Правильний меседж, правильний продукт, правильний час: як машинне навчання покращує маркетингову аналітику

15 April 2019
15 хвилин

 

Було б недостатньо просто сказати, що продажі і маркетинг змінилися з самого початку епохи цифрових технологій. Вони трансформувалися з ніг до голови. Важко навіть уявити, що всього кілька десятиліть тому панували продажі від дверей до дверей та холодні дзвінки. Ох, як змінилися часи …

За словами Gartner, до 2020 року не менше 85 відсотків усіх взаємин між клієнтами і компаніями будуть звершені без будь-якої взаємодії з людиною. Шлях по завоюванню клієнта стає більш складним, зараз біля керма стоять споживачі, керуючись при прийнятті рішень власним досвідом взаємодії з брендами. Вони очікують, що компанії повністю зрозуміють, на якому етапі воронки продажів вони знаходяться, і що їм потрібно для прийняття обґрунтованого рішення щодо покупки.

Лідери бізнесу почали розуміти, що Big Data і аналітика дуже впливають на продажі і маркетинг. Компанії, які не інтегрують свої маркетингові інструменти і не обробляють дані – відстають і це відставання буде тільки збільшуватися. Компанії повинні надавати конкретні продукти конкретними покупцями в правильний час, щоб мати можливість конкурувати в поточних умовах ринку.

Але не варто турбуватися – наразі існують механізми, що базуються на машинному навчанні, які легко збирають, аналізують, інтегрують та впливають на Big Data. Стів Коул (Steve Cole), старший директор Maven Wave, продемонстрував і висловив позицію Maven Wave про ці рішення в своєму виступі «Правильний меседж, правильний продукт, правильний час: гра, яка змінила маркетинг за допомогою Google Cloud Platform і машинного навчання» на Google Cloud Next ’18.

«Як колишній CMO, я хотів би, щоб такі інструменти були у мене кілька років тому», – сказав пан Коул. «Я думаю, що це дійсно змінило б логіку взаємодії з клієнтами, для яких ми працюємо».

Maven Wave використовує Google BigQuery як точку збору для створення сховищ маркетингових даних клієнтів. Платформа аналізує і візуалізує дані компанії в простих для розуміння панелях моніторингу, даючи рекомендації для найбільш важливих стратегічних кроків на основі зібраної інформації про клієнта, його шляху і цілях для відділу маркетингу.

Стів Коул продемонстрував, як це працює з фіктивним виробником автомобілів, званим Salient. BigQuery дає менеджерам по маркетингу конкретні рекомендації про те, як продавати певні автомобілі, які були на лоті, довше, ніж ідеальні тимчасові рамки – 60 днів. Грунтуючись на призначених для користувача настройках, платформа може реалізувати ці пропоновані зміни автоматично або після ручного перегляду та затвердження.

Після встановлення того, що виробник перевершує своїх конкурентів в категорії телевізорів, але не відповідає ключовим запитам, BigQuery переводить частину регіонального бюджетного заохочувального плану від телевізійної реклами до певного ключового слова в Google AdWords. Платформа також рекомендує менеджеру з маркетингу посилити або створити  промо на певні авто.

Приклад Стіва Коула показує, як BigQuery допомагає відділам продажів і маркетингу створювати сховища даних, візуалізувати і аналізувати ці дані, а потім впроваджувати ефективні зміни для підтримки необхідних результатів.

Дивіться сесію Стіва Коула на Cloud Next ’18 тут.

+ More posts

Be interesting too

All posts