Przyszłość marketingu już tu jest: inteligencja predykcyjna

Inteligencja predykcyjna może brzmieć jak futurystyczne narzędzie, które należy do filmu science fiction. Ale dzisiejsi marketerzy używają tej technologii, aby dostarczać to, czego chcą ich klienci, zanim zdążą nawet zorientować się, że tego chcą.

Narzędzia do analizy predykcyjnej pomagają firmom, takim jak producent mebli Room & Board, poprawić wyniki finansowe i skuteczniej docierać do klientów. Wdrożyli technologię Salesforce Marketing Cloud, która analizuje dane o ruchu klientów i analizy predykcyjne, aby sugerować klientom dodatkowe zakupy w czasie rzeczywistym. Rezultatem był niesamowity zwrot z inwestycji na poziomie 2900%.

To prawda, że ​​niewiele firm odniesie taki sam sukces jak Room & Board. Ale technologia rozwinęła się tak bardzo, że marketerzy nie mogą zignorować nowych odkryć — takich jak system oferujący rekomendacje oparte na wzorcach ruchu klientów.

Zapewnianie klientom spersonalizowanych doświadczeń nadal zapewnia pozytywny zwrot z inwestycji. Jeśli nie znasz tej koncepcji, powinieneś wiedzieć, czym jest inteligencja predykcyjna i jakie narzędzia są dostępne.

Czym jest inteligencja predykcyjna?

Czasami określana jako analityka predykcyjna, inteligencja predykcyjna to metoda tworzenia doświadczenia klienta, które jest unikalne dla jednej konkretnej osoby, poprzez monitorowanie zachowań klientów i budowanie profilu ich konkretnych preferencji. Te dane profilu są następnie wykorzystywane do przewidywania, czego klienci będą chcieli w następnej kolejności.

Załóżmy na przykład, że kupujący online właśnie kupił telewizor z płaskim ekranem. Te nowe narzędzia wywiadowcze wykryją zakup i wyślą klientowi wiadomość e-mail w czasie rzeczywistym, proponując stolik kawowy lub stolik pod telewizor. Eliminuje to potrzebę ręcznego uwzględniania każdego aspektu profilu klienta i zwiększa efektywność marketingu.

Jak zmienia marketing B2B

Marketerzy zwykli oceniać potencjalnych klientów ręcznie, aby określić, na jakim etapie byli potencjalni klienci na ścieżce klienta. Ręczna ocena potencjalnych klientów ma miejsce, gdy marketerzy przypisują ocenę lub wartość liczbową do niektórych potencjalnych klientów na podstawie ich analizy. Na przykład, jeśli marketer zauważy wzorzec, w którym potencjalni klienci, którzy oglądają prezentację produktu, konwertują szybciej, obserwatorzy demonstracji mogą otrzymać ocenę „A”, podczas gdy potencjalni klienci, którzy nie oglądali demonstracji, mogą otrzymać ocenę „B”.

Z drugiej strony, predykcyjna ocena potencjalnych klientów wykorzystuje zachowanie potencjalnego klienta i historię zakupów w przeszłości, aby określić, czego szukają i czy w ogóle chcą kupić. Predykcyjny scoring potencjalnych klientów wykorzystuje big data, aby określić, które leady z największym prawdopodobieństwem dokonają konwersji, dzięki czemu sprzedawcy mogą skupić się na tych leadach, które przyniosą firmie największą wartość.

Lattice Engines i Mintigo to dwie firmy, które świadczą usługi analityczne B2B oparte na chmurze, takie jak predykcyjna ocena potencjalnych klientów. Lattice Engines przeszukuje sieci społecznościowe, publiczne bazy danych i strony internetowe i łączy te informacje z wewnętrznymi danymi klientów, aby pomóc firmom znaleźć optymalne perspektywy sprzedaży. DocuSign wykorzystał firmę Lattice Engines zajmującą się predykcyjną oceną potencjalnych klientów, aby znaleźć potencjalnych klientów z największym prawdopodobieństwem konwersji. Rezultatem był 38% wzrost przewidywalności konwersji.

Mintigo wykorzystuje sztuczną inteligencję do zasilania swojej platformy marketingu predykcyjnego poprzez ciągłe zbieranie informacji, takich jak trendy w zatrudnianiu, używane kanały marketingowe i zainstalowane technologie. Następnie wykorzystują te dane do określenia, które leady B2B mają najwyższą wartość. Następnie jest on łączony z wewnętrzną platformą automatyzacji marketingu firmy, aby określić, na czym zespoły sprzedażowe powinny skoncentrować swoje zasoby.

Oczywiście, inteligencja predykcyjna pomaga marketerom lepiej uzyskiwać wgląd w zachowanie klientów. Oto kilka narzędzi, których używają marketerzy, aby zwiększyć swoją wydajność:

Nauczanie maszynowe

W badaniu Forrester Consulting z 2014 r. zapytano 121 respondentów, jakie były ich trzy największe wyzwania. Na liście odpowiednio 3 i 4 analizowaliśmy strumienie danych z każdej interakcji z klientem i stosowaliśmy te spostrzeżenia w celu poprawy doświadczeń klientów:

Ponieważ big data wciąż ewoluuje, marketerzy pracują z coraz większymi strumieniami danych, które mogą być trudne do zarządzania dla ludzi. Uczenie maszynowe jest rozwiązaniem tego problemu. Uczenie maszynowe to proces, w którym systemy przesiewają duże zbiory danych w poszukiwaniu wzorców, a następnie dostosowują swój program w oparciu o nowe informacje.

Firma Staples wykorzystuje uczenie maszynowe do zbierania informacji o preferencjach nabywców korporacyjnych na kilka różnych sposobów: z kupującymi samoobsługowymi za pośrednictwem ich witryny internetowej i za pomocą przycisku Easy Button, gdy ludzie do niego mówią. Oba te rozwiązania pomagają firmie Staples lepiej przewidywać potrzeby zakupowe. Gdy kupujący z czasem przemawiają do przycisku, bot identyfikuje potrzeby klienta i poprawia jego odpowiedzi.

Sztuczna inteligencja

Jednym z największych problemów marketerów jest to, że nie zawsze otrzymują dane, które dają im pełny obraz. Sztuczna inteligencja może znajdować w sieci nowe źródła danych, takie jak wiadomości, aktualizacje mediów społecznościowych i bazy danych. Wszystkie te dodatkowe dane pomagają marketerom w znajdowaniu lepszej jakości leadów i lepszej personalizacji treści dla potencjalnych klientów.

Sztuczna inteligencja to także silne narzędzie do personalizacji. Sztuczna inteligencja może dostosować wiadomości e-mail specjalnie do preferencji marki Twoich klientów, korzystając z ich historii zakupów i profilu konsumenta. Narzędzie jest tak potężne, że ankieta Demandbase wykazała, że ​​80% marketerów uważa, że ​​sztuczna inteligencja zrewolucjonizuje branżę marketingową w ciągu najbliższych 5 lat:

Chociaż marketerzy mocno wierzą w moc sztucznej inteligencji, nie są jeszcze do końca pewni, jak ją wdrożyć. Tylko 26% marketerów ankietowanych przez Demandbase stwierdziło, że bardzo dobrze rozumie sztuczną inteligencję. Wyobraź sobie, że masz samochód sportowy na swoim podjeździe, ale nie rozumiesz, jak prowadzić pojazd. To jest etap, na którym znajduje się obecnie wielu marketerów ze sztuczną inteligencją.

Jeśli marketerzy chcą efektywnie wykorzystywać uczenie maszynowe, sztuczną inteligencję i inne narzędzia, ważne jest, aby wiedzieć, jakie trendy są na horyzoncie. Oto trzy trendy, które napędzają zmiany w marketingu B2B.

80% marketerów uważa, że ​​sztuczna inteligencja zrewolucjonizuje branżę marketingową w ciągu najbliższych 5 lat.

Kliknij, aby tweetować

3 trendy inteligencji predykcyjnej

Badania wykazały, że inteligencja predykcyjna zwiększa zaangażowanie pracowników i wartość życiową klienta. Badanie przeprowadzone przez Aberdeen Group z 2016 r. wykazało, że analityka predykcyjna może zwiększyć średnią marżę zysku na klienta o prawie 5%, a wartość życiową klienta o 10% w porównaniu z osobami, które nie są użytkownikami:

Ponieważ coraz więcej firm inwestuje w inteligencję predykcyjną, ważne jest, aby wiedzieć, czego się spodziewać w ciągu najbliższych kilku lat.

Powstanie chatbotów

Chatboty coraz częściej wykorzystują uczenie maszynowe, aby stać się mądrzejszymi i z czasem zapewniać klientom lepsze odpowiedzi. Klienci mogą uzyskać odpowiedzi na swoje pytania dotyczące produktu lub usługi bez konieczności przeglądania strony z najczęściej zadawanymi pytaniami lub wykonywania czasochłonnego połączenia telefonicznego.

Chatboty stały się ważnym narzędziem dla firm, które chcą zautomatyzować więcej procesów i zapewnić jak najlepsze wrażenia użytkownika. Tylko w pierwszych 6 miesiącach 2016 roku w chatboty zainwestowano 58 milionów dolarów. Ponadto Gartner przewiduje, że do 2020 r. klienci prawie nie będą wchodzić w interakcje z przedsiębiorstwem na poziomie człowieka z człowiekiem:

Technologia niewątpliwie dojrzeje, a pytania zadawane przez klientów zostaną prawdopodobnie dodane do ich profilu konsumenckiego, aby uzyskać lepszy obraz tego, na jakim etapie ścieżki klienta się znajduje i jakie usługi mogą kupić.

Inteligentne aplikacje

Uczenie maszynowe nie będzie już tylko narzędziem, na które stać technologicznych gigantów, takich jak Facebook. Inteligentne aplikacje staną się głównym nurtem szybciej niż myślisz. Wkrótce większość firm będzie korzystać z aplikacji, które szybko analizują duże ilości danych i zmieniają swój program na podstawie nowych informacji. A jeśli w to nie wierzysz, uwierz w to: w 2016 roku TechCrunch dowiedział się, że 90% startupów, z którymi się spotkali, planuje wykorzystać uczenie maszynowe do poprawy obsługi klienta.

Pojawi się również rosnący rynek algorytmów, które zasilają inteligentne aplikacje. Algorytmia jest jednym z takich rynków. Mashape to kolejny rynek interfejsów API, których programiści używają do tworzenia inteligentnych aplikacji. Marketerzy będą w coraz większym stopniu polegać na algorytmach do uruchamiania inteligentnych aplikacji, które dostarczają klientom spersonalizowane rozwiązania.

Giełdy są ważne, ponieważ zmniejszają tarcia w procesie kupna i sprzedaży. Prostszy proces zakupu oznacza szybsze wdrażanie inteligentnych aplikacji i obsługujących je interfejsów API.

Big data widzi wzrost inwestycji

Badanie przeprowadzone przez DNV GL – Business Assurance wykazało, że 76% wszystkich organizacji chce zwiększyć lub utrzymać swoje inwestycje w big data do 2019 r. Badanie wykazało również, że większość przedsiębiorstw na całym świecie postrzega big data jako szansę. Firmy, które inwestują więcej w big data, odnotowują poprawę wydajności i podejmowania decyzji, a firmy wykorzystują również big data jako sposób na przechwytywanie i przechowywanie krytycznych informacji o swoich klientach:

Z nowym naciskiem na uczenie maszynowe i sztuczną inteligencję dane, które napędzają te procesy, muszą skądś pochodzić. Big data dostarcza tym narzędziom informacji, których potrzebują, aby nakreślić pełniejszy obraz dla marketerów. Bez dużej ilości danych inteligencja predykcyjna może prowadzić do błędnych wniosków i wskazywać marketerom niewłaściwy kierunek. Dlatego big data musi być rozwijana wraz z narzędziami predykcyjnymi.

Przykłady predykcyjnej analizy klienta

Firmy zmierzają w kierunku większego wykorzystania analiz predykcyjnych. Ale to nie tylko technika na przyszłość. Obecnie firmy korzystają z narzędzi predykcyjnych, aby poprawić wyniki finansowe i stać się bardziej wydajnymi.

Widok wewnątrz

InsideView to firma zajmująca się marketingiem i sprzedażą, która potrzebowała skuteczniejszej metody określania, do których leadów warto się zwrócić. W tamtym czasie firma InsideView miała tylko dwóch przedstawicieli handlowych, a określenie, które leady przychodzące miały najwyższy priorytet, było długotrwałym, 18-dniowym procesem , który firma chciała radykalnie zmniejszyć.

Następnie zwrócili się do rozwiązania do analizy predykcyjnej SalesPredict, aby uzyskać inteligentny wgląd w punktację potencjalnych klientów. Rozwiązanie wykorzystywało tysiące sygnałów, aby uzyskać wgląd w zamiary zakupowe potencjalnego klienta. Analityka predykcyjna umożliwiła InsideView stworzenie wyniku dla każdego potencjalnego klienta, który został włączony do istniejącej automatyzacji marketingu firmy.

Wynik? Proces kwalifikacji potencjalnych klientów InsideView został teraz skrócony do 2 dni. Ponadto ich współczynnik konwersji wzrósł o 25%, a firma odnotowała 100% wzrost kwalifikowanego potoku sprzedaży.

Sieć komórkowa w USA

Firma US Cellular chciała dowiedzieć się, jakie optymalizacje stron internetowych mogą wdrożyć, aby zwiększyć przychody i jak skuteczne były każde z tych działań. Zatrudnili Cardinal Path do przeprowadzenia analizy zamiaru zakupu (forma analizy predykcyjnej), aby odkryć, które działania w witrynie są najbardziej przewidywalne dla przyszłych zakupów.

Istniało przekonanie, że potencjalni klienci, którzy skorzystali z funkcji dodawania do koszyka lub lokalizatora sklepów na stronie internetowej firmy, są potencjalnymi potencjalnymi klientami o wyższej wartości. Cardinal Path odkrył, że potencjalni klienci, którzy skorzystali z funkcji „Czat teraz” lub „Oferty” firmy US Cellular, częściej dokonają zakupu w przyszłości niż potencjalni klienci, którzy skorzystali z lokalizatora sklepów. Firma US Cellular wykorzystała te spostrzeżenia, aby skupić się na bardziej wykwalifikowanych potencjalnych klientach, co zaowocowało 61% wzrostem wartości życiowej klienta.

Z jakiej technologii skorzystasz?

Predykcyjne technologie analizy biznesowej, takie jak uczenie maszynowe i sztuczna inteligencja, nie są już obcymi koncepcjami, które można zignorować. Są tutaj, aby zostać i zmienić marketing cyfrowy, jaki znamy. Oba pozwalają marketerom tworzyć spersonalizowane rozwiązania dla klientów, a bycie na bieżąco z powiązanymi trendami może pomóc Twojej firmie stać się bardziej wydajnym w przyszłości.

Zacznij personalizować obsługę strony docelowej klienta po kliknięciu, już dziś zarejestruj się na demo Instapage Enterprise.