preloader

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.