Como a análise e a IA permitem que os profissionais de marketing prevejam o futuro?

Nunca faça previsões, especialmente sobre o futuro.

Não temos exatamente um grande histórico de previsão do futuro, então este parece um conselho sábio.

Do presidente da IBM, Thomas Watson, declarando no início dos anos 1940 que haveria um mercado mundial para "cerca de 5 computadores" (admitidamente, só pode ter havido espaço no planeta para 5 das primeiras máquinas da IBM), até o alvoroço do Y2K, as pessoas não conseguem resistir a mergulhar com previsões grandiosas, muitas vezes totalmente imprecisas.

As recompensas por saber o futuro com antecedência são grandes demais para resistir a tentar, mas confiamos bastante na intuição humana para formar nossas projeções. Como tal, as recompensas frequentemente permanecem não reclamadas.

Esta é uma indústria em rápida evolução, no entanto, e os avanços na inteligência artificial (IA) podem nos fazer basear nossas projeções futuras em modelos estatísticos confiáveis, em vez de em nossa intuição familiar, mas falha.

Nesta série de três partes, exploraremos o papel potencial do artificial em

inteligência no desenvolvimento de análises preditivas precisas e acessíveis que levam a um melhor desempenho dos negócios.

Este artigo começará com uma análise de onde o setor de análise preditiva está hoje, junto com algumas dicas para ajudar as empresas a aproveitar ao máximo a tecnologia e os dados disponíveis.

O que queremos dizer com 'análise preditiva'?

A análise preditiva é uma forma de mineração de dados que emprega aprendizado de máquina e modelagem estatística para prever o estado futuro das coisas, com base em dados históricos.

Já existem exemplos de análises preditivas em ação ao nosso redor. Se o seu banco o notificar sobre atividades potencialmente suspeitas em seu cartão de crédito, é altamente provável que um modelo estatístico tenha sido usado para prever seu comportamento futuro com base em suas transações anteriores. Desvios graves desse padrão são sinalizados como suspeitos.

Como um proxy simples para entender o nível de interesse no campo, podemos ver no Google Trends que o volume de pesquisa para o tópico 'análise preditiva' aumentou significativamente nos últimos 5 anos:

Podemos olhar para essa linha e prever que ela continuará a crescer. Mas isso é realmente apenas baseado na tendência histórica recente, ou no fato de que temos ouvido muitos comentários sobre o assunto na indústria. Seria preciso muito mais investigação para afirmarmos com certeza real para onde a linha seguirá.

Faz sentido que muitas empresas também estejam intrigadas com o tópico. Prevê-se que mais de $ 76 bilhões serão gastos anualmente em tecnologia de 'Big Data' até 2020. A melhor maneira de obter um retorno sobre esse investimento seria usar todos esses dados para antecipar as tendências de demanda futuras.

Esta é uma tarefa difícil para as pessoas dominarem, como vimos. Precisamos de um pouco de ajuda se quisermos começar a fazer previsões corretas.

Como resultado, no 'Modelo Analítico de Ascensão' do Gartner, a análise preditiva é vista como um salto evolutivo tanto da análise descritiva quanto da análise diagnóstica.

Dito isso, o desejo por análises preditivas precisas não é novo, e nem são tentativas de usar análises para modelar comportamentos futuros do consumidor. Muitos profissionais de análise se envolvem com esse campo todos os dias para calcular números como o valor da vida útil (LTV) de seu cliente típico, por exemplo. A disponibilidade de vastos e variados conjuntos de dados ajudou a melhorar consideravelmente a precisão desses cálculos.

O que é relativamente novo é a aplicação de inteligência artificial para preencher lacunas em nosso conjunto de habilidades e estender o que é possível com a análise preditiva.

Essa combinação levou a modelos estatísticos mais sofisticados que identificam padrões no comportamento do consumidor no passado e os usam para mapear prováveis ​​ações futuras.

Mas por que a inteligência artificial, em particular, é tão eficaz em alcançar o que consideramos quase impossível por conta própria?

Criaturas de hábito: como a análise preditiva é aplicada no mundo real?

A análise preditiva é muito ajudada pelo quão previsíveis as pessoas são.

Por mais que gostemos de acreditar que somos, a IA pode prever com bastante precisão o que continuaremos a fazer com base em nossas ações anteriores e nas ações de pessoas semelhantes.

Um estudo realizado por cientistas do Media Lab do Massachusetts Institute of Technology em 2007 descobriu que “90% do que a maioria das pessoas faz em qualquer dia segue rotinas tão completas que seu comportamento pode ser previsto com apenas algumas equações matemáticas”.

Muitas campanhas de marketing operaram com essa suposição, mas agora podemos aplicar esse princípio com maior precisão e responsabilidade.

Onde a IA se destaca nesse campo é em sua capacidade de identificar padrões mais amplos que os humanos simplesmente não veriam. Selecionamos áreas para investigação com base no que acreditamos ser suposições seguras, mas a IA pode identificar outras variáveis ​​que, quando alteradas, têm impacto umas nas outras.

Essa abordagem (fortemente moldada pelo uso de análise de regressão) é um reflexo adequado do mundo em constante mudança em que os consumidores vivem.

Por exemplo, com base na minha localização, idade, compras anteriores e sexo, qual a probabilidade de eu comprar leite se acabei de adicionar pão à minha cesta? Um supermercado online pode usar esse tipo de informação para recomendar produtos automaticamente para mim, com base na minha propensão prevista para comprar esses itens.

Além disso, um provedor de serviços financeiros pode usar milhares de pontos de dados criados por minhas interações online e de pessoas semelhantes para decidir qual cartão de crédito me oferecer e quando. Um varejista de moda pode usar meu perfil digital para decidir quais sapatos recomendar como minha próxima compra, com base nos jeans que acabei de comprar.

Isso ajuda as empresas a melhorar sua taxa de conversão, mas as implicações são muito mais amplas do que isso. A análise preditiva permite que as empresas definam estratégias de preços com base nas expectativas do consumidor e benchmarks da concorrência. Ele permite que os varejistas antecipem a demanda e, portanto, garantam que têm o nível certo de estoque para cada produto.

A análise preditiva pode até sugerir ideias para novas linhas de produtos ao detectar mudanças nas preferências do cliente. Isso marca a transformação da análise de uma ferramenta retrospectiva para especialistas em dados em uma função preditiva essencial que molda a estratégia de negócios, melhora as relações com o cliente e cria eficiências operacionais.

Na verdade, um relatório recente da Forrester observou que “os profissionais de marketing preditivos têm 2,9 vezes mais probabilidade de relatar crescimento de receita a taxas superiores à média do setor”.

A evidência desta revolução já está ao nosso redor. Cada vez que digitamos uma consulta de pesquisa no Google, Facebook ou Amazon, por exemplo, estamos inserindo dados na máquina. A máquina prospera com base em dados, ficando cada vez mais inteligente à medida que recebe esses sinais de feedback.

Esse fenômeno traz consigo uma série de benefícios para os profissionais de marketing. O Google já usa essa tecnologia há algum tempo, por meio de seu produto Smart Goals em Analytics, e seu recurso Session Quality Score, lançado no final do ano passado. Esses são exemplos de análises preditivas em ação, com tecnologia de aprendizado de máquina.

Há um argumento de que a previsão é o alicerce da inteligência, então essa é uma façanha para a IA.

Este é apenas o começo, entretanto. Muito do trabalho atual em análise preditiva centra-se em fazer sugestões ou recomendações, mas há espaço para projeções baseadas em IA para formar o fulcro das estratégias de marketing.

Desenvolvimentos recentes fornecem muitos motivos para otimismo (ou apreensão, alguns podem dizer) a esse respeito. A equipe DeepMind do Google acaba de criar uma IA capaz de planejar o futuro e considerar diferentes resultados antes de agir.

Isso é relevante no âmbito da análise preditiva, pois a imaginação é um aspecto fundamental da criação de projeções. Essa capacidade apenas reforçará o papel da IA ​​como um componente essencial de uma campanha de análise preditiva bem-sucedida.

Como as empresas podem integrar análises preditivas?

Para capitalizar o potencial da inteligência artificial e da análise preditiva, existem quatro elementos que as organizações precisam implementar.

1. As perguntas certas

Os melhores projetos de análise preditiva começam com uma hipótese sólida a ser testada. Embora devamos fornecer aos algoritmos de aprendizado de máquina espaço para fazer suas próprias associações objetivas entre os pontos de dados, precisamos definir um desafio de negócios que estamos procurando superar. Isso ajuda a dar alguma forma ao empreendimento.

2. Os dados certos

Os avanços na ciência de dados na última década significam que podemos derivar insights de grandes volumes de dados não estruturados com maior precisão, mas ainda precisamos de conjuntos de dados completos para chegar a conclusões convincentes.

Portanto, o próximo estágio após definir as perguntas que você deseja responder com a análise preditiva é descobrir quais dados estão disponíveis para você e se eles serão suficientes para responder às suas perguntas de forma convincente.

3. A tecnologia certa

Conforme implícito com o valor projetado de US $ 76 bilhões até 2020, a tecnologia de big data é uma indústria em expansão. Os dados são criados a uma taxa tal que exigimos recursos tecnológicos cada vez melhores apenas para capturá-los, armazená-los e entendê-los.

Muitos dos principais pacotes de software de análise já lançaram ferramentas de análise preditiva, mas variam em suas metodologias. Para decidir qual a melhor solução para o seu negócio, é mais importante do que nunca ter uma equipe que tenha experiência em cada uma e possa identificar a opção mais adequada.

4. As pessoas certas

Isso nos leva de volta à primeira etapa, essencialmente. Sem as pessoas certas, é muito difícil fazer as perguntas certas. Também é difícil saber quais dados podem ser necessários para respondê-las ou para obter o melhor da tecnologia mais recente. Apesar de toda a conversa sobre a substituição de pessoas pela IA, isso apenas intensificou o foco em fazer com que as pessoas certas tirassem o máximo proveito das novas oportunidades que ela cria.

As aplicações dessa tecnologia já são generalizadas, mas ainda estamos apenas arranhando a superfície. No próximo artigo desta série, daremos uma olhada em cinco empresas que estão usando a análise preditiva para impulsionar o desempenho de negócios aprimorado hoje.

Leia a Parte 2 da série: 5 empresas usando IA para prever o futuro e o lucro