Analityka predykcyjna: jak marketerzy mogą ulepszyć przyszłe działania: Social Media Examiner

Chcesz, aby Twój marketing był skuteczniejszy?

Zastanawiasz się, jak może pomóc przewidywanie cykli marketingowych?

Aby dowiedzieć się, jak marketerzy mogą zacząć korzystać z analiz predykcyjnych, przeprowadzam wywiad z Chrisem Pennem.

Więcej o tym programie

Plik Podcast Social Media Marketing to audycja radiowa typu talk-show na żądanie z Social Media Examiner. Został zaprojektowany, aby pomóc zapracowanym marketerom, właścicielom firm i twórcom odkryć, co sprawdza się w marketingu w mediach społecznościowych.

W tym odcinku przeprowadzam wywiad Chris Penn, współzałożyciel i główny innowator w Brain + Trust Insights. Jest także współgospodarzem Marketing przy kawie podcast i główny ekspert analityczny w Social Media Marketing World.

Chris wyjaśnia, jak zapewnić jakość danych bazowych wykorzystywanych w analizie predykcyjnej.

Odkryjesz także źródła danych i narzędzia używane do prognozowania.

Podziel się swoją opinią, przeczytaj notatki z programu i uzyskaj linki wymienione w tym odcinku poniżej.

Słuchaj teraz

Gdzie się zapisać: Apple Podcast | Podcasty Google | Spotify | RSS

Przewiń do końca artykułu, aby znaleźć linki do ważnych zasobów wspomnianych w tym odcinku.

Oto kilka rzeczy, które odkryjesz w tym programie:

Analiza predykcyjna

Chris’s Story

Chris rozpoczął swoją przygodę z analityką dzięki doświadczeniu w IT. W 2003 roku rozpoczął pracę jako dyrektor IT w startupie zajmującym się pożyczkami studenckimi, gdzie jego rola wykraczała poza tradycyjne obowiązki IT. Oprócz obsługi serwera WWW i poczty e-mail aktualizował również strony internetowe i wysyłał cotygodniowe wiadomości e-mail.

Chris wykonywał tę pracę, zanim istniał Google Analytics, więc kiedy dyrektor generalny jego firmy zapytał, jak działają strony internetowe i e-maile, Chris nie miał odpowiedzi. Aby to rozgryźć, Chris i jego zespół zaczęli opracowywać własne narzędzia, aby zrozumieć podstawy, takie jak liczba osób, które odwiedzają witrynę każdego dnia.

Z czasem praktyka analityczna stała się głównym celem Chrisa. Próbował nie tylko dowiedzieć się, co się stało, ale także dlaczego tak się stało i jak firma może zareagować.

Posłuchaj programu, aby posłuchać, jak Chris omawia swoje wykształcenie.

Co to jest analiza predykcyjna?

Analizy predykcyjne wykorzystują statystyki i uczenie maszynowe do analizowania danych i prognozowania. Ludzie są bardzo przewidywalni. Wszyscy przestrzegamy rutynowych czynności, takich jak mycie zębów, a następnie branie prysznica lub zakładanie każdego elementu ubrania w określonej kolejności każdego ranka.

Ponieważ ludzie są przewidywalni zarówno w skali mikro, jak i makro, marketerzy mogą głównie przewidzieć, co się stanie. Na przykład w Ameryce Północnej, jeśli jesteś marketerem B2C, prawie wiesz, że będziesz zajęty od 1 listopada do 26 grudnia, ponieważ jest to szczytowy okres sprzedaży produktów.

Podobnie, jeśli zajmujesz się marketingiem B2B, Twój czas pracy to okres od 1 stycznia do mniej więcej końca maja. Potem biznes ożywa zaraz po Święcie Pracy w Stanach Zjednoczonych i Kanadzie i trwa do Święta Dziękczynienia w USA. Poza tymi czasami znacznie trudniej jest być marketerem, niezależnie od tego, czy koncentrujesz się na treściach cyfrowych, społecznościowych czy płatnych.

Posłuchaj programu, aby usłyszeć więcej przykładów przewidywalnych ludzkich zachowań.

Co może zrobić Predictive Analytics?

Ponieważ ogólnie znamy te rzeczy, maszyny mogą pomóc nam uściślić te przewidywania. Wartością analiz predykcyjnych jest ich specyfika. Jeśli wiesz, w którym tygodniu powinieneś więcej robić na Facebooku na żywo lub mniej wydawać na reklamy, możesz być bardziej wydajny i skuteczny w swoim marketingu. Jeśli wiesz, jak przewidywać, możesz zarabiać, oszczędzać pieniądze, oszczędzać czas i nie dać się zwolnić.

Analizy predykcyjne koncentrują się w szczególności na próbie ustalenia, co dzieje się dalej. Dla przeciętnego marketera prognozy szeregów czasowych (lub kiedy coś się wydarzy) są najbardziej konwencjonalną i użyteczną aplikacją. Przykładowo, jeśli zajmujesz się marketingiem w mediach społecznościowych, chcesz wiedzieć, kiedy zatrudnić zespół obsługi klienta, aby odpowiadał na pytania klientów.

Analityka predykcyjna może również ustalić, na przykład, kiedy ktoś kupi nowy samochód lub czy jest przyszłym rodzicem. Jednak te aplikacje są bardziej zniuansowane niż prognozy szeregów czasowych.

Posłuchaj programu, aby poznać moje doświadczenia z analizą predykcyjną, kiedy byłem pisarzem B2B.

Jak działa analiza predykcyjna

Analityka predykcyjna ma obecnie prawdopodobnie blisko 70 lat. Ludzie są zaskoczeni, słysząc, jak stara jest ta dyscyplina, ponieważ uważają, że uczenie maszynowe jest czymś nowym. Jednak teorie i wzory matematyczne istnieją już od bardzo dawna.

Zmieniła się moc obliczeniowa laptopów, komputerów stacjonarnych i serwerów w chmurze. Potrafią zgniatać większe liczby w krótszym czasie. Teoretycznie można przeprowadzić analizę predykcyjną na papierze, ale wymagałoby to dużo papieru i czasu.

Aby dobrze wykonywać analizy predykcyjne, potrzebujesz trzech umiejętności. Po pierwsze, potrzebujesz kogoś z umiejętnościami programistycznymi, aby wyodrębniać dane ze źródeł danych, takich jak Google Analytics, Facebook Insights, Twitter i inne rodzaje danych społecznościowych. Dane mogą znajdować się w systemach, których jesteś właścicielem lub w systemach stron trzecich. Kto ma dane, musisz być w stanie je wydobyć.

Chrisowi podoba się wyrażenie „Dane to nowa ropa”, ponieważ jeśli kiedykolwiek widziałeś ropę naftową, był to obrzydliwy bałagan. Nie możesz z nim wiele zrobić, dopóki nie wydobędziesz go z ziemi, nie udoskonalisz, a następnie nie dasz ludziom, którzy mogą go używać w samochodach lub do produkcji plastikowych misek, które nie pękają, gdy spadną na podłogę. W przypadku analityki predykcyjnej wygląda to bardzo podobnie.

Rafinerie to naukowcy zajmujący się danymi, którzy oczyszczają dane w coś, czego możesz użyć. Następnie technolodzy marketingu, na czym obecnie polega rola wielu marketerów mediów społecznościowych, robią coś z tymi danymi. Nie tylko interpretują dane; oni na tym działają.

Chris podkreśla, jak ważne jest działanie na podstawie otrzymanych danych. Jeśli wiesz, w którym tygodniu chcesz promować swoje wydarzenie, ale nie robisz nic z tymi informacjami, nie ma sensu robić prognozy.

Dokładność prognoz zależy od danych bazowych i algorytmu używanego do prognozowania. W pewnym momencie prawie każdy napotka problem z jakością danych. Może źle skonfigurowałeś Google Analytics, nie ustawiłeś poprawnie swoich celów, zapomniałeś włączyć piksel Facebooka; żadnej z tych rzeczy.

Posłuchaj programu, aby posłuchać, jak Chris omawia popularny rodzaj technicznej analizy akcji.

Praktyczne aplikacje marketingowe do analizy predykcyjnej

Kiedy Chris przeprowadza prognozę, jest to zazwyczaj 52-tygodniowy wykres liniowy. Wykres przedstawia prognozę dla każdego tygodnia dla dowolnej serii danych. Przez większość czasu Chris korzysta z danych wyszukiwania, ponieważ ludzie wpisują w Google rzeczy, których by tego nie robili powiedz drugiemu człowiekowi, dzięki czemu dane wyszukiwania będą bardzo dobrym wskaźnikiem tego, co faktycznie znajduje się u kogoś umysł.

Dostępnych jest wiele danych wyszukiwania, a niektóre z nich można uzyskać bezpłatnie za pomocą narzędzi takich jak Planer słów kluczowych AdWords lub Google Trends. Po uzyskaniu danych można przewidzieć pewnego rodzaju trend, czyli serię danych, a następnie zidentyfikować szczyty i doliny. Chris zaleca, aby podstawą prognoz były dane z okresu od 1 do 5 lat.

Załóżmy, że wyodrębniasz dane z 5 lat wyszukiwania dotyczące marketingu w mediach społecznościowych, ponieważ zastanawiasz się, kiedy w przyszłym roku ludzie będą szukać hasła „media społecznościowe marketing ”. Jeśli wiesz, że będzie to 20 marca, 19 kwietnia, 27 maja, 4 lipca, 10 września i 21 października tego roku, to są Twoje ślady wysokiego poziomu wody.

Dzięki tym datom możesz również zobaczyć, co dzieje się na 2-3 tygodnie przed każdą datą. Zazwyczaj jest to okres przygotowań do tego szczytu. Dlatego marketingowiec w mediach społecznościowych musi zwiększyć wydatki na reklamę. Marketingowiec organiczny musi publikować dużo i podwoić liczbę swoich historii na Instagramie. Osoba zajmująca się public relations musi składać wnioski z kilkumiesięcznym wyprzedzeniem, aby pojawić się w publikacjach w tych terminach.

Wiesz także, kiedy pojawią się doliny, więc możesz zaplanować gromadzenie zawartości, gdy niewiele się dzieje. Możesz nagrywać podcasty, gościć w innych witrynach, pisać kilka postów na blogu i gromadzić zawartość. Następnie, gdy nadejdzie następny szczyt, możesz osiągnąć rytm, który potrzebujesz, bez wypalania się.

W ten sposób prognozy pomagają zarabiać na szczytach i oszczędzać na spadkach. Możesz zaplanować i zbudować swoją strategię na podstawie tego, kiedy coś może się wydarzyć. Ta aplikacja działa zarówno dla firm B2C, jak i B2B, ponieważ ludzie wpisują rzeczy w Google przez cały dzień, każdego dnia.

Pytam, jakich innych źródeł danych możesz użyć do prognozowania. Chris mówi, że każde źródło danych oparte na czasie jest prawidłowe, a rozmowy w mediach społecznościowych różnią się w każdej sieci. Twoje prognozy na Pintereście mogą się różnić od tych na Facebooku i Twitterze. Twórz prognozy na podstawie wszystkich tych danych.

Aby to zrobić, wystarczy jedno naprawdę świetne narzędzie CrowdTangle. Jest fantastyczny, ponieważ zawiera dane szeregów czasowych aż do poziomu poszczególnych postów. Osoba zajmująca się public relations może pobierać wzmianki o wiadomościach i relacje z wiadomości. Reklamodawca może pobierać kwoty płatności za kliknięcie, ceny ofertowe i wszystkie te rzeczy.

Zewnętrzne źródła danych są dobre, ponieważ jako firma nie możesz uszkodzić tych danych jako takich, chociaż możesz poprosić o niewłaściwe rzeczy. Jednym z renomowanych dostawców danych jest SEMrush, który zawiera dane dobrej jakości. Inny sprzedawca, Brand24zajmuje się monitorowaniem mediów.

Możesz również przejrzeć dane wyszukiwania z narzędzi SEO, które nie należą do Google. To dobre źródła danych, ponieważ są spójne, znormalizowane i regularne. Poza tym są w miarę czyste.

Następnie Chris podaje kolejny przykład, w jaki sposób można zastosować analizy predykcyjne w swojej firmie. Chris przeprowadził prognozę dla kasyna w oparciu o 2 lata dziennych przychodów z automatów do gry. Po wprowadzeniu tych danych do algorytmu Chris był w stanie przewidzieć przychody kasyna na następny rok.

Dzięki tym przewidywaniom kasyno mogło zobaczyć, kiedy przychody ze slotów byłyby niskie i musiało zwiększyć liczbę promocji, uruchomić reklamy, sprowadzić specjalnego gościa do gry lub coś w tym rodzaju. Dane pomogły im załatać te luki w przychodach.

Pytam, jak marketerzy unikają wpływu na dane. Hipotetycznie załóżmy, że przygotowujemy nasze promocje marketingowe dla Social Media Marketing World według określonych harmonogramów, które niekoniecznie są oparte na przewidywaniach, ale takie, które zdecydowaliśmy się wykorzystać. Jak wykluczyć, że zachowanie plemienia i społeczności niekoniecznie jest spowodowane naszymi działaniami?

Chris mówi, że Social Media Marketing World to tak duży, odnoszący sukcesy program, że faktycznie wpływa na to, kiedy ludzie szukają takich rzeczy, jak „społecznościowe” marketing medialny ”. Możesz jednak doprecyzować pobierane dane na kilka różnych sposobów, aby zminimalizować wpływ zdarzeń, problemów itp.

Na przykład, jeśli używasz narzędzia do odsłuchiwania mediów społecznościowych, możesz wykluczyć wzmianki o Social Media Marketing World, #socialmediaexaminer, Michael Stelzner i pokrewnych elementach. Te wykluczenia pomagają zmniejszyć liczbę punktów danych, których nie powinno tam być.

Możesz także użyć analizy porównawczej, która ustanawia poziom bazowy poza konkretnym sezonem i dodaje 20 000 wzmianek dziennie. Czy nawet w sezonie jest coś nieproporcjonalnego do tego, co powinno tam być? W ten sposób możesz uruchomić prognozowanie.

Jednak najlepszym sposobem na zawężenie danych jest ich poziom. Usuń rzeczy, o których wiesz, że są zanieczyszczające, z braku lepszego słowa. Następnie możesz prognozować na podstawie udoskonalonych danych.

To powiedziawszy, gdybyś zajmował się marketingiem Social Media Marketing World, niekoniecznie chciałbyś udoskonalać dane w ten sposób. Jeśli chcesz, aby plemię wpłynęło na to, jak ludzie na całym świecie wyszukują hasło „marketing w mediach społecznościowych”, to dobrze. To powód, by świętować swój sukces i spróbować spowodować jeszcze więcej zmian w zachowaniu, wyprzedzając trendy jeszcze wcześniej.

Posłuchaj programu, aby usłyszeć moje przemyślenia na temat przewidywalnych ludzkich wzorców.

Czego nie możesz przewidzieć

Chris mówi, że nie możesz przewidzieć trzech rzeczy. Pierwszym z nich jest poważny wstrząs, który zniekształci Twoje dane, na przykład niepokoje polityczne, przewrót kulturowy, klęska żywiołowa i tym podobne. Wszystkie te rzeczy powodują poważne zakłócenia, które mogą zepsuć prognozę. Sektory, w których występuje wiele wstrząsów, takie jak giełda, są prawie niemożliwe do dokładnego przewidzenia.

Drugi to coś, co nigdy się nie wydarzyło, na przykład wybory prezydenckie w 2016 roku. Rywalizacja między dwoma kandydatami, którzy startowali, nigdy wcześniej nie miała miejsca. Wiele osób tworzących narzędzia predykcyjne i prognozy wyborcze opierało swoje modele na wyborach w 2012 roku.

Jednak kandydaci w każdej partii byli bardzo różnymi ludźmi w tych latach wyborczych. Tak więc narzędzia, które ludzie zbudowali na 2016 rok, były oparte na czymś, co wydarzyło się w przeszłości, ale nie dzieje się to obecnie. Nie możesz przewidzieć, co się nigdy nie wydarzyło.

Trzecim elementem dyskwalifikującym dla analiz predykcyjnych są złe dane. Jeśli masz uszkodzone dane lub nie masz danych, nie możesz dokonać dokładnych prognoz. Jeśli wiesz, że Twoja firma ma problemy z infrastrukturą danych, analiza predykcyjna jest w rzeczywistości niebezpieczna. To tak, jakbyś jechał z GPS-em, który ma złe dane i nakazuje zjechać z urwiska.

Posłuchaj programu, aby posłuchać, jak Chris podał inny termin przewrót.

Typowe problemy z danymi

Jeśli chcesz wypróbować analitykę predykcyjną, Google Analytics to dobry początek. Większość marketerów z pewnością ma te dane, ale mogą mieć problemy. Na przykład, jeśli korzystasz z oprogramowania do automatyzacji marketingu, musisz umieścić tagi Google Analytics na swoich stronach docelowych w tym oprogramowaniu. Jeśli tego nie zrobisz, masz problemy z integralnością danych.

Następnie pytam, jak radzić sobie z botami i blokerami. Chris mówi, że media społecznościowe, zwłaszcza Instagram i Twitter, są pełne botów. Dobra wiadomość jest taka, że ​​zachowania botów są dość przewidywalne, ponieważ ludzie, którzy je napisali, używali bardzo prymitywnych algorytmów. W procesie przygotowania danych boty są łatwe do wykrycia i można je usunąć.

Aby to zilustrować, jeden bot zawsze ma biografię, która ma dokładnie ten sam format. Biografia zaczyna się od różnych słów o różnej długości, po których następuje „sprawdź mnie”, a następnie link.

Praca z blokerami jest znacznie trudniejsza. Jeśli próbujesz prognozować na podstawie danych reklam, a programy blokujące usuwają dane, bardzo trudno to naprawić. Dane nie są błędne; nawet go nie masz. To jest niekompletne.

Z niekompletnymi danymi możesz sobie poradzić na dwa sposoby. Po pierwsze, możesz poszukać czegoś ukierunkowanego, ponieważ posiadane dane są nadal reprezentatywne. Powiedzmy, że wiesz, że 30% blokowanych reklam wyświetla się na urządzeniach mobilnych, ale jest to stałe 30%. Nie masz zablokowanych 22% reklam w jednej witrynie, ale 5% w innej.

Jeśli blokowanie jest względnie spójne, nadal będziesz wskazywać kierunek we właściwy sposób, ponieważ z czasem niektóre reklamy będą działać lepiej lub gorzej.

Druga opcja jest dostępna tylko dla firm z ogromną bazą danych, takich jak duże firmy technologiczne lub firmy zajmujące się danymi. Przy dużej ilości danych możesz to zrobić przypisanie, który wykorzystuje istniejący wytrenowany zestaw danych i systemy uczące się, aby wypełnić niekompletne elementy.

Naprawdę dobrym przykładem przypisywania są akcje społeczne. Na początku lutego LinkedIn wyłączył swoje numery akcji, więc nie otrzymujesz już tego numeru z żadnego narzędzia do monitorowania mediów społecznościowych. Gdyby Chris pracował w firmie monitorującej media społecznościowe, użyłby danych z ostatnich 10 lat jako zestawu szkoleniowego i wywnioskowałby liczbę udostępnień.

Możesz wywnioskować liczbę udostępnień, o ile masz inne równoległe zestawy danych, takie jak Twitter i Pinterest. Te numery akcji zasadniczo pozwolą maszynie wypełnić puste miejsca dla akcji LinkedIn.

Posłuchaj programu, aby poznać moje przemyślenia na temat botów i blokerów.

Przykłady

Dla znanej firmy zajmującej się artykułami biurowymi Chris przeprowadził analizy predykcyjne nazwy marki i ogólnego terminu „biuro” kieszonkowe dzieci." Chociaż nazwa marki i ogólny termin były swoimi odpowiednikami, „artykuły biurowe” były 20 dni za marką Nazwa.

Na przykład pod koniec sierpnia nastąpił duży wzrost marki, co Chris przypisał okresowi powrotu do szkoły i ludziom wracającym do pracy. Ale 20 dni później wyszukiwane hasło „materiały biurowe” poszło dokładnie tak samo i dokładnie według tego samego wzorca. Cokolwiek dzieje się tam behawioralnie, ludzie szukają marki, a 20 dni później szukają ogólnego terminu.

Opierając się na wynikach, Chris zasugerował firmie utworzenie kampanii retargetingowej, która potrwa 19 dni. Ponownie kieruj reklamy na wszystkich, którzy odwiedzą Twoją witrynę internetową 19 dni później, za pomocą reklamy przypominającej o powrocie po więcej materiałów biurowych. Dzięki reklamie retargetingowej firma mogłaby odzyskać część tego popytu.

W ten sposób analizy predykcyjne mogą zaoferować ogromny zwrot z inwestycji. Ktoś mógłby założyć, że wszystko, co robią, już nie działa i po prostu przestać. Dzięki analizie predykcyjnej możesz zobaczyć, że Twój marketing społecznościowy po prostu nie jest zsynchronizowany z wzorcami klientów.

Następnie Chris podaje przykład ze swojej własnej firmy. Przeprowadzał testy porównawcze na podstawie tego, kiedy ludzie wyszukują ustawienia Outlooka poza biurem, ponieważ ktoś jest szukając tego, wiesz, że przygotowują się do wyjazdu na wakacje, co oznacza, że ​​ich nie czytają e-mail. Po przeprowadzeniu tego testu w październiku 2017 roku, Chris przewidywał pierwszy kwartał do przodu.

Chris przewidywał, że liczba wyszukiwań była najmniejsza, co oznacza, że ​​większość ludzi była w biurze w tygodniu zaczynającym się 18 stycznia 2018 r. W tym tygodniu Chris przeprowadził tę samą kampanię dla swojej książki na tej samej liście i z taką samą ofertą, jaką prowadził w 2017 roku.

Poprawiając swój czas na promocję w 2018 roku, Chris zwiększył sprzedaż książek o 40%. Jego kampania w 2017 roku zakończyła się o około dwa tygodnie i Chris dowiedział się, że brak synchronizacji z publicznością ma ogromne znaczenie.

Pytam, w jaki sposób firma, która publikuje informacje, może wykorzystać analizy predykcyjne do ulepszenia swojej strategii. W tym przykładzie Chris mówi, że jedną z jego ulubionych aplikacji jest strategia treści. Powiedzmy, że regularnie omawiasz określone tematy. Możesz uruchomić całą kombinację tych prognoz.

10% osiągających najlepsze wyniki może napędzać Twój kalendarz redakcyjny, ponieważ jeśli znasz miesiące, w których ludzie będą najbardziej zainteresowani danym tematem, możesz zaplanować miesięczne funkcje dotyczące tego tematu. Dowiesz się nawet z dokładnością do tygodnia, kiedy publikować treści na określony temat. W ten sposób możesz co miesiąc osiągać wysoką notę.

Analizy predykcyjne mogą również stanowić podstawę Twojego kalendarza reklamowego. Jeśli wiesz, że publikujesz na określony temat, możesz ustawić arkusze stawek na podstawie tego tematu. Za miesiąc, o którym wiesz, że zapotrzebowanie na dany temat jest wysokie, możesz obciążyć reklamodawców, którzy są zainteresowani tym tematem, pełną cenę. Jeśli wiesz, że zainteresowanie tematem docelowym reklamodawców jest niskie, możesz zaoferować 40% zniżki.

Posłuchaj programu, aby posłuchać, jak Chris omawia, w jaki sposób Social Media Examiner może zastosować analizy predykcyjne do swoich treści.

Przybory

Chris mówi, że najlepsze narzędzia są darmowe. Są to języki programowania (np R i Pyton), a także biblioteki (np SIDEKIT, NumPy, harmonogram), które oferują kod, którego możesz użyć do niektórych zadań. Jednak aby korzystać z tych bezpłatnych narzędzi, potrzebujesz dużego doświadczenia technicznego. Języki programowania i biblioteki są jak części silnika. Aby zdobyć samochód, musisz sam go zbudować.

Dla technicznie zdolnej firmy dowolnej wielkości, jeśli masz kogoś lub wiele osób, które mogą pełnić role programista, analityk danych i technolog marketingu, możesz użyć analiz predykcyjnych do tworzenia własnych prognoz wolny.

Jeśli jednak nie masz czasu lub wiedzy, aby korzystać z tych narzędzi, ale masz pieniądze, najlepiej jest zlecić prognozowanie na zewnątrz. Zatrudnij firmę zajmującą się badaniami danych.

Jeśli chcesz dowiedzieć się, jak działa nauka o danych, Chris zdecydowanie poleca blog pod adresem KDnuggets.com i Blog IBM Data Science. Plik IBM Data Science Experience jest również doskonała. Powinieneś także śledzić blogi deweloperów dla głównych firm technologicznych, takich jak Microsoft, Amazonka, Google, i IBM.

Jednak najlepsze informacje o nauce o danych znajdziesz w prace naukowe. Jeśli potrafisz czytać te gazety bez zasypiania i wydobywać informacje, znajdziesz prawdziwe złoto. Dowiesz się technik, które możesz wypróbować na swoich danych.

Ten predykcyjny algorytm, o którym mówimy, istnieje już od 70 lat. To narzędzie jak łopatka. Jeśli wszystko, co kiedykolwiek zrobisz, to podrzucenie tosta, będziesz miał bardzo drogą płetwę tostową.

Jeśli jednak myślisz o grillowaniu, smażeniu i wszystkich rzeczach, które możesz zrobić szpatułką, możliwości stają się nieskończone. To samo dotyczy narzędzi i algorytmów do nauki o danych. Możesz wykorzystać swoją kreatywność i ciekawość, aby wypróbować je na wszystkie te sposoby.

W przyszłości korzystanie z tych narzędzi stanie się tak proste, jak prowadzenie reklamy na Facebooku, ponieważ wiele analiz predykcyjnych jest już bardzo zmechanizowanych. Jednak część, która obejmuje ludzką ocenę i kontekst, zajmie więcej czasu. Maszyny nie rozumieją, jak działają firmy, i dlatego nie widzą tych możliwości.

Ale po zmapowaniu wielkiej strategii wkrótce będziesz mógł kliknąć przycisk, przeciągnąć kartę kredytową, uiścić opłatę miesięczną w wysokości 99 USD, a narzędzie wypluje wykresy. Chris uważa, że ​​ta funkcja będzie dostępna w ciągu najbliższych 5 lat.

W miarę rozwoju sztucznej inteligencji ogólnego przeznaczenia możesz powiedzieć maszynie, że chcesz zoptymalizować wydatki na Facebooku w zależności od popytu. Następnie maszyna automatycznie przeprowadzi prognozy, ustali, kiedy wystąpią szczyty i doliny, i po prostu uruchomi Twój budżet i reklamy. To prawdopodobnie od 5 do 10 lat.

Posłuchaj programu, aby posłuchać, jak Chris opowiada więcej o tym, czego maszyny nie potrafią.

Odkrycie tygodnia

Reshot to witryna ze zdjęciami stockowymi, w której unika się stereotypowych obrazów stockowych.

Zdjęcia w Reshot odzwierciedlają wyjątkową perspektywę fotografa. Dzięki temu zdjęcia mają wyższą jakość niż te na wielu innych stronach ze stockami.

Witryna korzysta z prosta licencja i warunki które dają dużą elastyczność w korzystaniu ze zdjęć.

Zdjęcia Reshot są bezpłatne, chociaż możesz również znaleźć zdjęcia na sprzedaż od partnerów Reshot. Aby przeglądać obrazy lub dowiedzieć się więcej, odwiedź witrynę internetową.

Posłuchaj programu, aby dowiedzieć się więcej i daj nam znać, jak działa dla Ciebie Reshot.

Kluczowe wnioski wymienione w tym odcinku:

• Dowiedz się więcej o biznesie Chrisa, Brain + Trust Insights.
• Śledź Chrisa Świergot.
• Czytać Blog Chrisa.
• Posłuchaj podcastu Chrisa, Marketing przy kawie.
• Uzyskaj dostęp do danych wyszukiwania za pomocą Planer słów kluczowych AdWords lub Google Trends.
• Dowiedz się więcej o CrowdTangle.
• Sprawdź zewnętrznych dostawców danych SEMrush i Brand24.
• Dowiedz się o statystyce przypisanie.
• Dowiedz się więcej o R i Pyton i biblioteki takie jak SIDEKIT, NumPy, i harmonogram.
• Odwiedzić KDnuggets.com, Blog IBM Data Science, i IBM Data Science Experience.
• Śledź blogi deweloperów dotyczące Microsoft, Amazonka, Google, i IBM.
• Znajdź zdjęcia do swoich treści za pośrednictwem Reshot.
• Oglądaj nasz cotygodniowy talk show w mediach społecznościowych w piątki o godz. 10:00 czasu pacyficznego Crowdcast lub wejdź na Facebook Live.
• Pobierz Raport branżowy dotyczący marketingu w mediach społecznościowych 2017.

Co myślisz? Co myślisz o analityce predykcyjnej? Podziel się swoimi komentarzami poniżej.