การวิเคราะห์และ AI ช่วยให้นักการตลาดสามารถทำนายอนาคตได้อย่างไร

อย่าทำนายโดยเฉพาะเกี่ยวกับอนาคต

เราไม่มีประวัติที่ดีในการพยากรณ์อนาคตอย่างแน่นอน ดังนั้นนี่จึงดูเหมือนคำแนะนำของนักปราชญ์

จากประธาน IBM โธมัส วัตสัน ที่ประกาศในต้นปี 1940 ว่าจะมีตลาดโลกสำหรับ "คอมพิวเตอร์ประมาณ 5 เครื่อง" (เป็นที่ยอมรับว่าอาจมีที่ว่างบนโลกใบนี้สำหรับเครื่อง IBM รุ่นแรก 5 เครื่อง) จนถึง Y2K hullabaloo ผู้คนไม่สามารถต้านทานการลุยด้วยคำทำนายที่ยิ่งใหญ่ซึ่งมักจะไม่ถูกต้องอย่างมาก

รางวัลสำหรับการรู้อนาคตล่วงหน้านั้นดีเกินกว่าจะต้านทานได้ แต่เราค่อนข้างพึ่งพาสัญชาตญาณของมนุษย์ในการสร้างการคาดการณ์ของเรา ดังนั้นรางวัลทั้งหมดจึงมักไม่มีผู้อ้างสิทธิ์

อย่างไรก็ตาม นี่เป็นอุตสาหกรรมที่มีการพัฒนาอย่างรวดเร็ว และในไม่ช้าความก้าวหน้าในปัญญาประดิษฐ์ (AI) อาจทำให้เราคาดการณ์ในอนาคตโดยใช้แบบจำลองทางสถิติที่เชื่อถือได้ แทนที่จะเป็นสัญชาตญาณที่คุ้นเคยแต่มีข้อบกพร่อง

ภายในชุดสามตอนนี้ เราจะสำรวจบทบาทที่เป็นไปได้ของสารประดิษฐ์ใน

ความเฉลียวฉลาดในการพัฒนาการวิเคราะห์เชิงคาดการณ์ที่แม่นยำและเข้าถึงได้ซึ่งนำไปสู่ประสิทธิภาพทางธุรกิจที่ดีขึ้น

บทความนี้จะเริ่มต้นด้วยการวิเคราะห์ว่าอุตสาหกรรมการวิเคราะห์เชิงคาดการณ์ในปัจจุบันมีจุดยืนอย่างไร พร้อมด้วยเคล็ดลับบางประการที่จะช่วยให้ธุรกิจใช้ประโยชน์จากเทคโนโลยีและข้อมูลที่มีอยู่ให้เกิดประโยชน์สูงสุด

เราหมายถึงอะไรโดย 'การวิเคราะห์เชิงคาดการณ์'

การวิเคราะห์เชิงคาดการณ์เป็นรูปแบบหนึ่งของการทำเหมืองข้อมูลที่ใช้การเรียนรู้ของเครื่องและการสร้างแบบจำลองทางสถิติเพื่อทำนายสถานการณ์ในอนาคตโดยอิงจากข้อมูลในอดีต

มีตัวอย่างการทำงานของการวิเคราะห์เชิงคาดการณ์อยู่รอบตัวเราอยู่แล้ว หากธนาคารของคุณแจ้งให้คุณทราบถึงกิจกรรมที่น่าสงสัยในบัตรเครดิตของคุณ มีความเป็นไปได้สูงว่ามีการใช้แบบจำลองทางสถิติเพื่อทำนายพฤติกรรมในอนาคตของคุณโดยอิงจากธุรกรรมในอดีตของคุณ การเบี่ยงเบนที่ร้ายแรงจากรูปแบบนี้ถูกตั้งค่าสถานะว่าน่าสงสัย

ในฐานะตัวแทนง่ายๆ ในการทำความเข้าใจระดับความสนใจในสาขานี้ เราจะเห็นได้จาก Google Trends ว่าปริมาณการค้นหาหัวข้อ 'การวิเคราะห์เชิงคาดการณ์' ได้เพิ่มขึ้นอย่างมากในช่วง 5 ปีที่ผ่านมา:

เราสามารถดูที่บรรทัดนี้และคาดการณ์ว่าจะเติบโตต่อไป แต่นั่นเป็นเพียงตามแนวโน้มในอดีตที่ผ่านมา หรือข้อเท็จจริงที่ว่าเราได้ยินข่าวลือมากมายเกี่ยวกับหัวข้อนี้ในอุตสาหกรรมนี้ ต้องใช้การสอบสวนมากกว่านี้อีกมากสำหรับเราที่จะยืนยันด้วยความมั่นใจอย่างแท้จริงว่าแนวทางจะดำเนินการต่อไปที่ใด

มันสมเหตุสมผลแล้วที่ธุรกิจจำนวนมากสนใจหัวข้อนี้เช่นกัน คาดการณ์ว่าจะใช้เงินมากกว่า 76 พันล้านดอลลาร์ต่อปีกับเทคโนโลยี 'บิ๊กดาต้า' ภายในปี 2020 วิธีที่ดีที่สุดที่จะได้รับผลตอบแทนจากการลงทุนนี้คือการใช้ข้อมูลทั้งหมดนั้นเพื่อคาดการณ์แนวโน้มความต้องการในอนาคต

นี่เป็นงานที่ยากสำหรับคนที่จะเชี่ยวชาญดังที่เราได้เห็น เราต้องการความช่วยเหลือเล็กน้อยหากต้องการเริ่มต้นการทำนายที่ถูกต้อง

ด้วยเหตุนี้ ใน 'Analytic Ascendancy Model' ของ Gartner การวิเคราะห์เชิงคาดการณ์จึงถูกมองว่าเป็นการก้าวกระโดดเชิงวิวัฒนาการจากทั้งการวิเคราะห์เชิงพรรณนาและการวิเคราะห์เชิงวินิจฉัย

ที่กล่าวว่าความปรารถนาสำหรับการวิเคราะห์เชิงคาดการณ์ที่แม่นยำไม่ใช่เรื่องใหม่และไม่ใช่ความพยายามที่จะใช้การวิเคราะห์เพื่อจำลองพฤติกรรมผู้บริโภคในอนาคต ผู้เชี่ยวชาญด้านการวิเคราะห์จำนวนมากมีส่วนร่วมกับฟิลด์นี้ทุกวันในการคำนวณตัวเลข เช่น มูลค่าตลอดอายุการใช้งาน (LTV) ของลูกค้าทั่วไป เป็นต้น ความพร้อมใช้งานของชุดข้อมูลที่หลากหลายและหลากหลายได้ช่วยปรับปรุงความแม่นยำของการคำนวณเหล่านี้อย่างมาก

สิ่งที่ค่อนข้างใหม่คือการประยุกต์ใช้ปัญญาประดิษฐ์เพื่ออุดช่องว่างในชุดทักษะของเรา และขยายสิ่งที่เป็นไปได้ด้วยการวิเคราะห์เชิงคาดการณ์

การรวมกันนี้นำไปสู่แบบจำลองทางสถิติที่ซับซ้อนยิ่งขึ้น ซึ่งระบุรูปแบบในพฤติกรรมผู้บริโภคในอดีต และใช้รูปแบบเหล่านี้ในการวางแผนการดำเนินการในอนาคตที่น่าจะเป็นไปได้

แต่ทำไมปัญญาประดิษฐ์โดยเฉพาะอย่างยิ่งจึงมีประสิทธิภาพในการบรรลุสิ่งที่เราพบว่าแทบจะเป็นไปไม่ได้ด้วยตัวเราเอง?

อุปนิสัย: การวิเคราะห์เชิงคาดการณ์ถูกนำไปใช้ในโลกแห่งความเป็นจริงอย่างไร?

การวิเคราะห์เชิงทำนายได้รับความช่วยเหลืออย่างมากจากการที่ผู้คนคาดการณ์ได้

AI มีเอกลักษณ์เฉพาะตัวและมีอิสระอย่างที่เราอยากจะเชื่อว่าเราเป็น AI สามารถทำนายได้อย่างแม่นยำว่าเราจะทำอะไรต่อไปโดยอิงจากการกระทำในอดีตของเราและการกระทำของคนที่คล้ายกัน

การศึกษาโดยนักวิทยาศาสตร์ที่ Media Lab ของสถาบันเทคโนโลยีแมสซาชูเซตส์ในปี 2550 พบว่า “ร้อยละ 90 ของสิ่งที่คนส่วนใหญ่ทำในแต่ละวันนั้นปฏิบัติตามกิจวัตรเพื่อให้พฤติกรรมของพวกเขาสามารถคาดเดาได้ด้วยสมการทางคณิตศาสตร์เพียงไม่กี่สมการ”

แคมเปญการตลาดจำนวนมากได้ดำเนินการตามสมมติฐานนี้ แต่ตอนนี้เราสามารถนำหลักการนี้ไปใช้ได้อย่างถูกต้องและมีความรับผิดชอบมากขึ้น

จุดที่ AI เข้ามามีบทบาทในด้านนี้ก็คือความสามารถในการระบุรูปแบบที่กว้างขึ้นที่มนุษย์มองไม่เห็น เราเลือกพื้นที่สำหรับการตรวจสอบโดยพิจารณาจากสิ่งที่เราเชื่อว่าเป็นสมมติฐานที่ปลอดภัย แต่ AI สามารถระบุตัวแปรอื่นๆ ที่มีผลกระทบซึ่งกันและกันเมื่อมีการเปลี่ยนแปลง

แนวทางนี้ (กำหนดรูปแบบโดยการใช้การวิเคราะห์การถดถอย) เป็นภาพสะท้อนที่เหมาะสมของผู้บริโภคโลกที่เปลี่ยนแปลงตลอดเวลาอาศัยอยู่

ตัวอย่างเช่น ตามสถานที่ตั้ง อายุ การซื้อในอดีต และเพศ ฉันจะซื้อนมได้มากเพียงใดหากฉันเพิ่งเพิ่มขนมปังลงในตะกร้า ซูเปอร์มาร์เก็ตออนไลน์สามารถใช้ข้อมูลประเภทนี้เพื่อแนะนำผลิตภัณฑ์ให้ฉันโดยอัตโนมัติ โดยพิจารณาจากแนวโน้มที่ฉันคาดการณ์ไว้ว่าจะซื้อสินค้าเหล่านี้

ยิ่งไปกว่านั้น ผู้ให้บริการทางการเงินสามารถใช้จุดข้อมูลหลายพันจุดที่สร้างขึ้นจากการโต้ตอบออนไลน์ของฉันและของบุคคลที่คล้ายกันเพื่อตัดสินใจว่าจะเสนอบัตรเครดิตใบใดให้ฉันและเมื่อใด ผู้ค้าปลีกแฟชั่นสามารถใช้โปรไฟล์ดิจิทัลของฉันเพื่อตัดสินใจว่าจะแนะนำรองเท้ารุ่นใดในการซื้อครั้งต่อไป โดยพิจารณาจากกางเกงยีนส์ที่ฉันเพิ่งซื้อ

สิ่งนี้ช่วยให้ธุรกิจปรับปรุงอัตราการแปลงของพวกเขา แต่ความหมายนั้นกว้างกว่านั้นมาก การวิเคราะห์เชิงคาดการณ์ช่วยให้บริษัทต่างๆ สามารถกำหนดกลยุทธ์การกำหนดราคาตามความคาดหวังของผู้บริโภคและเกณฑ์มาตรฐานของคู่แข่ง ช่วยให้ผู้ค้าปลีกสามารถคาดการณ์ความต้องการได้ ดังนั้นจึงมั่นใจได้ว่ามีสต็อกเพียงพอสำหรับแต่ละผลิตภัณฑ์

การวิเคราะห์เชิงคาดการณ์ยังสามารถแนะนำแนวคิดสำหรับกลุ่มผลิตภัณฑ์ใหม่โดยการระบุการเปลี่ยนแปลงในการตั้งค่าของลูกค้า นับเป็นการเปลี่ยนแปลงของการวิเคราะห์จากเครื่องมือย้อนหลังสำหรับผู้เชี่ยวชาญด้านข้อมูล ไปเป็นฟังก์ชันการคาดการณ์ที่จำเป็นซึ่งกำหนดกลยุทธ์ทางธุรกิจ ปรับปรุงความสัมพันธ์กับลูกค้า และสร้างประสิทธิภาพในการดำเนินงาน

อันที่จริง รายงานล่าสุดของ Forrester ระบุว่า "นักการตลาดเชิงคาดการณ์มีแนวโน้มที่จะรายงานการเติบโตของรายได้ในอัตราที่สูงกว่าค่าเฉลี่ยของอุตสาหกรรม 2.9 เท่า"

หลักฐานของการปฏิวัตินี้มีอยู่แล้วรอบตัวเรา ทุกครั้งที่เราพิมพ์คำค้นหาลงใน Google, Facebook หรือ Amazon เรากำลังป้อนข้อมูลลงในเครื่อง เครื่องจักรเติบโตด้วยข้อมูล ฉลาดขึ้นเรื่อยๆ เมื่อได้รับสัญญาณตอบรับเหล่านี้

ปรากฏการณ์นี้ก่อให้เกิดประโยชน์มากมายสำหรับนักการตลาด Google ใช้เทคโนโลยีนี้มาระยะหนึ่งแล้ว ผ่านผลิตภัณฑ์เป้าหมายสมาร์ทใน Analytics และคุณลักษณะคะแนนคุณภาพเซสชันซึ่งเปิดตัวเมื่อปลายปีที่แล้ว นี่คือตัวอย่างการใช้งานจริงของการวิเคราะห์เชิงคาดการณ์ ซึ่งขับเคลื่อนโดยเทคโนโลยีแมชชีนเลิร์นนิง

มีข้อโต้แย้งว่าการคาดคะเนเป็นรากฐานของความฉลาด ดังนั้นนี่จึงเป็นความสำเร็จของ AI

อย่างไรก็ตาม นี่เป็นเพียงจุดเริ่มต้นเท่านั้น งานปัจจุบันส่วนใหญ่ในศูนย์วิเคราะห์เชิงคาดการณ์อยู่ที่การให้คำแนะนำหรือข้อเสนอแนะ แต่มีขอบเขตสำหรับการคาดการณ์ที่ใช้ AI เพื่อสร้างศูนย์กลางของกลยุทธ์ทางการตลาด

การพัฒนาล่าสุดทำให้เกิดการมองโลกในแง่ดี (หรือความกังวลใจ บางคนอาจกล่าวว่า) ในแง่นี้ ทีม DeepMind ของ Google ได้สร้าง AI ที่สามารถวางแผนสำหรับอนาคตและพิจารณาผลลัพธ์ที่แตกต่างกันก่อนดำเนินการ

สิ่งนี้มีความเกี่ยวข้องภายในขอบเขตของการวิเคราะห์เชิงคาดการณ์ เนื่องจากจินตนาการเป็นองค์ประกอบพื้นฐานในการสร้างการคาดการณ์ ความสามารถนี้จะทำให้บทบาทของ AI เป็นองค์ประกอบสำคัญของแคมเปญการวิเคราะห์เชิงคาดการณ์ที่ประสบความสำเร็จเท่านั้น

ธุรกิจจะผสานรวมการวิเคราะห์เชิงคาดการณ์ได้อย่างไร

ในการใช้ประโยชน์จากศักยภาพของปัญญาประดิษฐ์และการวิเคราะห์เชิงคาดการณ์ มีองค์ประกอบสี่ประการที่องค์กรจำเป็นต้องนำมาใช้

1. คำถามที่ถูกต้อง

โครงการวิเคราะห์เชิงคาดการณ์ที่ดีที่สุดเริ่มต้นด้วยสมมติฐานที่ถูกต้องเพื่อทดสอบ แม้ว่าเราควรจัดเตรียมอัลกอริธึมแมชชีนเลิร์นนิงไว้ในห้องเพื่อสร้างการเชื่อมโยงวัตถุประสงค์ของตนเองระหว่างจุดข้อมูล แต่เราจำเป็นต้องกำหนดความท้าทายทางธุรกิจที่เรากำลังมองหาที่จะเอาชนะ นี้จะช่วยให้รูปร่างบางอย่างกับความพยายาม

2. ข้อมูลที่ถูกต้อง

ความก้าวหน้าของวิทยาการข้อมูลในช่วงทศวรรษที่ผ่านมาหมายความว่าเราสามารถหาข้อมูลเชิงลึกจากข้อมูลที่ไม่มีโครงสร้างจำนวนมากและมีความแม่นยำมากขึ้น แต่เรายังคงต้องการชุดข้อมูลที่สมบูรณ์เพื่อให้ได้ข้อสรุปที่น่าเชื่อถือ

ดังนั้น ขั้นต่อไปหลังจากกำหนดคำถามที่คุณต้องการตอบด้วยการวิเคราะห์เชิงคาดการณ์ก็คือ การหาว่าข้อมูลใดที่คุณสามารถใช้ได้และจะเพียงพอที่จะตอบคำถามของคุณได้อย่างน่าเชื่อถือหรือไม่

3. เทคโนโลยีที่เหมาะสม

ตามที่บอกเป็นนัยด้วยมูลค่าที่คาดการณ์ไว้ที่ 76 พันล้านดอลลาร์ในปี 2020 เทคโนโลยีบิ๊กดาต้าเป็นอุตสาหกรรมที่เฟื่องฟู ข้อมูลถูกสร้างขึ้นในอัตราที่เราต้องการความสามารถทางเทคโนโลยีที่ปรับปรุงอยู่ตลอดเวลาเพื่อจับภาพ จัดเก็บ และทำความเข้าใจข้อมูล

แพ็คเกจซอฟต์แวร์การวิเคราะห์ชั้นนำจำนวนมากได้เปิดตัวเครื่องมือวิเคราะห์เชิงคาดการณ์แล้ว แต่มีวิธีการที่แตกต่างกันออกไป ในการตัดสินใจว่าโซลูชันใดเหมาะสมที่สุดสำหรับธุรกิจของคุณ การมีทีมที่มีประสบการณ์ของแต่ละโซลูชันเป็นสิ่งสำคัญมากกว่าที่เคย และสามารถระบุตัวเลือกที่เหมาะสมที่สุดได้

4. คนที่เหมาะสม

สิ่งนี้นำเรากลับไปที่ขั้นตอนที่หนึ่งโดยพื้นฐานแล้ว หากปราศจากคนที่ใช่ เป็นเรื่องยากมากที่จะตั้งคำถามที่ถูกต้อง นอกจากนี้ยังเป็นเรื่องยากที่จะรู้ว่าต้องใช้ข้อมูลใดบ้างในการตอบคำถาม หรือเพื่อให้ได้ประโยชน์สูงสุดจากเทคโนโลยีล่าสุด สำหรับการพูดคุยทั้งหมดเกี่ยวกับ AI ที่เข้ามาแทนที่ผู้คน มันทำให้โฟกัสที่การรับคนที่เหมาะสมเพื่อใช้ประโยชน์จากโอกาสใหม่ ๆ ที่สร้างให้เกิดประโยชน์สูงสุด

การประยุกต์ใช้เทคโนโลยีนี้แพร่หลายไปแล้ว แต่เรายังคงเป็นเพียงการขีดข่วนพื้นผิว ในบทความถัดไปในชุดนี้ เราจะพิจารณาธุรกิจ 5 แห่งที่ใช้การวิเคราะห์เชิงคาดการณ์เพื่อขับเคลื่อนประสิทธิภาพทางธุรกิจที่ดีขึ้นในปัจจุบัน

อ่านต่อตอนที่ 2 ของซีรีส์: 5 ธุรกิจที่ใช้ AI ทำนายอนาคตและผลกำไร