Analitik ve yapay zeka, pazarlamacıların geleceği tahmin etmesine nasıl izin verebilir?

Özellikle gelecek hakkında asla tahminlerde bulunmayın.

Geleceği tahmin etme konusunda tam olarak iyi bir geçmişe sahip değiliz, bu yüzden bu bilgece bir tavsiye gibi görünüyor.

IBM başkanı Thomas Watson'ın 1940'ların başında “yaklaşık 5 bilgisayar” için bir dünya pazarı olacağını ilan etmesinden (kuşkusuz, gezegende ilk IBM makinelerinden sadece 5 tanesine yer olabilirdi), Y2K hullabaloo'ya kadar, insanlar görkemli, genellikle çılgınca yanlış tahminlerle içeri girmeden duramazlar.

Geleceği önceden bilmenin ödülleri, onu denemeye direnmek için çok büyük, ancak projeksiyonlarımızı oluşturmak için oldukça büyük ölçüde insan sezgisine güveniyoruz. Bu nedenle, ödüller çok sık talep edilmeden kalır.

Bununla birlikte, bu hızla gelişen bir endüstridir ve yapay zekadaki (AI) ilerlemeler, yakında gelecek tahminlerimizi tanıdık ama kusurlu sezgilerimiz yerine güvenilir istatistiksel modellere dayandırmamızı sağlayabilir.

Bu üç bölümlük dizide yapayın potansiyel rolünü keşfedeceğiz.

gelişmiş iş performansına yol açan doğru, erişilebilir tahmine dayalı analitik geliştirmede zeka.

Bu makale, işletmelerin mevcut teknoloji ve verilerden en iyi şekilde yararlanmasına yardımcı olacak bazı ipuçlarıyla birlikte, tahmine dayalı analitik endüstrisinin bugün nerede durduğunun bir analiziyle başlayacak.

'Tahmini analitik' ile ne demek istiyoruz?

Tahmine dayalı analitik, geçmiş verilere dayalı olarak gelecekteki durumları tahmin etmek için makine öğrenimi ve istatistiksel modelleme kullanan bir veri madenciliği biçimidir.

Etrafımızda zaten eylem halinde olan tahmine dayalı analitik örnekleri var. Bankanız kredi kartınızla ilgili potansiyel olarak şüpheli bir işlem olduğunu size bildirirse, geçmiş işlemlerinize dayanarak gelecekteki davranışlarınızı tahmin etmek için istatistiksel bir model kullanılmış olması kuvvetle muhtemeldir. Bu modelden ciddi sapmalar şüpheli olarak işaretlenir.

Bu alana ilgi düzeyini anlamak için basit bir vekil olarak, Google Trendler'den 'tahmini analitik' konusunun arama hacminin son 5 yılda önemli ölçüde arttığını görebiliriz:

Bu çizgiye bakabilir ve büyümeye devam edeceğini tahmin edebiliriz. Ancak bu gerçekten sadece son tarihsel eğilime veya sektördeki konuyla ilgili çok fazla vızıltı duyduğumuz gerçeğine dayanıyor. Çizginin bir sonraki nereye gideceğini gerçek bir kesinlikle ileri sürmek bizim için çok daha fazla araştırma gerektirecektir.

Bu kadar çok işletmenin de konuyla ilgilenmesi mantıklı. 2020 yılına kadar 'Büyük Veri' teknolojisine yılda 76 milyar doların üzerinde harcama yapılacağı tahmin ediliyor. Bu yatırımdan geri dönüş almanın en iyi yolu, tüm bu verileri gelecekteki talep eğilimlerini tahmin etmek için kullanmak olacaktır.

Gördüğümüz gibi, bu insanlar için ustalaşması zor bir iştir. Doğru tahminler yapmaya başlayacaksak biraz yardıma ihtiyacımız var.

Sonuç olarak, Gartner'ın 'Analitik Yükseliş Modeli'nde, tahmine dayalı analitik, hem tanımlayıcı analitikten hem de tanısal analitikten evrimsel bir sıçrama olarak görülüyor.

Bununla birlikte, doğru tahmine dayalı analitik arzusu yeni değildir ve gelecekteki tüketici davranışlarını modellemek için analitiği kullanma girişimleri de değildir. Birçok analitik uzmanı, örneğin tipik müşterilerinin yaşam boyu değeri (LTV) gibi rakamları hesaplamak için her gün bu alanla ilgilenir. Geniş ve çeşitli veri setlerinin mevcudiyeti, bu hesaplamaların doğruluğunu önemli ölçüde artırmaya yardımcı oldu.

Nispeten yeni olan şey, beceri grubumuzdaki boşlukları kapatmak ve tahmine dayalı analitikle mümkün olanı genişletmek için yapay zekanın uygulanmasıdır.

Bu kombinasyon, geçmiş tüketici davranışlarındaki kalıpları tespit eden ve bunları gelecekteki olası eylemlerin haritasını çıkarmak için kullanan daha karmaşık istatistiksel modellere yol açmıştır.

Peki yapay zeka, özellikle kendi başımıza neredeyse imkansız bulduğumuz şeyi başarmada neden bu kadar etkili?

Alışkanlık yaratıkları: Tahmine dayalı analitik gerçek dünyada nasıl uygulanır?

Tahmine dayalı analitik, insanların ne kadar öngörülebilir olduğu konusunda büyük ölçüde yardımcı olur.

Olduğumuza inanmak istediğimiz kadar benzersiz ve özgür iradeli olan AI, geçmiş eylemlerimize ve benzer insanların eylemlerine dayanarak ne yapmaya devam edeceğimizi oldukça doğru bir şekilde tahmin edebilir.

Massachusetts Teknoloji Enstitüsü'nün Medya Laboratuarı'nda 2007'de bilim adamları tarafından yapılan bir araştırma, "çoğu insanın herhangi bir günde yaptıklarının yüzde 90'ının, davranışlarının sadece birkaç matematiksel denklemle tahmin edilebileceği kadar eksiksiz rutinleri takip ettiğini" keşfetti.

Pek çok pazarlama kampanyası bu varsayım üzerinde çalıştı, ancak şimdi bu ilkeyi daha doğru ve hesap verebilir şekilde uygulayabiliriz.

AI'nın bu alanda kendini gösterdiği yer, insanların basitçe göremediği daha geniş kalıpları belirleme yeteneğidir. Güvenli varsayımlar olduğuna inandığımız şeylere dayanarak araştırma için alanlar seçiyoruz, ancak AI, değiştirildiğinde birbirleri üzerinde etkisi olan diğer değişkenleri tanımlayabilir.

Bu yaklaşım (ağır olarak regresyon analizinin kullanımıyla şekillenmiştir), tüketicilerin içinde yaşadığı sürekli değişen dünyanın uygun bir yansımasıdır.

Örneğin, konumuma, yaşıma, geçmişteki alışverişlerime ve cinsiyetime bağlı olarak, sepetime yeni ekmek eklediysem süt satın alma olasılığım nedir? Çevrimiçi bir süpermarket, bu ürünleri satın alma konusundaki tahmini eğilimime dayanarak, ürünleri bana otomatik olarak önermek için bu tür bilgileri kullanabilir.

Ayrıca, bir finansal hizmet sağlayıcısı, bana hangi kredi kartını ve ne zaman sunacağına karar vermek için çevrimiçi etkileşimlerimin ve benzer kişilerin oluşturduğu binlerce veri noktasını kullanabilir. Bir moda perakendecisi, yeni aldığım kot pantolona dayanarak bir sonraki alışverişim olarak hangi ayakkabıyı önereceğine karar vermek için dijital profilimi kullanabilir.

Bu, işletmelerin dönüşüm oranlarını iyileştirmelerine yardımcı olur, ancak sonuçları bundan çok daha geniştir. Tahmine dayalı analitik, şirketlerin tüketici beklentilerine ve rakip kıyaslamalarına dayalı olarak fiyatlandırma stratejileri belirlemesine olanak tanır. Perakendecilerin talebi tahmin etmelerine ve dolayısıyla her ürün için doğru stok seviyesine sahip olmalarını sağlar.

Tahmine dayalı analitik, müşteri tercihlerindeki değişiklikleri tespit ederek yeni ürün grupları için fikirler bile önerebilir. Bu, analitiğin veri uzmanları için geriye dönük bir araçtan iş stratejisini şekillendiren, müşteri ilişkilerini iyileştiren ve operasyonel verimlilik yaratan temel bir tahmin işlevine dönüşümünü işaret ediyor.

Aslında, yakın tarihli bir Forrester raporu, "Öngörücü Pazarlamacıların sektör ortalamasından daha yüksek oranlarda gelir artışı bildirme olasılığı 2,9 kat daha fazladır."

Bu devrimin kanıtları zaten etrafımızda. Örneğin Google, Facebook veya Amazon'a her arama sorgusu yazdığımızda, makineye veri besliyoruz. Makine veriler üzerinde gelişir ve bu geri bildirim sinyallerini aldıkça daha da akıllı hale gelir.

Bu fenomen, pazarlamacılar için bir dizi fayda sağlar. Google, Analytics'teki Akıllı Hedefler ürünü ve geçen yılın sonlarında kullanıma sunulan Oturum Kalite Puanı özelliği aracılığıyla bu teknolojiyi bir süredir kullanıyor. Bunlar, makine öğrenimi teknolojisiyle desteklenen eylem halindeki tahmine dayalı analitik örnekleridir.

Tahminin zekanın temeli olduğuna dair bir argüman var, bu yüzden bu AI için oldukça büyük bir başarı.

Ancak bu sadece başlangıç. Tahmine dayalı analitikteki mevcut çalışmaların çoğu, önerilerde bulunmaya veya önerilerde bulunmaya odaklanır, ancak AI tabanlı projeksiyonların pazarlama stratejilerinin dayanak noktasını oluşturması için bir alan vardır.

Son gelişmeler, bu açıdan iyimserlik (veya bazıları diyebilir ki, korku) için pek çok neden sağlıyor. Google'ın DeepMind ekibi, harekete geçmeden önce geleceği planlayabilen ve farklı sonuçları değerlendirebilen bir yapay zeka yarattı.

Hayal gücü, projeksiyon oluşturmanın temel bir yönü olduğundan, bu, tahmine dayalı analitik kapsamında geçerlidir. Bu yetenek, yalnızca başarılı bir tahmine dayalı analitik kampanyasının temel bir bileşeni olarak AI'nın rolünü sağlamlaştıracaktır.

İşletmeler tahmine dayalı analitiği nasıl entegre edebilir?

Yapay zeka ve tahmine dayalı analitiklerin potansiyelinden yararlanmak için kuruluşların uygulamaya koyması gereken dört unsur vardır.

1. Doğru sorular

En iyi tahmine dayalı analitik projeleri, test edilecek sağlam bir hipotezle başlar. Veri noktaları arasında kendi nesnel ilişkilendirmelerini yapmak için makine öğrenimi algoritmalarına alan sağlamamız gerekse de, üstesinden gelmek istediğimiz bir iş zorluğuyla yola çıkmamız gerekiyor. Bu, çabaya biraz şekil vermeye yardımcı olur.

2. Doğru veri

Son on yılda veri bilimindeki ilerlemeler, büyük hacimli yapılandırılmamış verilerden daha fazla doğrulukla içgörüler elde edebileceğimiz anlamına geliyor, ancak ikna edici sonuçlara varmak için hala eksiksiz veri setlerine ihtiyacımız var.

Bu nedenle, tahmine dayalı analitik ile cevaplamak istediğiniz soruları tanımladıktan sonraki aşama, hangi verilerin sizin için mevcut olduğunu ve sorularınızı ikna edici bir şekilde cevaplamak için yeterli olup olmayacağını bulmaktır.

3. Doğru teknoloji

2020 yılına kadar 76 milyar dolarlık tahmini değerin ima ettiği gibi, büyük veri teknolojisi gelişen bir endüstridir. Veriler öyle bir hızda yaratılır ki, yalnızca onu yakalamak, depolamak ve anlamlandırmak için sürekli gelişen teknolojik yeteneklere ihtiyaç duyarız.

Önde gelen analitik yazılım paketlerinin çoğu, tahmine dayalı analitik araçlarını zaten başlattı, ancak metodolojileri farklılık gösteriyor. İşletmeniz için hangi çözümün en iyi olduğuna karar vermek için, her biri için deneyime sahip ve en uygun seçeneği belirleyebilen bir ekibin yerinde olması her zamankinden daha önemlidir.

4. Doğru insanlar

Bu bizi esasen birinci adıma geri getiriyor. Doğru insanlar olmadan doğru soruları sormak çok zordur. Bunları yanıtlamak veya en son teknolojiden en iyi şekilde yararlanmak için hangi verilerin gerekli olabileceğini bilmek de zordur. Yapay zekanın insanları değiştirmesiyle ilgili tüm konuşmalar için, yarattığı yeni fırsatlardan en iyi şekilde yararlanmak için doğru insanları elde etmeye odaklanmayı gerçekten keskinleştirdi.

Bu teknolojinin uygulamaları zaten yaygın, ancak biz hala sadece yüzeyi çiziyoruz. Bu dizinin bir sonraki makalesinde, günümüzde iş performansını iyileştirmek için tahmine dayalı analitik kullanan beş işletmeye göz atacağız.

Serinin 2. Kısmını okuyun: Geleceği tahmin etmek ve kâr etmek için yapay zeka kullanan 5 işletme