營銷的未來就在這裡：預測智能

預測智能聽起來可能像是科幻電影中的未來派工具。 但是今天的營銷人員正在使用該技術來交付他們的客戶甚至在他們知道他們想要它之前想要的東西。

預測智能工具正在幫助家具零售商 Room & Board 等公司提高利潤並更有效地接觸客戶。 他們實施了 Salesforce 的營銷雲技術，該技術分析了客戶流量數據和預測分析，以實時向客戶建議額外的購買。 結果是令人難以置信的 2900% 投資回報率。

誠然，沒有多少企業會像食宿一樣獲得成功。 但是這項技術已經發展到瞭如此大的地步，以至於營銷人員不能忽視一些新的啟示——比如一個根據客戶流量模式提供建議的系統。

為客戶提供個性化體驗繼續證明是積極的投資回報率。 如果您不熟悉這個概念，您應該知道什麼是預測智能以及可用的工具。

什麼是預測智能？

有時也稱為預測分析，預測智能是一種通過監控客戶行為並構建其特定偏好配置文件來創建特定個人獨有的客戶體驗的方法。 然後使用此配置文件數據來預測客戶接下來想要什麼。

例如，假設一位在線購物者剛剛購買了一台平板電視。 這些新的智能工具將檢測購買情況並向購物者實時發送電子郵件，推薦咖啡桌或電視櫃。 這消除了人工手動考慮客戶資料的各個方面的需要，並使營銷更加高效。

它如何改變 B2B 營銷

營銷人員過去常常手動對潛在客戶進行評分，以確定潛在客戶在客戶旅程中所處的階段。 當營銷人員根據他們的分析為某些潛在客戶分配等級或數值時，就會發生手動潛在客戶評分。 例如，如果營銷人員注意到觀看產品演示的潛在客戶轉化率更高的模式，演示觀看者可能會獲得“A”級，而未觀看演示的潛在客戶可能會獲得“B”級。

相反，預測性潛在客戶評分使用潛在客戶的行為和過去的購買歷史來確定他們正在尋找什麼以及他們是否打算購買。 預測線索評分使用大數據確定哪些線索最有可能轉化，因此銷售人員可以專注於為公司提供最大價值的線索。

Lattice Engines 和 Mintigo 是兩家提供基於雲的 B2B 分析服務（如預測性潛在客戶評分）的公司。 Lattice Engines 搜索社交網絡、公共數據庫和網頁，並將這些信息與內部客戶數據相結合，以幫助企業找到最佳的銷售前景。 DocuSign 使用預測線索評分公司 Lattice Engines 來查找最有可能轉化的線索。 結果是轉化的可預測性提高了 38%。

Mintigo 通過持續收集招聘趨勢、使用的營銷渠道和安裝的技術等信息，使用人工智能為其預測營銷平台提供支持。 接下來，他們使用此數據來確定哪些 B2B 潛在客戶價值最高。 然後，它與公司內部營銷自動化平台相結合，以確定銷售團隊應將資源集中在哪裡。

顯然，預測智能正在幫助營銷人員更好地洞察客戶行為。 以下是營銷人員用來提高效率的一些工具：

機器學習

Forrester Consulting 2014 年的一項研究詢問了 121 名受訪者，他們面臨的三大挑戰是什麼。 分別排在第 3 和第 4 位的是分析來自每個客戶交互的數據流，並應用這些見解來改善客戶體驗：

隨著大數據的不斷發展，營銷人員正在處理越來越多的人類難以管理的數據流。 機器學習是解決這個問題的方法。 機器學習是系統篩選大量數據以尋找模式，然後根據新信息調整其程序的過程。

Staples 正在使用機器學習以幾種不同的方式收集有關其企業買家偏好的信息：自助購物者通過他們的網站和他們的 Easy Button，當人們談論它時。 這兩者都有助於 Staples 更好地預測他們的購物需求。 隨著時間的推移，隨著購物者對按鈕說話，機器人會識別客戶的需求並改進其響應。

人工智能

營銷人員面臨的最大問題之一是，他們並不總能獲得能夠全面了解情況的數據。 人工智能可以在網絡上找到新的數據源，例如新聞報導、社交媒體更新和數據庫。 所有這些額外的數據都有助於營銷人員找到更高質量的潛在客戶，並更好地為潛在客戶提供個性化的內容。

人工智能也是個性化的有力工具。 AI 可以通過使用客戶的購物歷史和消費者資料，專門根據客戶的品牌偏好定制電子郵件。 該工具非常強大，一項 Demandbase 調查發現，80% 的營銷人員認為人工智能將在未來 5 年內徹底改變營銷行業：

儘管營銷人員非常相信人工智能的力量，但他們還不太確定如何實施它。 Demandbase 調查的營銷人員中只有 26% 表示他們對 AI 有非常自信的理解。 想像一下，您的車道上有一輛跑車，但不了解如何操作車輛。 這是許多營銷人員目前使用人工智能的階段。

如果營銷人員想要有效地使用機器學習、人工智能和其他工具，那麼他們必須了解即將出現的趨勢。 以下是推動 B2B 營銷變革的三個趨勢。

3 預測智能趨勢

研究表明，預測智能會產生更高的員工敬業度和客戶終身價值。 Aberdeen Group 2016 年的一項研究表明，與非用戶相比，預測分析可以將每位客戶的平均利潤率提高近 5%，並將客戶生命週期價值提高 10%：

隨著越來越多的企業投資於預測智能，了解未來幾年會發生什麼非常重要。

聊天機器人的興起

聊天機器人越來越多地使用機器學習來變得更聰明，並隨著時間的推移為客戶提供更好的答案。 客戶無需瀏覽常見問題頁面或撥打耗時的電話，即可獲得有關產品或服務的問題的答案。

聊天機器人已成為希望自動化更多流程並儘可能提供最佳用戶體驗的企業的重要工具。 僅在 2016 年前 6 個月，聊天機器人就投入了 5800 萬美元。 此外，Gartner 預測，到 2020 年，客戶甚至幾乎不會在人與人的層面上與企業互動：

毫無疑問，這項技術將會成熟，客戶提出的問題很可能會被添加到他們的消費者檔案中，以更好地了解他們在客戶旅程中的位置以及他們可能會購買哪些服務。

智能應用

機器學習將不再只是像 Facebook 這樣的科技巨頭能夠負擔得起的工具。 智能應用程序將比您想像的更早成為主流。 很快，大多數公司將使用能夠快速分析大量數據並根據新信息更改程序的應用程序。 如果您不相信這一點，請相信這一點：2016 年，TechCrunch 了解到，他們遇到的 90% 的初創公司都計劃使用機器學習來改善客戶體驗。

支持智能應用程序的算法市場也將不斷增長。 算法就是這樣一個市場。 Mashape 是開發人員用來構建智能應用程序的另一個 API 市場。 營銷人員將越來越依賴算法來運行為客戶提供個性化解決方案的智能應用程序。

市場很重要，因為它們減少了買賣過程中的摩擦。 通過更簡單的購買流程，這意味著更快地採用智能應用程序和為其提供支持的 API。

大數據看投資增加

DNV GL – Business Assurance 的一項調查發現，從現在到 2019 年，76% 的組織都希望增加或維持對大數據的投資。該調查還發現，全球大多數企業都將大數據視為機遇。 加大對大數據投資的公司在效率和決策制定方面都取得了進步，企業也將大數據作為捕獲和存儲客戶關鍵信息的一種方式：

隨著對機器學習和人工智能的新關注，為這些過程提供動力的數據必須來自某個地方。 大數據為這些工具提供了為營銷人員描繪更完整畫面所需的信息。 如果沒有大量數據，預測智能可能會導致錯誤的結論並將營銷人員指向錯誤的方向。 這就是大數據必須與預測工具一起培養的原因。

預測性客戶智能示例

企業趨向於更多地使用預測分析。 但這不僅僅是一種面向未來的技術。 現在，公司正在使用預測工具來提高他們的底線並提高效率。

內部視圖

InsideView 是一家營銷和銷售公司，需要一種更有效的方法來確定哪些潛在客戶值得追求。 當時，InsideView 只有兩名銷售代表，確定哪些入站線索的優先級是一個漫長的18 天過程，該公司希望大幅減少這一數字。

然後，他們求助於 SalesPredict 的預測分析解決方案，以獲取有關潛在客戶評分的智能洞察。 該解決方案使用了數千個信號來深入了解潛在客戶的購買意圖。 預測分析使 InsideView 能夠為納入公司現有營銷自動化的每個潛在客戶創建一個分數。

結果？ InsideView 的潛在客戶資格認證流程現在縮短至 2 天。 此外，他們的轉化率提高了 25%，公司的合格銷售渠道增長了 100%。

美國移動電話

US Cellular 希望了解他們可以實施哪些網站優化來增加收入，以及每項操作的效果如何。 他們聘請 Cardinal Path 完成購買意圖分析（一種預測分析形式），以發現哪些網站操作最能預測未來的購買行為。

人們認為，在公司網站上使用添加到購物車或商店定位器功能的潛在客戶是價值更高的潛在客戶。 Cardinal Path 發現，與使用商店定位器的潛在客戶相比，使用 US Cellular 的“立即聊天”或“優惠”功能的潛在客戶更有可能在未來購買。 US Cellular 使用這些見解專注於更多合格的潛在客戶，從而使客戶生命週期價值增加了 61%。

您將利用哪種技術？

機器學習和人工智能等預測性商業智能技術不再是您可以忽略的外國概念。 正如我們所知，他們會留下來並改變數字營銷。 兩者都允許營銷人員為客戶創建個性化的解決方案，掌握相關趨勢可以幫助您的企業在未來變得更有效率。

開始個性化客戶的點擊後登錄頁面體驗，立即註冊 Instapage Enterprise 演示。