 개인화된 솔루션을 제공하는 지능형 앱을 실행하기 위해 점점 더 알고리즘에 의존하게 될 것입니다.

마켓플레이스는 구매 및 판매 프로세스의 마찰을 줄이기 때문에 중요합니다. 더 간단한 구매 프로세스를 통해 지능형 앱과 이를 지원하는 API를 더 빠르게 채택할 수 있습니다.

빅 데이터, 투자 증가

DNV GL – Business Assurance의 설문 조사에 따르면 모든 조직의 76%가 지금부터 2019년 사이에 빅 데이터에 대한 투자를 늘리거나 유지하려고 하는 것으로 나타났습니다. 또한 설문 조사에 따르면 전 세계적으로 대다수의 기업이 빅 데이터를 기회로 보고 있는 것으로 나타났습니다. 빅 데이터에 더 많은 투자를 하는 회사는 효율성과 의사 결정의 개선을 보고 있으며 기업은 고객에 대한 중요한 정보를 캡처하고 저장하는 방법으로 빅 데이터를 수용하고 있습니다.

기계 학습 및 인공 지능에 대한 새로운 초점으로 이러한 프로세스를 지원하는 데이터는 어딘가에서 가져와야 합니다. 빅 데이터는 이러한 도구에 마케팅 담당자를 위한 보다 완전한 그림을 그리는 데 필요한 정보를 제공합니다. 많은 양의 데이터가 없으면 예측 인텔리전스가 잘못된 결론으로 ​​이어질 수 있고 마케팅 담당자가 잘못된 방향으로 향할 수 있습니다. 이것이 빅 데이터가 예측 도구와 함께 배양되어야 하는 이유입니다.

예측적 고객 인텔리전스 예시

기업은 예측 분석을 더 많이 사용하는 경향이 있습니다. 하지만 미래를 위한 기술만 있는 것은 아닙니다. 현재 기업은 수익을 개선하고 효율성을 높이기 위해 예측 도구를 사용하고 있습니다.

인사이드뷰

InsideView는 추구할 가치가 있는 리드를 결정하는 보다 효과적인 방법이 필요한 마케팅 및 판매 회사입니다. 당시 InsideView에는 두 명의 영업 담당자만 있었고 어떤 인바운드 리드가 가장 우선 순위가 높은지 결정하는 것은 회사가 극적으로 줄이기를 원하는 긴 18일 프로세스 였습니다.

그런 다음 리드 스코어링에 대한 지능적인 통찰력을 얻기 위해 SalesPredict의 예측 분석 솔루션으로 눈을 돌렸습니다. 솔루션은 수천 개의 신호를 사용하여 리드의 구매 의도에 대한 통찰력을 생성했습니다. 예측 분석을 통해 InsideView는 회사의 기존 마케팅 자동화에 통합된 각 리드에 대한 점수를 생성할 수 있었습니다.

결과? InsideView의 리드 자격 프로세스는 이제 2일로 단축되었습니다. 또한 전환율이 25% 증가했으며 회사는 자격을 갖춘 판매 파이프라인에서 100% 성장을 경험했습니다.

US 셀룰러

US Cellular는 수익 창출을 위해 구현할 수 있는 웹사이트 최적화와 각 작업이 얼마나 효과적인지 알고 싶었습니다. 그들은 Cardinal Path를 고용하여 구매 의도 분석(예측 분석의 한 형태)을 완료하여 어떤 웹사이트 활동이 미래 구매를 가장 잘 예측하는지 알아냈습니다.

회사 웹사이트에서 장바구니에 추가 또는 매장 찾기 기능을 사용하는 잠재 고객이 더 높은 가치의 리드라는 믿음이 있었습니다. Cardinal Path는 US Cellular의 "지금 채팅" 또는 "제안" 기능을 사용하는 잠재 고객이 매장 찾기를 사용하는 잠재 고객보다 나중에 구매할 가능성이 더 높다는 것을 발견했습니다. US Cellular는 이러한 통찰력을 사용하여 더 많은 자격을 갖춘 리드에 집중하여 고객 평생 가치를 61% 증가시켰습니다.

어떤 기술을 활용할 것인가?

기계 학습 및 AI와 같은 예측 비즈니스 인텔리전스 기술은 더 이상 무시할 수 있는 낯선 개념이 아닙니다. 그들은 우리가 알고 있는 디지털 마케팅을 유지하고 변화시키기 위해 여기에 있습니다. 두 가지 모두 마케터가 고객을 위한 개인화된 솔루션을 만들 수 있도록 하고 관련 동향을 파악하여 향후 비즈니스 효율성을 높일 수 있습니다.

고객의 클릭 후 방문 페이지 경험을 개인화하고 지금 Instapage Enterprise 데모에 등록하십시오.