Predictive Analytics: Πώς οι έμποροι μπορούν να βελτιώσουν τις μελλοντικές δραστηριότητες: Social Media Examiner

Θέλετε το μάρκετινγκ σας να είναι πιο αποτελεσματικό;

Αναρωτιέστε πώς μπορεί να βοηθήσει η πρόβλεψη των κύκλων μάρκετινγκ;

Για να διερευνήσω πώς οι έμποροι μπορούν να ξεκινήσουν με προγνωστικά αναλυτικά στοιχεία, συνέντευξη με τον Chris Penn.

Περισσότερα για αυτήν την παράσταση

ο Podcast μάρκετινγκ κοινωνικών μέσων είναι μια ραδιοφωνική εκπομπή κατ 'απαίτηση του Social Media Examiner. Έχει σχεδιαστεί για να βοηθά τους πολυάσχολους εμπόρους, τους ιδιοκτήτες επιχειρήσεων και τους δημιουργούς να ανακαλύπτουν τι λειτουργεί με το μάρκετινγκ κοινωνικών μέσων.

Σε αυτό το επεισόδιο, συνέντευξη Κρις Πεν, ο συνιδρυτής και επικεφαλής καινοτόμος στο Brain + Trust Insights. Είναι επίσης ο συνδιοργανωτής του Μάρκετινγκ για καφέ podcast και ο κορυφαίος ειδικός αναλυτικών στοιχείων για το Social Media Marketing World.

Ο Chris εξηγεί πώς να διασφαλίσουμε την ποιότητα των υποκείμενων δεδομένων που χρησιμοποιούνται σε προγνωστικά αναλυτικά στοιχεία.

Θα ανακαλύψετε επίσης πηγές δεδομένων και εργαλεία που χρησιμοποιούνται για την πραγματοποίηση προβλέψεων.

Μοιραστείτε τα σχόλιά σας, διαβάστε τις σημειώσεις της εκπομπής και λάβετε τους συνδέσμους που αναφέρονται σε αυτό το επεισόδιο παρακάτω.

Ακου τώρα

Πού να εγγραφείτε: Apple Podcast | Google Podcasts | Spotify | RSS

Μεταβείτε στο τέλος του άρθρου για συνδέσμους προς σημαντικούς πόρους που αναφέρονται σε αυτό το επεισόδιο.

Ακολουθούν ορισμένα από τα πράγματα που θα ανακαλύψετε σε αυτήν την εκπομπή:

Προγνωστική ανάλυση

Η ιστορία του Chris

Ο Chris ξεκίνησε στα analytics μέσω του ιστορικού του στο IT. Το 2003, άρχισε να εργάζεται ως διευθυντής πληροφορικής για την εκκίνηση φοιτητικών δανείων, όπου ο ρόλος του επεκτάθηκε πέρα ​​από τις παραδοσιακές ευθύνες πληροφορικής. Εκτός από τη λειτουργία των διακομιστών ιστού και email, ενημέρωσε επίσης τους ιστότοπους και έστειλε το εβδομαδιαίο email.

Ο Chris έκανε αυτό το έργο προτού υπάρξει το Google Analytics, οπότε όταν ο Διευθύνων Σύμβουλος της εταιρείας του ρώτησε πώς αποδίδουν οι ιστότοποι και τα μηνύματα ηλεκτρονικού ταχυδρομείου, ο Chris δεν είχε απάντηση. Για να το καταλάβουμε, ο Chris και η ομάδα του άρχισαν να αναπτύσσουν τα δικά τους εργαλεία για να κατανοήσουν τα βασικά, όπως πόσα άτομα επισκέπτονταν τον ιστότοπο κάθε μέρα.

Με την πάροδο του χρόνου, η πρακτική ανάλυσης έγινε το επίκεντρο του Chris. Δεν προσπαθούσε μόνο να μάθει τι συνέβη, αλλά γιατί συνέβη και πώς μπορούσε να ανταποκριθεί η επιχείρηση.

Ακούστε την παράσταση για να ακούσετε τον Chris να συζητά το εκπαιδευτικό του υπόβαθρο.

Τι είναι το Predictive Analytics;

Το Predictive analytics χρησιμοποιεί στατιστικά στοιχεία και μηχανική εκμάθηση για την ανάλυση δεδομένων και την πραγματοποίηση προβλέψεων. Οι άνθρωποι είναι πολύ προβλέψιμοι. Όλοι ακολουθούμε ρουτίνες, όπως το βούρτσισμα των δοντιών μας και στη συνέχεια να κάνουμε ένα ντους ή να βάζουμε κάθε ρούχο σε μια συγκεκριμένη σειρά κάθε πρωί.

Επειδή οι άνθρωποι είναι προβλέψιμοι τόσο σε μικρο όσο και σε μακροοικονομική κλίμακα, οι έμποροι μπορούν κυρίως να προβλέψουν τι θα συμβεί. Για παράδειγμα, στη Βόρεια Αμερική, αν είστε έμπορος B2C, γνωρίζετε σχεδόν ότι θα είστε απασχολημένοι από την 1η Νοεμβρίου έως τις 26 Δεκεμβρίου, επειδή είναι ώρα αιχμής για τις πωλήσεις προϊόντων.

Παρομοίως, εάν είστε έμπορος B2B, ο χρόνος σας είναι απασχολημένος από την 1η Ιανουαρίου έως τα τέλη Μαΐου. Στη συνέχεια, η επιχείρηση συνεχίζεται αμέσως μετά την Ημέρα Εργασίας στις Ηνωμένες Πολιτείες και τον Καναδά και συνεχίζεται μέσω των Ευχαριστιών των Η.Π.Α. Εκτός από αυτές τις εποχές, είναι πολύ πιο δύσκολο να είστε έμπορος, είτε εστιάζετε σε ψηφιακά, κοινωνικά ή πληρωμένα.

Ακούστε την παράσταση για να ακούσετε περισσότερα παραδείγματα προβλέψιμης ανθρώπινης συμπεριφοράς.

Τι μπορεί να κάνει το Predictive Analytics;

Επειδή γνωρίζουμε αυτά τα πράγματα γενικά, οι μηχανές μπορούν να μας βοηθήσουν να κάνουμε αυτές τις προβλέψεις πιο συγκεκριμένες. Η αξία των προγνωστικών αναλυτικών στοιχείων είναι η ειδικότητά τους. Αν γνωρίζετε ποια εβδομάδα θα πρέπει να κάνετε περισσότερα στο Facebook Live ή να ξοδέψετε λιγότερα σε διαφημίσεις, μπορείτε να είστε πιο αποτελεσματικοί και αποτελεσματικοί στο μάρκετινγκ. Αν ξέρετε πώς να προβλέψετε, μπορείτε να κερδίσετε χρήματα, να εξοικονομήσετε χρήματα, να εξοικονομήσετε χρόνο και να μην απολυθείτε.

Τα προγνωστικά αναλυτικά στοιχεία εστιάζονται ειδικά στην προσπάθεια να ανακαλύψουν τι θα συμβεί στη συνέχεια. Για τον μέσο έμπορο, οι προβλέψεις χρονοσειρών (ή όταν πρόκειται να συμβεί κάτι) είναι η πιο συμβατική και χρήσιμη εφαρμογή. Για παράδειγμα, εάν είστε έμπορος μέσων κοινωνικής δικτύωσης, θέλετε να μάθετε πότε πρέπει να απασχοληθείτε στην ομάδα εξυπηρέτησης πελατών σας για να απαντήσετε σε ερωτήσεις πελατών.

Τα προγνωστικά αναλυτικά στοιχεία μπορούν επίσης να καταλάβουν πράγματα όπως πότε κάποιος θα αγοράσει ένα νέο αυτοκίνητο ή εάν είναι αναμένοντες γονείς. Ωστόσο, αυτές οι εφαρμογές είναι πιο αποχρωματισμένες από τις προβλέψεις χρονοσειρών.

Ακούστε την εκπομπή για να ακούσετε τις εμπειρίες μου με προγνωστικά analytics όταν ήμουν συγγραφέας B2B.

Πώς λειτουργεί το Predictive Analytics

Οι προγνωστικές αναλύσεις είναι πιθανότατα κοντά στα 70 χρόνια τώρα. Οι άνθρωποι εκπλήσσονται όταν ακούνε πόσο παλιά είναι η πειθαρχία επειδή πιστεύουν ότι η μηχανική μάθηση είναι κάτι νέο. Ωστόσο, οι θεωρίες και οι μαθηματικοί τύποι υπάρχουν εδώ και πολύ καιρό.

Αυτό που έχει αλλάξει είναι η υπολογιστική ισχύς φορητών υπολογιστών, επιτραπέζιων υπολογιστών και διακομιστών cloud. Μπορούν να συντρίψουν μεγαλύτερους αριθμούς σε μικρότερο χρονικό διάστημα. Θεωρητικά, μπορείτε να κάνετε προγνωστικά αναλυτικά στοιχεία σε χαρτί, αλλά θα απαιτούσε πολύ χαρτί και χρόνο.

Για να κάνετε καλά προγνωστικά αναλυτικά στοιχεία, χρειάζεστε τρεις ικανότητες. Πρώτον, χρειάζεστε κάποιον με τις δεξιότητες ανάπτυξης για να εξαγάγετε δεδομένα από τις πηγές δεδομένων σας, όπως το Google Analytics, το Facebook Insights, το Twitter και άλλα είδη κοινωνικών δεδομένων. Τα δεδομένα ενδέχεται να βρίσκονται σε συστήματα που σας ανήκουν ή σε συστήματα τρίτων. Όποιος έχει τα δεδομένα, πρέπει να μπορείτε να τα βγάζετε.

Ο Κρις αρέσει στην έκφραση, "Τα δεδομένα είναι το νέο λάδι", επειδή αν έχετε δει ποτέ αργό πετρέλαιο, είναι ένα αηδιαστικό χάος. Δεν μπορείτε να κάνετε πολλά με αυτό μέχρι να το εξαγάγετε από το έδαφος, να το βελτιώσετε και, στη συνέχεια, να το δώσετε σε άτομα που μπορούν να το χρησιμοποιήσουν σε αυτοκίνητα ή να φτιάξουν πλαστικά μπολ που δεν σπάνε όταν πέσουν στο πάτωμα. Με τα προγνωστικά αναλυτικά στοιχεία, είναι σχεδόν το ίδιο πράγμα.

Τα διυλιστήρια είναι επιστήμονες δεδομένων, οι οποίοι καθαρίζουν τα δεδομένα σε κάτι που μπορείτε να χρησιμοποιήσετε. Στη συνέχεια, οι τεχνολόγοι μάρκετινγκ, που είναι ο ρόλος πολλών εμπόρων μέσων κοινωνικής δικτύωσης σήμερα, κάνουν κάτι με αυτά τα δεδομένα. Δεν ερμηνεύουν απλώς τα δεδομένα. ενεργούν σε αυτό.

Ο Chris υπογραμμίζει τη σημασία της δράσης στα δεδομένα που λαμβάνετε. Εάν γνωρίζετε ποια εβδομάδα θα προωθήσετε την εκδήλωσή σας, αλλά δεν κάνετε τίποτα με αυτές τις πληροφορίες, τότε δεν έχει νόημα να κάνετε την πρόβλεψη.

Η ακρίβεια των προβλέψεων εξαρτάται από τα υποκείμενα δεδομένα και τον αλγόριθμο που χρησιμοποιείτε για να κάνετε τις προβλέψεις. Σε κάποιο σημείο, σχεδόν όλοι θα αντιμετωπίσουν ένα πρόβλημα με την ποιότητα των δεδομένων. Ίσως δεν έχετε ρυθμίσει το Google Analytics σωστά, δεν έχετε ορίσει τους στόχους σας σωστά, ξεχάσατε να ενεργοποιήσετε το pixel σας στο Facebook. οποιοδήποτε από αυτά τα πράγματα.

Ακούστε την εκπομπή για να ακούσετε τον Chris να συζητά έναν δημοφιλή τύπο τεχνικής ανάλυσης αποθεμάτων.

Πρακτικές Εφαρμογές Μάρκετινγκ για το Predictive Analytics

Όταν ο Chris κάνει μια προγνωστική πρόβλεψη, συνήθως είναι ένα γράφημα γραμμών 52 εβδομάδων. Για κάθε εβδομάδα, το γράφημα δείχνει μια πρόβλεψη για όποια και αν είναι η σειρά δεδομένων. Τις περισσότερες φορές, ο Chris χρησιμοποιεί δεδομένα αναζήτησης επειδή οι άνθρωποι πληκτρολογούν πράγματα στο Google που δεν θα το κάνουν πείτε σε έναν άλλο άνθρωπο, καθιστώντας τα δεδομένα αναζήτησης έναν πολύ καλό δείκτη για το τι πραγματικά υπάρχει σε κάποιον μυαλό.

Πολλά δεδομένα αναζήτησης είναι διαθέσιμα και μπορείτε να αποκτήσετε πρόσβαση σε κάποια από αυτά δωρεάν μέσω εργαλείων όπως Εργαλείο σχεδιασμού λέξεων-κλειδιών του AdWords ή Google Trends. Αφού έχετε τα δεδομένα, μπορείτε να προβλέψετε κάποια τάση, που είναι μια σειρά δεδομένων και, στη συνέχεια, να προσδιορίσετε τις κορυφές και τις κοιλάδες. Ο Chris προτείνει να έχετε δεδομένα από 1 έως 5 χρόνια ως βάση για την πρόβλεψή σας.

Ας υποθέσουμε ότι εξάγετε 5 χρόνια δεδομένων αναζήτησης στο μάρκετινγκ μέσων κοινωνικής δικτύωσης επειδή αναρωτιέστε πότε τον επόμενο χρόνο οι χρήστες θα αναζητούν "κοινωνικά μέσα" εμπορία." Εάν γνωρίζετε ότι πρόκειται να είναι 20 Μαρτίου, 19 Απριλίου, 27 Μαΐου, 4 Ιουλίου, 10 Σεπτεμβρίου και 21 Οκτωβρίου αυτού του επόμενου έτους, αυτά είναι σημάδια υψηλού νερού.

Με αυτές τις ημερομηνίες, μπορείτε επίσης να δείτε τι συμβαίνει 2 έως 3 εβδομάδες πριν από κάθε ημερομηνία. Συνήθως, υπάρχει μια πορεία προς την κορυφή. Έτσι, ένας έμπορος κοινωνικών μέσων πρέπει να μειώσει τις διαφημιστικές του δαπάνες. Ένας οργανικός έμπορος πρέπει να δημοσιεύσει πολλά και να διπλασιάσει τον αριθμό των ιστοριών Instagram που κάνουν. Ένα άτομο δημοσίων σχέσεων πρέπει να προωθήσει μήνες νωρίτερα για να εμφανιστεί σε δημοσιεύσεις αυτές τις ημερομηνίες.

Γνωρίζετε επίσης πότε θα συμβούν οι κοιλάδες, ώστε να μπορείτε να σχεδιάσετε το περιεχόμενο της τράπεζας ενώ δεν συμβαίνουν πολλά. Ενδέχεται να καταγράψετε podcast, φιλοξενούμενους φιλοξενουμένων σε άλλους ιστότοπους, να γράψετε μια σειρά από αναρτήσεις ιστολογίου και περιεχόμενο αποθήκευσης. Στη συνέχεια, όταν έρθει η επόμενη κορυφή, μπορείτε να χτυπήσετε το ρυθμό που πρέπει να χτυπήσετε χωρίς να κάψετε.

Με αυτόν τον τρόπο, οι προβλέψεις σας βοηθούν να κερδίσετε χρήματα στις κορυφές και να εξοικονομήσετε χρήματα στις πτώσεις. Μπορείτε να σχεδιάσετε και να δημιουργήσετε τη στρατηγική σας με βάση το πότε είναι πιθανό να συμβούν πράγματα. Αυτή η εφαρμογή λειτουργεί τόσο για επιχειρήσεις B2C όσο και για επιχειρήσεις B2B επειδή οι άνθρωποι πληκτρολογούν πράγματα στο Google όλη την ημέρα, κάθε μέρα.

Ρωτώ ποιες άλλες πηγές δεδομένων θα μπορούσατε να χρησιμοποιήσετε για να κάνετε προβλέψεις. Ο Chris λέει ότι οποιαδήποτε πηγή δεδομένων βάσει χρόνου είναι έγκυρη και οι συνομιλίες στα μέσα κοινωνικής δικτύωσης διαφέρουν σε κάθε δίκτυο. Οι προβλέψεις σας για το Pinterest ενδέχεται να διαφέρουν από αυτές του Facebook και του Twitter. Κάντε προβλέψεις βάσει όλων αυτών των δεδομένων.

Για να γίνει αυτό, ένα πραγματικά εξαιρετικό εργαλείο είναι CrowdTangle. Είναι φανταστικό επειδή σας δίνει δεδομένα χρονοσειρών μέχρι το επίπεδο ανάρτησης. Ένα άτομο δημοσίων σχέσεων μπορεί να τραβήξει αναφορές ειδήσεων και κάλυψη ειδήσεων. Ένας διαφημιζόμενος μπορεί να τραβήξει ποσά πληρωμής ανά κλικ, τιμές προσφοράς, όλα αυτά τα πράγματα.

Οι πηγές δεδομένων τρίτων είναι καλές επειδή εσείς ως εταιρεία δεν μπορείτε να καταστρέψετε αυτά τα δεδομένα, καθαυτά, αν και μπορείτε να ζητήσετε λάθος πράγματα. Ένας αξιόπιστος πωλητής δεδομένων είναι SEMrush, το οποίο έχει δεδομένα καλής ποιότητας. Ένας άλλος πωλητής, Μάρκα24, κάνει παρακολούθηση μέσων.

Μπορείτε επίσης να δείτε δεδομένα αναζήτησης από εργαλεία SEO που δεν είναι Google. Αυτές είναι όλες καλές πηγές δεδομένων επειδή είναι συνεπείς, κανονικοποιημένες και κανονικές. Επίσης, είναι αρκετά καθαρό.

Στη συνέχεια, ο Chris μοιράζεται ένα άλλο παράδειγμα για το πώς μπορείτε να εφαρμόσετε προγνωστικά αναλυτικά στοιχεία στην επιχείρησή σας. Ο Chris έκανε μια προγνωστική πορεία για ένα καζίνο με βάση 2 χρόνια ημερήσιων εσόδων από κουλοχέρηδες. Αφού έβαλε αυτά τα δεδομένα σε έναν αλγόριθμο, ο Chris μπόρεσε να προβλέψει τα έσοδα του καζίνο για τον επόμενο χρόνο.

Με αυτές τις προβλέψεις, το καζίνο θα μπορούσε να δει πότε τα έσοδα των κουλοχέρηδων θα είναι χαμηλά και θα έπρεπε να αυξήσουν ορισμένες προσφορές, να προβάλλουν διαφημίσεις, να φέρουν έναν ειδικό διασκεδαστή επισκέπτη ή κάτι τέτοιο. Τα δεδομένα τους βοήθησαν να διορθώσουν αυτά τα κενά στα έσοδά τους.

Ρωτώ πώς οι έμποροι αποφεύγουν να επηρεάζουν τα δεδομένα. Υποθετικά, ας πούμε ότι προσαρμόζουμε τις προωθήσεις μάρκετινγκ για το Social Media Marketing World σε συγκεκριμένα προγράμματα που δεν βασίζονται απαραίτητα σε προβλέψεις, αλλά σε αυτά που αποφασίσαμε να χρησιμοποιήσουμε. Πώς αποκλείουμε ότι η συμπεριφορά της φυλής και της κοινότητας δεν οφείλεται απαραίτητα στις ενέργειές μας;

Ο Chris λέει ότι το Social Media Marketing World είναι ένα τόσο μεγάλο, επιτυχημένο σόου, επηρεάζει στην πραγματικότητα όταν οι άνθρωποι αναζητούν πράγματα όπως «κοινωνικά μάρκετινγκ μέσων. " Ωστόσο, μπορείτε να κάνετε πιο συγκεκριμένα τα δεδομένα που τραβάτε με μερικούς διαφορετικούς τρόπους για να ελαχιστοποιήσετε τα συμβάντα, τα ζητήματα και ούτω καθεξής από την επίδρασή τους.

Για παράδειγμα, εάν χρησιμοποιείτε ένα εργαλείο κοινωνικής ακρόασης, μπορείτε να εξαιρέσετε αναφορές του Social Media Marketing World, του #socialmediaexaminer, του Michael Stelzner και των σχετικών στοιχείων. Αυτές οι εξαιρέσεις συμβάλλουν στη μείωση των σημείων δεδομένων που δεν πρέπει να υπάρχουν.

Μπορείτε επίσης να χρησιμοποιήσετε τη συγκριτική αξιολόγηση, η οποία καθορίζει μια γραμμή βάσης εκτός μιας συγκεκριμένης σεζόν που προσθέτει 20.000 αναφορές την ημέρα. Ακόμα και στην εποχή, υπάρχει κάτι που είναι δυσανάλογο με αυτό που πρέπει να υπάρχει; Μπορείτε να εκτελέσετε προβλέψεις με αυτόν τον τρόπο.

Ωστόσο, ο καλύτερος τρόπος για να βελτιώσετε τα δεδομένα είναι στο επίπεδο δεδομένων. Αφαιρέστε πράγματα που γνωρίζετε ότι μολύνουν, λόγω έλλειψης καλύτερης λέξης. Στη συνέχεια, μπορείτε να προβλέψετε από τα εκλεπτυσμένα δεδομένα.

Τούτου λεχθέντος, εάν προωθήσατε το Social Media Marketing World, δεν θα θέλατε απαραίτητα να βελτιώσετε τα δεδομένα με αυτόν τον τρόπο. Αν έχετε τη φυλή να επηρεάσει τον τρόπο με τον οποίο οι άνθρωποι σε όλο τον κόσμο αναζητούν "μάρκετινγκ κοινωνικών μέσων", αυτό είναι καλό. Αυτός είναι ένας λόγος για να γιορτάσετε την επιτυχία σας και να προσπαθήσετε να προκαλέσετε ακόμη μεγαλύτερη αλλαγή συμπεριφοράς, προχωρώντας από τις τάσεις ακόμη νωρίτερα.

Ακούστε την παράσταση για να ακούσετε τις σκέψεις μου σχετικά με τα προβλέψιμα ανθρώπινα σχέδια.

Τι δεν μπορείτε να προβλέψετε

Ο Κρις λέει ότι δεν μπορείς να προβλέψεις τρία πράγματα. Η πρώτη είναι μια μεγάλη αναταραχή που θα παραμορφώσει τα δεδομένα σας, όπως πολιτική αναταραχή, πολιτιστική αναταραχή, φυσική καταστροφή, πράγματα όπως αυτό. Όλα αυτά προκαλούν σημαντικές παρεμβολές που μπορούν να καταστρέψουν μια πρόβλεψη. Τομείς με μεγάλη αναταραχή, όπως το χρηματιστήριο, είναι σχεδόν αδύνατο να προβλεφθούν με ακρίβεια.

Το δεύτερο είναι κάτι που δεν έχει συμβεί ποτέ, όπως οι προεδρικές εκλογές του 2016. Ο διαγωνισμός μεταξύ των δύο υποψηφίων που έτρεχαν δεν είχε συμβεί ποτέ. Πολλοί άνθρωποι που δημιουργούσαν προγνωστικά εργαλεία και προβλέψεις για τις εκλογές βασίζονταν στα μοντέλα τους στις εκλογές του 2012.

Ωστόσο, οι υποψήφιοι σε κάθε κόμμα ήταν πολύ διαφορετικοί άνθρωποι μεταξύ αυτών των εκλογικών ετών. Έτσι, τα εργαλεία που έχτισαν οι άνθρωποι για το 2016 βασίστηκαν σε κάτι που είχε συμβεί στο παρελθόν, αλλά αυτό δεν συνέβαινε επί του παρόντος. Δεν μπορείτε να προβλέψετε τι δεν συνέβη ποτέ.

Ο τρίτος αποκλεισμός για προγνωστικά αναλυτικά στοιχεία είναι κακά δεδομένα. Εάν έχετε κατεστραμμένα δεδομένα ή δεν έχετε δεδομένα, δεν μπορείτε να κάνετε ακριβείς προβλέψεις. Εάν γνωρίζετε ότι η εταιρεία σας αντιμετωπίζει προβλήματα υποδομής δεδομένων, τα αναλυτικά στοιχεία πρόβλεψης είναι πραγματικά επικίνδυνα. Θα ήταν σαν να οδηγείτε με GPS που έχει κακά δεδομένα και σας λέει να οδηγείτε απευθείας από έναν γκρεμό.

Ακούστε την εκπομπή για να ακούσετε τον Chris να μοιράζεται έναν άλλο όρο αναστάτωση.

Συνηθισμένα προβλήματα δεδομένων

Αν θέλετε να δοκιμάσετε προγνωστικά αναλυτικά στοιχεία, το Google Analytics είναι μια καλή αρχή. Οι περισσότεροι έμποροι έχουν σίγουρα αυτά τα δεδομένα, αλλά μπορεί να έχουν προβλήματα. Για παράδειγμα, εάν χρησιμοποιείτε λογισμικό αυτοματισμού μάρκετινγκ, πρέπει να τοποθετήσετε τις ετικέτες σας στο Google Analytics στις σελίδες προορισμού σας σε αυτό το λογισμικό. Εάν δεν το κάνετε, αντιμετωπίζετε προβλήματα ακεραιότητας δεδομένων.

Τότε ρωτώ πώς να χειριστώ bots και αποκλειστές. Ο Chris λέει ότι τα κοινωνικά μέσα, ειδικά το Instagram και το Twitter, είναι γεμάτα ρομπότ. Τα καλά νέα είναι ότι οι συμπεριφορές bot είναι αρκετά προβλέψιμες επειδή οι άνθρωποι που έγραψαν αυτά τα bots χρησιμοποίησαν πολύ πρωτόγονους αλγόριθμους. Στη διαδικασία προετοιμασίας δεδομένων, τα bots είναι εύκολο να εντοπιστούν και μπορείτε να τα αφαιρέσετε.

Για παράδειγμα, ένα bot έχει πάντα ένα βιογραφικό που ακολουθεί την ίδια ακριβώς μορφή. Το βιογραφικό ξεκινά με διαφορετικές λέξεις που έχουν διαφορετικά μήκη ακολουθούμενο από το "check out out" και μετά έναν σύνδεσμο.

Οι αποκλειστές είναι σημαντικά πιο δύσκολο να εργαστούν. Εάν προσπαθείτε να προβλέψετε βάσει δεδομένων διαφημίσεων και οι αποκλειστές καταργούν δεδομένα, αυτό είναι πολύ δύσκολο να διορθωθεί. Τα δεδομένα δεν είναι λάθος. δεν το έχετε καν Είναι ατελές.

Μπορείτε να χειριστείτε τα ελλιπή δεδομένα με δύο τρόπους. Πρώτον, μπορείτε να αναζητήσετε κάτι που είναι κατευθυντικό, επειδή τα δεδομένα που έχετε εξακολουθούν να είναι αντιπροσωπευτικά. Ας υποθέσουμε ότι γνωρίζετε ότι το 30% των διαφημίσεων που αποκλείονται πραγματοποιούνται σε κινητή συσκευή, αλλά είναι σταθερό το 30%. Δεν έχετε αποκλειστεί το 22% των διαφημίσεων σε έναν ιστότοπο αλλά 5% σε έναν άλλο.

Εάν ο αποκλεισμός είναι σχετικά συνεπής, τότε θα συνεχίσετε να οδηγείτε προς τον σωστό τρόπο, καθώς με την πάροδο του χρόνου ορισμένες διαφημίσεις θα έχουν καλύτερη ή χειρότερη απόδοση.

Η δεύτερη επιλογή είναι διαθέσιμη μόνο σε εταιρείες με τεράστια βάση δεδομένων, όπως εταιρείες μεγάλης τεχνολογίας ή εταιρείες δεδομένων. Με μεγάλο αριθμό δεδομένων, μπορείτε να το κάνετε απόδοση, το οποίο χρησιμοποιεί ένα υπάρχον εκπαιδευμένο σύνολο δεδομένων και μηχανική εκμάθηση για να συμπληρώσει τα ελλιπή κομμάτια.

Ένα πολύ καλό παράδειγμα καταλογισμού είναι τα κοινωνικά μερίδια. Στις αρχές Φεβρουαρίου, το LinkedIn απενεργοποίησε τους αριθμούς κοινής χρήσης του, οπότε δεν λαμβάνετε πλέον αυτόν τον αριθμό από οποιοδήποτε εργαλείο παρακολούθησης κοινωνικών μέσων. Εάν ο Chris εργαζόταν σε μια εταιρεία παρακολούθησης κοινωνικών μέσων, θα χρησιμοποιούσε τα τελευταία 10 χρόνια δεδομένων ως εκπαιδευτικό σύνολο και θα συμπεράνει τον αριθμό των μετοχών.

Μπορείτε να συμπεράνετε τον αριθμό των κοινόχρηστων στοιχείων, εφόσον έχετε και άλλα παράλληλα σύνολα δεδομένων, όπως το Twitter και το Pinterest. Αυτοί οι αριθμοί μετοχών θα επιτρέψουν ουσιαστικά σε μια μηχανή να συμπληρώσει τα κενά για τις κοινές χρήσεις LinkedIn.

Ακούστε την παράσταση για τις σκέψεις μου για bots και αποκλειστές.

Παραδείγματα

Για μια γνωστή εταιρεία παροχής γραφείων, ο Chris πραγματοποίησε προγνωστικές αναλύσεις της επωνυμίας και του γενικού όρου «γραφείο προμήθειες." Παρόλο που η επωνυμία και ο γενικός όρος αντανακλούσαν ο ένας τον άλλον, τα «είδη γραφείου» ήταν 20 μέρες πίσω από τη μάρκα όνομα.

Για παράδειγμα, το εμπορικό σήμα είχε μια μεγάλη άνοδο στα τέλη Αυγούστου, την οποία ο Chris αποδίδει στην εποχή του σχολείου πίσω και στο σχολείο και σε άτομα που επέστρεψαν στη δουλειά. Αλλά μετά 20 ημέρες αργότερα, ο όρος αναζήτησης για "είδη γραφείου" ακολούθησε την ίδια ακριβώς ακίδα και το ίδιο ακριβώς μοτίβο. Ό, τι συμβαίνει εκεί συμπεριφορικά, οι άνθρωποι αναζητούν την επωνυμία και στη συνέχεια 20 ημέρες αργότερα, αναζητούν τον γενικό όρο.

Με βάση τα ευρήματα, ο Κρις πρότεινε στην εταιρεία να δημιουργήσει μια εκστρατεία επαναπροσδιορισμού με χρονικό διάστημα 19 ημερών. Εκ νέου στόχευση όσων επισκέπτονται τον ιστότοπό σας 19 ημέρες αργότερα με μια διαφήμιση που τους υπενθυμίζει να επιστρέψουν για περισσότερα είδη γραφείου. Με τη διαφήμιση επαναπροσδιορισμού, η εταιρεία θα μπορούσε να ανακτήσει μέρος αυτής της ζήτησης.

Με αυτόν τον τρόπο, τα προγνωστικά αναλυτικά στοιχεία μπορούν να προσφέρουν τεράστια απόδοση επένδυσης (ROI). Κάποιος θα μπορούσε να υποθέσει ότι όλα όσα κάνουν δεν λειτουργούν πια και απλά σταματούν. Με τα προγνωστικά αναλυτικά στοιχεία, μπορείτε να δείτε ότι η πραγματικότητα είναι ότι το κοινωνικό σας μάρκετινγκ απλώς δεν συγχρονίζεται με τα μοτίβα των πελατών.

Στη συνέχεια, ο Chris μοιράζεται ένα παράδειγμα από τη δική του επιχείρηση. Ήταν συγκριτική αξιολόγηση με βάση το πότε οι άνθρωποι αναζητούν τις ρυθμίσεις εκτός γραφείου του Outlook, επειδή όταν υπάρχει κάποιος ψάχνοντας για αυτό, ξέρετε ότι ετοιμάζονται να πάνε διακοπές, πράγμα που σημαίνει ότι δεν διαβάζουν τη δική τους ΗΛΕΚΤΡΟΝΙΚΗ ΔΙΕΥΘΥΝΣΗ. Αφού έτρεξε αυτό το σημείο αναφοράς τον Οκτώβριο του 2017, ο Chris προέβλεψε το πρώτο τρίμηνο.

Ο Κρις προέβλεπε ότι ο όγκος αναζήτησης ήταν χαμηλότερος, πράγμα που σημαίνει ότι οι περισσότεροι άνθρωποι βρίσκονταν στο γραφείο, την εβδομάδα της 18ης Ιανουαρίου 2018. Εκείνη την εβδομάδα, ο Κρις έτρεξε την ίδια καμπάνια για το βιβλίο του στην ίδια λίστα και με την ίδια προσφορά που έτρεξε το 2017.

Βελτιώνοντας το χρονοδιάγραμμα για την προώθηση του 2018, ο Chris αύξησε τις πωλήσεις βιβλίων κατά 40%. Η εκστρατεία του για το 2017 είχε κλείσει περίπου 2 εβδομάδες και ο Κρις έμαθε ότι η έλλειψη συγχρονισμού με το κοινό του έκανε τεράστια διαφορά.

Ρωτώ πώς μια επιχείρηση που δημοσιεύει πληροφορίες μπορεί να χρησιμοποιήσει προγνωστικά αναλυτικά στοιχεία για να βελτιώσει τη στρατηγική της. Για αυτό το παράδειγμα, ο Chris λέει ότι μία από τις αγαπημένες του εφαρμογές είναι η στρατηγική περιεχομένου. Ας πούμε ότι καλύπτετε τακτικά ορισμένα θέματα. Μπορείτε να εκτελέσετε έναν ολόκληρο συνδυασμό αυτών των προβλέψεων.

Το 10% με την υψηλότερη απόδοση μπορεί να οδηγήσει το ημερολόγιο σύνταξής σας, επειδή εάν γνωρίζετε τους μήνες που οι άνθρωποι θα ενδιαφέρονται περισσότερο για ένα θέμα, μπορείτε να σχεδιάσετε μηνιαίες λειτουργίες γύρω από αυτό το θέμα. Θα γνωρίζετε ακόμη και μέχρι την εβδομάδα πότε θα δημοσιεύσετε περιεχόμενο σχετικά με ένα συγκεκριμένο θέμα. Με αυτόν τον τρόπο, μπορείτε να κερδίσετε το υψηλό σημείωμα κάθε μήνα.

Το Predictive analytics μπορεί επίσης να ενημερώσει το ημερολόγιο διαφήμισής σας. Εάν γνωρίζετε ότι δημοσιεύετε για ένα συγκεκριμένο θέμα, μπορείτε να ορίσετε τις κάρτες τιμών σας βάσει αυτού του θέματος. Για τον μήνα που γνωρίζετε ότι η ζήτηση κοινού για ένα θέμα είναι υψηλή, θα μπορούσατε να χρεώσετε τους διαφημιζόμενους που ενδιαφέρονται για αυτό το θέμα σε πλήρη τιμή. Όταν γνωρίζετε ότι το ενδιαφέρον για το θέμα-στόχο των διαφημιζόμενων είναι χαμηλό, μπορείτε να προσφέρετε έκπτωση 40%.

Ακούστε την εκπομπή για να ακούσετε τον Chris να συζητά πώς το Social Media Examiner μπορεί να εφαρμόσει προγνωστικά αναλυτικά στοιχεία στο περιεχόμενό του.

Εργαλεία

Ο Κρις λέει ότι τα καλύτερα εργαλεία είναι δωρεάν. Είναι γλώσσες προγραμματισμού (όπως Ρ και Πύθων), καθώς και οι βιβλιοθήκες (όπως ΣΙΔΕΚΙΤ, NumPy, χρονοδιάγραμμα) που προσφέρουν κωδικό που μπορείτε να χρησιμοποιήσετε για συγκεκριμένες εργασίες. Ωστόσο, για να χρησιμοποιήσετε αυτά τα δωρεάν εργαλεία, χρειάζεστε πολλή τεχνική εμπειρία. Οι γλώσσες προγραμματισμού και οι βιβλιοθήκες μοιάζουν με μέρη του κινητήρα. Για να πάρετε ένα αυτοκίνητο, πρέπει να το φτιάξετε μόνοι σας.

Για την τεχνικά ικανή επιχείρηση οποιουδήποτε μεγέθους, εάν έχετε κάποιον ή πολλούς ανθρώπους που μπορούν να γεμίσουν τους ρόλους του προγραμματιστής, επιστήμονας δεδομένων και τεχνολόγος μάρκετινγκ, μπορείτε να χρησιμοποιήσετε προγνωστικά αναλυτικά στοιχεία για να δημιουργήσετε τις δικές σας προβλέψεις για Ελεύθερος.

Ωστόσο, εάν δεν έχετε χρόνο ή γνώση για να χρησιμοποιήσετε αυτά τα εργαλεία, αλλά έχετε χρήματα, το καλύτερο στοίχημά σας είναι να αναθέσετε σε εξωτερικούς συνεργάτες τις προβλέψεις. Μίσθωση εταιρείας επιστήμης δεδομένων.

Εάν σας ενδιαφέρει να μάθετε πώς λειτουργεί η επιστήμη δεδομένων, ο Chris συνιστά ανεπιφύλακτα το ιστολόγιο στο KDnuggets.com και το Ιστολόγιο δεδομένων της IBM. ο Εμπειρία της IBM Data Science είναι επίσης εξαιρετικό. Θα πρέπει επίσης να ακολουθείτε τα ιστολόγια προγραμματιστών για τις μεγάλες εταιρείες τεχνολογίας όπως Microsoft, Αμαζόνα, Google, και IBM.

Ωστόσο, μπορείτε να βρείτε τις καλύτερες πληροφορίες σχετικά με την επιστήμη δεδομένων στο ακαδημαϊκές εργασίες. Εάν μπορείτε να διαβάσετε αυτά τα έγγραφα χωρίς να κοιμηθείτε και να εξαγάγετε τις πληροφορίες, θα βρείτε πραγματικό χρυσό. Θα μάθετε τεχνικές που μπορείτε να δοκιμάσετε στα δεδομένα σας.

Αυτός ο προγνωστικός αλγόριθμος για τον οποίο μιλάμε υπάρχει εδώ και 70 χρόνια. Είναι ένα εργαλείο σαν μια σπάτουλα. Εάν το μόνο που κάνετε είναι να γυρίσετε ένα κομμάτι τοστ, θα έχετε ένα πολύ ακριβό βατραχοπέδιλο.

Ωστόσο, αν σκέφτεστε για το ψήσιμο στη σχάρα, το τηγάνισμα και όλα τα πράγματα που μπορείτε να κάνετε με μια σπάτουλα, τότε οι δυνατότητες γίνονται ατελείωτες. Το ίδιο ισχύει για τα εργαλεία και τους αλγόριθμους της επιστήμης δεδομένων. Μπορείτε να χρησιμοποιήσετε τη δημιουργικότητά σας και την περιέργειά σας για να τις δοκιμάσετε με όλους αυτούς τους διαφορετικούς τρόπους.

Στο μέλλον, η χρήση αυτών των εργαλείων θα γίνει τόσο εύκολη όσο η προβολή μιας διαφήμισης στο Facebook επειδή πολλά προγνωστικά αναλυτικά στοιχεία είναι ήδη πολύ μηχανοποιημένα. Ωστόσο, το μέρος που περιλαμβάνει την ανθρώπινη κρίση και το πλαίσιο θα διαρκέσει περισσότερο. Τα μηχανήματα δεν μπορούν να καταλάβουν πώς λειτουργούν οι επιχειρήσεις και επομένως δεν μπορούν να δουν αυτές τις δυνατότητες.

Ωστόσο, αφού χαρτογραφήσετε τη μεγάλη στρατηγική, σύντομα θα μπορείτε να κάνετε κλικ σε ένα κουμπί, να σύρετε την πιστωτική σας κάρτα, να πληρώσετε τα μηνιαία τέλη των 99 $ και το εργαλείο θα βάλει γραφήματα. Ο Κρις πιστεύει ότι αυτή η ικανότητα θα είναι διαθέσιμη εντός των επόμενων 5 ετών.

Πιο κάτω, καθώς η τεχνητή νοημοσύνη γενικής χρήσης βελτιώνεται, ίσως μπορείτε να πείτε σε έναν υπολογιστή που θέλετε να βελτιστοποιήσετε τις δαπάνες σας στο Facebook με βάση τη ζήτηση. Στη συνέχεια, το μηχάνημα θα κάνει αυτόματα την πρόβλεψη, θα καταλάβει πότε θα εμφανίζονται οι κορυφές και οι κοιλάδες και θα εκτελεί βασικά τον προϋπολογισμό και τις διαφημίσεις σας για εσάς. Πιθανότατα 5 έως 10 χρόνια.

Ακούστε την εκπομπή για να ακούσετε τον Chris να μοιράζεται περισσότερα σχετικά με το τι δεν μπορούν να κάνουν τα μηχανήματα.

Ανακάλυψη της εβδομάδας

Επαναφορά είναι ένας ιστότοπος φωτογραφιών μετοχών που αποφεύγει εικόνες κλισέ.

Οι φωτογραφίες στο Reshot αντικατοπτρίζουν τη μοναδική προοπτική του φωτογράφου. Με αυτόν τον τρόπο, οι φωτογραφίες είναι υψηλότερης ποιότητας από αυτές σε πολλές άλλες ιστοσελίδες μετοχών.

Ο ιστότοπος χρησιμοποιεί ένα απλή άδεια και όροι που σας δίνουν μεγάλη ευελιξία για τη χρήση των φωτογραφιών.

Οι φωτογραφίες Reshot είναι δωρεάν, αν και μπορείτε επίσης να βρείτε φωτογραφίες προς πώληση από τους συνεργάτες Reshot. Για να περιηγηθείτε στις εικόνες ή να μάθετε περισσότερα, επισκεφθείτε τον ιστότοπο.

Ακούστε την εκπομπή για να μάθετε περισσότερα και πείτε μας πώς λειτουργεί το Reshot για εσάς.

Βασικές επιλογές που αναφέρονται σε αυτό το επεισόδιο:

• Μάθετε περισσότερα για την επιχείρηση του Chris, Brain + Trust Insights.
• Ακολουθήστε τον Chris Κελάδημα.
• Ανάγνωση Το blog του Chris.
• Ακούστε το podcast του Chris, Μάρκετινγκ για καφέ.
• Πρόσβαση στα δεδομένα αναζήτησης με Εργαλείο σχεδιασμού λέξεων-κλειδιών του AdWords ή Google Trends.
• Μάθετε περισσότερα για CrowdTangle.
• Ρίξτε μια ματιά σε τρίτους προμηθευτές δεδομένων SEMrush και Μάρκα24.
• Μάθετε σχετικά με τη στατιστική απόδοση.
• Ανακαλύψτε περισσότερα για Ρ και Πύθων και βιβλιοθήκες όπως ΣΙΔΕΚΙΤ, NumPy, και χρονοδιάγραμμα.
• Επίσκεψη KDnuggets.com, Ιστολόγιο δεδομένων της IBM, και Εμπειρία της IBM Data Science.
• Ακολουθήστε τα ιστολόγια προγραμματιστών για Microsoft, Αμαζόνα, Google, και IBM.
• Βρείτε φωτογραφίες για το περιεχόμενό σας μέσω Επαναφορά.
• Παρακολουθήστε την εβδομαδιαία εκπομπή μας στο Social Media Marketing Talk τις Παρασκευές στις 10 π.μ. Crowdcast ή συντονιστείτε στο Facebook Live.
• Κατεβάστε το Έκθεση βιομηχανίας μάρκετινγκ κοινωνικών μέσων του 2017.

Τι νομίζετε; Ποιες είναι οι σκέψεις σας σχετικά με την προγνωστική ανάλυση; Παρακαλώ μοιραστείτε τα σχόλιά σας παρακάτω.