อนาคตของการตลาดอยู่ที่นี่: Predictive Intelligence
เผยแพร่แล้ว: 2017-06-29ความฉลาดทางการคาดการณ์อาจฟังดูเหมือนเครื่องมือล้ำยุคที่อยู่ในภาพยนตร์นิยายวิทยาศาสตร์ แต่นักการตลาดในปัจจุบันกำลังใช้เทคโนโลยีนี้เพื่อส่งมอบสิ่งที่ลูกค้าต้องการ ก่อนที่พวกเขาจะรู้ตัวว่าต้องการ
เครื่องมือคาดการณ์ล่วงหน้าช่วยให้บริษัทต่างๆ เช่น Room & Board ผู้ค้าปลีกเฟอร์นิเจอร์ปรับปรุงผลกำไรและเข้าถึงลูกค้าได้อย่างมีประสิทธิภาพมากขึ้น พวกเขาใช้เทคโนโลยี Marketing Cloud ของ Salesforce ที่วิเคราะห์ข้อมูลการเข้าชมของลูกค้าและการวิเคราะห์เชิงคาดการณ์เพื่อแนะนำการซื้อเพิ่มเติมให้กับลูกค้าในแบบเรียลไทม์ ผลลัพธ์ที่ได้คือ ROI 2900% ที่น่าเหลือเชื่อ
จริงอยู่ มีธุรกิจไม่มากที่จะประสบความสำเร็จเช่นเดียวกับ Room & Board แต่เทคโนโลยีได้พัฒนาไปมากจนนักการตลาดไม่สามารถเพิกเฉยต่อการเปิดเผยใหม่บางอย่างได้ เช่น ระบบที่เสนอคำแนะนำตามรูปแบบการเข้าชมของลูกค้า
การให้ประสบการณ์ที่เป็นส่วนตัวแก่ลูกค้ายังคงพิสูจน์ ROI ในเชิงบวกต่อไป หากคุณไม่คุ้นเคยกับแนวคิดนี้ คุณควรรู้ว่าระบบคาดการณ์ล่วงหน้าคืออะไรและมีเครื่องมือใดบ้าง
ปัญญาพยากรณ์คืออะไร?
บางครั้งเรียกว่าการวิเคราะห์เชิงคาดการณ์ ข้อมูลเชิงคาดการณ์เป็นวิธีการสร้างประสบการณ์ของลูกค้าที่มีลักษณะเฉพาะสำหรับแต่ละบุคคลโดยการตรวจสอบพฤติกรรมของลูกค้าและสร้างโปรไฟล์ของการตั้งค่าเฉพาะของพวกเขา จากนั้นข้อมูลโปรไฟล์นี้จะใช้เพื่อคาดการณ์ว่าลูกค้าจะต้องการอะไรต่อไป
ตัวอย่างเช่น สมมติว่านักช้อปออนไลน์เพิ่งซื้อทีวีจอแบน เครื่องมืออัจฉริยะใหม่เหล่านี้จะตรวจจับการซื้อและส่งอีเมลถึงผู้ซื้อแบบเรียลไทม์เพื่อแนะนำโต๊ะกาแฟหรือชั้นวางทีวี ซึ่งช่วยลดความจำเป็นที่มนุษย์จะต้องพิจารณาแต่ละแง่มุมของโปรไฟล์ลูกค้าด้วยตนเอง และทำให้การตลาดมีประสิทธิภาพมากขึ้น
การตลาดแบบ B2B เปลี่ยนไปอย่างไร
นักการตลาดเคยให้คะแนนลีดด้วยตนเองเพื่อกำหนดว่าผู้มีแนวโน้มจะเป็นลูกค้าในระยะใดอยู่ในเส้นทางของลูกค้า การให้คะแนนลูกค้าเป้าหมายด้วยตนเองเกิดขึ้นเมื่อนักการตลาดกำหนดเกรดหรือค่าตัวเลขให้กับลูกค้าเป้าหมายตามการวิเคราะห์ของพวกเขา ตัวอย่างเช่น หากนักการตลาดสังเกตเห็นรูปแบบที่ลีดที่ดูการสาธิตผลิตภัณฑ์แปลงเป็นอัตราที่สูงกว่า ผู้ดูการสาธิตอาจได้รับเกรด "A" ในขณะที่ลีดที่ไม่ได้ดูการสาธิตอาจได้รับเกรด "B"
ในทางกลับกัน การให้คะแนนลีดเชิงคาดการณ์จะใช้พฤติกรรมของผู้มีแนวโน้มจะเป็นลูกค้าและประวัติการซื้อในอดีตเพื่อกำหนดสิ่งที่พวกเขากำลังมองหาและไม่ว่าพวกเขาจะต้องการซื้อหรือไม่ การให้คะแนนลีดที่คาดการณ์ได้นั้นใช้บิ๊กดาต้าเป็นตัวกำหนดว่าลีดใดมีแนวโน้มที่จะแปลงเป็นส่วนใหญ่ ดังนั้นพนักงานขายสามารถมุ่งเน้นไปที่ลีดที่จะให้คุณค่าสูงสุดแก่บริษัท
Lattice Engines และ Mintigo เป็นสองบริษัทที่ให้บริการวิเคราะห์ B2B บนคลาวด์ เช่น การให้คะแนนลีดที่คาดการณ์ได้ Lattice Engines ค้นหาเครือข่ายสังคมออนไลน์ ฐานข้อมูลสาธารณะ และหน้าเว็บ และรวมข้อมูลนั้นเข้ากับข้อมูลลูกค้าภายในเพื่อช่วยให้ธุรกิจค้นหาโอกาสในการขายที่เหมาะสมที่สุด DocuSign ใช้ Lattice Engines บริษัทประเมินผลล่วงหน้าเพื่อค้นหาลูกค้าเป้าหมายที่มีแนวโน้มว่าจะเกิด Conversion มากที่สุด ผลที่ได้คือความสามารถในการคาดการณ์ Conversion เพิ่มขึ้น 38%
Mintigo ใช้ปัญญาประดิษฐ์เพื่อขับเคลื่อนแพลตฟอร์มการตลาดเชิงคาดการณ์โดยการรวบรวมข้อมูลอย่างต่อเนื่อง เช่น แนวโน้มการจ้างงาน ช่องทางการตลาดที่ใช้ และเทคโนโลยีที่ติดตั้ง ถัดไป พวกเขาใช้ข้อมูลนี้เพื่อกำหนดว่าลีด B2B ใดเป็นมูลค่าสูงสุด จากนั้นจะรวมเข้ากับแพลตฟอร์มการตลาดอัตโนมัติภายในของบริษัทเพื่อกำหนดว่าทีมขายควรมุ่งเน้นทรัพยากรไปที่ใด
เห็นได้ชัดว่าระบบคาดการณ์ล่วงหน้าช่วยให้นักการตลาดได้รับข้อมูลเชิงลึกเกี่ยวกับพฤติกรรมของลูกค้าได้ดีขึ้น ต่อไปนี้คือเครื่องมือบางส่วนที่นักการตลาดใช้เพื่อให้มีประสิทธิภาพมากขึ้น:
การเรียนรู้ของเครื่อง
การศึกษาของ Forrester Consulting ปี 2014 ได้สอบถามผู้ตอบแบบสอบถาม 121 คนว่าความท้าทายสามอันดับแรกของพวกเขาคืออะไร รายการที่ 3 และ 4 ตามลำดับ กำลังวิเคราะห์สตรีมข้อมูลจากทุกการโต้ตอบกับลูกค้า และใช้ข้อมูลเชิงลึกเหล่านี้เพื่อปรับปรุงประสบการณ์ของลูกค้า:
ในขณะที่ข้อมูลขนาดใหญ่ยังคงพัฒนาต่อไป นักการตลาดกำลังทำงานกับกระแสข้อมูลจำนวนมากขึ้นเรื่อยๆ ซึ่งอาจเป็นเรื่องยากสำหรับมนุษย์ในการจัดการ การเรียนรู้ของเครื่องเป็นวิธีแก้ไขปัญหานี้ แมชชีนเลิร์นนิงเป็นกระบวนการที่ระบบกรองข้อมูลชุดใหญ่เพื่อค้นหารูปแบบ แล้วปรับโปรแกรมตามข้อมูลใหม่
Staples ใช้แมชชีนเลิร์นนิงเพื่อรวบรวมข้อมูลเกี่ยวกับความชอบของผู้ซื้อในองค์กรด้วยวิธีที่แตกต่างกันสองสามวิธี: กับผู้ซื้อแบบบริการตนเองผ่านทางเว็บไซต์และ Easy Button ของพวกเขาในขณะที่ผู้คนพูดถึงเรื่องนี้ ทั้งสองวิธีนี้ช่วยให้ Staples คาดการณ์ความต้องการซื้อของได้ดีขึ้น เมื่อผู้ซื้อพูดผ่านปุ่มเมื่อเวลาผ่านไป บอทจะระบุสิ่งที่ลูกค้าต้องการและปรับปรุงการตอบสนอง
ปัญญาประดิษฐ์
ปัญหาที่ใหญ่ที่สุดอย่างหนึ่งของนักการตลาดคือพวกเขาไม่ได้รับข้อมูลที่ให้ภาพที่สมบูรณ์เสมอไป ปัญญาประดิษฐ์สามารถค้นหาแหล่งข้อมูลใหม่ๆ บนเว็บได้ เช่น ข่าว การอัปเดตโซเชียลมีเดีย และฐานข้อมูล ข้อมูลเพิ่มเติมทั้งหมดนี้ช่วยให้นักการตลาดค้นหาลูกค้าเป้าหมายคุณภาพสูงขึ้น และปรับแต่งเนื้อหาให้เหมาะกับผู้มีโอกาสเป็นลูกค้าได้ดียิ่งขึ้น
ปัญญาประดิษฐ์เป็นเครื่องมือที่แข็งแกร่งสำหรับการปรับเปลี่ยนในแบบของคุณ AI สามารถปรับแต่งอีเมลโดยเฉพาะตามความต้องการแบรนด์ลูกค้าของคุณโดยใช้ประวัติการช็อปปิ้งและโปรไฟล์ผู้บริโภค เครื่องมือนี้ทรงพลังมากจนจากการสำรวจ Demandbase พบว่า 80% ของนักการตลาดเชื่อว่า AI จะปฏิวัติอุตสาหกรรมการตลาดภายใน 5 ปีข้างหน้า:
แม้ว่านักการตลาดจะเชื่ออย่างมากในพลังของปัญญาประดิษฐ์ แต่พวกเขาก็ยังไม่ค่อยแน่ใจว่าจะใช้มันอย่างไร มีเพียง 26% ของนักการตลาดที่สำรวจโดย Demandbase กล่าวว่าพวกเขามีความเข้าใจอย่างมั่นใจเกี่ยวกับ AI ลองนึกภาพว่ามีรถสปอร์ตอยู่ในถนนรถแล่นของคุณ แต่ไม่เข้าใจวิธีการใช้งานยานพาหนะ นั่นคือขั้นตอนที่นักการตลาดจำนวนมากกำลังใช้ปัญญาประดิษฐ์
หากนักการตลาดต้องการใช้แมชชีนเลิร์นนิง ปัญญาประดิษฐ์ และเครื่องมืออื่นๆ อย่างมีประสิทธิภาพ พวกเขาจำเป็นต้องรู้ว่าแนวโน้มใดที่กำลังจะเกิดขึ้น ต่อไปนี้คือแนวโน้มสามประการที่ขับเคลื่อนการเปลี่ยนแปลงในตลาด B2B
คลิกเพื่อทวีต
3 แนวโน้มข่าวกรองคาดการณ์
การวิจัยพบว่าระบบคาดการณ์ล่วงหน้าทำให้พนักงานมีส่วนร่วมและมูลค่าตลอดช่วงชีวิตของลูกค้าสูงขึ้น การศึกษาในปี 2559 จากกลุ่มอเบอร์ดีนระบุว่าการวิเคราะห์เชิงคาดการณ์สามารถเพิ่มอัตรากำไรเฉลี่ยต่อลูกค้าได้เกือบ 5% และมูลค่าตลอดอายุการใช้งานของลูกค้าเพิ่มขึ้น 10% เมื่อเทียบกับผู้ที่ไม่ใช่ผู้ใช้:
ด้วยธุรกิจจำนวนมากขึ้นที่ลงทุนในระบบคาดการณ์ล่วงหน้า สิ่งสำคัญคือต้องรู้ว่าจะเกิดอะไรขึ้นในอีกไม่กี่ปีข้างหน้า
การเพิ่มขึ้นของแชทบอท
แชทบอทใช้แมชชีนเลิร์นนิงเพิ่มมากขึ้นเพื่อให้ฉลาดขึ้นและให้คำตอบแก่ลูกค้าได้ดียิ่งขึ้นเมื่อเวลาผ่านไป ลูกค้าสามารถรับคำตอบสำหรับคำถามเกี่ยวกับผลิตภัณฑ์หรือบริการโดยไม่ต้องค้นหาจากหน้าคำถามที่พบบ่อยหรือโทรออกให้เสียเวลา
Chatbots ได้กลายเป็นเครื่องมือสำคัญสำหรับธุรกิจที่ต้องการทำให้กระบวนการทำงานโดยอัตโนมัติมากขึ้นและมอบประสบการณ์การใช้งานที่ดีที่สุดแก่ผู้ใช้ ในช่วง 6 เดือนแรกของปี 2559 เพียง 58 ล้านดอลลาร์ลงทุนในแชทบอท นอกจากนี้ Gartner คาดการณ์ว่าภายในปี 2020 ลูกค้าแทบจะไม่มีปฏิสัมพันธ์กับองค์กรในระดับคนสู่คน:
เทคโนโลยีจะเติบโตขึ้นอย่างไม่ต้องสงสัย และคำถามที่ลูกค้าถามมักจะถูกเพิ่มลงในโปรไฟล์ผู้บริโภคเพื่อสร้างภาพที่ดีขึ้นว่าพวกเขาอยู่ที่ไหนในเส้นทางของลูกค้าและบริการที่พวกเขาอาจซื้อ
แอพอัจฉริยะ
แมชชีนเลิร์นนิงจะไม่เพียงแต่เป็นเครื่องมือที่ยักษ์ใหญ่ด้านเทคโนโลยีอย่าง Facebook สามารถซื้อได้อีกต่อไป แอพอัจฉริยะจะกลายเป็นกระแสหลักเร็วกว่าที่คุณคิด ในไม่ช้า บริษัทส่วนใหญ่จะใช้แอพที่วิเคราะห์ข้อมูลจำนวนมากอย่างรวดเร็วและเปลี่ยนโปรแกรมตามข้อมูลใหม่ และหากคุณไม่เชื่อ ให้เชื่อสิ่งนี้: ในปี 2559 TechCrunch ได้เรียนรู้ว่า 90% ของสตาร์ทอัพที่พวกเขาพบกับพวกเขาวางแผนที่จะใช้แมชชีนเลิร์นนิงเพื่อปรับปรุงประสบการณ์ของลูกค้า
นอกจากนี้ยังมีตลาดที่กำลังเติบโตสำหรับอัลกอริธึมที่ขับเคลื่อนแอพอัจฉริยะ อัลกอริทึมเป็นหนึ่งในตลาดดังกล่าว Mashape เป็นอีกหนึ่งตลาดสำหรับ API ที่นักพัฒนาใช้สร้างแอปอัจฉริยะ นักการตลาดจะพึ่งพาอัลกอริธึมมากขึ้นในการเรียกใช้แอพอัจฉริยะที่มอบโซลูชันส่วนบุคคลให้กับลูกค้า
ตลาดมีความสำคัญเนื่องจากช่วยลดความขัดแย้งในกระบวนการซื้อและขาย ด้วยกระบวนการซื้อที่ง่ายกว่า นั่นหมายถึงการนำแอปอัจฉริยะมาใช้และ API ที่ขับเคลื่อนแอปนั้นเร็วขึ้น
บิ๊กดาต้าเห็นการลงทุนที่เพิ่มขึ้น
การสำรวจจาก DNV GL – Business Assurance พบว่า 76% ขององค์กรทั้งหมดต้องการเพิ่มหรือรักษาการลงทุนในข้อมูลขนาดใหญ่ระหว่างปัจจุบันและปี 2019 นอกจากนี้ การสำรวจยังพบว่าองค์กรส่วนใหญ่ทั่วโลกมองว่าบิ๊กดาต้าเป็นโอกาส บริษัทที่ลงทุนในบิ๊กดาต้ามากขึ้นกำลังเห็นการปรับปรุงในด้านประสิทธิภาพและการตัดสินใจ และธุรกิจต่างๆ ก็นำบิ๊กดาต้ามาใช้เป็นวิธีในการดักจับและจัดเก็บข้อมูลที่สำคัญเกี่ยวกับลูกค้าของตน:
ด้วยการมุ่งเน้นที่แมชชีนเลิร์นนิงและปัญญาประดิษฐ์ ข้อมูลที่ขับเคลื่อนกระบวนการเหล่านี้จะต้องมาจากที่ไหนสักแห่ง ข้อมูลขนาดใหญ่ทำให้เครื่องมือเหล่านี้มีข้อมูลที่จำเป็นในการวาดภาพที่สมบูรณ์ยิ่งขึ้นสำหรับนักการตลาด หากไม่มีข้อมูลจำนวนมาก ระบบคาดการณ์ล่วงหน้าอาจนำไปสู่ข้อสรุปที่ไม่ถูกต้อง และชี้นักการตลาดไปในทิศทางที่ผิด นั่นคือเหตุผลที่ต้องปลูกฝังข้อมูลขนาดใหญ่ควบคู่ไปกับเครื่องมือคาดการณ์
ตัวอย่างข้อมูลลูกค้าที่คาดการณ์ล่วงหน้า
ธุรกิจต่างๆ มีแนวโน้มที่จะใช้การวิเคราะห์เชิงคาดการณ์มากขึ้น แต่มันไม่ใช่แค่เทคนิคสำหรับอนาคต ขณะนี้ บริษัทต่างๆ กำลังใช้เครื่องมือคาดการณ์เพื่อปรับปรุงผลกำไรของตนให้มีประสิทธิภาพมากขึ้น
InsideView
InsideView เป็นบริษัทการตลาดและการขายที่ต้องการวิธีที่มีประสิทธิภาพมากขึ้นในการพิจารณาว่าลูกค้าเป้าหมายรายใดควรค่าแก่การติดตาม ในขณะนั้น InsideView มีพนักงานขายเพียงสองคน และการพิจารณาว่าลีดขาเข้าคนใดมีความสำคัญสูงสุดคือ กระบวนการ 18 วันที่ ยาวนาน ซึ่งเป็นตัวเลขที่บริษัทต้องการลดอย่างมาก
จากนั้นพวกเขาจึงหันไปใช้โซลูชันการวิเคราะห์เชิงคาดการณ์ของ SalesPredict เพื่อรับข้อมูลเชิงลึกอัจฉริยะเกี่ยวกับการให้คะแนนลูกค้าเป้าหมาย โซลูชันนี้ใช้สัญญาณหลายพันรายการเพื่อสร้างข้อมูลเชิงลึกเกี่ยวกับความตั้งใจในการซื้อของลูกค้าเป้าหมาย การวิเคราะห์เชิงคาดการณ์ช่วยให้ InsideView สร้างคะแนนสำหรับลีดแต่ละรายที่รวมอยู่ในระบบอัตโนมัติทางการตลาดที่มีอยู่ของบริษัท
ผลลัพธ์? กระบวนการรับรองลูกค้าเป้าหมายของ InsideView ลดลงเหลือ 2 วันแล้ว นอกจากนี้ อัตราการแปลงของพวกเขาเพิ่มขึ้น 25% และบริษัทมีการเติบโต 100% ในไปป์ไลน์การขายที่มีคุณสมบัติเหมาะสม
US Cellular
US Cellular ต้องการเรียนรู้ว่าพวกเขาสามารถปรับใช้การเพิ่มประสิทธิภาพเว็บไซต์ใดบ้างเพื่อเพิ่มรายได้และการกระทำแต่ละอย่างมีประสิทธิภาพเพียงใด พวกเขาจ้าง Cardinal Path เพื่อทำการวิเคราะห์ความตั้งใจในการซื้อให้เสร็จสิ้น (รูปแบบหนึ่งของการวิเคราะห์เชิงคาดการณ์) เพื่อค้นหาการกระทำของเว็บไซต์ที่คาดการณ์ได้มากที่สุดสำหรับการซื้อในอนาคต
มีความเชื่อว่าผู้ที่มีแนวโน้มจะเป็นลูกค้าที่ใช้คุณลักษณะเพิ่มในรถเข็นหรือตัวระบุตำแหน่งร้านบนเว็บไซต์ของบริษัทเป็นลูกค้าเป้าหมายที่มีมูลค่าสูงกว่า Cardinal Path พบว่าผู้ที่มีแนวโน้มจะเป็นลูกค้าที่ใช้คุณลักษณะ "แชทเลย" หรือ "ข้อเสนอพิเศษ" ของ US Cellular มีแนวโน้มที่จะทำการซื้อในอนาคตมากกว่าผู้ที่มีแนวโน้มจะเป็นลูกค้าที่ใช้เครื่องระบุตำแหน่งร้าน US Cellular ใช้ข้อมูลเชิงลึกเหล่านี้เพื่อมุ่งเน้นไปที่ลีดที่เข้าเกณฑ์มากขึ้น ซึ่งส่งผลให้มูลค่าตลอดช่วงชีวิตของลูกค้าเพิ่มขึ้น 61%
คุณจะใช้ประโยชน์จากเทคโนโลยีใด
เทคโนโลยีข่าวกรองธุรกิจเชิงคาดการณ์ เช่น แมชชีนเลิร์นนิงและ AI ไม่ใช่แนวคิดต่างประเทศที่คุณมองข้ามได้อีกต่อไป พวกเขาอยู่ที่นี่เพื่ออยู่และเปลี่ยนแปลงการตลาดดิจิทัลอย่างที่เราทราบ ทั้งสองช่วยให้นักการตลาดสร้างโซลูชันส่วนบุคคลสำหรับลูกค้าและติดตามแนวโน้มที่เกี่ยวข้องจะช่วยให้ธุรกิจของคุณมีประสิทธิภาพมากขึ้นในอนาคต
เริ่มปรับแต่งประสบการณ์หน้า Landing Page หลังการคลิกของลูกค้าของคุณ ลงทะเบียนเพื่อสาธิต Instapage Enterprise วันนี้