211service.com
Maskininlärning lär marknadsförare att odla ett tillväxttänkande
I samarbete med Google
Medan digitaliseringen har ansträngt marknadsavdelningens traditionella metoder och åtgärder de senaste åren, återfår funktionen sin energi genom att koppla in en rik och riklig strömkälla: data.
Befintlig företagsdata, såväl som information som samlats in från kontakt med konsumenter, har blivit en värdefull affärstillgång. Med tillkomsten av maskininlärning – en typ av algoritm som identifierar mönster i data och förbättras med erfarenhet – kan företag använda data för att förutsäga och lära sig att identifiera konsumenter som sannolikt verkar bli värdefulla kunder.
Den omstrukturering av verksamheten som äger rum idag speglar den omvandling som pågår i hela branscher, från media till tillverkning, när företag omkopplar för att konkurrera i en digitalt dränkt miljö. Under lång tid hade ingen av oss trott att försäljning av mat och dryck över e-handel skulle ha varit en så stor affär, säger Shyam Venugopal, vice vd för global media och konsumentdatastrategi på PepsiCo. Vi verkar i en miljö som ständigt förändras.
Ingen av oss skulle ha trott att försäljning av mat och dryck över e-handel skulle ha varit en så stor affär. Vi verkar i en miljö som ständigt förändras.
Med tanke på den växande komplexiteten i kundernas köpresor, som nu sträcker sig över flera enheter, plattformar och kontaktpunkter, kan uppgiften att hänga med verka överväldigande. Marknadsförare har varit tvungna att radikalt ompröva sina metoder för att nå potentiella kunder i en tid med oändliga möjligheter att skapa och distribuera innehåll. Deras mål är ännu mer ambitiöst: att exakt förutse deras potentiella kunders nästa drag, fånga och till och med forma vad de vill ha och behöver.
Överflöd av data som företag kan samla in representerar en möjlighet att uppfylla önskemål för marknadschefer på stora företag som vill återgå till att bygga en-till-en-relationer med kunder. Genom att investera i och utnyttja maskininlärningstekniker för att kamma data för insikter, identifiera mönster och skapa prediktiva modeller kan marknadsförare kartlägga kundresan. De kan få en förståelse för hur olika segment fattar köpbeslut och presentera dem med mer personliga budskap.
Bryt marknadsföringsformen med maskininlärning
Ladda ner rapporten
Beslagta uppgifterna
En nyligen genomförd undersökning gjord av MIT Technology Review Insights, i samarbete med Google, bekräftade att data är centrala för att bygga en hyperpersonifierad marknadsföringsstrategi. Undersökningen undersökte 1 419 marknadschefer från företag med mer än 100 miljoner USD i årliga intäkter, från olika branscher, inklusive finansiella tjänster, detaljhandel, teknik och utbildning.
Efter noggrant övervägande av affärsmått kan respondenterna kategoriseras som ledare eller eftersläpande: Ledare representerar företag som uppnådde en ökning på mer än 15 procent i intäkter under två år eller en ökning på mer än 15 procentenheter i marknadsandelar under samma tid. period. Däremot var eftersläpande företag som såg krympande intäkter eller förlust av marknadsandelar under samma tidsperiod. Bland de tillfrågade säger två tredjedelar av ledarna att hur företag använder sin data kommer att spela en nyckelroll för deras förmåga att utvecklas.
Utöver de tekniska broar som måste passeras för att få fram handlingsbara insikter från data, behöver även funktionella barriärer sänkas. Undersökningen visade att ledare är 60 procent mer benägna än eftersläntrade att tro att marknadsföringsteamet borde äga en datadriven kundstrategi som stödjer alla organisatoriska intressenter. Tidigare kan marknadsföring ha övervakat efterfrågegenereringen, men den överförde dessa leads till försäljning. Nu måste marknadsföring ta ägarskap över hela upplevelsen, sprida insikter och analyser i hela verksamheten.
Designa vägen utan motstånd
Med sin förmåga att förstå och förutse det mest effektiva marknadsföringssättet för varje nuvarande och potentiell kund, befriar maskininlärning marknadsförare från de tunga lyft som är förknippade med att ladda ner och manipulera enorma mängder data.
Tänk till exempel på en marknadsföringsfunktion som har samlat på sig 2,5 miljoner e-postadresser och som vill kontakta personer som med största sannolikhet är mottagliga för ett nytt produkterbjudande. Att manuellt segmentera den volymen kunder är tidskrävande, men att spraya dem med spam kommer att generera avanmälan, och re -förvärv är oöverkomligt kostsamt. Maskininlärning kan effektivt extrahera e-postadresser vars ägare har till exempel 25 procents chans att öppna e-postmeddelandet och 1 procents chans att avregistrera sig. Med hjälp av maskininlärningslogik kan marknadsförare identifiera och blanda den optimala kombinationen av element som sannolikt kommer att leda till ett framgångsrikt affärsmål.
Spåra påverkan i hela verksamheten
Att konsekvent utföra på den nivån kräver dock mer än att lägga på ny teknik. Att maximera kundcentrerade processer innebär att förena dem, knyta samman olika system och sätta dem i centrum för verksamheten. För företag som vanligtvis är organiserade efter geografi eller produktlinje, representerar omvälvningen en kulturell förändring på DNA-nivå – en ny företagsarkitektur som stödjer hantering av kundupplevelser.
Var kan en sådan ansträngning börja? I varje del av organisationen kan definitionen av vad en kund är olika, konstaterar Allison Hartsoe, grundare och VD för Ambition Data, ett konsultföretag för dataanalys. Organisationen behöver skapa en enhetlig syn på kunden – en större, bredare definition som alla har nytta av.
Åtagandet att bli kundcentrerad och datafokuserad kräver undantagslöst organisatorisk omstrukturering. Det blir nödvändigt eftersom kunddata är spridd över så många avdelningar; så för att vara heltäckande måste du anpassa organisationen, säger Hartsoe. Det handlar om att förändra hela företagets sätt att tänka. På vissa företag innebär att uppnå det målet att lägga till en chief analytics officer till C-suiten.
Hur som helst, förvandlingen till en stark måttstyrd organisation kräver diskreta funktioner för att samarbeta mycket närmare. Hos ett spelbolag, säger Hartsoe, gör inte produktchefer val om vilka produktfunktioner som ska läggas till utan att få input från kundundersökningsgruppen. Med tanke på företagets beslut att fokusera på kunder med högt värde, innan något val görs, vill produktcheferna tvätta det genom mätvärdena för kunder med högt värde, så att de kan fatta beslut på ett kundcentrerat sätt, säger Hartsoe. Att använda mått förändrar beslutsprocessen. Det gör det också möjligt för företag att i förebyggande syfte utvärdera effekten av varje produktiteration som övervägs.
Utrustade med maskininlärningsteknik kommer marknadsförare inte bara att göra sitt arbete annorlunda – de kommer också att göra olika arbeten. I undersökningen säger nästan tre fjärdedelar (73 procent) av marknadsledare som investerar i maskininlärning att de har flyttat mer än 10 procent av sin tid från manuell aktivering till generering av strategisk insikt. De kan nu mer noggrant hantera sina investeringsfördelningsbeslut och ägna sina begränsade resurser till de mest lovande potentiella kunderna. Maskininlärning kan jämföra historiska data om personer som blev köpare med nykomlingar som visar liknande beteende före köp. Resultatet: en prediktiv modell baserad på en kunds framtida avsikt.
Som undersökningen visade är det 53 procent mer benägna än eftersläpande ledare att säga att maskininlärning bearbetar datasignaler för att hjälpa marknadsförare att bättre upptäcka konsumenternas avsikter. Möjligheten att samla in, organisera och analysera data från flera källor gör det möjligt för marknadsförare att fastställa hur nära kunderna är ett köpbeslut, och forma budskap som är relevanta snarare än påträngande. Moderna konsumenter, vars förväntningar på vad de kan köpa när – nämligen vad som helst och just nu – föredrar att göra affärer med företag som förstår och hjälper dem.
En ansamling av sådana kundpositiva erfarenheter utgör byggstenarna för vad som kan vara den mest varaktiga konkurrensfördelen: kundlojalitet.
Vinna över kunder, fånga avkastning
Marknadsavdelningar kan nu sortera kunder i grupper med bättre noggrannhet. Genom att definiera värdebaserade kundsegment kan företag öka sin marknadsföringsavkastning genom att tajma leveransen av sina meddelanden när data indikerar att potentiella kunder är på väg att fatta ett beslut.
Maskininlärning kan också mäta hur effektivt marknadsföring investerar sin budget, kontinuerligt beräkna avkastningen. Undersökningen visade att det är dubbelt så troligt att ledare som eftersläntrade håller med om att användning av maskininlärning i mediekampanjer har förbättrat sämst presterande ROI med 10 procent eller mer. Marknadsförare kan mäta effekten av att använda olika marknadsföringstaktiker samtidigt som de kvantifierar värdet av isolerade element inom var och en av dessa aktiviteter. Med det i åtanke kan de omfördela sina budgetar och flytta bort från de minst effektiva kanalerna.
Genom att förena osammanhängande datasilos och tillämpa maskininlärning på all organisations data kommer marknadsföring att få och behålla en tydligare bild av dessa kunder än någonsin tidigare och driva tillväxt för verksamheten. När marknadsförare utvecklar förtroende för det mervärde som blir resultatet av att integrera maskininlärning i sin funktion, kommer ett växande antal att omvandlas till entusiastiska studenter av tekniken – en ovärderlig vara i den prediktiva, digitala tidsåldern.
Läs mer om maskininlärnings inverkan på marknadsföring.