AI for Marketing & Growth #1 – Predictive Analytics in Marketing

היי ברוך הבא לסדרה החדשה שלנו בה אנו הולכים לעלות על עצמכם בנושא בינה מלאכותית לשיווק וצמיחה ניתוח חזוי הוא סוג של כריית נתונים המשתמשת בלימוד מכונה וסטטיסטי דוגמנות לחיזוי העתיד. מבוסס על נתונים היסטוריים. יישומים בפעולה היום כבר סביבנו. לדוגמה, בנקים משתמשים במודלים חזויים כדי לאשר או לדחות כרטיסי האשראי וההלוואות האישיות שלך. אבל זה לא רק זה. משמש גם לחיזוי מזג אוויר, מנוע המלצות, סינון דואר זבל ואיתור הונאה. אז למה למשווקים יהיה אכפת? תאר לעצמך אם לא יכולת רק לקבוע אם עופרת מתאימה למוצר שלך, אלא גם שהכי מבטיחים. זה יאפשר לך למקד את מאמצי הצוות שלך על לידים עם החזר ה- ROI הגבוה ביותר. זה גם יאפשר לך לעבור מדדי כמות לערכים איכותיים, מה שמוביל ל התמקדו יותר זמן. ספק שירותים פיננסיים יכול להשתמש באלפי נקודות נתונים שנוצרו על ידי ההתנהגות המקוונת שלך להחליט איזה כרטיס אשראי יציע לך ומתי. קמעונאית אופנה המבוססת על הז'קט שקנית זה עתה, יכולה להשתמש בנתונים שלך כדי להחליט איזה להמליץ ​​על הנעליים כרכישה הבאה שלך. בהתבסס על התנהגות היסטורית שלקוחות אחרים היו בעבר. אבל ההשלכות הרבה יותר גדולות מזה. קמעונאים יכולים לחזות את הביקוש, ולכן לוודא שיש להם את רמת המניה הנכונה עבור כל אחד מהמוצרים שלהם. בכל פעם שאנחנו מקלידים שאילתת חיפוש בגוגל, בפייסבוק או באמזון אנו מזינים נתונים המכונה, הולכת ומתחכמת יותר ויותר. כדי למנף את הפוטנציאל של בינה מלאכותית וניתוח חזוי, ישנם ארבעה יסודות שארגונים צריכים ליישם. קודם כל: אתה צריך לשאול את השאלות הנכונות. אילו שאלות אני מנסה לשאול בעזרת ניתוחי החיזוי שלי? אילו מדדים אני מנסה לחזות, איזו התנהגות עתידית אני מנסה לחזות? אתה צריך השערת קול כדי לבחון בפועל. השנייה שיש לי את הנתונים הנכונים עברנו דרך ארוכה מבחינת זמינות הנתונים נאמר כי 90% מכלל הנתונים העולמיים נוצרו בשנתיים האחרונות. אך אנו עדיין זקוקים למערכות נתונים שלמות ונקיות בכדי להגיע למסקנות מתקבלות על הדעת. חשוב להבין אילו נתונים עומדים לרשותך והאם הם יהיו מספיק כדי לענות על שאלותיך בצורה משכנעת. שלישית מכל, אתה זקוק לטכנולוגיה הנכונה בין אם תוכנה מסוימת צודקת או לא לבעיה שאתה מנסה לפתור ולבסוף האנשים הנכונים. בלי האנשים הנכונים אי אפשר להעלות את השאלות הנכונות בואו נסתכל על שימור הצוות אצל יבמ יבמ משתמשת בניתוח חזוי כדי לשמור על עובדיה ולמצוא פתרונות אפשריים לוותר על תחלופה גבוהה. על ידי העלאת קובץ נתונים מובנה, ווטסון יכול לאתר את הגורמים הנפוצים בחוסר שביעות רצון העובדים. לאחר מכן זה מזין ל"ציון איכות "עבור כל עובד, על סמך החזוי שלהם הסבירות לעזוב את יבמ. זה מה שאנחנו מכנים "אנשים אנליטיקס" הבא בואו נסתכל על אופטימיזציה של שרשרת האספקה ​​ב- Walmart וולמארט מוציאה נתונים מיידית ממערכותיה ומשלבת אותם בתחזיות שלה כדי להעריך אילו מוצרים עשויים לצאת מהמלאי ואילו לא ביצעו פחות ביצועים. בשילוב עם נתונים התנהגותיים של לקוחותיה ברשת, זה מספק כמות עצומה של נתונים נקודות שיעזרו לוולמארט להתכונן להגדלה או הקטנת הביקוש למוצר. חיזוי זה מאפשר ל- Walmart להתאים אישית את נוכחותה המקוונת, תוך מיקוד ללקוחות באמצעות מוצרים ספציפיים על סמך הסבירות החזויה שלהם לבצע רכישה. נעבור יותר לעומק בנוגע לחיזוי ניתוח בפרק הבא שלנו. אל תשכח ללחוץ על כפתור ההרשמה ולקבל הודעה כאשר פרק 2 זמין! .

Add Comment