小峰创业汇,一个专业分享互联网创业及营销的实战自媒体网站

预测营销:大数据如何重新定义我们的营销策略

营销推广 2020-02-28 评论(0)
- N +

欢迎收藏本站,每日更新各种高质量的创业,营销,职场,咨询等干货内容。同时也可以关注我们的公众号小峰创业汇,各种创业赚钱项目每日准时与你不见不散。

预测营销:大数据如何重新定义我们的营销策略

今,数据已成为营销活动中无可争议的关注点,对于每个营销活动,数据都扮演着重要的角色。

从我过往十余年的媒体以及产品营销经历中发现,每一个营销决定都离不开数据支持。但是直到几年前,数据的分析还仅仅依赖于市面上的一些分析工具。后来,随着数据科学的爆发,我们迎来了一个新概念——预测营销,这使我们不仅能够看到过去的数据,同时也能预测未来。

预测营销:大数据如何重新定义我们的营销策略

Source:The Next Scoop

预测营销权威指南

数字化已经覆盖了很多的营销工作,算不得什么新鲜事。而现在它更是决定了我们如何定位品牌,决定我们最终使用什么新工具或购买什么产品。在全球范围内,预计有1.9万亿人进行在线购物。以美国为例,有79%的人进行过网购,而在2002年这个数字只有22%。更令人兴奋的是,数字营销的智能程度可以更好地管理潜在客户,增加销售机会。

随着科技的几次飞速发展,营销变得日益复杂。一些新兴公司完全基于线上运作,因此数字营销(例如互联网和电子设备上的产品以及服务广告)已成为企业在此过程中超越传统营销的关键点。

正如数字营销已经成为公司关注的核心点,市场数据也成为营销过程中成功的关键因素。毋庸置疑,对于每一次的营销活动,数据从始至终都至关重要。

我们从多个营销渠道获得数据,用这些数据做出明智的营销决策,比如如何定位广告以及确定营销预算。为了改善营销决策,在营销中,我们引入了更复杂的方法来更好地利用和分析数据,最终获得更好的结果,而“预测营销”就是其中的方法之一。 

预测营销:大数据如何重新定义我们的营销策略

Source:Lattice Engines

什么是预测营销?

顾名思义,预测营销是一种衡量不同营销活动方案成功性的营销技术。它是MarTech(营销科技)的一部分,以数据驱动营销和销售。

因此,在预测营销中,我们使用数据科学(或数据分析)来预测哪些营销行为更有可能成功以及哪些更有可能失败。我们可以将涉及数据分析的这部分命名为预测分析。

预测分析与预测营销

尽管这两个术语可以互换使用,但预测营销对营销业务的预测性更深入,并且具有更广泛的含义。预测分析使用预测模型提供对未来的洞察,而预测营销则使用预测技术来测试企业的营销策略,提供洞见,从而在连续(或者迭代)的过程中做出更好的营销决策。

在一个简单的场景中,预测营销专家(通常是数据科学家,数据分析师或一些专门的分析公司)会从多个来源收集有关业务的数据,并与公司的营销数据以及客户数据一起进行分析。有了这些信息,数据科学家就可以应用适合业务的预测模型,并相对准确地预测其营销的成功可能性。

预测营销如何运作

预测营销的一个典型案例是电子商务网站根据用户的历史行为向他们推荐产品和服务。从产品搜索页面到结帐页面,这些网站将时不时地对每位顾客进行产品推荐。这些产品推荐是电子商务网站“协同过滤算法”的产物,是根据对客户历史行为的研究得出的,例如去分析顾客添加到购物车中的物品、曾经点击浏览或购买过的物品。利用统计分析的方式找出与目标顾客有相同喜好的过往顾客,根据过往顾客的喜好向目标用户推荐。这种算法的实际内容很复杂,会将数据与时间、地点、人口统计分布以及其他指标(包括打开率,点击率以及退订率)相关联。

预测营销:大数据如何重新定义我们的营销策略

Source:ResearchGate


以往只有一些大公司可以负担得起聘请昂贵的内部数据科学家来搭建预测营销模型和技术,但现在,中小公司的内部预测营销专家也可以从多个来源收集数据,为业务建立预测营销模型从中受益。他们可以获取公司的市场营销和客户数据以及有关营销成果的信息。然后,数据分析师可以根据这些信息预测公司营销工作的成功性。

预测营销的好处

预测营销中的相关性与数字营销中的数据科学十分相似。

首先,预测技术使营销人员更好地了解客户行为。与常规的营销数据分析不同,预测营销工具可以直接做出决策。换句话说,预测营销模型会准确说明哪些营销策略可能会起作用,哪些无效,从而使决策变得更加容易。根据获取的有关顾客的数据,预测营销模型可以判断客户是否会进行购买、何时以及如何进行购买。

通过分析客户以往的行为,数据供应商还可以帮助公司在多个方面做出决策,诸如营销预算管理、营销活动规划、潜在客户开发和促进转化的策略。因为它是基于对客户的大量和多种数据的分析(相对于直觉和猜测),所以预测营销做出的决策目标更加明确,并且可以产生更好的结果。

此外,预测分析可以使企业向自动化营销系统或专家所说的规范性营销更贴近。在此级别上,营销系统会自动分析数据并做出实时决策。随后将立即进行诸如模型生成、访客分级和更新客户关注的内容方面的操作。在这种精确程度下,我们可以轻易地细分客户并设置针对性的营销活动,从而能够大大提高客户参与度。运用预测分析的结果很明显:可以优化我们的营销预算,提高访客细分的效率并增加销售收入。

预测营销:大数据如何重新定义我们的营销策略

Source:Business 2 Community

预测分析是数据驱动型营销的支柱

据《福布斯》杂志的Jas Saran称,它可以至少从六个领域改善公司的营销成果,包括营销组合建模,追加销售和交叉销售,网站优化,用户获取,用户研究,和用户留存。

以下是预测营销可以使初创企业受益的一些具体方式:

如何通过预测营销加强用户研究、用户获取和用户留存

复杂的预测营销模型可以帮助企业根据对顾客过去的行为和未来行为的洞察,建立特定且独特的客户身份。由于用于建立预测营销模型的数据通常非常详细,因此得到的营销效果往往具有更高的转化率。

当营销工作准确作用在正确的客户身上时,用户获取将变得更加有效。再次说明,由于有了预测营销模型,营销人员可以针对不同的顾客群量身定制不同的营销活动和获取策略,并具有很高的转化率。

同样,对客户未来行为的预测有助于企业制定其用户留存策略。当公司了解可能会离开的客户群,可能离开的时间以及会使他们离开的条件时,公司可以为每个客户群专门制定留存计划。当企业了解这一点时,可以向其现有客户进行追加销售和交叉销售。

预测营销:大数据如何重新定义我们的营销策略

如何通过预测营销提高邮件营销以及网站参与度

根据《智能预测基准报告》,利用智能预测的邮件营销活动所产生的收益最大。在使用预测营销前,营销人员通常只能基于很宽泛的概念(有时叫做用户画像)来创建邮件内容,因而其中很多邮件不会被目标人群打开。但是预测营销让营销人员能够通过特定信息创建个性化的邮件,使其拥有了更高的阅读率和参与度。

这里有一个有趣的数据:提示“有库存了”和“此前曾弃置了的产品”的广告邮件(可以通过预测营销模型建立)的点击率最高,分别为19%和14%。

预测营销:大数据如何重新定义我们的营销策略

Source:Exponea

同样的,使用预测营销模型的网站可通过研究访客行为来提高用户参与度及其产品销量,特别是围绕例如网页上的广告横幅、产品页面和操作按钮等网站素材的行为。

总而言之,预测营销的目的是预测能促使顾客购买产品的条件,并帮助企业优化定价以及其他会影响顾客购买行为的因素。以亚马逊为例,当该公司采用了基于预测分析模型所得出的建议后,亚马逊的销售额实现了30%左右的增长。

预测营销如何降低B2B营销成本

企业对企业(B2B)营销是预测分析的一个重要领域,尤其是在降低营销成本和提高效率方面。一次B2B的营销成本可能在35美金到100美金甚至更多,视情况而定。如果转化率很低就会使得原本就高的成本显得更加昂贵。以发展一位潜在客户平均需要耗费50美元的情况进行计算,若要达到1%的转化率,仅仅在开发潜在客户上,B2B营销人员就需要花费5,000美金.

因此,很多企业开始采用预测营销的方法,以使他们的营销工作能获得更高的投资回报率。

还有一个有趣的数据:在参加EverString针对预测营销调查的人中,有98%的营销者表示在他们企业的CRM、营销自动化或其他营销工具中,至少有一块是已经实施或完全交付给了预测营销。

B2B预测营销的最佳实践

对于B2B营销者而言,预测营销或多或少已成为一种不可或缺的方法。正如我们所看到的,这种方法能为营销人员节省一部分营销成本,对于B2B业务来说,它产生的价值是相当可观的。下面是预测营销能为B2B营销人员带来益处的一些具体方面:

勘探潜在客户

首先,B2B营销者可以采用预测营销获得高质量的客户线索。为做到这一点,营销人员基于公司信息和市场上的一些特殊信号来建立预测营销模型,从而能以较高的准确度识别出潜在客户。

这些信息包括企业规模、产品和收入,特殊信号可以是业务扩张、管理变化和成千上万的其他公司数据。把这些内容放入预测营销模型中,根据模型评估结果来决定这家公司的表现是否符合我们的期望,是否是一个好的潜在目标。使用预测分析模型,营销分析人员可以生成一长串符合这种表现的类似企业名单,作为一个B2B业务发展机会的数据库。

预测营销:大数据如何重新定义我们的营销策略

Source:eGrabber

B2B潜在客户评分 (优先级划分)

获得潜在客户名单后,B2B营销者需要决定哪类潜在客户群值得最先攻破,这部分潜在客户往往有较高可能性转化成我们的用户。为此,营销者需要再一次使用预测营销模型,来对所有潜在客户群进行优先级分类。

对潜在客户群的评分十分重要,因为该结果会告诉营销人员下一步营销工作的方向,比如应该主要瞄准哪些潜在客户、何时行动以及如何行动。通过预测模型的使用,B2B营销者提高了手动建立评分公式的效率。预测模型可以基于客户购买可能性、预计生命周期价值、盈利能力、促销回应、销售接纳度或其他各种因素来建立,具体取决于业务目标和目标的优先级。

预测营销:大数据如何重新定义我们的营销策略

Source:Datafloq

B2B潜在客户细分

接下来,B2B营销者可借助预测营销科技,将潜在客户进行细分。一个理想的模型不仅可以创建目标用户画像,还可以根据潜在客户特征及行为将其进行分组。

这些细分基于个人兴趣、公司类型以及过去的行为,以此建立预测模型形成的用户细分往往更为准确可靠,对不同细分人群可以提供更加个性化的营销方式,从而提高转化率。

潜在客户的细分对于整个B2B营销环节都至关重要,因为它有助于准确决定针对每个细分人群的营销方式,而不是采用很泛泛的营销手段。除了静止的目标用户画像外,预测营销模型还能够为营销人员生成像”参与程度“这样的动态用户划分,该类细分会随着时间变化,并且每次都需要根据结果重新调整营销方式。

主动的销售整合

由于预测营销模型可以创建出动态的用户细分,因此该模型也能为销售团队提供有关潜在客户的及时信息。结合高质量的潜在客户优先级划分,预测模型可以使销售工作变得更加主动、及时并富有成效。例如,预测营销模型可以预测某个客户群最有可能进行购买的时间段,那么它就能提示销售团队要在这个时间段加大对该类客户进行销售的强度。

还有其他一些来自预测分析的信息,例如基于过往决策得出的决策层级可以帮助销售团队更好地协调工作,并定制化销售策略。同样的,销售团队也可以更好地了解何时应进行追加销售和交叉销售。

管理B2B客户的整个生命周期

除了生成并按优先级列出高质量的潜在客户,预测营销科技还可帮助营销者在客户的整个生命周期中产生更大的影响。这些模型通过及时提供有关消费者在销售过程中各个阶段的信息来支持营销人员参与到客户做出购买决策的整个过程。

一些常见的B2B预测模型

实际的预测营销模型通常分为三类:关注于潜在客户分组的细分模型(segmentation models)、追踪客户获取或流失可能性的倾向模型(propensity models)、以及预测哪些客户可能需要更多营销投入的智能推荐模型(intelligent recommendations)——通常是提供追加销售或交叉销售方面的建议。

细分模型根据产品(基于产品的客户集群)和行为(基于行为的客户集群)对潜在客户及现有客户进行分组。倾向模型则是基于例如客户预算、市场竞争和其他的顾客行为模式等因素指出潜在的威胁和机会,以此来维持并扩大客户群。智能推荐模型是规范化营销的先驱者,它能识别出哪些内容能更好地吸引现有客户。

预测营销:大数据如何重新定义我们的营销策略

Source:Marketelligent

预测营销方面的数据供应商和SaaS提供商

尽管与数据科学相关的服务似乎很贵,但如今它们也能更容易地被普通中小企业所利用了。不像以前,只有大公司才能雇得起数据科学团队。因为现在有越来越多的数据供应商和SaaS系统能为营销人员提供基于云端的预测分析。

以下是预测营销领域中一些领先的数据供应商:

Everstring 拥有强大的预测营销引擎和功能齐全的数据管理平台。自2012年上线以来,它已经为包括美国通讯公司Comcast在内的许多知名客户提供服务。

Infer专门从事匹配度评分,用以预测哪些潜在客户即将进行购买,并创建出一个潜在客户数据库。营销软件公司HubSpot就在使用Infer的匹配模型。

6sense 服务于戴尔和联想,它是较晚进入预测营销领域的后来者之一。该公司主要强调其能够预测客户的意图和决策,这一能力也被称为意图评分。

LeadSpace 是一家社交媒体数据供应商,它能够整合预测营销的洞察,以此提高网络上潜在客户的质量。微软和Adobe公司就在使用它。

预测营销是B2B营销的未来

营销的未来是自动化,而自动化的核心便是预测营销

根据Everstring和Forrester的报告,越来越多的B2B营销者开始采用预测营销。以下是其中一些主要发现:

相比起只有14%的传统营销人员汇报企业收益的增长高于行业平均水平,从事预测营销工作的营销人员报告这一情况的数量是前者的2.9倍(41%)。

有一半的预测营销者声称他们在各类产品和服务行业中担任着领导和管理者的角色,相比起来传统营销者的这一比例只有24%。

49%的预测营销者表示,他们所在的组织表现始终超过公司基准,相比之下只有28%的传统营销人员能够有效地为公司业务提供类似的价值。

预测营销:大数据如何重新定义我们的营销策略

Source:Account-Based Marketing

基于这三个方面不难看出,预测营销等数据分析驱动的营销正在B2B营销领域起着领头作用。根据Salesforce的数据,91%的顶级营销者已经在实施预测营销。同时它还吸引了不少商业投资者的关注。仅在几年内,风险投资家和industry players就在预测营销和类似的数据驱动型营销技术上投资了50多亿美金。

《智能预测基准报告》也表明,由智能预测提供的建议影响了总订单生成的26.34%。经过36个月的分析,受智能预测影响的订单生成占总量比从11.47%增加到了34.71%。

营销组合建模作为预测营销中非常重要的一种分析方法,从上世纪90年代开始被各大公司所用。如今,不仅是大型快消公司和媒介投资集团,越来越多中小企业也意识到了合理分配营销预算、提高营销投资回报率的必要性,积极地拥抱营销组合建模这一重要且有效的技术,广纳数据分析人才。

评论列表 (0)条评论

发表评论

验证码