营销的未来就在这里：预测智能
已发表: 2017-06-29预测智能听起来可能像是科幻电影中的未来派工具。 但是今天的营销人员正在使用该技术来交付他们的客户甚至在他们知道他们想要它之前想要的东西。
预测智能工具正在帮助家具零售商 Room & Board 等公司提高利润并更有效地接触客户。 他们实施了 Salesforce 的营销云技术，该技术分析了客户流量数据和预测分析，以实时向客户建议额外的购买。 结果是令人难以置信的 2900% 投资回报率。
诚然，没有多少企业会像食宿一样获得成功。 但是这项技术已经发展到了如此大的地步，以至于营销人员不能忽视一些新的启示——比如一个根据客户流量模式提供建议的系统。
为客户提供个性化体验继续证明是积极的投资回报率。 如果您不熟悉这个概念，您应该知道什么是预测智能以及可用的工具。
什么是预测智能？
有时也称为预测分析，预测智能是一种通过监控客户行为并构建其特定偏好配置文件来创建特定个人独有的客户体验的方法。 然后使用此配置文件数据来预测客户接下来会想要什么。
例如，假设一位在线购物者刚刚购买了一台平板电视。 这些新的智能工具将检测购买情况并向购物者实时发送电子邮件，推荐咖啡桌或电视柜。 这消除了人工手动考虑客户资料的各个方面的需要，并使营销更加高效。
它如何改变 B2B 营销
营销人员过去常常手动对潜在客户进行评分，以确定潜在客户在客户旅程中所处的阶段。 当营销人员根据他们的分析为某些潜在客户分配等级或数值时，就会发生手动潜在客户评分。 例如，如果营销人员注意到观看产品演示的潜在客户转化率更高的模式，演示观看者可能会获得“A”级，而未观看演示的潜在客户可能会获得“B”级。
相反，预测性潜在客户评分使用潜在客户的行为和过去的购买历史来确定他们正在寻找什么以及他们是否打算购买。 预测线索评分使用大数据确定哪些线索最有可能转化，因此销售人员可以专注于为公司提供最大价值的线索。
Lattice Engines 和 Mintigo 是两家提供基于云的 B2B 分析服务（如预测性潜在客户评分）的公司。 Lattice Engines 搜索社交网络、公共数据库和网页，并将这些信息与内部客户数据相结合，以帮助企业找到最佳的销售前景。 DocuSign 使用预测线索评分公司 Lattice Engines 来查找最有可能转化的线索。 结果是转化的可预测性提高了 38%。
Mintigo 通过持续收集招聘趋势、使用的营销渠道和安装的技术等信息，使用人工智能为其预测营销平台提供支持。 接下来，他们使用此数据来确定哪些 B2B 潜在客户价值最高。 然后，它与公司内部营销自动化平台相结合，以确定销售团队应将资源集中在哪里。
显然，预测智能正在帮助营销人员更好地洞察客户行为。 以下是营销人员用来提高效率的一些工具：
机器学习
Forrester Consulting 2014 年的一项研究询问了 121 名受访者，他们面临的三大挑战是什么。 分别排在第 3 和第 4 位的是分析来自每个客户交互的数据流，并应用这些见解来改善客户体验：
随着大数据的不断发展，营销人员正在处理越来越多的人类难以管理的数据流。 机器学习是解决这个问题的方法。 机器学习是系统筛选大量数据以寻找模式，然后根据新信息调整其程序的过程。
Staples 正在使用机器学习以几种不同的方式收集有关其企业买家偏好的信息：自助购物者通过他们的网站和他们的 Easy Button，当人们谈论它时。 这两者都有助于 Staples 更好地预测他们的购物需求。 随着时间的推移，随着购物者对按钮说话，机器人会识别客户的需求并改进其响应。
人工智能
营销人员面临的最大问题之一是，他们并不总能获得能够全面了解情况的数据。 人工智能可以在网络上找到新的数据源，例如新闻报道、社交媒体更新和数据库。 所有这些额外的数据都有助于营销人员找到更高质量的潜在客户，并更好地为潜在客户提供个性化的内容。
人工智能也是个性化的有力工具。 AI 可以通过使用客户的购物历史和消费者资料，专门根据客户的品牌偏好定制电子邮件。 该工具非常强大，一项 Demandbase 调查发现，80% 的营销人员认为人工智能将在未来 5 年内彻底改变营销行业：
尽管营销人员非常相信人工智能的力量，但他们还不太确定如何实施它。 Demandbase 调查的营销人员中只有 26% 表示他们对 AI 有非常自信的理解。 想象一下，您的车道上有一辆跑车，但不了解如何操作车辆。 这是许多营销人员目前使用人工智能的阶段。
如果营销人员想要有效地使用机器学习、人工智能和其他工具，那么他们必须了解即将出现的趋势。 以下是推动 B2B 营销变革的三个趋势。
点击推文
3 预测智能趋势
研究表明，预测智能会产生更高的员工敬业度和客户终身价值。 Aberdeen Group 2016 年的一项研究表明，与非用户相比，预测分析可以将每位客户的平均利润率提高近 5%，并将客户生命周期价值提高 10%：
随着越来越多的企业投资于预测智能，了解未来几年会发生什么非常重要。
聊天机器人的兴起
聊天机器人越来越多地使用机器学习来变得更聪明，并随着时间的推移为客户提供更好的答案。 客户无需浏览常见问题页面或拨打耗时的电话，即可获得有关产品或服务的问题的答案。
聊天机器人已成为希望自动化更多流程并尽可能提供最佳用户体验的企业的重要工具。 仅在 2016 年前 6 个月，聊天机器人就投入了 5800 万美元。 此外，Gartner 预测，到 2020 年，客户甚至几乎不会在人与人的层面上与企业互动：
毫无疑问，这项技术将会成熟，客户提出的问题很可能会被添加到他们的消费者档案中，以更好地了解他们在客户旅程中的位置以及他们可能会购买哪些服务。
智能应用
机器学习将不再只是像 Facebook 这样的科技巨头能够负担得起的工具。 智能应用程序将比您想象的更早成为主流。 很快，大多数公司将使用能够快速分析大量数据并根据新信息更改程序的应用程序。 如果您不相信这一点，请相信这一点：2016 年，TechCrunch 了解到，他们遇到的 90% 的初创公司都计划使用机器学习来改善客户体验。
支持智能应用程序的算法市场也会不断增长。 算法就是这样一个市场。 Mashape 是开发人员用来构建智能应用程序的另一个 API 市场。 营销人员将越来越依赖算法来运行为客户提供个性化解决方案的智能应用程序。
市场很重要，因为它们减少了买卖过程中的摩擦。 通过更简单的购买流程，这意味着更快地采用智能应用程序和为其提供支持的 API。
大数据看投资增加
DNV GL – Business Assurance 的一项调查发现，从现在到 2019 年，76% 的组织都希望增加或保持对大数据的投资。调查还发现，全球大多数企业都将大数据视为机遇。 加大对大数据投资的公司在效率和决策制定方面都取得了进步，企业也将大数据作为捕获和存储客户关键信息的一种方式：
随着对机器学习和人工智能的新关注，为这些过程提供动力的数据必须来自某个地方。 大数据为这些工具提供了为营销人员描绘更完整画面所需的信息。 如果没有大量数据，预测智能可能会导致错误的结论并将营销人员指向错误的方向。 这就是大数据必须与预测工具一起培养的原因。
预测性客户智能示例
企业趋向于更多地使用预测分析。 但这不仅仅是一种面向未来的技术。 现在，公司正在使用预测工具来提高他们的底线并提高效率。
内部视图
InsideView 是一家营销和销售公司，需要一种更有效的方法来确定哪些潜在客户值得追求。 当时，InsideView 只有两名销售代表，确定哪些入站线索的优先级是一个漫长的18 天过程，该公司希望大幅减少这一数字。
然后，他们求助于 SalesPredict 的预测分析解决方案，以获取有关潜在客户评分的智能洞察。 该解决方案使用了数千个信号来深入了解潜在客户的购买意图。 预测分析使 InsideView 能够为纳入公司现有营销自动化的每个潜在客户创建一个分数。
结果？ InsideView 的潜在客户资格认证流程现在缩短至 2 天。 此外，他们的转化率提高了 25%，公司的合格销售渠道增长了 100%。
美国移动电话
US Cellular 希望了解他们可以实施哪些网站优化来增加收入，以及每项操作的效果如何。 他们聘请 Cardinal Path 完成购买意图分析（一种预测分析形式），以发现哪些网站操作最能预测未来的购买行为。
人们认为，在公司网站上使用添加到购物车或商店定位器功能的潜在客户是价值更高的潜在客户。 Cardinal Path 发现，使用 US Cellular 的“立即聊天”或“优惠”功能的潜在客户比使用商店定位器的潜在客户更有可能在未来购买。 US Cellular 使用这些见解专注于更多合格的潜在客户，从而使客户生命周期价值增加了 61%。
您将利用哪种技术？
机器学习和人工智能等预测性商业智能技术不再是您可以忽略的外国概念。 正如我们所知，他们会留下来并改变数字营销。 两者都允许营销人员为客户创建个性化的解决方案，掌握相关趋势可以帮助您的企业在未来变得更有效率。
开始个性化客户的点击后登录页面体验，立即注册 Instapage Enterprise 演示。