Predictive analytics – hvad er det for en størrelse?
Som navnet antyder, er der her tale om en analyseform, der har at gøre med forudsigelser.
Hvad predictive analytics helt præcist er for en størrelse, samt hvad denne form for forudsigende analyse kan bruges til, kigger vi nærmere på herunder.
Hvad er predictive analytics?
Når man snakker om predictive analytics, er der her tale om en analyseform, der tager udgangspunkt i et stort sæt datakilder.
Mængden af data vil via manuel analyse være for stor en mundfuld at holde overblikket over, og i stedet anvendes predicitive analytics til at overskueliggøre særlige mønstre, der tillader dig at holde overblikket og træffe de rette beslutninger i tide.
Anvender man big data som en del af sin forretningsmodel, kan predictive analytics være med til at gøre forskellen.
Der er her tale om en AI analyse, der på baggrund af maskinlæring kan sættes op til at forudse specifikke mønstre og give indsigt i fremtiden så at sige.
Hvordan kan predictive analytics anvendes?
Ofte kan en virksomhed have en anelse om nogle særlige adfærdsmønstre hos sine kunder men med mange datakilder i en virksomhed vil det naturligt være svært at konkludere om fornemmelse stemmer overens med virkeligheden.
Det her er at predictive analytics kommer ind i billedet og kan ud fra reelle data være med til at forudse, hvad der i generelle træk vil komme til at ske i fremtiden.
Som med så mange andre maskinlæringsmodeller er det dog vigtigt at man er specifik i sine forespørgsler.
Som mennesker er vi gode til at opfange sproglige nuancer og fortolke på alt hvad vi ser og hører.
En AI maskinlæringsmodel er derimod kodet til at tage imod specifikke forespørgsler, og der vil dermed være behov for at udspecificere, hvad man ønsker et svar på.
Læs mere om hvilke AI værktøjer du kan tage i brug i mit indlæg her.
Et eksempel kunne være omkring kundesegmentering.
Fx hvilken målgruppe vil reagere bedst på en kampagne? Eller hvordan finder vi værdifulde kunder der har størst sandsynlighed for konvertere på kort sigt?
Der er her tale om spørgsmål, der ved første øjekast er brede og generelle, men for en virksomhed er der med garanti en forståelse for, hvilke ”målgrupper” de har at gøre med, såvel som hvad ”værdifuld” og ”kort sigt” betyder for dem.
Men det vil en predictive analytics ikke nødvendigvis have kendskab til, og der er derfor behov for at specificere, hvilke målgrupper der er tale om, hvad en værdifuld kunde er samt hvor lang tid ”kort sigt” strækker sig over.
På denne måde sikrer man sig de bedste resultater, der kan bruges til at træffe de rette beslutninger.
Predictive analytics i e-mail marketing
Der findes efterhånden mange eksempler på, hvordan predictive analytics kan anvendes, men et af de områder, jeg finder særligt interessant, er e-mail marketing.
Ved hjælp af predictive analytics vil der her være mulighed for at forudsige brugernes præferencer for en virksomheds katalog af produkter baseret på data omkring deres adfærd på virksomhedens website.
Med denne information vil e-mail strømmen blive mere relevant og ikke mindst personaliseret for hver enkelt bruger.
Hvad er de bedste e-mail platforme i verden? Bliv klogere her.
Et andet eksempel kunne være brugere, der framelder sig et nyhedsbrev og på baggrund af data omkring denne type brugeradfærd kan predictive analytics være med til at forudsige, hvilke andre brugere der er i risiko for at framelde sig.
Ud fra dette vil der kunne kreeres e-mails med incitamenter som eksempelvis rabatkoder eller lignende for at fastholde brugerne.
Et sidste klassisk eksempel er forudsigelsen af en e-mail kampagnes performance.
Hvor mange vil med andre ord åbne mailen og klikke sig igennem den?
Her kan predictive analytics igen trække på historisk data og effektivisere nyhedsbrevet for at opnå den bedste performance.
15 års tips og tricks?
På LinkedIn deler jeg hver uge tips og tricks med mere end 8.000 følgere. Det er gratis at følge med og du kan altid “unfollow” mig igen. Vil du være med?
Gratis tips og tricks »
Kommentarer