Предиктивна аналитика: Како маркетиншки стручњаци могу побољшати будуће активности: Испитивач друштвених медија

Желите да ваш маркетинг буде ефикаснији?

Питате се како предвиђање ваших маркетиншких циклуса може помоћи?

Да бих истражио како трговци могу да започну са предиктивном аналитиком, интервјуишем Цхриса Пенна.

Више о овој емисији

Тхе Подцаст за маркетинг социјалних медија је емисија за разговор на захтев компаније Социал Медиа Екаминер. Дизајниран је да помогне заузетим трговцима, власницима предузећа и ауторима да открију шта функционише са маркетингом на друштвеним мрежама.

У овој епизоди дајем интервју Цхрис Пенн, суоснивач и главни иноватор у Умови о мозгу и поверењу. Такође је суводитељ Маркетинг уз кафу подцаст и водећи стручњак за аналитику за Социал Медиа Маркетинг Ворлд.

Цхрис објашњава како да обезбеди квалитет основних података који се користе у предиктивној аналитици.

Такође ћете открити изворе података и алате који се користе за предвиђање.

Поделите своје повратне информације, прочитајте белешке о емисији и пронађите везе поменуте у овој епизоди у наставку.

Слушај сад

Где се претплатити: Аппле Подцаст | Гоогле Подцастс | Спотифи | РСС

Померите се до краја чланка да бисте пронашли везе до важних ресурса поменутих у овој епизоди.

Ево неколико ствари које ћете открити у овој емисији:

Предиктивна аналитика

Крисова прича

Цхрис је започео аналитику захваљујући свом ИТ искуству. 2003. године почео је да ради као ИТ директор покретача студентских зајмова, где се његова улога проширила даље од традиционалних ИТ одговорности. Поред тога што је покренуо веб и сервере е-поште, он је такође ажурирао веб локације и слао недељне е-поруке.

Цхрис је радио овај посао пре него што је постојала Гоогле Аналитицс, па када је извршни директор његове компаније питао како функционишу веб локације и е-адресе, Цхрис није имао одговор. Да би то схватили, Цхрис и његов тим почели су да развијају сопствене алате за разумевање основа, попут броја људи који свакодневно посећују веб страницу.

Временом је пракса аналитике постала главни фокус Цхриса. Није само покушавао да сазна шта се догодило, већ и зашто се то догодило и како посао може да одговори.

Слушајте емисију да бисте чули како Цхрис разговара о свом образовању.

Шта су предиктивне аналитике?

Предиктивна аналитика користи статистику и машинско учење за анализу података и предвиђање. Људи су врло предвидљиви. Сви се придржавамо рутина, попут прања зуба, а затим туширања или облачења сваког дела одеће по одређеном редоследу свако јутро.

Будући да су људи предвидљиви и на микро и на макро нивоу, трговци углавном могу предвидети шта ће се догодити. На пример, у Северној Америци, ако сте Б2Ц продавац, прилично знате да ћете бити заузети од 1. новембра до 26. децембра, јер је то врхунско време за продају производа.

Слично томе, ако сте Б2Б продавац, ваше заузето време је од 1. јануара до отприлике краја маја. Потом се посао убрзава одмах након празника рада у Сједињеним Државама и Канади и наставља се кроз амерички Дан захвалности. Изван тих времена, много је теже бити продавач, било да се фокусирате на дигитално, друштвено или плаћено.

Слушајте емисију да бисте чули још примера предвидљивог људског понашања.

Шта предиктивна аналитика може?

Пошто ове ствари знамо генерално, машине нам могу помоћи да та предвиђања учинимо прецизнијим. Вредност предиктивне аналитике је њихова специфичност. Ако знате које недеље треба да радите више на Фацебооку или мање трошите на огласе, можете бити ефикаснији и успешнији у маркетингу. Ако знате како да предвиђате, можете зарадити новац, уштедети време, уштедети време и не добити отказ.

Предиктивна аналитика се посебно фокусира на покушаје да сазна шта се даље дешава. За просечног трговца, предвиђања временских серија (или када ће се нешто догодити) су најконвенционалнија и најкориснија апликација. Илустрације ради, ако се бавите продавањем друштвених мрежа, желите да знате када да запослите свој тим за корисничку подршку који ће одговарати на упите купаца.

Предиктивна аналитика такође може да открије ствари као што је када ће неко купити нови аутомобил или ако су будући родитељи. Међутим, те апликације су нијансираније од предвиђања временских серија.

Слушајте емисију да бисте чули о мојим искуствима са предиктивном аналитиком док сам био Б2Б писац.

Како функционише предиктивна аналитика

Предиктивна аналитика је вероватно стара скоро 70 година. Људи се изненаде кад чују колико је стара дисциплина јер мисле да је машинско учење нешто ново. Међутим, теорије и математичке формуле постоје заиста дуго.

Оно што се променило је рачунарска снага преносних рачунара, рачунара и сервера у облаку. Они могу срушити веће бројеве за краће време. Теоретски, можете радити предиктивну аналитику на папиру, али то би захтевало пуно папира и времена.

Да бисте добро радили предиктивну аналитику, требају вам три склоности. Прво, потребан вам је неко са вештинама развоја да би извукао податке из ваших извора података, као што су Гоогле Аналитицс, Фацебоок Инсигхтс, Твиттер и друге врсте друштвених података. Подаци могу бити у системима чији сте власник или у системима независних произвођача. Ко год има податке, мораћете да их можете извући.

Цхрису се свиђа израз „Подаци су ново уље“, јер ако сте икада видели сирову нафту, то је одвратан неред. Не можете много учинити док га не извадите из земље, не оплемените, а затим дате људима који могу да га користе у аутомобилима или да направе пластичне посуде које се не ломе кад падну на под. Са предиктивном аналитиком, то је готово иста ствар.

Рафинерије су научници који обрађују податке у нешто што можете користити. Тада маркетиншки технологи, што је данас улога многих маркетиншких стручњака за друштвене медије, раде нешто са тим подацима. Они не тумаче само податке; делују по њему.

Цхрис наглашава важност деловања на податке које добијете. Ако знате које недеље да промовишете свој догађај, али не радите ништа са тим информацијама, онда нема сврхе да предвиђате.

Тачност предвиђања зависи од основних података и алгоритма који користите за предвиђање. У једном тренутку ће готово сви наићи на проблем са квалитетом података. Можда нисте правилно поставили Гоогле аналитику, нисте правилно поставили циљеве, заборавили сте да укључите свој Фацебоок пиксел; било која од тих ствари.

Слушајте емисију да бисте чули како Цхрис разговара о популарној врсти техничке анализе залиха.

Практичне маркетиншке апликације за предиктивну аналитику

Када Цхрис прави предиктивну прогнозу, то је обично линијски графикон од 52 недеље. За сваку недељу графикон приказује предвиђање за било коју серију података. Већину времена Цхрис користи податке о претраживању јер људи у Гоогле уписују ствари које не би реците другом човеку, чинећи податке претраживања врло добрим показатељем шта се заправо на некоме налази ум.

Доступно је много података о претрази, а некима од њих можете бесплатно да приступите помоћу алата попут АдВордс планер кључних речи или Гоогле Трендс. Након што добијете податке, можете предвидети неку врсту тренда, који је серија података, а затим идентификовати врхове и долине. Цхрис препоручује да имате од једне до пет година података као основу за предвиђање.

Рецимо да извлачите пет година података о претраживању на маркетингу друштвених медија јер се питате када ће у следећих годину дана људи тражити „друштвене медије Маркетинг." Ако случајно знате да ће то бити 20. марта, 19. априла, 27. маја, 4. јула, 10. септембра и 21. октобра ове године, то су ваши ознаке високе воде.

Са тим датумима можете и да видите шта се дешава 2 до 3 недеље пре сваког датума. Уобичајено је да је дошло до успона до тог врхунца. Дакле, продавац друштвених медија мора да повећа трошкове оглашавања. Тржилац органских производа треба много да објави и удвостручи број Инстаграм прича које праве. Особа за односе с јавношћу треба да се бави месецима унапред како би се појавила у публикацијама на те датуме.

Такође знате када ће се догодити долине, тако да можете планирати да усредсредите садржај док се не догађа много. Можете снимати подкастове, гостовати на другим веб локацијама, писати гомилу постова на блогу и складиштити садржај. Тада, када дође следећи врх, можете да погодите каденцу коју требате да погодите без сагоревања.

На овај начин, предвиђања вам помажу да зарадите новац на врхунцима и уштедите новац на падовима. Можете планирати и изградити своју стратегију на основу тога када ће се ствари вероватно догодити. Ова апликација ради и за Б2Ц и за Б2Б предузећа, јер људи уносе ствари у Гоогле цео дан, сваки дан.

Питам које друге изворе података бисте могли користити за предвиђање. Цхрис каже да је сваки извор података заснован на времену валидан и да се разговори на друштвеним мрежама разликују у свакој мрежи. Ваша предвиђања за Пинтерест могу се разликовати од оних на Фацебоок-у и Твиттер-у. Правите предвиђања на основу свих тих података.

Да бисте то урадили, један је заиста сјајан алат ЦровдТангле. То је фантастично јер вам пружа податке о временским серијама до нивоа појединачног поста. Особа за односе с јавношћу може повући помињање вести и извештавање о њима. Оглашивач може да прикупи износе са плаћањем по клику, цене понуде, све ове ствари.

Независни извори података су добри јер ви као компанија сами по себи не можете оштетити те податке, иако можете тражити погрешне ствари. Један угледни добављач података је СЕМрусх, која има квалитетне податке. Још један продавац, Бранд24, врши мониторинг медија.

Податке о претрази можете да погледате и из СЕО алата који нису Гоогле-ови. То су сви добри извори података јер су доследни, нормализовани и редовни. Такође су прилично чисти.

Цхрис затим дели још један пример како можете да примените предиктивну аналитику на своје пословање. Цхрис је извршио предвиђање за казино на основу 2 године дневног прихода од аутомата. Након стављања тих података у алгоритам, Цхрис је успео да предвиди приход касина за следећу годину.

Са овим предвиђањима, казино је могао да види када ће приход од аутомата бити низак и када је требало да покрену неке промоције, пусте огласе, уведу специјалног забављача за госте или нешто слично. Подаци су им помогли да поправе те празнине у приходу.

Питам како трговци избегавају да утичу на податке. Хипотетички рецимо да маркетиншке промоције за Социал Медиа Маркетинг Ворлд припремамо по одређеним распоредима који нису нужно засновани на предвиђањима, већ онима које смо одлучили да користимо. Како да искључимо да понашање племена и заједнице није нужно узроковано нашим поступцима?

Цхрис каже да је Ворлд Социал Маркетинг Ворлд тако велика, успешна емисија, која заправо утиче на то да људи траже ствари попут „друштвене“ медијски маркетинг “. Међутим, податке које извлачите можете да прочистите на неколико различитих начина да бисте минимализовали догађаје, проблеме итд. Да не би утицали на њих.

На пример, ако користите алатку за друштвено слушање, можете изузети помињање Маркетинг Ворлд оф Социал Медиа, #социалмедиаекаминер, Мицхаел Стелзнер и сродне ставке. Ова изузимања помажу у смањењу тачака података које не би требало да буду тамо.

Можете да користите и бенчмаркинг, који успоставља основну линију ван одређене сезоне која додаје 20.000 спомена дневно. Чак и у сезони, постоји ли нешто што је несразмерно ономе што би требало да постоји? Прогнозу можете покренути на тај начин.

Међутим, најбољи начин за пречишћавање података је на нивоу података. Уклоните ствари за које знате да загађују, у недостатку боље речи. Тада можете да предвиђате из пречишћених података.

То је рекло, да ако оглашавате Маркетинг Ворлд оф Социал Медиа, не бисте нужно желели да прецизирате податке на овај начин. Ако желите да племе утиче на то како људи широм света траже „маркетинг на друштвеним мрежама“, то је добра ствар. То је разлог да прославите свој успех и покушате да проузрокујете још веће промене у понашању тако што ћете још раније испред трендова.

Слушајте емисију да бисте чули моје мисли о предвидљивим људским обрасцима.

Шта не можете да предвидите

Цхрис каже да не можете предвидети три ствари. Први је велики преокрет који ће искривити ваше податке, попут политичких немира, културних превирања, природних катастрофа и сличних ствари. Све ове ствари узрокују велике сметње које могу покварити прогнозу. Секторе са великим преокретима, попут берзе, готово је немогуће прецизно предвидети.

Друго је нешто што се никада није догодило, попут председничких избора 2016. године. Такмичење између два кандидата који су се кандидовали никада се раније није догодило. Многи људи који су стварали предиктивне алате и прогнозе за изборе заснивали су своје моделе на изборима 2012. године.

Међутим, кандидати у свакој странци били су веома различити људи између тих изборних година. Дакле, алати које су људи изградили за 2016. годину засновани су на нечему што се догодило у прошлости, али што се тренутно није дешавало. Не можете предвидети шта се никада није догодило.

Трећи дисквалификатор предиктивне аналитике су лоши подаци. Ако имате оштећене податке или их немате, не можете да правите тачна предвиђања. Ако знате да ваша компанија има проблема са инфраструктуром података, предиктивна аналитика је заправо опасна. Било би то као да возите са ГПС-ом који има лоше податке и који вам говори да возите одмах са литице.

Послушајте емисију да бисте чули како Цхрис дели још један термин за преокрет.

Уобичајени проблеми са подацима

Ако желите да испробате предиктивну аналитику, Гоогле Аналитицс је добар почетак. Већина продавача сигурно има те податке, али могу имати проблема. На пример, ако користите софтвер за аутоматизацију маркетинга, морате да додате ознаке Гоогле аналитике на одредишне странице тог софтвера. Ако то не учините, имате проблема са интегритетом података.

Затим питам како се рукује ботовима и блокерима. Цхрис каже да су друштвени медији, посебно Инстаграм и Твиттер, препуни ботова. Добра вест је да је понашање ботова прилично предвидљиво јер су људи који су написали ове ботове користили врло примитивне алгоритме. У процесу припреме података, ботове је лако уочити и можете их уклонити.

Илустрације ради, један бот увек има биографију која прати потпуно исти формат. Биографија започиње различитим речима различитих дужина, након чега следи „одјави ме“, а затим линк.

Са блокаторима је знатно теже радити. Ако покушавате да предвиђате на основу података о огласу, а блокатори уклањају податке, то је врло тешко поправити. Подаци нису погрешни; чак ни немате. Непотпуно је.

Са непотпуним подацима можете се носити на два начина. Прво, можете потражити нешто усмерено јер су подаци које имате и даље репрезентативни. Рецимо да знате да се 30% огласа који се блокирају дешава на мобилном уређају, али то је сталних 30%. На једној веб локацији немате блокираних 22% огласа, већ на другој 5%.

Ако је блокирање релативно доследно, и даље ћете бити усмерени на прави начин, јер ће временом неки огласи имати бољи или лошији учинак.

Друга опција је доступна само компанијама са масивном базом података, попут великих технолошких компанија или компанија за пренос података. Са великом количином података то можете импутација, који користи постојећи обучени скуп података и машинско учење за попуњавање непотпуних делова.

Заиста добар пример импутирања су друштвени удели. Почетком фебруара ЛинкедИн је искључио своје бројеве дељења, тако да га више не добијате ни из једног алата за надгледање друштвених мрежа. Да је Цхрис радио у компанији за праћење друштвених медија, последњих 10 година користио би податке као сет обуке и закључио број дељења.

Можете да закључите о броју дељења све док имате друге паралелне скупове података, попут Твиттер-а и Пинтерест-а. Ти бројеви деоница у основи ће омогућити машини да попуни празна места за ЛинкедИн дељења.

Послушајте емисију о мојим размишљањима о ботовима и блокерима.

Примери

За познату компанију за снабдевање канцеларијским материјалом, Цхрис је водио предиктивне анализе имена бренда и генеричког израза „канцеларија залихе." Иако су се назив марке и генерички појам међусобно одражавали, „канцеларијски материјал“ је заостајао 20 дана име.

На пример, име марке имало је велики скок крајем августа, што је Цхрис приписао сезони повратка у школу и људима који се враћају на посао. Али онда 20 дана касније, појам за претрагу „канцеларијског материјала“ следио је потпуно исти врх и потпуно исти образац. Шта год да се тамо понашају, људи траже бренд, а затим 20 дана касније, траже генерички појам.

На основу налаза, Цхрис је предложио компанији да изгради кампању за поновно циљање која је предвиђена за 19 дана. Циљајте све који оду на вашу веб страницу 19 дана касније, огласом који их подсећа да се врате по још канцеларијског материјала. Огласом за поновно циљање компанија би могла да поврати део те потражње.

На овај начин, предиктивна аналитика може понудити огроман повраћај улагања. Неко би могао претпоставити да све што раде више не функционише и једноставно зауставити. Помоћу предиктивне аналитике можете да видите да је стварност таква да ваш социјални маркетинг једноставно није синхронизован са обрасцима купаца.

Даље, Цхрис дели пример из сопственог посла. Бенцхмаркинг се базирао на томе када људи претражују Оутлоок подешавања ван канцеларије, јер када неко тражећи то, знате да се спремају за одмор, што значи да не читају своје е-маил. Након покретања те референтне вредности у октобру 2017. године, Цхрис је пројектовао напредак за први квартал.

Цхрис је предвидео да је обим претраге најнижи, што значи да је већина људи била у канцеларији, у недељи од 18. јануара 2018. Те недеље је Крис водио исту кампању за своју књигу на исту листу и са истом понудом као и 2017. године.

Усавршавајући време за промоцију 2018. године, Цхрис је повећао продају књига за 40%. Његова кампања за 2017. годину прекинута је за око 2 недеље, а Цхрис је сазнао да је неусклађеност са његовом публиком направила огромну разлику.

Питам како би предузеће које објављује информације могло да користи предиктивну аналитику да побољша своју стратегију. За овај пример, Цхрис каже да је једна од његових омиљених апликација стратегија садржаја. Рецимо да редовно покривате одређене теме. Можете покренути читаву комбинацију ових предвиђања.

10% најуспешнијих може управљати вашим уредничким календаром, јер ако знате месеце када ће људи бити највише заинтересовани за неку тему, можете планирати месечне функције око те теме. Чак ћете знати до недеље када треба објавити садржај о одређеној теми. На овај начин можете сваког месеца постићи високу ноту.

Предиктивна аналитика такође може да информише ваш календар оглашавања. Ако знате да објављујете на одређену тему, можете да подесите своје ценовнике на основу те теме. За месец за који знате да је потражња публике за неком темом могли бисте да наплатите пуну цену оглашивачима који су заинтересовани за ту тему. Када знате да је интересовање за циљану тему оглашавача мало, можда ћете понудити 40% попуста.

Послушајте емисију да бисте чули Цхриса како разговара о томе како испитивач друштвених медија може применити предиктивну аналитику на свој садржај.

Алати

Цхрис каже да су најбољи алати бесплатни. Они су програмски језици (попут Р. и Питхон), као и библиотеке (попут СИДЕКИТ, НумПи, тиметк) који нуде шифру понуде коју можете користити за одређене задатке. Међутим, да бисте користили ове бесплатне алате, потребно вам је пуно техничког искуства. Програмски језици и библиотеке су попут делова мотора. Да бисте добили аутомобил, морате га сами направити.

За технички способан посао било које величине, ако имате некога или више људи који могу да попуне улоге програмер, научник података и маркетиншки технолог, можете да користите предиктивну аналитику да бисте креирали сопствене прогнозе за бесплатно.

Међутим, ако немате времена или знања да користите ове алате, али имате новац, најбоље је да прогнозирате наручиоца. Ангажујте компанију за науку о подацима.

Ако сте заинтересовани да научите како функционише наука о подацима, Цхрис топло препоручује блог на КДнуггетс.цом и ИБМ-ов блог о науци о подацима. Тхе ИБМ Дата Сциенце Екпериенце је такође одличан. Такође би требало да пратите блогове програмера за главне технолошке компаније као што су Мицрософт, Амазон, Гоогле, и ИБМ.

Међутим, најбоље информације о науци о подацима наћи ћете у академски радови. Ако можете да прочитате те папире, а да не заспите и извучете информације, наћи ћете право злато. Научићете технике које можете да испробате на својим подацима.

Овај предиктивни алгоритам о којем смо говорили постоји већ 70 година. То је алат попут лопатице. Ако све што икада направите је да преврнете комад тоста, имаћете врло скупи тостер.

Међутим, ако размишљате о роштиљању, пржењу и свим оним стварима које можете радити лопатицом, тада могућности постају бескрајне. Исто важи и за алате и алгоритме за науку о подацима. Можете искористити своју креативност и знатижељу да их испробате на све ове различите начине.

У будућности ће коришћење ових алата постати једнако лако као и приказивање Фацебоок огласа, јер је мноштво предиктивних аналитичких података већ врло механизовано. Међутим, део који укључује људску просудбу и контекст трајаће дуже. Машине не могу да разумеју како предузећа раде и зато не могу да виде те могућности.

Али након што мапирате велику стратегију, ускоро ћете моћи да кликнете на дугме, превучете кредитну картицу, платите месечну накнаду од 99 долара и алат ће испљунути табеле. Цхрис мисли да ће ова могућност бити доступна у наредних 5 година.

Даље, како се вештачка интелигенција опште намене побољшава, можда ћете моћи да кажете машини да желите да оптимизујете своју Фацебоок потрошњу на основу потражње. Тада ће машина аутоматски извршити предвиђање, схватити када се јављају врхови и долине и у основи приказивати ваш буџет и огласе за вас. То је вероватно 5 до 10 година.

Слушајте емисију да бисте чули како Цхрис дели више о томе шта машине не могу.

Откриће недеље

Ресхот је веб локација са фотографијама која избегава клишејске слике.

Фотографије на Решот одражавају јединствену перспективу фотографа. На овај начин, фотографије су квалитетније од оних на многим другим веб локацијама са фото залихама.

Сајт користи а једноставна лиценца и услови који вам дају велику флексибилност при коришћењу фотографија.

Фотографије Ресхот су бесплатне, иако фотографије можете да пронађете и на продају код партнера компаније Ресхот. Да бисте прегледали слике или сазнали више, посетите веб локацију.

Слушајте емисију да бисте сазнали више и реците нам како вам Ресхот одговара.

Кључни за понети поменути у овој епизоди:

• Сазнајте више о Цхрисовом послу, Умови о мозгу и поверењу.
• Прати Цхриса Твиттер.
• читати Цхрисов блог.
• Слушајте Цхрис-ов подцаст, Маркетинг уз кафу.
• Приступите подацима претраживања помоћу АдВордс планер кључних речи или Гоогле Трендс.
• Сазнајте више о ЦровдТангле.
• Погледајте независне добављаче података СЕМрусх и Бранд24.
• Сазнајте више о статистичким подацима импутација.
• Откријте више о Р. и Питхон а библиотеке попут СИДЕКИТ, НумПи, и тиметк.
• Посетите КДнуггетс.цом, ИБМ-ов блог о науци о подацима, и ИБМ Дата Сциенце Екпериенце.
• Пратите блогове програмера за Мицрософт, Амазон, Гоогле, и ИБМ.
• Пронађите фотографије за свој садржај путем Ресхот.
• Гледајте нашу недељну емисију о маркетингу о друштвеним медијима петком у 10:00 на Пацифику Цровдцаст или се укључите у Фацебоок Ливе.
• Преузмите Извештај о индустрији маркетинга друштвених медија за 2017. годину.

Шта ти мислиш? Каква су ваша размишљања о предиктивној аналитици? Молимо поделите своје коментаре у наставку.