Efter månader av arbete med en marknadsföringskampanj finns det inget värre än att inse att du inte får de resultat du förväntade dig.
Tyvärr har många av oss varit där. Vi har investerat all vår kreativa ansträngning, tid och många resurser i en kampanj som lät som en bra idé, men som inte hade någonstans i närheten av den avkastning eller engagemang vi förväntade oss. Sedan, förutom att se vårt projekt misslyckas, var vi tvungna att hantera det besvärliga scenariot att dela data om dålig prestanda med våra team.
Oavsett hur mycket du försöker är det omöjligt att veta hur bra en kampanj kommer att prestera innan du kör den. Det finns dock en strategi som kommer ganska nära.
Det kallas för prediktiv marknadsföring.
Även om prediktiv marknadsföring låter som en futuristisk teknik som du bara skulle se i ett program som, är det inte nytt att använda data för att uppskatta ett resultat.
Predictive marketing drivs av predictive analytics, som går tillbaka till 1930-talet. Den gjorde det möjligt för matematiker och datorer att beräkna och analysera möjliga framgångar, misslyckanden och resultat av olika scenarier, såsom hälsa eller väderförhållanden.
Senare på 1990-talet, när analysverktyg blev mer tillgängliga för varumärken, började marknadsförare på företag som eBay och Amazon kombinera marknadsföringsdata med liknande formler eller algoritmer för att förutsäga och lägga strategier kring möjliga konsumentbeteenden, köp och marknadsföringskampanjprestanda.
I början av 2000-talet, med närvaron av “Big Data”, använde många fler varumärken och onlineannonseringsplattformar prediktiv analys och marknadsföringsteknologi.
Nu finns prediktiv marknadsföring överallt omkring oss. Nedan är bara några vanliga fall, tillsammans med förklaringar om hur varumärken kan dra nytta av det.
Exempel på prediktiv marknadsföring
1. Förutsägande produktförslag
Har du någonsin funderat på att köpa en produkt, undersökt den och sedan sett samma produkt, eller en mycket liknande, i en kampanj som dök upp på ett socialt nätverk, i din e-postinkorg, streamingplattform eller på någon annans webbsida? ? Du är inte ensam.
E-handelswebbplatsers algoritmer samlar regelbundet in data om dina produktintressen baserat på vad du har sett eller köpt från dem. Dessa algoritmer använder sedan denna data för att förutsäga vilka produkter du med största sannolikhet kommer att köpa härnäst. Denna data används sedan i e-handelsannonsen eller kampanjen som en potentiell kund ser.
Behöver du ett exempel? Nedan finns en EyeBuyDirect-annons som dök upp i mitt Facebook-nyhetsflöde.
Som kund hos EyeBuyDirect har jag köpt många par glasögon med liknande stilar, former eller mönster som de som syns i annonsen ovan. Som jämförelse, här är två av mina senaste köp:
Om jag behövde nya glasögon skulle EyeBuyDirect-annonsen vara väldigt attraktiv för mig eftersom den visar erbjudanden på produkter som jag med stor sannolikhet kommer att se eller köpa.
Istället för att presentera samma annons eller produkt för alla publikmedlemmar kan prediktiva marknadsföringsverktyg hjälpa dig att hänvisa kunder till produkter som de kanske är mest intresserade av.
Om du planerar att ta ditt företag online och vill använda prediktiv marknadsföring för att generera mer försäljning, låter flera prisvärda e-handelsverktyg dig skicka prediktiva produktförslag till din publik. Du kan lära dig mer om dem här.
2. Förutsägande leadscore
Prediktiv marknadsföring slutar inte bara efter att du fått en kontakt, kund eller lead.
När du har utvecklat din lista med kontakter, vill du fortsätta marknadsföra till dem eller eventuellt hänvisa dem till en säljare. Men om du försöker att kontinuerligt marknadsföra ditt varumärke för var och en av dina nya kontakter kan du slösa bort mycket tid om de inte menar allvar med att köpa din produkt eller prenumerera på mer innehåll.
För att undvika att spendera för mycket tid på okvalificerade leads kan varumärken använda verktyg som HubSpots Predictive Lead Scoring-funktion för att analysera kontaktdataprofiler och uppskatta vilka prospekt som är mest sannolikt att göra en affär i framtiden.
När du har en enorm databas med kontakter med varierande nivåer av intresse för din produkt, varumärke eller tjänst, kan prediktiva leadscoredata som den ovan ge dig insikt i vilka framtidsutsikter du ska prioritera i din marknadsföring eller försäljning först. Detta kan i sin tur ge dig en fördel gentemot varumärken som slösar bort avgörande tid och resurser på affärer som aldrig blir av.
3. Automatiserade förslag på sociala medier
Flera verktyg för sociala medier, inklusive HubSpot Marketing Hub, använder prediktiv analys och publikdata för att uppskatta och föreslå de bästa tiderna för att lägga upp ditt innehåll på en viss kanal.
Förutom enkla förslag på timing av innehåll går vissa verktyg ännu djupare in i innehållsförutsägelser i sociala medier. Till exempel, när chefer för sociala medier laddar upp två eller fler bilder till schemaläggningsverktyget för sociala medier Cortex, kommer plattformen att använda historisk data för att avgöra vilka färger på bilderna som kommer att vara mest tilltalande för följare.
Förutom verktyg för sociala medier som kan föreslå strategier baserade på förutspådda resultat, erbjuder sociala kanaler som Facebook, Twitter och Pinterest också några prediktiva verktyg inom sina annonsplattformar.
Till exempel, 2018, fick medierna dokument från Facebook som avslöjade att de i hemlighet lanserade en “Predictive Loyalty”-funktion i sina annonser. Funktionen analyserar enligt uppgift Facebooks användarbeteende, intressen, sidgillar och andra datapunkter för att cirkulera annonser till personer som var mest benägna att klicka på dem, snarare än att bara rikta annonser mot ett varumärkes målgrupp.
Eftersom Facebook rapporterar prediktiv reklam, erkänner Twitter också att de använder prediktiva annonsalgoritmer specifikt för filmer, tv och underhållningsrelaterade kampanjer.
Förutom prediktiv annonsinriktning använder sociala plattformar som Facebook och Pinterest också algoritmer för att göra förutsägelser relaterade till multivariat- eller A/B-testning. Med denna typ av testning kommer ett varumärke ofta att ha två eller flera varianter av sin annons. När annonsen går live kommer sociala medieplattformar omedelbart att analysera vilken variant som klickas mest på och förutsäga vilken som kommer att få det bästa konverteringsresultatet. Därifrån kommer annonser i sociala medier att börja visa den vinnande varianten.
4. Verktyg för att förebygga kundomsättning
Medan många marknadsförare i första hand fokuserar på att få nya kunder, kan vissa fokusera på att skapa innehåll och erbjudanden som fortsätter att locka, behålla och till och med merförsälja nuvarande kunder.
Men ibland kan det vara svårt att veta när kunder behöver nytt, engagerande innehåll eller när det är troligt att de kommer att hoppa av. Det är därför som vissa stora företag har implementerat prediktiv analys samt marknadsföringsstrategier för att identifiera och åter engagera kunder som är på väg att churna.
Ta Sprint till exempel. 2014, när mobiljätten såg en aldrig tidigare skådad kundavgång, började marknadsförare och servicerepresentanter använda prediktiva analysverktyg för att avgöra vilka kunder som var mest benägna att säga upp sin tjänst. När de väl gjorde detta kunde de rikta in sig på dessa kunder med kommunikation, meddelanden och speciella erbjudanden om återengagemang som skulle hålla dem registrerade.
Enligt en fallstudie ledde Sprints prediktiva strategi till en 10% minskning av kundförlusten och en 800% ökning av uppgraderingar inom 90 dagar efter implementering.
Även om ditt varumärke kanske inte kan implementera komplexa verktyg för churn-förutsägelse, finns det andra sätt du kan använda data för att förutsäga och förhindra publikchurn.
Till exempel, genom att spåra e-postengagemangsdata och vilka kontakter som är minst benägna att öppna eller klicka på e-postmeddelanden, kan du skapa ett listsegment med kontakter som riskerar att avsluta prenumerationen och skicka ett CV-e-postmeddelande enligt nedan:
5. Förutsägande SEO-taktik
Som marknadsförare kan en betydande del av ditt jobb innebära att skapa blogginlägg, webbsidor eller annat onlineinnehåll som syftar till att attrahera och konvertera publik. Eftersom sökmotorer kan ge betydande trafikvinster och varumärkeskännedom till varumärken, vill du förmodligen producera värdefullt innehåll som visas på sida ett.
Men när du väl har hamnat högt på sökresultatsidan och fått stabil organisk trafik kan du använda prediktiv data för att förhindra framtida förlust av din ranking och all trafik som följer med den.
Denna process, som kallas prediktiv SEO, är när innehållsstrateger använder trafik- och sökrankningsanalyser för att avgöra om en webbsida riskerar att tappa fart i trafiken från sökmotorer.
För HubSpot innebär vår prediktiva SEO-process att vi använder vårt Content at Risk-verktyg, som analyserar data från SEMRush, Ahrefs och annan programvara, för att avgöra när vi tappar vår ranking på sökmotorsidor.
Till exempel, om ett av våra inlägg visas först på en Googles sökresultatsida och sedan stadigt sjunker till tre eller fyra, kan vårt Content at Risk Tool flagga inlägget som riskerar att förlora söktrafik.
Så här ser vårt kalkylblad ut med risk för innehåll. När ett blogginlägg börjar se nedgångar som potentiellt kan fortsätta, anger en formel i kalkylarket blogginlägget som “I riskzonen” i statuskolumnen till höger:
Om du är en marknadsförare som främst fokuserar på webbinnehåll, kan skapa en strategi som denna proaktivt hjälpa dig att övervaka resultatet av många webbsidor samtidigt, veta när gammalt innehåll verkligen behöver uppdateras, eller identifiera de gamla innehållsstrategierna eller formaten de behöver. ska omarbetas, allt innan betydande söktrafik förloras.
Vill du replikera den prediktiva SEO-strategin ovan? Här är ett detaljerat inlägg med den fullständiga steg-för-steg-processen vi använde.
Vad du bör veta när du använder prediktiv marknadsföring
Även om prediktiv marknadsföring kan vara ett användbart verktyg för att motivera en ny taktik eller strategi, finns det viktiga saker som marknadsförare måste tänka på om de vill dra nytta av den.
- Är inte perfekt: Även om en algoritm eller marknadsföringsformel tycks ge korrekta uppskattningar 99 % av gångerna, kan det faktum att marknadsföringsstrategier förlitar sig på mänskligt engagemang för att vara framgångsrika göra att en förutsägelse blir felaktig. Även om du kan använda prediktiv marknadsföringsdata för att motivera föreslagna investeringar eller strategier, måste du ha en plan för vad du ska göra om oväntade resultat inträffar.
- Det kan bli dyrt: Medan vissa prediktiva verktyg, som HubSpot, kan vara överkomliga och lätta att komma åt för mindre varumärken, kan andra prediktiva marknadsföringsverktyg och projekt som kräver att stora mängder data analyseras vara dyra. Se till att du börjar med prisvärda och skalbara prediktiva verktyg eller taktik först.
- Kräver data: Även om vissa verktyg, som annonsering eller SEO-programvara, har tillgång till historiska konsumentdata, kan det krävas att du har en egen datauppsättning för att skapa din egen prediktiva marknadsföringsstrategi från början. Att samla in, rensa och organisera denna data så att ett prediktivt verktyg eller algoritm kan dra nytta av det kan vara ganska tidskrävande, vilket måste byggas in i din prediktiva strategi.
Vill du lära dig mer om hur data och prediktiv analys kan driva din marknadsföringsstrategi? Klicka här för ett användbart blogginlägg eller ladda ner den kostnadsfria resursen nedan.
