كيف يمكن أن تسمح التحليلات والذكاء الاصطناعي للمسوقين بالتنبؤ بالمستقبل؟

لا تقم أبدًا بالتنبؤات ، خاصة حول المستقبل.

ليس لدينا بالضبط سجل حافل بالتنبؤ بالمستقبل ، لذلك تبدو هذه نصيحة حكيمة.

من إعلان رئيس شركة IBM ، توماس واتسون ، في أوائل الأربعينيات من القرن الماضي ، أنه سيكون هناك سوق عالمي لـ "حوالي 5 أجهزة كمبيوتر" (من المسلم به أنه ربما لم يكن هناك سوى مساحة على هذا الكوكب لـ 5 من أجهزة IBM المبكرة) ، حتى Y2K hullabaloo ، لا يستطيع الناس مقاومة الخوض بتنبؤات ضخمة ، وغالبًا ما تكون غير دقيقة إلى حد كبير.

إن مكافآت معرفة المستقبل مقدمًا أكبر من أن نقاوم منحه فرصة ، لكننا نعتمد بشكل كبير على الحدس البشري لتشكيل توقعاتنا. على هذا النحو ، تظل المكافآت في كثير من الأحيان غير مطالب بها.

هذه صناعة سريعة التطور ، ومع ذلك ، فإن التقدم في الذكاء الاصطناعي (AI) قد يجعلنا قريبًا نبني توقعاتنا المستقبلية على نماذج إحصائية موثوقة بدلاً من حدسنا المألوف ولكن المعيب.

ضمن هذه السلسلة المكونة من ثلاثة أجزاء ، سوف نستكشف الدور المحتمل للاصطناعي في

تيلجيني في تطوير تحليلات تنبؤية دقيقة ويمكن الوصول إليها تؤدي إلى تحسين أداء الأعمال.

ستبدأ هذه المقالة بتحليل وضع صناعة التحليلات التنبؤية اليوم ، جنبًا إلى جنب مع بعض النصائح لمساعدة الشركات على تحقيق أقصى استفادة من التكنولوجيا والبيانات المتاحة.

ماذا نعني بـ "التحليلات التنبؤية"؟

التحليلات التنبؤية هي شكل من أشكال التنقيب في البيانات التي تستخدم التعلم الآلي والنمذجة الإحصائية للتنبؤ بالحالات المستقبلية ، بناءً على البيانات التاريخية.

هناك أمثلة على التحليلات التنبؤية في العمل من حولنا بالفعل. إذا قام المصرف الذي تتعامل معه بإخطارك بنشاط محتمل أن يكون مريبًا على بطاقتك الائتمانية ، فمن المحتمل جدًا أنه تم استخدام نموذج إحصائي للتنبؤ بسلوكك المستقبلي بناءً على معاملاتك السابقة. يتم تمييز الانحرافات الجسيمة عن هذا النمط على أنها مريبة.

كبديل بسيط لفهم مستوى الاهتمام في هذا المجال ، يمكننا أن نرى من Google Trends أن حجم البحث عن موضوع "التحليلات التنبؤية" قد ارتفع بشكل ملحوظ خلال السنوات الخمس الماضية:

يمكننا أن ننظر إلى هذا الخط ونتوقع أنه سيستمر في النمو. لكن هذا يعتمد فقط على الاتجاه التاريخي الحديث ، أو حقيقة أننا سمعنا الكثير من الضجة حول الموضوع في الصناعة. سوف يتطلب الأمر المزيد من التحقيق حتى نؤكد بأي يقين حقيقي إلى أين سيذهب الخط بعد ذلك.

من المنطقي أن يثير هذا الموضوع اهتمام العديد من الشركات أيضًا. من المتوقع أن يتم إنفاق أكثر من 76 مليار دولار سنويًا على تقنية "البيانات الضخمة" بحلول عام 2020. وأفضل طريقة للحصول على عائد على هذا الاستثمار هي استخدام كل تلك البيانات لتوقع اتجاهات الطلب المستقبلية.

هذه مهمة صعبة على الناس إتقانها ، كما رأينا. نحتاج إلى القليل من المساعدة إذا أردنا أن نبدأ في عمل تنبؤات صحيحة.

نتيجة لذلك ، في "نموذج الصعود التحليلي" من Gartner ، يُنظر إلى التحليلات التنبؤية على أنها قفزة تطورية من التحليلات الوصفية والتحليلات التشخيصية.

ومع ذلك ، فإن الرغبة في الحصول على تحليلات تنبؤية دقيقة ليست جديدة ، ولا محاولات لاستخدام التحليلات لنمذجة سلوكيات المستهلك في المستقبل. يشارك العديد من محترفي التحليلات في هذا المجال كل يوم لحساب الأرقام مثل القيمة الدائمة (LTV) لعملائهم النموذجيين ، على سبيل المثال. ساعد توافر مجموعات البيانات الواسعة والمتنوعة في تحسين دقة هذه الحسابات إلى حد كبير.

الجديد نسبيًا هو تطبيق الذكاء الاصطناعي لسد الفجوات في مجموعة المهارات لدينا وتوسيع ما هو ممكن من خلال التحليلات التنبؤية.

أدى هذا المزيج إلى نماذج إحصائية أكثر تعقيدًا تحدد الأنماط في سلوكيات المستهلك السابقة وتستخدمها لتخطيط الإجراءات المستقبلية المحتملة.

ولكن لماذا يعتبر الذكاء الاصطناعي ، على وجه الخصوص ، فعالاً للغاية في تحقيق ما وجدناه قريبًا من المستحيل بمفردنا؟

مخلوقات العادة: كيف يتم تطبيق التحليلات التنبؤية في العالم الحقيقي؟

تساعد التحليلات التنبؤية بشكل كبير في مدى إمكانية توقع الأشخاص.

نظرًا لأننا فريدون وذو إرادة حرة كما نود أن نعتقد أننا كذلك ، يمكن للذكاء الاصطناعي أن يتنبأ بدقة بما سنستمر في القيام به بناءً على أفعالنا السابقة وتصرفات الأشخاص المماثلين.

اكتشفت دراسة أجراها علماء في مختبر الوسائط التابع لمعهد ماساتشوستس للتكنولوجيا في عام 2007 أن "90 في المائة من ما يفعله معظم الناس في أي يوم يتبع إجراءات روتينية كاملة بحيث يمكن التنبؤ بسلوكهم من خلال عدد قليل من المعادلات الرياضية".

لقد عملت الكثير من الحملات التسويقية على هذا الافتراض ، لكن يمكننا الآن تطبيق هذا المبدأ بدقة ومساءلة أكبر.

يأتي دور الذكاء الاصطناعي في هذا المجال في قدرته على تحديد أنماط أوسع لن يراها البشر ببساطة. نختار مجالات للتحقيق بناءً على ما نعتقد أنه افتراضات آمنة ، ولكن يمكن للذكاء الاصطناعي تحديد المتغيرات الأخرى التي ، عند تغييرها ، يكون لها تأثير على بعضها البعض.

هذا النهج (الذي تم تشكيله بشكل كبير من خلال استخدام تحليل الانحدار) هو انعكاس مناسب للعالم المتغير باستمرار الذي يعيش فيه المستهلكون.

على سبيل المثال ، استنادًا إلى موقعي وعمري وعمليات الشراء السابقة والجنس ، ما مدى احتمالية شراء الحليب إذا أضفت الخبز للتو إلى سلة مشترياتي؟ يمكن لمتجر عبر الإنترنت استخدام هذا النوع من المعلومات للتوصية بمنتجات لي تلقائيًا ، بناءً على ميولي المتوقعة لشراء هذه العناصر.

علاوة على ذلك ، يمكن لمزود الخدمات المالية استخدام الآلاف من نقاط البيانات التي تم إنشاؤها من خلال تفاعلاتي عبر الإنترنت وتفاعلات الأشخاص المماثلين لتحديد بطاقة الائتمان التي يجب تقديمها لي ، ومتى. يمكن لمتاجر التجزئة للأزياء استخدام ملف التعريف الرقمي الخاص بي لتحديد الأحذية التي أوصي بها عند الشراء التالي ، بناءً على الجينز الذي اشتريته للتو.

يساعد هذا الشركات على تحسين معدل التحويل ، لكن الآثار أوسع بكثير من ذلك. تسمح التحليلات التنبؤية للشركات بوضع استراتيجيات تسعير بناءً على توقعات المستهلك ومعايير المنافسين. يسمح لتجار التجزئة بتوقع الطلب ، وبالتالي ضمان حصولهم على المستوى المناسب من المخزون لكل منتج.

يمكن أن تقترح التحليلات التنبؤية أفكارًا لخطوط إنتاج جديدة من خلال اكتشاف التغييرات في تفضيلات العملاء. يشير هذا إلى تحول التحليلات من أداة بأثر رجعي لمتخصصي البيانات ، إلى وظيفة تنبؤية أساسية تشكل استراتيجية العمل ، وتحسن العلاقات مع العملاء ، وتخلق الكفاءات التشغيلية.

في الواقع ، أشار تقرير حديث لشركة Forrester إلى أن "جهات التسويق التنبؤية تزيد احتمالية إعلانها عن نمو الإيرادات بمعدل 2.9 مرة بمعدلات أعلى من متوسط ​​الصناعة".

الأدلة على هذه الثورة موجودة في كل مكان حولنا. في كل مرة نكتب استعلام بحث في Google أو Facebook أو Amazon ، على سبيل المثال ، نقوم بتغذية البيانات في الجهاز. يزدهر الجهاز بالبيانات ، ويزداد ذكاءً من أي وقت مضى حيث يتلقى إشارات التغذية الراجعة هذه.

تجلب هذه الظاهرة معها مجموعة من الفوائد للمسوقين. تستخدم Google هذه التقنية لبعض الوقت بالفعل ، من خلال منتجها للأهداف الذكية في Analytics ، وميزة نقاط جودة الجلسة ، التي تم إطلاقها في أواخر العام الماضي. هذه أمثلة على التحليلات التنبؤية قيد التنفيذ ، والمدعومة بتكنولوجيا التعلم الآلي.

هناك حجة مفادها أن التنبؤ هو حجر الأساس للذكاء ، لذلك يعد هذا إنجازًا كبيرًا للذكاء الاصطناعي.

هذه هي البداية فقط. يركز الكثير من العمل الحالي في التحليلات التنبؤية على تقديم اقتراحات أو توصيات ، ولكن هناك مجالًا للتوقعات القائمة على الذكاء الاصطناعي لتشكيل نقطة ارتكاز لاستراتيجيات التسويق.

تقدم التطورات الأخيرة الكثير من أسباب التفاؤل (أو الخوف ، كما قد يقول البعض) في هذا الصدد. أنشأ فريق DeepMind في Google للتو ذكاءً اصطناعيًا قادرًا على التخطيط للمستقبل والنظر في النتائج المختلفة قبل التصرف.

هذا مناسب في نطاق التحليلات التنبؤية ، حيث أن الخيال هو جانب أساسي لإنشاء التوقعات. ستعمل هذه القدرة على ترسيخ دور الذكاء الاصطناعي كمكون أساسي لحملة تحليلات تنبؤية ناجحة.

كيف يمكن للشركات دمج التحليلات التنبؤية؟

للاستفادة من إمكانات الذكاء الاصطناعي والتحليلات التنبؤية ، هناك أربعة عناصر تحتاج المنظمات إلى وضعها موضع التنفيذ.

1. الأسئلة الصحيحة

تبدأ أفضل مشاريع التحليلات التنبؤية بفرضية سليمة للاختبار. على الرغم من أننا يجب أن نوفر خوارزميات التعلم الآلي مع المساحة اللازمة لعمل ارتباطات موضوعية خاصة بها بين نقاط البيانات ، إلا أننا نحتاج إلى الشروع في تحدٍ تجاري نتطلع إلى التغلب عليه. هذا يساعد على توفير بعض الشكل للمسعى.

2. البيانات الصحيحة

يعني التقدم في علم البيانات على مدى العقد الماضي أنه يمكننا استخلاص رؤى من كميات كبيرة من البيانات غير المهيكلة بدقة أكبر ، لكننا ما زلنا بحاجة إلى مجموعات بيانات كاملة للوصول إلى استنتاجات مقنعة.

لذلك ، فإن المرحلة التالية بعد تحديد الأسئلة التي تريد الإجابة عليها باستخدام التحليلات التنبؤية هي معرفة البيانات المتاحة لك وما إذا كانت كافية للإجابة على أسئلتك بشكل مقنع.

3. التكنولوجيا الصحيحة

كما يتضح من القيمة المتوقعة البالغة 76 مليار دولار بحلول عام 2020 ، تعد تكنولوجيا البيانات الضخمة صناعة مزدهرة. يتم إنشاء البيانات بمعدل يتطلب قدرات تكنولوجية دائمة التحسين لمجرد التقاطها وتخزينها وفهمها.

أطلقت العديد من حزم برامج التحليلات الرائدة بالفعل أدوات التحليلات التنبؤية ، لكنها تختلف في منهجياتها. لتحديد الحل الأفضل لعملك ، من المهم أكثر من أي وقت مضى أن يكون لديك فريق في مكان لديه خبرة في كل منها ويمكنه تحديد الخيار الأنسب.

4. حق الناس

هذا يعيدنا إلى الخطوة الأولى ، بشكل أساسي. بدون الأشخاص المناسبين ، من الصعب جدًا طرح الأسئلة الصحيحة. من الصعب أيضًا معرفة البيانات التي قد تكون مطلوبة للإجابة عليها ، أو للحصول على أقصى استفادة من أحدث التقنيات. على الرغم من كل الحديث عن استبدال الذكاء الاصطناعي للأشخاص ، فقد زاد التركيز حقًا على جعل الأشخاص المناسبين يحققون أقصى استفادة من الفرص الجديدة التي تخلقها.

تطبيقات هذه التكنولوجيا منتشرة بالفعل ، لكننا ما زلنا نخدش السطح. في المقالة التالية في هذه السلسلة ، سنلقي نظرة على خمس شركات تستخدم التحليلات التنبؤية لدفع أداء الأعمال المحسن اليوم.

اقرأ الجزء الثاني من السلسلة: 5 شركات تستخدم الذكاء الاصطناعي للتنبؤ بالمستقبل والأرباح