Cum pot analiza și inteligența artificială să permită marketerilor să prezică viitorul?

Nu face niciodată predicții, mai ales despre viitor.

Nu avem tocmai un istoric bun de prognoză a viitorului, așa că acesta pare un sfat înțelept.

De la președintele IBM, Thomas Watson, care a declarat la începutul anilor 1940 că va exista o piață mondială pentru „aproximativ 5 computere” (desigur, este posibil să fi fost loc pe planetă doar pentru 5 dintre primele mașini IBM), până la zgomotul anului 2000, oamenii nu se pot abține să pătrundă cu predicții grandioase, adesea extrem de inexacte.

Recompensele pentru cunoașterea viitorului dinainte sunt prea mari pentru a rezista la încercarea lui, dar ne bazăm destul de mult pe intuiția umană pentru a ne forma proiecțiile. Ca atare, recompensele rămân prea des nerevendicate.

Totuși, aceasta este o industrie care evoluează rapid, iar progresele în inteligența artificială (AI) ne-ar putea face în curând să ne bazăm proiecțiile viitoare pe modele statistice fiabile, mai degrabă decât pe intuiția noastră familiară, dar defectuoasă.

În această serie de trei părți, vom explora rolul potențial al artificial în

inteligență în dezvoltarea unor analize predictive precise și accesibile, care conduc la îmbunătățirea performanței afacerii.

Acest articol va începe cu o analiză a situației actuale a industriei de analiză predictivă, împreună cu câteva sfaturi pentru a ajuta companiile să profite la maximum de tehnologia și datele disponibile.

Ce înțelegem prin „analiza predictivă”?

Analiza predictivă este o formă de extragere a datelor care folosește învățarea automată și modelarea statistică pentru a prezice situații viitoare, pe baza datelor istorice.

Există deja exemple de analiză predictivă în acțiune în jurul nostru. Dacă banca dvs. vă anunță despre activități potențial suspecte pe cardul dvs. de credit, este foarte probabil ca un model statistic să fi fost utilizat pentru a vă prezice comportamentul viitor pe baza tranzacțiilor dvs. anterioare. Abaterile serioase de la acest model sunt marcate ca suspecte.

Ca un simplu proxy pentru înțelegerea nivelului de interes în domeniu, putem vedea din Google Trends că volumul de căutare pentru subiectul „analiza predictivă” a crescut semnificativ în ultimii 5 ani:

Putem privi această linie și putem prezice că va continua să crească. Dar asta se bazează într-adevăr doar pe tendința istorică recentă sau pe faptul că am auzit multă zgomot despre acest subiect în industrie. Ar fi nevoie de mult mai multă investigație pentru a afirma cu orice siguranță reală unde va merge următoarea linie.

Este logic că atât de multe companii sunt și ele intrigate de subiect. Se estimează că peste 76 de miliarde de dolari vor fi cheltuiți anual pentru tehnologia „Big Data” până în 2020. Cea mai bună modalitate de a obține o rentabilitate a acestei investiții ar fi să folosiți toate aceste date pentru a anticipa tendințele viitoare ale cererii.

Aceasta este o sarcină dificilă de stăpânit de oameni, după cum am văzut. Avem nevoie de puțin ajutor dacă vrem să începem să facem predicții corecte.

Ca rezultat, în „Modelul analitic de ascensiune” al lui Gartner, analiza predictivă este privită ca un salt evolutiv atât de la analiza descriptivă, cât și de la analiza diagnostică.

Acestea fiind spuse, dorința de analize predictive precise nu este nouă și nici încercările de a utiliza analitice pentru a modela comportamentele viitoare ale consumatorilor. Mulți profesioniști în analiză se angajează în acest domeniu în fiecare zi pentru a calcula cifre precum valoarea de viață (LTV) a clientului lor tipic, de exemplu. Disponibilitatea unor seturi de date vaste și variate a contribuit la îmbunătățirea considerabil a acurateței acestor calcule.

Ceea ce este relativ nou este aplicarea inteligenței artificiale pentru a acoperi golurile în setul nostru de abilități și a extinde ceea ce este posibil cu analiza predictivă.

Această combinație a condus la modele statistice mai sofisticate care identifică modele în comportamentele trecute ale consumatorilor și le folosesc pentru a mapa acțiunile viitoare posibile.

Dar de ce este inteligența artificială, în special, atât de eficientă în realizarea a ceea ce am găsit aproape imposibil pe cont propriu?

Creaturi ale obișnuinței: Cum se aplică analiza predictivă în lumea reală?

Analiza predictivă este ajutată foarte mult de cât de previzibili sunt oamenii.

Oricât de unici și de liber-arbitri ne-am dori să credem că suntem, AI poate prezice cu destulă precizie ce vom continua să facem pe baza acțiunilor noastre din trecut și a unor persoane similare.

Un studiu realizat de oamenii de știință de la Media Lab al Institutului de Tehnologie din Massachusetts în 2007 a descoperit că „90% din ceea ce fac majoritatea oamenilor în orice zi urmează rutine atât de complete încât comportamentul lor poate fi prezis cu doar câteva ecuații matematice”.

O mulțime de campanii de marketing au funcționat pe această ipoteză, dar acum putem aplica acest principiu cu o mai mare acuratețe și responsabilitate.

Acolo unde AI-ul își face treaba în acest domeniu este capacitatea sa de a identifica modele mai largi pe care oamenii pur și simplu nu le-ar vedea. Selectăm zone de investigare pe baza a ceea ce credem a fi ipoteze sigure, dar AI poate identifica alte variabile care, atunci când sunt modificate, au un impact una asupra celeilalte.

Această abordare (construită în mare măsură prin utilizarea analizei de regresie) este o reflectare potrivită a lumii în continuă schimbare în care trăiesc consumatorii.

De exemplu, pe baza locației mele, a vârstei, a achizițiilor anterioare și a sexului, cât de probabil am să cumpăr lapte dacă tocmai am adăugat pâine în coșul meu? Un supermarket online poate folosi acest tip de informații pentru a-mi recomanda automat produse, în funcție de predispoziția mea de a cumpăra aceste articole.

Mai mult, un furnizor de servicii financiare poate folosi mii de puncte de date create de interacțiunile mele online și ale unor persoane similare pentru a decide ce card de credit să-mi ofere și când. Un comerciant de modă poate folosi profilul meu digital pentru a decide ce pantofi să-mi recomand ca următoarea achiziție, pe baza blugilor pe care tocmai i-am cumpărat.

Acest lucru ajută companiile să își îmbunătățească rata de conversie, dar implicațiile sunt mult mai ample decât atât. Analiza predictivă permite companiilor să stabilească strategii de prețuri bazate pe așteptările consumatorilor și pe criteriile de referință ale concurenților. Acesta permite comercianților cu amănuntul să anticipeze cererea și, prin urmare, să se asigure că au nivelul potrivit de stoc pentru fiecare produs.

Analiza predictivă poate chiar sugera idei pentru noi linii de produse prin identificarea schimbărilor în preferințele clienților. Aceasta marchează transformarea analizei de la un instrument retrospectiv pentru specialiștii în date, la o funcție predictivă esențială care modelează strategia de afaceri, îmbunătățește relațiile cu clienții și creează eficiență operațională.

De fapt, un raport recent Forrester a menționat că „Predictive Marketers au șanse de 2,9 ori mai mari să raporteze creșterea veniturilor la rate mai mari decât media industriei”.

Dovezile acestei revoluții sunt deja peste tot în jurul nostru. De fiecare dată când introducem o interogare de căutare în Google, Facebook sau Amazon, de exemplu, introducem date în mașină. Aparatul se bucură de date, devenind din ce în ce mai inteligent pe măsură ce primește aceste semnale de feedback.

Acest fenomen aduce cu el o serie de beneficii pentru marketeri. Google folosește această tehnologie de ceva timp deja, prin produsul său Smart Goals din Analytics și prin funcția Scor de calitate a sesiunii, lansată la sfârșitul anului trecut. Acestea sunt exemple de analiză predictivă în acțiune, alimentată de tehnologia de învățare automată.

Există un argument că predicția este piatra de bază a inteligenței, așa că aceasta este o adevărată ispravă pentru AI.

Acesta este însă doar începutul. O mare parte din activitatea curentă în analiza predictivă se concentrează pe formularea de sugestii sau recomandări, dar există posibilitatea ca proiecțiile bazate pe inteligență artificială să formeze punctul de sprijin al strategiilor de marketing.

Evoluțiile recente oferă o mulțime de motive pentru optimism (sau trepidare, ar putea spune unii) în acest sens. Echipa DeepMind de la Google tocmai a creat o IA care este capabilă să planifice viitorul și să ia în considerare diferite rezultate înainte de a acționa.

Acest lucru este relevant în sfera analizei predictive, deoarece imaginația este un aspect fundamental al creării proiecțiilor. Această abilitate va consolida doar rolul AI ca componentă esențială a unei campanii de analiză predictivă de succes.

Cum pot companiile să integreze analiza predictivă?

Pentru a valorifica potențialul inteligenței artificiale și al analizei predictive, există patru elemente pe care organizațiile trebuie să le pună în aplicare.

1. Întrebările potrivite

Cele mai bune proiecte de analiză predictivă încep cu o ipoteză solidă de testat. Deși ar trebui să oferim algoritmilor de învățare automată spațiul necesar pentru a-și realiza propriile asocieri obiective între punctele de date, trebuie să pornim cu o provocare de afaceri pe care căutăm să o depășim. Acest lucru ajută la oferirea unei anumite forme demersului.

2. Datele corecte

Progresele în domeniul științei datelor din ultimul deceniu înseamnă că putem obține informații din volume mari de date nestructurate cu o acuratețe mai mare, dar avem încă nevoie de seturi complete de date pentru a ajunge la concluzii convingătoare.

Prin urmare, următoarea etapă după definirea întrebărilor la care doriți să răspundeți cu analiza predictivă este să aflați ce date sunt disponibile pentru dvs. și dacă vor fi suficiente pentru a vă răspunde la întrebări în mod convingător.

3. Tehnologia potrivită

După cum rezultă din valoarea proiectată de 76 de miliarde de dolari până în 2020, tehnologia big data este o industrie în plină expansiune. Datele sunt create într-un ritm atât de mare încât avem nevoie de capabilități tehnologice în continuă îmbunătățire doar pentru a le capta, stoca și înțelege.

Multe dintre cele mai importante pachete de software de analiză au lansat deja instrumente de analiză predictivă, dar acestea variază în ceea ce privește metodologiile. Pentru a decide care soluție este cea mai bună pentru afacerea dvs., este mai important ca niciodată să aveți o echipă care să aibă experiență în fiecare și să identifice cea mai potrivită opțiune.

4. Oamenii potriviți

Acest lucru ne aduce înapoi la pasul unu, în esență. Fără oamenii potriviți, este foarte dificil să pui întrebările potrivite. De asemenea, este dificil să știi ce date ar putea fi necesare pentru a le răspunde sau pentru a obține cele mai bune rezultate din cea mai recentă tehnologie. Pentru toate discuțiile despre înlocuirea oamenilor cu inteligența artificială, aceasta nu a făcut decât să accentueze accentul pe atragerea oamenilor potriviți să profite la maximum de noile oportunități pe care le creează.

Aplicațiile acestei tehnologii sunt deja larg răspândite, dar încă doar zgâriem suprafața. În următorul articol din această serie, vom arunca o privire la cinci companii care folosesc analiza predictivă pentru a îmbunătăți performanța afacerii astăzi.

Citiți mai departe partea 2 a seriei: 5 companii care folosesc AI pentru a prezice viitorul și profitul