2020 pazarlama stratejinizi planlamak için tahmine dayalı modellemeyi kullanma

Bu sıcak yaz aylarında işler yavaş görünebilir, ancak sekiz haftadan biraz fazla bir süre sonra sonbahar, ardından tatiller ve ardından yepyeni bir yıl olacak.

Bu, 2019'un ilk iki çeyreğinden toplanan verileri kullanarak 2020 için bir pazarlama stratejisi oluşturmaya başlamak için harika bir zaman. Mevcut pazarlama çalışmalarınızdan toplanan çok sayıda veri, geçmişte nelerin işe yaradığını anlamanıza yardımcı olsa da, olmaz gelecekte ne yapacağınızı tahmin etmenize mutlaka yardımcı olur.

Tahmine dayalı modelleme burada devreye girer. Tahmine dayalı modelleme, sonuçları tahmin etmek için geçmiş verileri ve olasılığı kullanır. Keen Decision Systems gibi platformlar, pazarlamacıların tüm müşteri yolculuğuna dayalı olarak sonraki adımlarını planlamasına yardımcı olan gerçek zamanlı analitik ve veri modelleme sağlar.

Keen Decision Systems ile işbirliği içinde üretilen içerik .

İyi pazarlama kararları vermek

ClickZ ve Keen arasında yapılan ortak bir çalışmada, tahmine dayalı modelleme kullanan pazarlamacıların %58'i %10-25 artış yaşarken, diğer %19'u %50'den fazla artış gördü.

Analitik ve pazarlama platformları verilerin toplanmasına, sınıflandırılmasına ve raporlanmasına yardımcı olur, ancak bu onu öngörücü yapar mı? Ankete katılan pazarlamacıların yaklaşık yarısı bu soruya “hayır” yanıtı verdi.

Sorun şu ki, kampanya (ve diğer) verileri raporlama ve analiz için son derece yararlı olsa da, genellikle büyümeyi teşvik etmek için yatırımların nasıl optimize edileceğine dair geleceğe yönelik yön sağlamak için kullanılmaz.

Bir e-tabloda veya statik raporda sıkışan veriler üzerinde işlem yapılamaz. Bu, gelecek yılın pazarlama planını oluşturmak için oturduğunuzda yavaş veya zayıf karar vermenize neden olabilir.

Gelecek yılın planlamasına başlarken, geçmişte neyin işe yaradığını anlamaktan daha sonra ne yapılacağını bilmek açıkça çok daha değerlidir.

Tahmine dayalı modelleme, planlama için neden geriye dönük analizden daha iyidir?

Günümüz pazarlamacıları için çözülmesi gereken en önemli sorun, pazarlama yatırımlarının finansal çıktısını bilmek ve bu çıktıları ölçülebilir, öngörülebilir bir şekilde gösterebilmektir.

Bu kapsayıcı hedef dahilinde, pazarlamacılar şunlara bakmalıdır:

• Kanallar arası müşteri yolculuğu ve dönüşümde özel rol
• Medya yatırımlarını optimize etmek ve her girişimin artan artışını bilmek
• Nasıl hızlı bir şekilde yürütülür ve performans değerlendirilir

Bu ihtiyaçlar, Keen/ClickZ anketine katılanların yaklaşık %80'inin yavaş veya yanlış karar verme nedeniyle fırsatları kaçırdıklarını düşünmesinin kanıtladığı gibi, mevcut geriye dönük analiz modeli tarafından karşılanmamaktadır.

Geleneksel raporlama yöntemleri, tüm kanalları kapsayamayan doğrusal ilişkilendirme yaklaşımları kullandıklarından (ör. çevrimiçi video ve mağaza düzeyinde programlama) üç iş ihtiyacının da derinlemesine anlaşılmasını sağlamakta güçlük çeker. Bu, kredinin çoğunu veya tamamını, arama gibi son tıklama medya kanallarının yanı sıra, her ikisi de hikayenin yalnızca bir kısmını anlatan, ölçülebilir kısa vadeli etkiye sahip işlem etkinliklerine verme eğilimindedir.

Tahmine dayalı modelleme, tüm medya türlerinde hangi ortak temaların başarıyı artırdığına bakarak yaratıcı optimizasyona da yardımcı olur.

Giriş engelleri

Katılımcıların %70'inden fazlası, pazarlama performansını anlamak için analitik platformları kullandıklarını belirtti. Analitik araçları tarihsel olarak odaklandığından, güvenilir planlama görevinde başarısız olurlar.

Ankete katılanların üçte ikisi, hiçbir şekilde tahmine dayalı modelleme kullanmadıklarını belirtti. Bunu yapanlar için belirli sektörler diğerlerinden daha fazla öne çıkıyor; yani, teknoloji, sağlık ve iletişim/medya.

Şu anda, ankete katılanlar arasında tahmine dayalı modelleme teknolojisine yatırım yapma niyetinde yaygın bir eksiklik var ve şu anda modelleme kullanmayan şirketlerin çoğu, gelecekte kullanmaktan emin olmadıklarını (veya kullanmayı planlamadıklarını) belirtiyor. hiç de öyle).

Kullanımın önündeki en büyük engel, üst düzey liderlik ekipleri arasında güven eksikliği gibi görünüyor, sadece %18'i tahmine dayalı modellemenin şu anda gerekli olduğunu ve yaklaşık %33'ünün gelecekte gerekli olacağını belirtiyor.

Modellemenin etkili olması için pazarlama, satış, ürün ve finans ekiplerinden gelen verileri entegre etmesi gerekir. Yine de, ankete katılanların %74'ü, tüm departmanlara tahmine dayalı modellemeyi entegre etmediklerini belirtti.

Şirketler, tüm organizasyon genelinde çapraz işlevler angajmanı uygulamalıdır, aksi takdirde verilerin tahmin değeri azalacaktır.

Bir yatırım olarak tahmine dayalı modelleme

Ankete katılanların %80'i için tahmine dayalı analitiği uygulamanın ana satış noktası yatırım getirilerini artırmaktır. Şu anda tahmine dayalı modellemeye yatırım yapan ve başarılarını takip eden şirketlerin %58'i yatırım getirisinde %10-25'lik bir artış gördü ve %19'u %50'den fazla artış gördü.

Tahmine dayalı modellemeyi kullanan şirketler, pazarlama ekosisteminin birçok alanında bir etki görüyor. Hedef kitlelerini daha iyi anlamalarına (%71), müşteri yolculuğu boyunca tüm temas noktalarını optimize etmelerine (%53) ve yaratıcı performansı iyileştirmelerine (%44) yardımcı olur.

Tahmine dayalı modeller, geçmiş verilerin ötesine geçen çeşitli veri kümelerini kullanır. Keen, gelecekteki sonuçları belirlemek için veri kalitesini ve satış ve finansal verilerdeki katmanları azaltmak için bir istatistiksel öncelikler tabanı kullanır.

Tahmine dayalı modelleme aynı zamanda, katılımcıların %38'i mevcut ölçüm çözümlerinin verilerinin ölçeğini desteklemediğini belirterek, yanıtlayanlar için önemli bir endişe kaynağı olan büyük miktarda veriyi sentezlemelerine yardımcı olabilir. Bu, işletmelerin bilinçli ve zamanında kararlar vermesini engelleyebilir ve bu da fırsat kaçırmaya eşittir.

Tahmine dayalı modelleme, gerçek zamanlı veri analizine izin verdiğinden, işletmeler gelecekteki girişimleri planlamaya yardımcı olmak için mevcut verileri kullanarak hızla hareket edebilir.

Tahmine dayalı modelleme ve 2020 planlama döngünüze neler sunabileceği hakkında daha fazla bilgi için ClickZ ve Keen'in “ Öngörülü modelleme ne, neden ve nasıl — Gerçekten başka bir martech parçasına ihtiyacınız var mı? ”