preloader
  • logo lc
  • Uczenie maszynowe. Customer journey. Etap II : act.

    Po etapie: reach (-> Uczenie maszynowe. Customer journey. Etap I : reach.) podczas customer journey (-> Uczenie maszynowe w komunikacji marketingowej. Wprowadzenie.następuje etap drugi: act. Celem jest pozyskanie klientów i wzbudzenie ich zainteresowania produktem/ usługą.

     

     

    4 Przykłady:

     

    1.Propensity modeling 

    Umiejętność modelowanie potencjału jest celem projektów w obrębie uczenia maszynowego. Algorytm zasilany jest danymi historycznymi, dzięki czemu możliwe jest zbudowanie modelu który potrafi wygenerować predykcje świata rzeczywistego. Poniższy schemat obrazuje całościowy proces:

     

     

     

    Przykład zastosowania: IBM

     

    2. Ad targeting

    Algorytmy uczenia maszynowego mogą operować na ogromnej ilości danych historycznych, co umożliwia sprecyzowanie jaka reklama jest najbardziej efektywna w jakiej grupie klientów, na którym etapie customer journey. Korzystając z danych możliwe jest dostarczenie adekwatnej komunikacji w najbardziej odpowiednim czasie. Dzięki uczeniu maszynowemu można  optymalizować tysiące zmiennych i dostarczać jeszcze bardziej skuteczny content. Jednak do zadań twórczych nadal potrzebni są ludzie.

    Przykład zastosowania:DULUTH

     

    3. Predictive analytics

    Analityka predyktywna może być zaimplementowana w obrębie różnych dziedzin, takich jak przewidywanie, np:

    -prawdopodobieństwa konwersji

    -ceny, jaką może dany klient przekonwertować

    -którzy klienci dokonują powtarzalnych zakupów

    Aplikacja ta wykorzystuje dane analityczne, aby przewidzieć zachowanie klientów. Jakość predykcji jest uzależniona od poprawności danych.

    Przykład zastosowania: salesforce

     

    4. Lead scoring

    Model potencjału może być przetrenowany do tego stopnia, że będzie w stanie oceniać leady na podstawie konkretnych kryteriów dzięki czemu dział sprzedaży będzie mógł monitorować który lead przynosi najbardziej korzystne rezultaty. Takie podejście jest szczególnie istotne w modelu biznesowym B2B z aplikacją wysoce wydajnych procesów konsultacyjnych. Kontaktując się z najważniejszymi potencjalnymi klientami, zespół sprzedaży może zaoszczędzić czas i skoncentrować swoją energię tam, gdzie jest najbardziej skuteczny. Wgląd w skłonność do zakupu może być również wykorzystany do targetowania ofert sprzedażowych w obręby, gdzie są one najbardziej skuteczne.

     

     

    Przykład zastosowania: HubSpot

     

    A w następnym odcinku etap III : convert.

     


    Źródło:

    • 15 Applications of Artificial Intelligence in Marketing. Robert Allen.

  • To_top_arrow