www.machinelearningmastery.ru

Машинное обучение, нейронные сети, искусственный интеллект
Header decor

Home

Руководство современного маркетолога по алгоритмам машинного обучения

Дата публикации May 8, 2017

Большинство маркетинговых (и продажных) групп имеют, казалось бы, простые цели: определить ваших лучших клиентов, нацелить потенциальных клиентов, которые похожи на них, способствовать положительному опыту покупок и донести эти перспективы до вашего сообщества клиентов. Проблема заключается в том, что компании сталкиваются с натиском данных, что делает невозможным экономически бросить людей на каждую из вышеупомянутых целей. Есть много бизнес-обучения и много рутинных задач, которые можно сделать быстрее и лучше с помощью автоматизации и ИИ. Люди просто никогда не смогут просеять все эти данные с той же скоростью, что и машины, и, конечно, не с той точностью, которая хорошо продумана.алгоритмыможет принести к столу.

В наши дни каждый бизнес занимается бизнесом, связанным с данными, и для принятия более правильных решений лидерам необходимо машинное обучение и аналитика, чтобы найти действенные шаблоны в данных. Но сначала важно четко определить проблему, которую они пытаются решить. Например, если ваша компания борется с проблемами оттока клиентов, вы можете использовать алгоритмы, чтобы выяснить, как уменьшить отток клиентов. В этом случае вам нужно понятькогдакто-то, вероятно, будет сбивать вас, чтобы вы могли сделать предложение по снижению риска. Другой вопрос может бытьЗачемкто-то взбивает, но это совершенно отдельная проблема, которую должен решить другой алгоритм.

После того, как вы сузили свой охват до первоначальной маркетинговой проблемы, алгоритмы машинного обучения, несомненно, будут хорошо подходить для решения этой задачи с учетом исторической перспективы и данных о клиентах из вашей CRM, автоматизации маркетинга или хранилищ данных. Когда вы начнете, полезно иметь возможность говорить на одном языке с вашими специалистами по данным и / или поставщиками прогностической аналитики. Давайте заглянем за кулисы, чтобы получить общее представление о ключевых алгоритмических подходах, используемых в маркетинге:

классификация

Также известный какоценка вероятности класса,классификационное моделирование - это отличный подход для определения ваших лучших клиентов Эти алгоритмы в основном отвечают на вопрос, вписывается ли что-то в ту или иную группу. Например: «Вероятно ли, что этот сегмент откликнется на наше маркетинговое предложение?»АвтопилотВедущий поставщик средств автоматизации маркетинга использует прогнозирующую аналитику с классификационными моделями для измерения эффективности маркетингового канала и определения того, куда следует инвестировать или перенаправлять маркетинговые доллары.

Чтобы обучить модели классификации, вы разделите свои исторические данные о потенциальных клиентах и ​​клиентах на две группы, то есть отвечали и не отвечали, идеальный и неидеальный потенциальный клиент или не клиенты. Этот классификатор позволяет алгоритму настраиваться как на позитивные атрибуты ваших лучших клиентов, так и на негативные атрибуты ваших неидеальных клиентов. Доработанная модель может затем использоваться для «оценки» существующей базы данных, а также всех новых перспектив в будущем по вероятности конвертации или становления клиентом.

регрессия

Еще один метод, который может вывести ваш маркетинг на новый уровень, - это использование регрессионного моделирования для прогнозирования конкретной ценности важной для вас информации. Этот подход связан с классификацией, которая предсказываетбудь точто-то случится, но это не так, потому что регрессия (иначе известная как оценка стоимости) предсказываеткак многочто-то случится Алгоритмы могут искать похожих людей в популяции и их историческое использование, чтобы получить числовой прогноз, скажем, «сколько продукта X будет использоваться сегментом А.»

Отличный вариант использования для регрессионного моделирования заключается в том, чтобы выяснить, какую большую прибыль вы могли бы извлечь из определенного аккаунта с помощью возможностей перекрестных или дополнительных продаж.Brightcoveведущая онлайн-видеоплатформа использует прогнозную аналитику таким образом, чтобы помочь увеличить стоимость контрактов по сравнению с существующей клиентской базой. Кроме того, компании с многоуровневым ценообразованием могут использовать аналогичный алгоритм для получения оценочной стоимости каждой новой перспективы (либо для первоначальной продажи, либо для полной потребительской ценности в течение всего срока службы). При таком понимании они могут по-разному справляться с потенциальными клиентами - возможно, путем перенаправления потенциальных клиентов с более низкой ценностью на вариант самообслуживания для поддержания эффективности, с тем чтобы они могли дать белую перчатку для наиболее ценных клиентов.

Кластеризация

Наконец, модели кластеризации группируют людей в популяции на основе их сходства. Маркетинговым вопросом для этого типа алгоритма может быть: «Формируют ли наши клиенты естественные сегменты?». Эта информация может быть особенно полезна для предварительного исследования домена или определения структуры вашей службы поддержки клиентов или отдела продаж. Анализируя вашу базу данных потенциальных клиентов и клиентов, эти модели распределяют каждого в «кластеры», определяемые их схожими атрибутами.

Открытый подход Clustering по-прежнему опирается на данные в сравнении с человеческой интуицией, чтобы выявлять наиболее преобладающие черты в людях, которым вы продаете. В результате вы сможете по-новому взглянуть на свою клиентуру (или на весь адресуемый рынок) и найти новые сегменты клиентов и потенциальных клиентов. Маркетологи могут затем использовать ключевые когортные сигналы для разработки целевых кампаний или более персонализированных стратегий продаж, а также для выявления других, которые похожи на наиболее эффективные кластеры.

Приведенные выше конкретные примеры демонстрируют, насколько сильно ИИ меняет то, как компании понимают и обрабатывают свои данные. Что замечательно, так это то, что вам не требуется ученая степень в области наук о данных, чтобы понять преимущества этих алгоритмов или использовать их результаты. Таким образом, есть три основных способа, которыми алгоритмы могут помочь отделам продаж и маркетинга:

  1. Найти "пустое пространствоВ трубопроводе.Путем выявления возможностей в значительной мереоптимизировать конверсии, алгоритмы могут быстро оказать влияние на рост доходов.

2.Выполните настоящую автоматизацию, чтобы уменьшить человеческий труд.Каждый бизнес несет в себе по крайней мере некоторые недостатки (такие как ручное исследование потенциальных клиентов), которые могут быть легко замененыэффективные алгоритмы и прогнозная аналитика,

3.Обогатить традиционные приложения.Алгоритмы также могут помочь командам получить больше от их продаж и маркетинга, добавивуровень интеллектаэто находит важные данные в данных для обеспечения гибкости и конкурентного преимущества.

Некоторые из лучших возможностей для выхода на рынок сосредоточены на выявлении неэффективности бизнеса - например, на сокращении затрат на маркетинг, ускорении отбора потенциальных клиентов или аккаунта, оптимизации каналов и программ и т. Д. Поскольку потенциальные выгоды от улучшения продаж и эффективности маркетинга значительны Нет причин ждать. Пришло время каждому маркетологу признать, что идет гонка вооружений за данные, и те, кто не развивает методы работы своего бизнеса на основе данных, скоро отстанут.

Оригинальная статья

Footer decor

© www.machinelearningmastery.ru | Ссылки на оригиналы и авторов сохранены. | map