行业动态

行业动态


数据分析和AI如何让营销人预测未来?
来源:本站    作者:admin
分享到: 微信 更多

    人们无法抗拒“预测未来”诱惑。但在以前,我们很大程度上依赖于直觉来形成预测。然而随着技术的飞速发展,人工智能(AI)的进步可能很快就会让我们把未来的预测建立在可靠的统计模型上。

    ”预测分析”意味着什么

    预测分析是一种数据挖掘的形式,它基于历史数据,利用机器学习和统计建模来预测未来的事态。我们可以从Google趋势中看出,过去5年来,带有“预测分析”话题的搜索量有了显着的增长:

    我们可以看着这条线,并预测这条线会持续增长。但这仅仅是基于最近的历史趋势,或者根据我们听到的很多关于这个行业的话题的议论。对我们来说,要真正确定下一步怎么走,需要进行更多的调研。

    据预测,到2020年,每年在全球大数据技术上的花费将超过760亿美元,而这项投资获得回报最好的方式就是利用这些数据来预测未来的需求。

    但正如我们所看到的,这是一项艰巨的任务。如果我们要做出正确的预测,还需要一些帮助。因此,在Gartner报告中,无论在描述性分析还是诊断分析,预测分析被都视为一种革命式的飞越。

    也就是说,想获得准确预测分析的愿望并不新奇,尝试使用分析来模拟未来的消费者行为也不新奇。许多分析专业人士每天都在与这个领域奋斗,来计算他们典型客户的生命周期价值(LTV)等数据。各种各样的数据集的可用性则大大提高了这些算法的准确性。

    相对较前卫的方式是利用AI来填补我们技能上的空白,并扩展预测分析的可能性——通过消费者过去的行为模式生成了更复杂的统计模型,并通过这些模型来预测未来可能的行为。

    为什么AI能有效地实现人类做不到的事?

    预测分析在现实世界中如何应用?

    虽然每个人都是独一无二的,但AI能够基于我们过去的行动,以及相似的人的行为,非常准确地预测我们将继续做什么。

    早在2007年麻省理工学院媒体实验室的一项研究就发现,“大多数人在一天中所做的事情中,90%的人都遵循着一定的规律,他们的行为可以通过一些数学模型来预测。”

    AI在营销领域的发展,在于它能够识别出人类根本看不到的更广泛的模式。我们根据我们认为安全的假设来选择调查区域,而AI可以识别其他的变量,当这些变量被改变时,会产生更深远的影响。

    这种方法(通过使用回归分析模型)是对全世界不断变化着的消费者生活的一个恰当的反映。

    例如,基于位置、年龄、过去的购买记录和性别,如果顾客刚刚在购物车里添加了面包,那他有多大可能性买牛奶?根据预测购买这些产品的倾向,网上超市可以利用这些信息自动推荐产品给消费者。

    此外,金融服务提供商可以利用客户及其类似的人在线交互时创建的数以千计的数据点,来决定推荐哪种信用卡给客户。一个时装零售商可以根据客户购买的牛仔裤的数据资料,决定接下来推荐哪一双鞋给他。

    以上这些有助于企业提高客户转化率,但影响远不止此。预测分析还能让公司根据消费者的期望和竞争对手的情况来制定定价策略。甚至于帮助零售商预测商品需求,确保每个产品都有合适的库存。

    预测分析甚至可以通过发现客户偏好的变化来为开发新产品线提出建议。这标志着数据分析从专家的专属追溯工具转变为一种基本的预测功能,可以塑造业务战略,改善客户关系和提升运营效率。

    事实上,最近的Forrester 报告指出,“预测市场人员的收入增长率比行业平均水平高2.9倍。”

    这场变革已经在我们周围得到证明,例如,每当我们在Google,Facebook或Amazon输入搜索查询时,我们就会将数据输入到机器中。机器在通过接收到不断增加的数据反馈信息,变得越来越智能。

    有一个观点认为,预测是智能的基础,所以这是AI的一项壮举。

    但这只是一个开始。目前预测分析工作的大部分重点在于提出建议或意见,距离可以形成营销策略关键点的AI预测还有一定空间。

    企业如何整合预测分析?

    1、正确的问题

    最好的预测分析项目从一个正确的假设开始。尽管我们应该提供机器学习算法,以便在数据点之间建立自己的客观关联,但我们需要着手解决我们要克服的业务挑战。正确的问题有助于为我们提供一些努力的方向。

    2、正确的数据

    过去十年数据科学的进步意味着我们可以从大量非结构化数据中获得更准确的见解,但我们仍然需要完整的数据集才能得出令人信服的结论。

    因此,通过预测分析定义你想要回答的问题之后的下一个阶段是弄清哪些数据对你有用,以及这些数据在回答你的问题的时候是否足够令人信服。

    3、正确的技术

    正如预计到2020年的760亿美元的预期价值一样,大数据技术是一个蓬勃发展的产业。数据的创建速度飞快,我们需要不断改进的技术能力来捕捉、存储、理解它。

    许多领先的分析软件包已经推出了预测性分析工具,但它们的方法却有所不同,要决定哪种解决方案最适合你的业务。更重要的是,拥有一个具有经验的团队,并且可以确定最合适的选择。

    4、正确的人

    回到了第一点,没有合适的人,提出正确的问题是非常困难的,也很难知道需要哪些数据来回答这些问题,或者从最新的技术中获得最好的数据。在所有关于AI取代人类的讨论中,人们会把重点放在正确的人如何充分利用AI创造的新机会上。

    (本文编译自ClickZ)


    上一篇:如何向普通人解释机器学习、数据挖掘 上一篇:没有了!