Utiliser la modélisation prédictive pour planifier votre stratégie marketing 2020

Les choses peuvent sembler lentes pendant ces chauds mois d'été, mais l'automne sera là dans un peu plus de huit semaines, suivi des vacances, puis d'une toute nouvelle année.

Cela fait maintenant un excellent moment pour commencer à élaborer une stratégie marketing pour 2020 en utilisant les données glanées des deux premiers trimestres de 2019. Bien que la richesse des données collectées à partir de vos efforts marketing existants puisse vous aider à comprendre ce qui a fonctionné dans le passé, cela ne fonctionnera pas. nécessairement vous aider à prédire quoi faire à l'avenir.

C'est là qu'intervient la modélisation prédictive. La modélisation prédictive utilise des données historiques et des probabilités pour prévoir les résultats. Des plates-formes telles que Keen Decision Systems fournissent des analyses et une modélisation des données en temps réel qui aident les spécialistes du marketing à planifier leurs prochaines étapes en fonction de l'ensemble du parcours client.

Contenu produit en collaboration avec Keen Decision Systems .

Prendre de bonnes décisions marketing

Dans une étude collaborative entre ClickZ et Keen, 58 % des spécialistes du marketing utilisant la modélisation prédictive ont connu une augmentation de 10 à 25 %, tandis que 19 % ont constaté une augmentation de plus de 50 %.

Les plateformes d'analyse et de marketing aident à la collecte, à la catégorisation et à la communication des données, mais cela les rend-elles prédictives ? Près de la moitié des marketeurs interrogés ont répondu « non » à cette question.

Le problème est que même si les données de campagne (et autres) peuvent être extrêmement utiles pour le reporting et l'analyse, elles ne sont généralement pas utilisées pour fournir une orientation future sur la manière d'optimiser les investissements pour stimuler la croissance.

Les données bloquées dans une feuille de calcul ou un rapport statique ne sont pas exploitables. Cela peut ralentir ou ralentir la prise de décision lorsque vous vous asseyez pour créer le plan marketing de l'année prochaine.

Lorsqu'on se lance dans la planification de l'année prochaine, il est évidemment beaucoup plus utile de savoir quoi faire ensuite que de simplement comprendre ce qui a fonctionné dans le passé.

Pourquoi la modélisation prédictive est meilleure pour la planification que l'analyse rétroactive

Pour les spécialistes du marketing d'aujourd'hui, le problème le plus important à résoudre est de connaître le résultat financier de leurs investissements marketing et de pouvoir démontrer ces résultats de manière quantifiable et prévisible.

Dans le cadre de cet objectif global, les spécialistes du marketing devraient examiner :

• Le parcours client à travers les canaux et le rôle spécifique joué dans la conversion
• Optimiser les investissements médias et connaître la portée incrémentale de chaque initiative
• Comment exécuter rapidement et évaluer les performances

Ces besoins ne sont pas satisfaits par le modèle actuel d'analyse rétroactive, comme en témoigne le fait que près de 80 % des répondants à l'enquête Keen/ClickZ ont estimé qu'ils avaient manqué des opportunités en raison d'une prise de décision lente ou inexacte.

Les méthodes de reporting traditionnelles ont du mal à fournir une compréhension approfondie des trois besoins de l'entreprise, car elles utilisent des approches d'attribution linéaire qui ne peuvent pas couvrir tous les canaux (par exemple, la vidéo en ligne par rapport à la programmation au niveau du magasin). Cela tend à donner la plus grande partie ou la totalité du crédit aux canaux médiatiques du dernier clic tels que la recherche, ainsi qu'aux activités transactionnelles ayant un impact mesurable à court terme, qui ne racontent toutes deux qu'une partie de l'histoire.

La modélisation prédictive aide également à l'optimisation créative en examinant les thèmes communs qui stimulent le succès sur tous les types de médias.

Barrières à l'entrée

Plus de 70 % des personnes interrogées ont indiqué qu'elles utilisaient des plateformes d'analyse pour comprendre les performances marketing. Étant donné que les outils d'analyse sont axés sur l'histoire, ils échouent dans la tâche d'une planification fiable.

Les deux tiers des répondants au sondage ont indiqué qu'ils n'utilisaient aucune forme de modélisation prédictive. Pour ceux qui le font, certaines industries se démarquent plus que d'autres; à savoir, la technologie, les soins de santé et les communications/médias.

À l'heure actuelle, il y a un manque généralisé d'intention d'investir dans la technologie de modélisation prédictive parmi les personnes interrogées, la majorité des entreprises qui n'utilisent pas actuellement la modélisation indiquant qu'elles ne sont pas sûres de l'utiliser à l'avenir (ou ne prévoient pas d'utiliser ça du tout).

Le principal obstacle à l'utilisation semble être un manque de confiance parmi les équipes de direction, avec seulement 18% répondant que la modélisation prédictive est essentielle en ce moment et environ 33% indiquant qu'elle le sera à l'avenir.

Pour que la modélisation soit efficace, elle doit intégrer les données des équipes marketing, commerciales, produit et financière. Pourtant, 74 % des personnes interrogées ont indiqué qu'elles n'avaient pas intégré la modélisation prédictive dans tous les départements.

Les entreprises doivent appliquer un engagement interfonctionnel dans l'ensemble de l'organisation, sinon la valeur prédictive des données sera diminuée.

La modélisation prédictive comme investissement

Pour 80 % des répondants à l'enquête, le principal argument de vente pour la mise en œuvre de l'analyse prédictive est d'augmenter leur retour sur investissement. Parmi les entreprises qui investissent actuellement dans la modélisation prédictive et suivent leur succès, 58 % ont constaté une augmentation de 10 à 25 % du retour sur investissement et 19 % ont enregistré une augmentation de plus de 50 %.

Les entreprises qui utilisent la modélisation prédictive constatent un impact dans plusieurs domaines de l'écosystème marketing. Cela les aide à mieux comprendre leur public cible (71 %), à optimiser tous les points de contact tout au long du parcours client (53 %) et à améliorer les performances créatives (44 %).

Les modèles prédictifs utilisent une variété d'ensembles de données qui vont au-delà des données historiques. Keen utilise une base de statistiques a priori pour atténuer la qualité des données et des couches de données commerciales et financières pour déterminer les résultats futurs.

La modélisation prédictive peut également aider les entreprises à synthétiser le volume de données, une préoccupation majeure pour les personnes interrogées, 38 % indiquant que leurs solutions de mesure actuelles ne prennent pas en charge l'échelle de leurs données. Cela peut empêcher les entreprises de prendre des décisions éclairées et opportunes, ce qui équivaut à une opportunité perdue.

Étant donné que la modélisation prédictive permet une analyse des données en temps réel, les entreprises peuvent agir rapidement en utilisant les données actuelles pour aider à planifier les initiatives futures.

Pour plus d'informations sur la modélisation prédictive et ce qu'elle peut apporter à votre cycle de planification 2020, téléchargez le rapport de ClickZ et Keen « Le quoi, pourquoi et comment de la modélisation prédictive — Avez-vous vraiment besoin d'un autre élément de martech ? "