Ennakoiva analyysi: Kuinka markkinoijat voivat parantaa tulevaa toimintaa: Sosiaalisen median tutkija

Haluatko markkinoinnin olevan tehokkaampaa?

Mietitkö, kuinka markkinointisykliesi ennustaminen voi auttaa?

Haastattelen Chris Penniä selvittääkseen, miten markkinoijat voivat aloittaa ennakoivan analyysin.

Lisätietoja tästä näyttelystä

Sosiaalisen median markkinoinnin podcast on on-demand talk radio show from Social Media Examiner. Se on suunniteltu auttamaan kiireisiä markkinoijoita, yritysten omistajia ja sisällöntuottajia löytämään, mikä toimii sosiaalisen median markkinoinnissa.

Tässä jaksossa haastattelen Chris Penn, perustaja ja pääinnovaattori Brain + Trust Insights. Hän on myös Markkinointi kahvilla podcast ja Social Media Marketing Worldin johtava analytiikan asiantuntija.

Chris kertoo, kuinka ennakoivassa analyysissä käytettävän datan laatu voidaan varmistaa.

Löydät myös tietolähteet ja työkalut, joita käytetään ennusteiden tekemiseen.

Jaa palautteesi, lue näyttelymuistiinpanot ja hanki alla olevassa jaksossa mainitut linkit.

Kuuntele nyt

Mistä tilata: Apple Podcast | Google Podcasts | Spotify | RSS

Vieritä artikkelin loppuun linkkejä tärkeisiin resursseihin, jotka on mainittu tässä jaksossa.

Tässä on joitain asioita, jotka löydät tästä näyttelystä:

Ennakoiva analyysi

Chris's Story

Chris aloitti analytiikan tietotekniikan taustansa kautta. Vuonna 2003 hän aloitti IT-johtajana opintolainan aloitusyrityksessä, jossa hänen tehtävänsä laajeni perinteisten IT-vastuiden ulkopuolelle. Verkko- ja sähköpostipalvelimien lisäksi hän päivitti verkkosivustoja ja lähetti viikoittaisen sähköpostin.

Chris teki tätä työtä ennen kuin Google Analytics oli olemassa, joten kun hänen yrityksensä toimitusjohtaja kysyi, kuinka verkkosivustot ja sähköpostit toimivat, Chrisillä ei ollut vastausta. Tämän selvittämiseksi Chris ja hänen tiiminsä alkoivat kehittää omia työkaluja ymmärtääkseen perusasiat, kuten kuinka moni ihminen vieraili verkkosivustolla päivittäin.

Ajan myötä analyysikäytännöstä tuli Chrisin ydin. Hän ei vain yrittänyt oppia mitä tapahtui, vaan myös miksi se tapahtui ja miten yritys voisi vastata.

Kuuntele ohjelmaa kuulemaan Chris keskustelemaan hänen koulutustaustastaan.

Mitä ovat ennakoiva analyysi?

Ennakoiva analytiikka käyttää tilastoja ja koneoppimista tietojen analysointiin ja ennusteiden tekemiseen. Ihmiset ovat hyvin ennustettavissa. Me kaikki noudatamme rutiineja, kuten harjaamme hampaitamme ja sitten käymme suihkussa tai laitamme jokainen vaatekappale tietyssä järjestyksessä joka aamu.

Koska ihmiset ovat ennustettavissa sekä mikro- että makrotasolla, markkinoijat voivat enimmäkseen ennustaa mitä tapahtuu. Esimerkiksi Pohjois-Amerikassa, jos olet B2C-markkinoija, tiedät melkein, että olet kiireinen 1.11.-26.12., Koska se on huippumyynnin aika tuotteiden myynnille.

Vastaavasti, jos olet B2B-markkinoija, kiireinen aika on 1. tammikuuta - noin toukokuun loppu. Sitten liike käynnistyy heti Vapunpäivän jälkeen Yhdysvalloissa ja Kanadassa ja jatkuu Yhdysvaltojen kiitospäivän kautta. Noiden aikojen ulkopuolella on paljon vaikeampaa olla markkinoija, keskitytpä sitten digitaaliseen, sosiaaliseen tai maksettuun.

Kuuntele ohjelmaa saadaksesi lisää esimerkkejä ennustettavasta ihmisen käyttäytymisestä.

Mitä ennakoiva analyysi voi tehdä?

Koska tiedämme nämä asiat yleensä, koneet voivat auttaa meitä tekemään ennusteista tarkempia. Ennustavan analyysin arvo on niiden spesifisyys. Jos tiedät, mikä viikko sinun pitäisi tehdä enemmän Facebook Livenä tai käyttää vähemmän mainoksiin, voit olla tehokkaampi ja vaikuttavampi markkinoinnissasi. Jos osaat ennustaa, voit ansaita rahaa, säästää rahaa, säästää aikaa etkä saada potkut.

Ennakoiva analyysi keskittyy erityisesti yrittämään selvittää, mitä seuraavaksi tapahtuu. Keskimääräiselle markkinoijalle aikasarjojen ennusteet (tai kun jotain tapahtuu) ovat tavallisin ja hyödyllisin sovellus. Esimerkiksi, jos olet sosiaalisen median markkinoija, haluat tietää, milloin henkilökunta palvelee asiakaspalvelutiimiäsi vastaamaan asiakkaiden kyselyihin.

Ennakoiva analyysi voi myös selvittää esimerkiksi sen, milloin joku ostaa uuden auton tai onko hän odottava vanhempi. Nämä sovellukset ovat kuitenkin vivahteikkaampia kuin aikasarjojen ennusteet.

Kuuntele ohjelmaa saadaksesi kuulla kokemuksistani ennakoivasta analytiikasta, kun olin B2B-kirjoittaja.

Kuinka ennakoiva analyysi toimii

Ennakoiva analyysi on todennäköisesti nyt lähes 70 vuotta vanha. Ihmiset ovat yllättyneitä kuullessaan kuinka vanha kurinalaisuus on, koska heidän mielestään koneoppiminen on jotain uutta. Teoriat ja matemaattiset kaavat ovat kuitenkin olleet olemassa jo kauan.

Muuttunut on kannettavien tietokoneiden, työasemien ja pilvipalvelimien laskentateho. He voivat murskata suurempia lukuja lyhyemmässä ajassa. Teoriassa voit tehdä ennakoivan analyysin paperilla, mutta se vaatii paljon paperia ja aikaa.

Ennakoivan analytiikan tekemiseen tarvitaan kolme kykyä. Ensinnäkin tarvitset jonkun, jolla on kehitystaidot, jotta voit poimia tietoja tietolähteistäsi, kuten Google Analytics, Facebook Insights, Twitter ja muut sosiaaliset tiedot. Tiedot voivat olla omistamissasi järjestelmissä tai kolmannen osapuolen järjestelmissä. Kenellä on tietoja, sinun on pystyttävä saamaan ne pois.

Chris pitää ilmaisusta "Data on uusi öljy", koska jos olet koskaan nähnyt raakaöljyä, se on inhottavaa sotkua. Et voi tehdä paljon sen kanssa, ennen kuin poistat sen maasta, puhdistat sen ja annat sen sitten ihmisille, jotka voivat käyttää sitä autoissa tai tehdä muovikulhoja, jotka eivät rikkoudu pudotessaan lattialle. Ennakoivan analyysin avulla se on paljolti sama asia.

Jalostajat ovat datatieteilijöitä, jotka puhdistavat tiedot käyttökohteeksi. Sitten markkinointiteknologit, jotka ovat nykyään monien sosiaalisen median markkinoijien rooli, tekevät jotain näiden tietojen kanssa. He eivät vain tulkitse tietoja; he toimivat sen mukaan.

Chris korostaa toimimisen tärkeyttä saamiesi tietojen suhteen. Jos tiedät, mikä viikko markkinoida tapahtumaa, mutta et tee mitään näiden tietojen kanssa, ei ole mitään järkeä tehdä ennustusta.

Ennusteiden tarkkuus riippuu taustalla olevista tiedoista ja algoritmista, jota käytät ennusteiden tekemiseen. Jossakin vaiheessa melkein kaikki kohtaavat tiedon laadun ongelman. Ehkä et ole määrittänyt Google Analyticsia oikein, et asettanut tavoitteitasi oikein, unohdit käynnistää Facebook-pikselisi; mitään näistä asioista.

Kuuntele ohjelmaa kuulemaan Chris keskustelemaan suosittua teknistä osakeanalyysiä.

Käytännön markkinointisovellukset ennakoivaan analyysiin

Kun Chris tekee ennakoivan ennusteen, se on tyypillisesti 52 viikon viivakaavio. Kullekin viikolle kaavio näyttää ennusteen datasarjasta riippumatta. Suurimman osan ajasta Chris käyttää hakutietoja, koska ihmiset kirjoittavat Googleen juttuja, joita he eivät tekisi kerro toiselle ihmiselle tekemällä hakutiedoista erittäin hyvä indikaattori siitä, mitä joku itse asiassa on mielessä.

Paljon hakutietoja on käytettävissä, ja pääset joihinkin niistä ilmaiseksi esimerkiksi työkalujen avulla AdWords-avainsanojen suunnittelija tai Google Trends. Kun olet saanut tiedot, voit ennustaa jonkinlaisen trendin, joka on datasarja, ja sitten tunnistaa huiput ja laaksot. Chris suosittelee, että ennusteesi perustana on 1-5 vuoden tiedot.

Oletetaan, että poimia viiden vuoden ajan hakutietoja sosiaalisen median markkinoinnista, koska mietit, milloin seuraavan vuoden aikana ihmiset hakevat "sosiaalista mediaa" markkinointi." Jos satut tietämään, että se tulee olemaan ensi vuoden 20. maaliskuuta, 19. huhtikuuta, 27. toukokuuta, 4. heinäkuuta, 10. syyskuuta ja 21. lokakuuta, nämä ovat sinun korkean veden merkit.

Näiden päivämäärien avulla voit myös nähdä, mitä tapahtuu 2-3 viikkoa ennen kutakin päivämäärää. Tyypillisesti huippua on edessään. Joten sosiaalisen median markkinoijan on kehitettävä mainoskulutustaan. Orgaanisen markkinoijan on julkaistava paljon ja kaksinkertaistettava tekemiensä Instagram-tarinoiden määrä. Suhdetoiminnan harjoittajan on ilmoittauduttava kuukausia etukäteen esiintyäkseen julkaisuina kyseisinä päivinä.

Tiedät myös, milloin laaksot tapahtuvat, joten voit suunnitella sisällön pankkimista, vaikka paljon ei tapahdu. Voit tallentaa podcasteja, vierasisäntä muille sivustoille, kirjoittaa joukko blogiviestejä ja varastoida sisältöä. Kun seuraava huippu tulee, voit lyödä lyömäsi poljinta polttamatta.

Tällä tavalla ennusteet auttavat sinua ansaitsemaan rahaa huipuilla ja säästämään rahaa laskussa. Voit suunnitella ja rakentaa strategiasi sen mukaan, milloin asiat todennäköisesti tapahtuvat. Tämä sovellus toimii sekä B2C- että B2B-yrityksille, koska ihmiset kirjoittavat juttuja Googleen koko päivän, joka päivä.

Kysyn, mitä muita tietolähteitä voit käyttää ennusteiden tekemiseen. Chris sanoo, että kaikki aikaperusteiset tietolähteet ovat kelvollisia ja sosiaalisen median keskustelut vaihtelevat kussakin verkossa. Pinterest-ennusteet voivat olla erilaiset kuin Facebook- ja Twitter-ennusteet. Tee ennusteita kaikkien näiden tietojen perusteella.

Tätä varten yksi todella hieno työkalu on JoukkoTangle. Se on fantastista, koska se antaa sinulle aikasarjatietoja aina yksittäisen viestin tasolle. Suhdehenkilö voi hakea uutismainintoja ja uutisointia. Mainostaja voi hankkia napsautuskohtaiset hinnat, hintatarjoukset ja kaikki nämä.

Kolmansien osapuolten tietolähteet ovat hyviä, koska et voi yrityksenä vahingoittaa kyseisiä tietoja sinänsä, vaikka voit pyytää vääriä asioita. Yksi hyvämaineinen tietojen toimittaja on SEMrush, jolla on laadukkaita tietoja. Toinen myyjä, Tuotemerkki24, seuraa mediaa.

Voit myös tarkastella hakutietoja hakukoneoptimointityökaluista, jotka eivät ole Googlen omia. Nämä ovat kaikki hyviä tietolähteitä, koska ne ovat johdonmukaisia, normalisoituja ja säännöllisiä. Lisäksi ne ovat kohtuullisen puhtaita.

Sitten Chris jakaa toisen esimerkin siitä, kuinka voit käyttää ennakoivaa analytiikkaa yrityksellesi. Chris teki ennustavan ajon kasinolle, joka perustui 2 vuoden päivittäiseen hedelmäpelien tuloon. Laittanut nämä tiedot algoritmiin Chris pystyi ennustamaan kasinon tulot ensi vuodelle.

Näiden ennusteiden mukaan kasino pystyi näkemään, milloin kolikkopelien tulot olisivat vähäiset, ja heidän täytyi käynnistää joitain tarjouksia, näyttää mainoksia, tuoda mukaan erityinen vieraana viihdyttäjä tai jotain sellaista. Tiedot auttoivat heitä korjaamaan tulojen aukkoja.

Kysyn, miten markkinoijat välttävät vaikuttamasta tietoihin. Oletetaan hypoteettisesti, että suunnittelemme markkinointikampanjamme sosiaalisen median markkinointimaailmaan tiettyjen aikataulujen mukaan, jotka eivät välttämättä perustu ennusteisiin, mutta päätimme käyttää niitä. Kuinka voimme sulkea pois sen, että heimon ja yhteisön käyttäytyminen ei välttämättä johdu teoistamme?

Chris sanoo, että sosiaalisen median markkinointimaailma on niin suuri, onnistunut show, se vaikuttaa itse asiassa, kun ihmiset etsivät asioita, kuten "sosiaalinen mediamarkkinointi. " Voit kuitenkin tarkentaa vetämiäsi tietoja muutamalla eri tavalla minimoidaksesi tapahtumien, ongelmien ja niin edelleen vaikuttamasta niihin.

Jos esimerkiksi käytät sosiaalisen kuuntelun työkalua, voit sulkea pois sosiaalisen median markkinointimaailman, #socialmediaexaminer, Michael Stelznerin ja siihen liittyvien kohteiden maininnat. Nämä poissulkemiset auttavat vähentämään datapisteitä, joiden ei pitäisi olla siellä.

Voit myös käyttää vertailuanalyysiä, joka muodostaa perustason tietyn kauden ulkopuolella, mikä lisää 20000 mainintaa päivässä. Jopa sesongin aikana on jotain, joka on suhteetonta siihen, mitä siellä pitäisi olla? Voit suorittaa ennustamisen tällä tavalla.

Paras tapa tarkentaa tietoja on kuitenkin tietotasolla. Paremman sanan puuttuessa poista tavarat, joiden tiedät saastuttavan. Sitten voit ennustaa puhdistetuista tiedoista.

Toisin sanoen, jos markkinoisit sosiaalisen median markkinointimaailmaa, et välttämättä halua tarkentaa tietoja tällä tavalla. Jos saat heimon vaikuttamaan siihen, miten ihmiset ympäri maailmaa hakevat "sosiaalisen median markkinointia", se on hyvä asia. Tämä on syy juhlia menestystäsi ja yrittää aiheuttaa entistä enemmän käyttäytymismuutoksia etenemällä trendejä aikaisemmin.

Kuuntele ohjelmaa saadaksesi kuulla ajatukseni ennustettavista ihmismalleista.

Mitä et voi ennustaa

Chris sanoo, ettet voi ennustaa kolmea asiaa. Ensimmäinen on suuri mullistus, joka vääristää tietojasi, kuten poliittiset levottomuudet, kulttuuriset mullistukset, luonnonkatastrofit ja vastaavat. Kaikki nämä asiat aiheuttavat suuria häiriöitä, jotka voivat vahingoittaa ennustetta. Aloja, joilla on paljon mullistuksia, kuten osakemarkkinoita, on lähes mahdotonta ennustaa tarkasti.

Toinen on jotain, jota ei ole koskaan tapahtunut, kuten vuoden 2016 presidentinvaalit. Kilpailua kahden ehdokkaan välillä ei ollut koskaan ennen tapahtunut. Monet ennustavia työkaluja ja ennusteita vaaleille luoneet perustivat mallinsa vuoden 2012 vaaleihin.

Kummankin puolueen ehdokkaat olivat kuitenkin hyvin erilaisia ​​ihmisiä näiden vaalivuosien välillä. Joten ihmisten vuonna 2016 rakentamat työkalut perustuivat johonkin, mitä oli tapahtunut aiemmin, mutta mitä ei tapahtunut tällä hetkellä. Et voi ennustaa sitä, mitä ei ole koskaan tapahtunut.

Kolmas ennakoivan analyysin hylkääjä on huono data. Jos sinulla on vioittuneita tietoja tai tietoja ei ole, et voi tehdä tarkkoja ennusteita. Jos tiedät, että yritykselläsi on tietoinfrastruktuuriongelmia, ennakoiva analytiikka on todella vaarallista. Se olisi kuin ajaminen GPS: n kanssa, jolla on huonoja tietoja ja joka kehottaa ajamaan heti kalliolta.

Kuuntele ohjelmaa kuullaksesi Chris jakavan toisen termin mullistukset.

Yleiset dataongelmat

Jos haluat kokeilla ennakoivaa analytiikkaa, Google Analytics on hyvä alku. Useimmilla markkinoijilla on varmasti nämä tiedot, mutta niillä voi olla ongelmia. Jos esimerkiksi käytät markkinoinnin automaatio-ohjelmistoa, sinun on lisättävä Google Analytics -tunnisteet kyseisen ohjelmiston laskeutumissivuillesi. Jos et, sinulla on tietojen eheysongelmia.

Sitten kysyn, kuinka käsitellä robotteja ja estäjiä. Chris sanoo, että sosiaalinen media, erityisesti Instagram ja Twitter, ovat täynnä botteja. Hyvä uutinen on, että bottien käyttäytyminen on melko ennustettavissa, koska nämä botit kirjoittaneet ihmiset käyttivät hyvin primitiivisiä algoritmeja. Tietojen valmisteluprosessissa botit on helppo havaita, ja voit poistaa ne.

Havainnollistamiseksi yhdellä botilla on aina elämä, joka noudattaa täsmälleen samaa muotoa. Bio alkaa erilaisilla sanoilla, jotka ovat eri pituisia, seuraa "check me out" ja sitten linkki.

Estäjien kanssa on huomattavasti vaikeampaa työskennellä. Jos yrität ennustaa mainostietojen perusteella ja estäjät poistavat tietoja, se on erittäin vaikea korjata. Tiedot eivät ole vääriä; sinulla ei edes ole sitä. Se on epätäydellinen.

Puutteellisia tietoja voidaan käsitellä kahdella tavalla. Ensinnäkin voit etsiä jotain suuntaavaa, koska sinulla olevat tiedot ovat edelleen edustavia. Oletetaan, että tiedät, että 30% estetyistä mainoksista tapahtuu mobiililaitteella, mutta se on jatkuvasti 30%. Sinulla ei ole 22% mainoksista estetty yhdellä sivustolla, mutta 5% toisella.

Jos estäminen on suhteellisen johdonmukaista, sinut osoitetaan edelleen suuntaan oikealla tavalla, koska ajan myötä jotkut mainokset toimivat paremmin tai huonommin.

Toinen vaihtoehto on käytettävissä vain yrityksille, joilla on valtava tietokanta, kuten suurille teknologiayrityksille tai datayrityksille. Suurella tietomäärällä voit tehdä laskenta, joka käyttää olemassa olevaa koulutettua tietojoukkoa ja koneoppimista keskeneräisten kappaleiden täyttämiseen.

Todella hyvä esimerkki laskennasta on sosiaaliset osakkeet. Helmikuun alussa LinkedIn katkaisi osakenumeronsa, joten et enää saa tätä numeroa mistään sosiaalisen median seurantatyökalusta. Jos Chris työskentelisi sosiaalisen median seurantayrityksessä, hän käyttäisi viimeisten 10 vuoden tietoja koulutusjoukkona ja päättäisi osakkeiden lukumäärästä.

Voit päätellä osakkeiden lukumäärän, kunhan sinulla on muita rinnakkaisia ​​tietojoukkoja, kuten Twitter ja Pinterest. Nämä osakenumerot antavat koneen olennaisesti täyttää LinkedIn-osakkeiden tyhjät kohdat.

Kuuntele ohjelmassa ajatuksiani robotteista ja estäjistä.

Esimerkkejä

Tunnetun toimistotarvikeyhtiön Chris suoritti ennakoivat analyysit tuotenimestä ja yleisnimestä "toimisto" tarvikkeet." Vaikka tuotenimi ja yleisnimi heijastivat toisiaan, toimistotarvikkeet olivat 20 päivää jäljessä tuotemerkistä nimi.

Esimerkiksi tuotemerkillä oli suuri piikki elokuun lopulla, jonka Chris johti koulunkäyntiin ja töihin palaaviin ihmisiin. Mutta sitten 20 päivää myöhemmin hakutermi ”toimistotarvikkeet” seurasi täsmälleen samaa piikkiä ja samaa mallia. Mitä siellä käyttäytymisessä tapahtuu, ihmiset etsivät tuotemerkkiä ja sitten 20 päivää myöhemmin, etsivät yleistä termiä.

Löydösten perusteella Chris ehdotti, että yritys rakentaa uudelleenkohdistuskampanjan, joka on suunniteltu 19 päiväksi. Kohdista uudelleen jokainen, joka vierailee verkkosivustollasi 19 päivää myöhemmin, mainoksella, joka muistuttaa heitä palaamaan lisää toimistotarvikkeita varten. Uudelleen kohdennettavan mainoksen avulla yritys voisi saada takaisin osan kysynnästä.

Tällä tavalla ennakoiva analytiikka voi tarjota valtavan sijoitetun pääoman tuottoprosentin. Joku voi olettaa, että kaikki, mitä he tekevät, ei enää toimi ja vain lopettaa. Ennakoivan analyysin avulla näet todellisuuden, että sosiaalinen markkinointisi ei ole synkronoitu asiakkaiden mallien kanssa.

Seuraavaksi Chris jakaa esimerkin omasta liiketoiminnastaan. Hän vertaili sitä, milloin ihmiset etsivät Outlookin ulkopuolisia asetuksia, koska kun joku etsit sitä, tiedät, että he valmistautuvat lomalle, mikä tarkoittaa, että he eivät lue heidän sähköposti. Tämän vertailuarvon suorittamisen jälkeen lokakuussa 2017 Chris ennusti eteenpäin ensimmäiselle neljännekselle.

Chris arvioi, että hakumäärä oli pienin, mikä tarkoittaa, että useimmat ihmiset olivat toimistossa 18. tammikuuta 2018. Tuona viikkona Chris järjesti saman kampanjan kirjalle samalle listalle ja samalla tarjouksella kuin vuonna 2017.

Tarkentamalla vuoden 2018 kampanjan ajoitustaan ​​Chris kasvatti kirjojen myyntiä 40%. Hänen vuoden 2017 kampanja oli poissa noin 2 viikkoa, ja Chris sai tietää, että synkronoiminen yleisönsä kanssa vaikutti valtavasti.

Kysyn, kuinka tietoja julkaiseva yritys voisi käyttää ennakoivaa analytiikkaa strategiansa parantamiseen. Tässä esimerkissä Chris sanoo, että yksi hänen suosikkisovelluksistaan ​​on sisältöstrategia. Oletetaan, että käsittelet säännöllisesti tiettyjä aiheita. Voit suorittaa kokonaisen yhdistelmän näistä ennusteista.

Tehokkaimmat 10% voivat ajaa toimituksellesi kalenteria, koska jos tiedät kuukaudet, jolloin ihmiset ovat kiinnostuneimpia aiheesta, voit suunnitella kuukausittaisia ​​ominaisuuksia kyseisen aiheen ympärille. Tiedät jopa viikkoon saakka, milloin julkaista sisältöä tietystä aiheesta. Tällä tavoin voit saavuttaa korkean nuotin joka kuukausi.

Ennakoiva analytiikka voi myös ilmoittaa mainontakalenterisi. Jos tiedät julkaisevasi tietystä aiheesta, voit asettaa hintakorttisi kyseisen aiheen perusteella. Kuukauden ajan, jonka tiedät, että aiheen yleisön kysyntä on suuri, voit veloittaa kyseisestä aiheesta kiinnostuneilta mainostajilta täyden hinnan. Kun tiedät kiinnostuksen mainostajien kohdeaiheesta olevan vähäistä, saatat tarjota 40%: n alennuksen.

Kuuntele ohjelmaa ja kuule Chris keskustelemasta siitä, miten Social Media Examiner saattaa soveltaa ennakoivaa analyysia sen sisältöön.

Työkalut

Chris sanoo, että parhaat työkalut ovat ilmaisia. Ne ovat ohjelmointikieliä (kuten R ja Python), samoin kuin kirjastot (kuten SIDEKIT, NumPy, aikataulu), jotka tarjoavat koodia, jota voit käyttää tiettyihin tehtäviin. Näiden ilmaisten työkalujen käyttämiseen tarvitaan kuitenkin paljon teknistä kokemusta. Ohjelmointikielet ja kirjastot ovat kuin moottorin osia. Auton saamiseksi sinun on rakennettava se itse.

Kaiken kokoiselle teknisesti kykenevälle yritykselle, jos sinulla on joku tai useita ihmisiä, jotka voivat täyttää roolit kehittäjä, datatieteilijä ja markkinointiteknologi, voit käyttää ennakoivaa analytiikkaa luoda omia ennusteitasi vapaa.

Jos sinulla ei kuitenkaan ole aikaa tai tietoa näiden työkalujen käyttämiseen, mutta sinulla on rahaa, paras veto on ulkoistaa ennuste. Palkkaa tietojenkäsittelyyritys.

Jos olet kiinnostunut oppimaan datatieteen toiminnan, Chris suosittelee blogia osoitteessa KDnuggets.com ja IBM: n tieteellinen blogi. IBM Data Science Experience on myös erinomainen. Seuraa myös kehittäjien blogeja suurille teknologiayrityksille, kuten Microsoft, Amazon, Googleja IBM.

Paras tieto tietojenkäsittelystä löytyy kuitenkin akateemiset paperit. Jos voit lukea nuo paperit nukahtamatta ja poimia tietoja, löydät oikeaa kultaa. Opit tekniikoita, joita voit kokeilla tietojesi suhteen.

Tämä ennustava algoritmi, josta olemme puhuneet, on ollut käytössä jo 70 vuotta. Se on työkalu, kuten lastalla. Jos kaikki mitä ikinä teet on käännä pala paahtoleipää, sinulla on erittäin kallis paahtoleipä.

Jos kuitenkin ajattelet grillaamista, paistamista ja kaikkea muuta, mitä voit tehdä lastalla, mahdollisuudet tulevat loputtomiksi. Sama pätee datatieteen työkaluihin ja algoritmeihin. Voit kokeilla niitä luovuudella ja uteliaisuudella kaikilla näillä eri tavoilla.

Näiden työkalujen käytöstä tulee tulevaisuudessa yhtä helppoa kuin Facebook-mainoksen näyttäminen, koska monet ennakoivat analyysit ovat jo hyvin koneellisia. Ihmisen arvostelukykyyn ja kontekstiin liittyvän osan tapahtuminen kestää kuitenkin kauemmin. Koneet eivät ymmärrä yritysten toimintaa, eivätkä siksi näe näitä mahdollisuuksia.

Mutta kun olet kartoittanut suuren strategian, voit pian napsauttaa painiketta, pyyhkiä luottokorttisi, maksaa 99 dollarin kuukausimaksusi ja työkalu sylkii kaavioita. Chris uskoo, että tämä ominaisuus on käytettävissä seuraavan viiden vuoden aikana.

Matkan varrella, kun yleiskäyttöinen tekoäly paranee, saatat pystyä kertomaan koneelle, jonka haluat optimoida Facebook-kulutuksesi kysynnän perusteella. Sitten kone tekee automaattisesti ennusteen, selvittää, milloin huiput ja laaksot esiintyvät, ja suorittaa periaatteessa budjettisi ja mainoksesi puolestasi. Se on todennäköisesti 5-10 vuotta.

Kuuntele ohjelmaa ja kuule Chris jakavan enemmän siitä, mitä koneet eivät voi tehdä.

Viikon löytö

Kuvaa uudelleen on arkistovalokuvasivusto, joka välttää klisee-kuvakuvia.

Reshot-kuvat heijastavat valokuvaajan ainutlaatuista näkökulmaa. Tällä tavalla valokuvat ovat korkealaatuisempia kuin monilla muilla arkistokuvasivustoilla.

Sivusto käyttää a yksinkertainen lisenssi ja ehdot jotka antavat sinulle paljon joustavuutta valokuvien käyttämiseen.

Reshot-kuvat ovat ilmaisia, vaikka löydät myös myytäviä valokuvia Reshot-kumppaneilta. Voit selata kuvia tai oppia lisää vierailemalla verkkosivustolla.

Kuuntele ohjelmaa saadaksesi lisätietoja ja kerro meille, kuinka Reshot toimii sinulle.

Tässä jaksossa mainitut tärkeimmät takeaways:

• Lisätietoja Chrisin liiketoiminnasta, Brain + Trust Insights.
• Seuraa Chrisiä Viserrys.
• Lukea Chrisin blogi.
• Kuuntele Chris's podcast, Markkinointi kahvilla.
• Käytä hakutietoja AdWords-avainsanojen suunnittelija tai Google Trends.
• Lisätietoja JoukkoTangle.
• Tarkista kolmannen osapuolen datan toimittajat SEMrush ja Tuotemerkki24.
• Tutustu tilastoihin laskenta.
• Löydä lisää R ja Python ja kirjastot kuten SIDEKIT, NumPyja aikataulu.
• Vierailla KDnuggets.com, IBM: n tieteellinen blogija IBM Data Science Experience.
• Seuraa kehittäjän blogeja Microsoft, Amazon, Googleja IBM.
• Löydä valokuvia sisältöäsi varten Kuvaa uudelleen.
• Katso viikoittainen sosiaalisen median markkinoinnin keskusteluesitys perjantaisin kello 10.00 Tyynenmeren alueella Crowdcast tai viritä Facebook Live -palveluun.
• Lataa Vuoden 2017 sosiaalisen median markkinointiraportti.

Mitä mieltä sinä olet? Mitä mieltä olet ennakoivasta analytiikasta? Ole hyvä ja jaa kommenttisi alla.