روایتی از بازاریابی پیش بینانه

تحلیل پیش بینانه و دنیای بازاریابی

بی‌نهایت ابزار مختلف در اختیار بازاریابان وجود دارد اساساً وقتی صحبت از خلق برنامه‌های جدیدی برای ساده‌سازی و بهینه‌سازی کار بازاریابان می‌شود هیچ حدومرزی وجود نخواهد داشت اما بازاریابی چیزی بیشتر از واکنش نشان دادن به اقدامات مشتری و خلق دستمایه‌های تبلیغاتی جذاب است. یک مجموعه‌ی کامل و تازه از داده‌ها وجود دارد که پیشران آینده‌ی بازاریابی خواهد شد.

«تحلیل پیش‌بینانه» ابزار پرقدرتی است که می‌تواند فهرست خریدهای افراد را شناسایی کند و تشخیص دهد که این مشتری در چه وضعیتی به سر می‌برد، چه شغلی دارد، چه علائقی دارد و در آینده قرار است چه کالاهایی را بخرد، قرار است چه زمانی خانه‌اش را عوض کند، ماشینش را بفروشد، چه ماشین مدل جدیدی خریداری کند و بسیاری از رازهای مگوی او را فاش کند که خود مشتری نیز از آن بی‌اطلاع است. این بدین معنی است که شما می‌توانید به‌سرعت تشخیص دهید که کدام دسته از محصولات و یا فروشگاه‌ها باعث افزایش فروش و حاشیه نقدینگی می‌شود همچنین می‌توانید تصمیم بگیرید که کدام ترکیب محصولات را پیشنهاد دهید و مشتریان مناسب را با ترویج‌های مناسب هدف بگیرید.

بیشتر  بخوانید : داده کاوی در بازاریابی

اریک سیگل[۱] در کتاب خود با عنوان تحلیل پیش‌بینانه[۲] می‌گوید: دو دسته از افراد به تحلیل پیش‌بینانه اهمیت می‌دهد:

۱ . دسته اول سازمان‌هایی که با پیش‌بینی‌های فردبه‌فرد سودی می‌برند که شامل شرکت‌ها، دولت‌ها، بیمارستان‌ها، دانشگاه‌ها و حتی کمپین‌های انتخابات ریاست جمهوری می‌شود.

۲. دسته دوم افراد دیگر هستند زیرا این سازمان‌ها هرروزه پیش‌بینی‌های خود را در مورد من و شما انجام می‌دهند که آیا می‌خواهیم چیزی بخریم؟ می‌خواهیم درمان بهتری داشته باشیم؟ و…. تمام این پیش‌بینی‌ها به‌وسیله‌ی این سازمان‌ها در مورد ما انجام می‌شود که به نفع ما و قطعاً به نفع آن‌ها نیز هست.

تحلیل پیش‌بینانه را می‌توان به‌عنوان فعالیتی برشمرد که در آن از الگوریتم‌های یادگیرنده به‌منظور پیش‌بینی گرایش‌های آینده یک مبحث استفاده می‌کند. درواقع تحلیل پیش‌بینانه از کلان داده‌ها جهت شناسایی الگوها و کشف بینش بر اساس داده‌ها استفاده می‌کند به این صورت که هر چه داده‌ها بیشتر باشد، امکان بهتری برای یادگیری و تولید مدل‌های پیش‌بینانه وجود دارد به کمک این مدل‌ها می‌توانید پیش‌بینی‌های فردبه‌فرد را دقیق‌تر و جزئی‌تر و یادگیری را به‌وسیله‌ی حجم بزرگ‌تری از داده‌ها انجام دهید

یک مثال خوب از پیاده‌سازی مدل‌های پیش‌بینانه، شبکه اجتماعی فیس‌بوک است. الگوریتم‌های یادگیری پیش‌بینانه فیس‌بوک اطلاعات رفتاری را برای هر کاربر در پلتفرم اجتماعی گردآوری می‌کنند. الگوریتم بر پایه رفتار پیشین کاربر، علاقه‌مندی‌های شخص را پیش‌بینی کرده و مقالات و اخبار را بر این اساس به وی توصیه می‌کند. الگوریتم تشخیص چهره فیس‌بوک نیز، بر اساس تگ گذاری‌هایی که کاربر برای تصاویر انجام می‌دهد، می‌آموزد که هر تصویر چهره متعلق به چه کسی است و بنابراین پس از انتشار تصاویر بلافاصله به‌طور خودکار افراد را در تصویرشان تگ می‌کند.

به‌طور مشابه، هنگامی‌که آمازون به کاربر می‌گوید: «… You might also like» و در ادامه محصولاتی را متناسب با روحیات فرد به او پیشنهاد، یا هنگامی‌که «نت‌فلیکس[۳]» فیلمی را بر اساس رفتار پیشین کاربر به او توصیه می‌کند، درواقع از تحلیل پیش‌بینانه استفاده می‌کند.

روش تحلیل پیش‌بینانه برای تشخیص مشتری و حفظ مشتری:

هنگامی‌که شما برندی را با میلیون‌ها مشتری و چندین کانال مدیریت می‌کنید، اینکه بفهمید مشتریانتان چه کسانی هستند و مهم‌تر اینکه چه می‌خواهند، دشوار است و اگر بینش عمیق نسبت به مشتریان و ترجیحات آن‌ها نداشته باشید از شما ناامید می‌شوند و می‌روند. شرکت InsightOne به شما این امکان را می‌دهد که مطمئن شوید این اتفاق رخ نمی‌دهد. شما با داشتن ابزار تحلیل پیش‌بینانه در مجموعه ابزارهای بازاریابی‌تان، تجربه‌ای برای مشتریانتان ایجاد خواهید کرد که همه در آن صنعت رؤیای آن را داشته باشند.

به‌عنوان بازاریاب باید بدانید که هرکسی چه چیزی را در چه زمانی می‌خواهد ولی فهمیدن این موضوع به‌خصوص با ابزارهایی که تاکنون در اختیار داشتید، راحت نیست. برای اثرگذاری بیشتر باید کمپین‌ها را نه‌تنها بر اساس نیاز مشتری بلکه بر اساس آنچه در آینده می‌خواهند و چیزی که احتمال خریدش توسط مشتری بیشتر است طراحی کنید. با استفاده از تحلیل پیش‌بینانه می‌توانید تعداد مصرف‌کنندگانی که مثلاً می‌خواهند یک کفش بنفش بخرند را انتخاب کنید حتی اگر آن‌ها قبلاً هرگز از شما کفش یا هر چیز دیگری را نخریده باشند حتی اگر نتیجه مطابق با انتظار شما نباشد می‌توانید علاقه‌ی مشتری را برای خریدهای آینده به سمت خود هدایت کنید. شرکت InsightOne به شما کمک می‌کند که مشتریانی را شناسایی کنید که ممکن است شما را ترک کنند و به سراغ برند رقیب بروند همچنین به شما امکان ارائه بازاریابی تک‌به‌تک را می‌دهد.

تحلیل پیش‌بینانه یعنی پیشنهاد درست در زمان درست به مشتری:

شما ایده‌های بازاریابی خوبی دارید ولی بازاریابی سنتی دیگر مؤثر نیست. مشکل بازاریابی سنتی این است که شما باید محدوده‌ی وسیعی از مخاطبان را هدف قرار دهید تا مشتریان بالقوه خود را پیدا کنید ولی با تحلیل پیش‌بینانه می‌توانید کسری از آن‌ها را هدف قرار داد و نزدیک به صد در صد نتیجه را به دست آورد.

بدانید که: چگونه هزینه جذب مشتری را محاسبه کنیم؟

کاربرد تحلیل پیش‌بینانه در کسب‌وکارهای بزرگ:

برندهایی که به روش سنتی عمل می‌کنند با تغییر رفتار مصرف‌کننده‌ها عقب می‌افتند. وقتی سازمان‌ها فقط از نظرسنجی استفاده می‌کنند به نتایج محدودی می‌رسند. شرکت‌ها در قرن بیست‌ویک باید بدانند که چطور روش‌های تحقیقات بازار خود را متحول کنند تا بتوانند رفتار جدید مصرف‌کننده را متوجه شوند. شرکت‌ها می‌توانند پیش‌بینی فروش را با داده‌های دیجیتالی انجام دهند که یکی از نتایج آن این است که انگیزه و قصد خرید مصرف‌کننده حدود ۶۰ درصد از فروش را بیان می‌کند. آنچه تحقیقات نشان می‌دهد این است که داده‌های دیجیتالی در مورد کسب‌وکار واقعاً پیش‌بینانه است.

چرا همه‌ی کسب‌وکارها از تحلیل پیش‌بینانه استفاده نمی‌کنند؟

زیرا درگذشته ساخت یک مدل پیش‌بینانه ماه‌ها طول می‌کشید و برای بیشتر شرکت‌ها دغدغه به‌حساب نمی‌آمد همچنین نیازمند متخصصین سطح بالا با مدرک دکتری آمار، IT، مدیریت داده و بازاریابی بود اما امروزه مشتری می‌خواهد که ما هر تعاملی در موبایل، ایمیل و رسانه اجتماعی را شخصی‌سازی کنیم تا پیشنهادهای جدیدی را در وب‌سایت ارائه دهیم. تحلیل پیش‌بینانه به شما این امکان را می‌دهد که تمام مدل‌های موردنیاز برای بهینه‌سازی تعاملات مشتری را بسازید و پیشنهاد درست در زمان درست به مشتری درست بدهید. این قدرت تحلیل پیش‌بینانه است!!!!!!

کاربرد تحلیل پیش‌بینانه در دنیای امروز:

تحلیل پیش‌بینانه یک فناوری است که نه‌تنها به سازمان‌ها قدرت پیش‌بینی بلکه قدرت اثرگذاری می‌دهد به این صورت که تحلیل پیش‌بینانه همه‌ی افراد را به‌صورت تک‌تک پیش‌بینی می‌کند همچنین به سازمان‌ها امکان بهبود عملیاتشان را می‌دهد و شما باید بدانید که تک‌تک رفتارهای شما ازجمله درمان پزشکی، بیمه و … در حال پیش‌بینی است و علاوه بر اینکه اطلاعات شما در سازمان‌ها موجود است، سازمان‌ها این اطلاعات را به خاطر می‌سپارند. آن‌ها تمایلی به حذف داده‌ها ندارند چون امروزه ذخیره‌سازی آن‌ها خیلی ارزان است پس همه‌ی تراکنش‌ها را ردیابی می‌کنند.

برای مثال شرکت HP پیش‌بینی می‌کند که کدام‌یک از کارمندهایش قصد انصراف دارد و این اطلاعات را به مدیر می‌دهد یا شرکت خرده‌فروشی تارگت بارداری مشتری خانمش را پیش‌بینی می‌کند تا بتواند هدف‌گذاری دقیقی در بازاریابی انجام دهد. یا به‌طور مشابه در حوزه‌ی قانون رایانه‌ها پیش‌بینی می‌کنند فردی که به‌تازگی آزاد می‌شود مجدداً مرتکب جرم می‌شود یا نه سپس در اختیار قاضی برای تصمیم‌گیری در مورد حکم آن‌ها قرار می‌دهند.

[۱] Eric Siegel

[۲] Predictive Analytics

[۳] Netflix