چگونه می توان مناطق رشد و خطرات را در یک برنامه بازاریابی بر اساس داده ها پیش بینی کرد

ما اخیراً محصول جدیدی را معرفی کردیم - OWOX BI Insights - که می تواند تحقق اهداف بازاریابی را بر اساس داده های شما، داده های کلی بازار و یادگیری ماشینی پیش بینی کند. به بازاریابان به سوالات مهم پاسخ می دهد:

• آیا در این ماه برنامه فروش، سرنخ ها و سایر شاخص ها را محقق خواهیم کرد؟
• اگر چیزی را تغییر ندهیم، تا پایان سال چقدر فروش، سرنخ و غیره خواهیم داشت؟
• در کدام کانال ها، مناطق و بخش ها اهداف دست نیافتنی هستند و حوزه های کلیدی برای رشد کجا هستند؟
• وضعیت ما نسبت به بازار چگونه است؟آیا بازار کاهش یافته است یا ما ضعیف عمل می کنیم؟

در این مقاله به شما می گوییم که چرا باید پیش بینی کنید و چگونه مناطق رشد و خطرات را پیدا کنید تا یک قدم جلوتر از رقبای خود باشید.

پیش بینی خود را اکنون سفارش دهید!

فهرست مطالب

• فناوری و داده ها چیزهای زیادی به ما می گوید
• اشتها همراه با اسناد است
• تحلیلگر بازاریابی OWOX BI چه وظایفی را انجام می دهد؟
• این گزارش ها چه شکلی هستند؟
• ایمیل خبرنامه برای تصمیم گیرندگان
• پیاده سازی: از کجا شروع کنیم و چگونه پیش بینی کنیم
• نتیجه گیری هایی که در فرآیند ساخت OWOX BI Insights به دست آوردیم

فناوری و داده ها چیزهای زیادی به ما می گوید

تجزیه و تحلیل بازاریابی نقش مهمی در کسب و کارهای مدرن دارد.

در سال 2018، میانگین سهم بودجه بازاریابی یک شرکت برای فناوری های بازاریابی (29٪) برای اولین بار از سهم صرف شده برای افرادی که از این فناوری ها استفاده می کنند (24٪) بیشتر شد.

اگر پیش بینی رشد شرکت محقق نشود، اکثر مدیران اول از همه مدیر بازاریابی خود را برکنار می کنند. بنابراین CMO ها باید علاقه زیادی به معرفی فناوری ها داشته باشند و به دنبال راه حل های بهتر باشند.

اکثر CMO ها (78٪) با استفاده از تجزیه و تحلیل در هنگام تشکیل یک استراتژی بازاریابی، بازگشت سرمایه خود را افزایش داده اند.

اشتها همراه با اسناد است

در اینجا یک داستان کوتاه از این است که چگونه همه چیز چند سال پیش شروع شد و چگونه متوجه شدیم که مشتریان ما به پیش بینی ها و بینش نیاز دارند.

OWOX BI: آیا دوست دارید ما Google Analytics را تنظیم کنیم؟مشتری: مطمئناً ، اما ما نمی توانیم ROI را در Google Analytics برای کمپین های بازاریابی فیس بوک و توییتر خود ببینیم و نمی توانیم اثربخشی آنها را مقایسه کنیم. OWOX BI: در اینجا واردات خودکار داده ها وجود دارد. فقط دسترسی به خدمات تبلیغاتی خود را اضافه کنید و کلیه داده ها به طور خودکار به Google Analytics وارد می شوند. ROI را برای همه تبلیغات تبلیغاتی دریافت خواهید کرد. مشتری: عالی ، اما داده های موجود در Google Analytics با آنچه در CRM ماست مطابقت ندارد. مدیریت ما داده های موجود در CRM را معتقد است ، و ما نمی توانیم داده های Google Analytics را دوباره پردازش کنیم تا از صحت آن اطمینان حاصل شود. ما همچنین نمی توانیم این داده ها را با داده های داخلی به صورت برگشتی ترکیب کنیم ، به خصوص بدون واردات زمان پرس و جو. OWOX BI: خوب ، در اینجا تمام داده های شما در Google BigQuery وجود دارد. ما آن را از Google Analytics ، خدمات تبلیغاتی ، ردیابی تماس و برنامه های تلفن همراه جمع آوری کرده ایم. اکنون می توانید آن را با داده های CRM خود ترکیب کرده و هرگونه گزارش را تهیه کنید. مشتری: عالی! اما ما باید در همه این موارد کمپین های دست کم بگیریم. استفاده از یک پرس و جو ساده SQL کمکی نمی کند زیرا کاربران در طول مسیر خرید تعدادی کلیک انجام می دهند. ما باید به نوعی ارزش همه این مراحل را نسبت دهیم ، به این معنی که باید توسعه دهندگان را استخدام کنیم. OWOX BI: موافقت کرد. در مورد انتساب مبتنی بر قیف ML و گزارش های آماده چطور؟فقط این مراحل را مشخص کنید و کمپین های کم ارزش را مشاهده خواهید کرد. مشتری: آیا می توانید مناطق رشد ما را در تمام این داده ها شناسایی کنید؟فقط بگویید که در کجا باید برای تحقق برنامه فروش جستجو کنیم. OWOX BI: SOOOO. بیایید در مورد آنچه شما از تحلیلگر بازاریابی خود انتظار دارید بحث کنیم.

تحلیلگر بازاریابی OWOX BI چه وظایفی را انجام می دهد؟

1. نشان می دهد که اهداف بازاریابی در کجا برآورده شده و تحقق یافته است. مدیر در ابتدای هر ماه ، مدیر از مدیر بازاریابی می پرسد: "چرا این امر برآورده نشده است؟"کدام منطقه یا کانال تبلیغاتی را داشتیم؟"و در پاسخ می شنود:« من هنوز نمی دانم. من به چند روز نیاز دارم - می بینم ، برمی گردم و می گویم. »وضعیت مشترک؟

ما تصمیم گرفتیم که به اندازه کافی کافی باشد - بگذارید کل فرایند خودکار باشد. همه چیز در اینجا ساده است: ما داده های گذشته نگر را می گیریم ، یعنی یک واقعیت ، و آن را با برنامه ریزی شده مقایسه می کنیم. این مهم است که این کار به طور خودکار برای بخش های مختلف انجام شود.

2. نشان می دهد که اگر با همان سرعتی که اکنون می روید ، اهداف برنامه ریزی شده سالانه را انجام می دهید. اگر از قبل فهمید که تیم بازاریابی در یک گروه یا منطقه کوتاه می آید ، می توانید استراتژی بازاریابی خود را به سرعت برطرف کرده و نتایج را بهبود بخشید. برای اینکه مشتریان خود چنین فرصتی داشته باشند ، ما داده های آنها را می گیریم و یک مدل پیش بینی را در افق تا یک سال می سازیم. در اینجا پیش بینی با برنامه مقایسه می شود.

3. مناطق رشد و خطرات ماه آینده را پیدا می کند. برای انجام این کار ، OWOX BI Insights به طور خودکار اهداف بازاریابی و پیش بینی را در سطح مناطق ، کانال ها ، پارامترها و در حوزه های مسئولیت هر تصمیم گیرنده در شرکت مقایسه می کند.

4- به پاسخ به این سؤال کمک می کند: "آیا این چیزی است که ما روی آن کار نمی کنیم ، یا بازار فروکش کرده است؟". این همیشه یک سؤال باز و مرتبط در هر شرکتی است ، زیرا پاسخ دادن به داده های خود کافی نیست. به عنوان مثال ، اگر از این طرح فراتر رفته باشد ، جالب است بدانید: اینها بازاریاب هستند - خوب انجام شده یا اتفاقی در بازار افتاده است و همه برای خرج کردن پول فرار می کنند. یا بگذارید بگوییم ، اهداف 2 ٪ برآورده نشده است. آیا این یک نتیجه خوب یا بد برای یک تیم بازاریابی است؟اگر بازار رشد کرده باشد ، بد است ، و اگر 15 ٪ غرق شده باشد ، خوب است.

داده های بازار برای پاسخ به این سؤالات بسیار مهم است. به همین دلیل ما در حال ساختن یک مدل یادگیری ماشین بر اساس داده های ده ها هزار پروژه هستیم تا پیش بینی های بهتری از آنچه شما فقط می توانید با استفاده از داده های تاریخی خود به دست آورید ، ارائه دهیم.

5- گزارش ها را در خدمات معمول و راحت برای شما ایجاد می کند. تجربه ما نشان می دهد که وقتی صحبت از یک محصول جدید می شود ، بیشتر شرکت ها نمی خواهند خدمات دیگری را معرفی کنند. ممکن است فکر کنید: «من اکسل (یا Google Sheets ، Data Studio ، Tableau ، Power BI) دارم. آیا می توانم یک پیش بینی را در آنجا اضافه کنم؟»البته شما می توانید ، زیرا تقریباً هر سرویس تجسم می تواند داده هایی را از Google BigQuery دریافت کند ، جایی که ما نتایج محاسبات را ذخیره می کنیم.

این گزارش ها چه شکلی هستند؟

برای شروع ، اجازه دهید گزارش های نهایی را بررسی کنیم. سپس ما به شما خواهیم گفت که چگونه آنها ساخته شده اند.

اولین و ساده ترین چیز این است که برای هر ماه سه ستون بدست آورید: برنامه ریزی ، واقعی و پیش بینی.

تهیه طرح یک موضوع ساده است. این می تواند توسط هر تحلیلگر در اکسل ساخته شود. ما همچنین می توانیم مقادیر واقعی را محاسبه کنیم ، زیرا تجارت این داده ها را دارد. وظیفه ما اضافه کردن یک پیش بینی است.

توجه: این گزارش شامل داده هایی برای آغاز آوریل است. همانطور که می بینید ، ما یک ارزش واقعی کوچک داریم (ماه تازه آغاز شده است) و برای بقیه آوریل نوعی پیش بینی وجود دارد. بر این اساس ، برای ماه جاری ، این طرح باید با مجموع مقادیر واقعی و پیش بینی مقایسه شود.

در نمودار بالا ، خط زرد اهدافی است که مشتری تنظیم کرده است ، ستون های آبی تیره مقادیر واقعی هستند که قبلاً برآورده شده اند و ستون های آبی روشن پیش بینی می شوند.

نحوه جستجوی مناطق رشد و خطرات

هنگامی که ما اهداف ، پیش بینی و مقادیر واقعی را در زمینه پارامترهای مورد نیاز برای تصمیم گیری می دانیم ، می توانیم یک جدول محوری کلاسیک را در برگه های Google بسازیم.

در این جدول سه پارامتر وجود دارد: ماه گزارش ، گروه کانال (جستجوی ارگانیک ، بازار ، ایمیل و غیره) و منطقه. این گروه اصلی است که بیشتر مشاغل با آن کار می کنند. در مرحله بعد ، معیارهای کلیدی مورد نیاز برای مدیریت بودجه بازاریابی را نشان می دهیم:

• جلسات
• هزینه
• معاملات
• درآمد
• سهم هزینه های تبلیغاتی
• نرخ تبدیل

مفیدترین جنبه این جدول این است که ما مقادیر واقعی (که قابل محاسبه آسان است) را در کنار پیش بینی می بینیم. این بدان معناست که در روزهای اول ماه می توان فهمید که در آن این طرح به احتمال زیاد از کدام بخش ها فراتر خواهد رفت و در آن تحقق نمی یابد.

متأسفانه ، ما همیشه نمی دانیم که چرا: شاید شما فراموش کرده اید که بودجه خود را به حساب تبلیغاتی خود اضافه کنید یا کسی فراموش کرده است که کلمات کلیدی منفی را اضافه کند. اما به عنوان مثال ، ما اکنون با اطمینان می دانیم که ارزش توجه به روند ترافیک جستجو و وابسته را دارد:

از این گزارش ، می بینیم که جستجوی پرداخت شده در منطقه 1 احتمالاً درآمد کمتری نسبت به برنامه ریزی شده ایجاد می کند. ما همچنین می بینیم که کانال ایمیل ممکن است از معاملات عقب مانده باشد. این اطلاعات به شما امکان می دهد تا قبل از صرف هزینه بودجه خود تصمیم گیری کنید - و قبل از آنکه منطقه رشد در گذشته باشد و از بین برود.

و بهترین چیز این است که ما پیش بینی آینده را داریم. این نشان می دهد که اگر روند فعلی ادامه یابد ، چه اتفاقی خواهد افتاد.

بیایید به تفصیل به برخی از عناصر این جدول بپردازیم. درصد انحراف ، که به رنگ قرمز و سبز برجسته می شود ، با استفاده از یک فرمول ساده محاسبه می شود:

ما با پیش بینی این واقعیت را می گیریم ، این همان چیزی است که ما به احتمال زیاد در پایان این ماه دریافت خواهیم کرد. از این هدف اهداف این بخش را کم کنید و نتیجه را با طرح برای دوره تقسیم کنید. شماره حاصل به این سؤال پاسخ می دهد که بخش خاصی از پیش بینی انحراف دارد.

به عنوان مثال ، برای معاملات ماه آوریل ما شاهد انحراف 4/4 inswified هستیم:

این بدان معنی است که در ماه آوریل ، ما 4. 8 ٪ از برنامه معامله عقب مانده ایم. اگر مقادیر همه کانال های بالاتر از این رقم را اضافه کنید ، کل 4/4 incl.

چرا ما به این نگاه می کنیم؟چرا ما به انحراف نسبی نگاه نمی کنیم؟به عنوان مثال ، می گویند ما یک کانال ارجاع کوچک داریم. طبق برنامه ، باید مثلاً 50 معاملات انجام شود. تفاوت حتی 20 معاملات به ما 40 ٪ انحراف می دهد. اما این چیزی نیست که شما در وهله اول باید به آن توجه کنید ، زیرا کانال های بسیار بزرگتری وجود دارد. و اگر یک کانال بزرگتر انحراف 10 ٪ را نشان دهد ، برای تجارت بسیار مهمتر خواهد بود. رنگهای قرمز و سبز در جدول نشان می دهد که توجه به این بخش برای تجارت چقدر مهم است.

در تصویر زیر ، ما داده ها را برای آوریل گسترش داده ایم:

در اینجا می بینیم که داده ها می توانند در کانال ها و مناطق تجزیه شوند. ما می توانیم بخش هایی را که می خواهیم ابتدا به آنها نگاه کنیم انتخاب کنیم. قرمز یک منطقه ریسک است ، سبز یک منطقه رشد است. نرخ تبدیل به رنگ آبی مشخص شده است و در پایین خلاصه ای وجود دارد.

از گذشته تا آینده

اکنون ما مهمترین و جالب ترین گزارش را معرفی خواهیم کرد ، که هشت دوره زمانی را نشان می دهد که برای مقایسه پیش بینی با اهداف استفاده می شود.

1. امسال واقعی ارقام واقعی را از ابتدای سال تا لحظه فعلی نشان می دهد. ما می توانیم این ارزش ها را با اهداف مقایسه کنیم تا بفهمیم چقدر خوب آنها را ملاقات می کنیم.
2. ماه گذشته داده های واقعی را برای ماه گذشته نشان می دهد. ماه قبل را بستیم ، بنابراین می توانیم در هر بخش به راحتی ببینیم که آیا تعداد واقعی با موارد برنامه ریزی شده همزمان است یا خیر.
3. هفته گذشته داده های واقعی را برای هفته گذشته نشان می دهد.
4. پیش بینی این هفته پیش بینی هفته جاری را نشان می دهد. هفته آغاز شده است و می بینیم چه اتفاقی برای ما می افتد. در جایی که شخص مسئول ، به عنوان مثال ، برای جستجوی پرداخت شده ، هم اکنون توجه کنید تا در پایان هفته به نتیجه بهتری برسد. برای انجام این کار ، شما فقط باید از خطرات (برجسته به رنگ قرمز) جلوگیری کنید و مناطق رشد را اجرا کنید (به رنگ سبز برجسته شده است).
5. پیش بینی هفته آینده پیش بینی هفته آینده را نشان می دهد.
6. پیش بینی این ماه پیش بینی ماه جاری را نشان می دهد.
7. پیش بینی ماه آینده پیش بینی ماه آینده را نشان می دهد. در تجربه ما، بهتر است این پیش بینی را فقط بر اساس بعد اولیه بسازیم. یعنی تقسیم آن به سطح دوم (در مورد ما، مناطق) دیگر توصیه نمی شود زیرا نویز زیاد و کیفیت پیش بینی ضعیف است.
8. پیش بینی امسال پیش بینی تا پایان سال را نشان می دهد. ما آن را فقط برای معیار اصلی یعنی درآمد می سازیم. تجربه نشان می دهد که پیش بینی توزیع ترافیک در مناطق و کانال ها و سایر بخش ها قبل از پایان سال کار جالبی نیست و منجر به خطاهای بزرگ و از دست دادن اعتماد به پیش بینی ها می شود.

ایمیل خبرنامه برای تصمیم گیرندگان

می توانید در هر زمان جدول را در Google Sheets مشاهده کنید. با این حال، تصمیم گیرندگان معمولا انتظار دارند یک گزارش آماده دریافت کنند و بگویند اینجا را نگاه کنید. به نظر می رسد ما یک منطقه رشد داریم.

ایجاد این گزارش کار آسانی نیست، و هنوز هم روی آن کار می کنیم. ما می خواهیم مشتریانمان پیام های واضح و معنی داری را دریافت کنند که به زبان انسانی نوشته شده باشد، همانطور که یک تحلیلگر خوب می نویسد.

دو مشکل وجود دارد. اولین مورد تفاوت های ظریف زیادی است. گرگ گریان در مورد کانال های مستقیم مدیریت نشده خیلی مفید نیست. اگر Referral یا Direct سقوط کرده باشد چه باید بکنید؟شما باید روی آنچه می توانید مدیریت کنید تمرکز کنید، و برای این، هنگام جستجوی بینش، به دانش بیشتری برای برنامه نیاز دارید.

مشکل دوم این است که ممکن است به این ایمیل ها پاسخ داده شود: «جزئیات بیشتری به من بدهید». اما noreply@owox. com هرگز قصد نداشت وارد گفتگو شود. با این حال، ما معتقدیم که ارتباط از یک سرویس تحلیلی باید تا حد امکان شبیه ارتباط با یک تحلیلگر بازاریابی باشد. بنابراین، ما قصد داریم در آینده اطلاعاتی در مورد مناطق رشد و خطرات از طریق پیام رسان ارسال کنیم.

در انتهای ایمیل، جدول جالبی وجود دارد که در آن نتایج دوره های اصلی با رنگ قرمز و سبز مشخص شده است. این بلافاصله نشان می دهد که آیا باز کردن Google Sheets و بررسی جزئیات این دوره ضروری است یا خیر.

پیاده سازی: از کجا شروع کنیم و چگونه پیش بینی کنیم

قبل از شروع پیش بینی، باید به چند سوال مهم پاسخ دهید:

• کدام تیم ها از داده ها استفاده خواهند کرد: بازاریابی، PPC، SEO، تجارت؟تیم ها معمولاً از مجموعه های متفاوتی از KPIها استفاده می کنند، بنابراین مهم است که دقیقاً اطلاعاتی را که برای تصمیم گیری نیاز دارند ارائه دهند. اگر یک گزارش بزرگ و یک ایمیل کلی ایجاد کنید، آن ها خیلی با ارزش یا مؤثر نخواهند بود.
• KPI های کمی و کیفی که تصمیم گیرندگان با آنها کار می کنند چیست؟KPI های کمی شامل ترافیک ، معاملات و درآمد هستند. KPI های کیفی ROAS ، DRR و غیره هستند. شما باید حداقل در هر منطقه دو شاخص از این قبیل داشته باشید.
• در کدام رابط مدیریت پایگاه داده برای کار با داده ها راحت ترین کار با داده ها است؟Google Data Studio ، Tableau ، Microsoft Power BI ، Google Sheets ، Excel؟مهم نیست که پیش بینی ها را چقدر دقیق محاسبه کنید ، اگر نتایج در رابط کاربری قابل درک و راحت نشان داده نشوند ، از این گزارش مقدار کمی وجود نخواهد داشت.
• اهداف KPI چیست؟هر چند وقت یکبار اجرا می شود؟هفتگی؟ماهانه؟اگر KPI فقط برای گرفتن تصویر اضافی «طرف» در نظر گرفته شود ، نباید اولویت داشته باشد. اگر هدفی وجود نداشته باشد ، به احتمال زیاد نباید پیش بینی شود. پیش بینی فقط در مواردی که می توان با اهداف مقایسه کرد ، لازم است. پیش بینی خود بسیار کم می گوید.

در نتیجه این اجرای ، یک جدول مانند این دریافت خواهید کرد:

ستون اول حوزه مسئولیت را نشان می دهد. در مثال ما ، سه: بازاریابی به طور کلی ، کمپین های PPC پرداخت شده و SEO (ارگانیک) وجود دارد.

ستون دوم KPIS است که برای تعیین اهداف و ارزیابی عملکرد در هر یک از حوزه های مسئولیت استفاده می شود. برای برخی از این شاخص ها ، یک برنامه وجود دارد. توصیه می کنیم وقتی تصمیم دارید پیش بینی کنید ، اهداف موجود خود را تغییر ندهید. واضح است که در تجارت همیشه می توانید چیزی را بهبود بخشید ، و ممکن است بخواهید شاخص های جدیدی را به گزارش های خود اضافه کنید. اما شما نمی توانید چنین کارهایی را انجام دهید. ابتدا ، بهتر است آنچه را که قبلاً دارید خودکار کنید ، سپس معیارهای جدید را اضافه کنید.

در ستون های سوم و چهارم ، معیارهایی را که برای آن برنامه ای وجود دارد ، علامت گذاری می کنیم و می توانیم پیش بینی کنیم.

در ستون پنجم ، ما معیارهای کمی و کیفی را علامت گذاری می کنیم زیرا آنها باید متفاوت نمایش داده شوند و باید با آنها متفاوت رفتار شوند.

ستون ششم معیارهای تقسیم بندی است. در زمینه های مختلف مسئولیت ، همان متریک با معیارهای مختلف تقسیم می شود. به عنوان مثال ، جلسات بازاریابی برای بخش به صورت کانال جالب تر است. سئو باید توسط موتور جستجو تقسیم شود.

ستون هفتم بعد ثانویه است. ممکن است بیش از دو بعد وجود داشته باشد ، اما در این حالت الزامات مربوط به حجم داده ها باید بیشتر باشد. هرچه پارامترهای تقسیم بندی بیشتر باشد ، داده های بیشتری برای پیش بینی های آماری قابل توجهی مورد نیاز است.

ستون آخر تعداد مقادیر برای یک پارامتر خاص است که می خواهید در گزارش مشاهده کنید. چرا شما به این نیاز دارید؟اگر محدودیتی را در منطقه مشخص نکردید و اگر لیست را گسترش دادید ، به عنوان مثال ، پنج منطقه بلکه پانصد منطقه نخواهید داشت. بسیاری از آنها بسیار کوچک و به احتمال زیاد آموزنده نیستند. توصیه می کنیم محدودیت هایی را اضافه کنید تا کل این برچسب بتواند به نوعی در برگه های Google قرار بگیرد و با آن کار کند.

بنابراین شما یک جدول مانند این ایجاد کرده اید و تمام داده های خود را (برنامه ریزی شده و واقعی) در Google BigQuery (یا برخی از ذخیره های ابری دیگر) جمع آوری کرده اید. بعد از این باید چه کنیم؟اولین و ساده ترین کاری که باید انجام شود تماس با OWOX BI است. الگوریتم هوش مصنوعی ما داده های شما را تجزیه و تحلیل می کند ، آن را با داده های بازار مقایسه می کند ، پیش بینی می کند و نشان می دهد مناطق رشد و خطرات شما در کجا قرار دارد.

اگر می خواهید خودتان پیش بینی کنید ، روش های مختلفی وجود دارد که می توانید این کار را انجام دهید. روش های مختلفی وجود دارد. ما نحوه انجام این کار را در Google Cloud به اشتراک خواهیم گذاشت ، زیرا این پلتفرم برای ما بیشتر آشنا است. واضح است که شما ممکن است از ابزارهای دیگر در شرکت خود استفاده کنید.

سه روش اساسی برای ساخت پیش بینی در Google Cloud وجود دارد:

1. Tensorflow و CloudML روشی هستند که اغلب توسط دانشمندان داده ای که خیلی تنبل نیستند برای صرف وقت برای سفارشی کردن مدل ها استفاده می کنند. اینها ابزارهای دشواری هستند ، اما به شما امکان می دهند به نتایج خوبی برسید.
2. BigQuery ML - اگر هرگز با یادگیری ماشین کار نکرده اید اما در حال حاضر داده هایی را در Google BigQuery دارید ، توصیه می کنیم با این روش شروع کنید. اگر داده هایی از Google Analytics 360 دارید ، می توانید در حال حاضر یک مدل را آموزش دهید ، به عنوان مثال برای محاسبه احتمال تبدیل ، خفگی یا هر پارامتر دیگر. انتخاب پیش بینی کننده ها ، ویژگی ها و مدل های تست بسیار آسان است. این یک روش هوشمندانه برای یک تحلیلگر است که با SQL آشنا است.
3. API های Automl و CloudML اساسی ترین راه ها برای توسعه دهندگان هستند. آنها استقرار مدل ها ، مقایسه آنها و بازگرداندن نسخه را آسان تر می کنند. این ایده آل است اگر شما یک توسعه دهنده هستید و وظیفه شما این است که مدلی را که در تولید ساخته اید ، بیرون بکشید.

این یک جدول بزرگ با داده هایی است که از آن می توانید به راحتی انحراف ، تبدیل را محاسبه کنید زیرا تمام مؤلفه ها را برای این کار دارید و آنها به سه بلوک گروه بندی می شوند: برنامه ریزی ، واقعی و پیش بینی.

نتیجه گیری هایی که در فرآیند ساخت OWOX BI Insights به دست آوردیم

1. اگر به شما گفته شده "ما اهداف بازاریابی داریم" ، در بهترین حالت این به معنای صفحه گسترده اکسل است که یک تحلیلگر هفته ای یک بار به روز می کند.
2. پیش بینی خودکار جایگزین تجزیه و تحلیل نمی شود - این فقط راهی برای افزایش کارایی آن است. در تجربه ما ، تنظیمات دستی همیشه مورد نیاز است. به عنوان مثال ، بگویید که در ماه اکتبر یک فروشگاه بزرگ در هیوستون باز می کنیم. مدل پیش بینی هرگز این امر را به خود اختصاص نمی دهد زیرا این دانش را ندارد.
3. کیفیت پیش بینی ها به طور قابل توجهی بهبود می یابد اگر علاوه بر داده های شخصی خود ، از داده های بازار استفاده کنید. این همان چیزی است که باعث می شود رویکرد OWOX BI برای پیش بینی کیفی متفاوت باشد. ما از داده های ده ها هزار پروژه برای آموزش مدل خود استفاده می کنیم. در نتیجه ، روند بازار را با دقت بیشتری نشان می دهد. به عنوان مثال ، ما سهم بازار جستجوی ارگانیک را می دانیم و جستجوی پروژه ها را در همان طاقچه به عنوان مشتری خود می دانیم و می دانیم که این تعداد به چه چیزی منجر می شود. غنی سازی مدل با این داده ها به شما امکان می دهد روندها را بهتر بشناسید و بدانید که آیا شما عالی عمل می کنید یا بازار تازه در حال رشد است.
4. لازم است محاسبات از تجسم داده ها جدا شود. هنگامی که انتظارات را برای صحت و عمق تدوین کرده اید ، می توانید یک پیش بینی بسازید و داده ها را در یک زمان کاملاً اختصاص داده شده محاسبه کنید. در مورد تجسم داده ها ، این یک کار بی پایان است ، و هیچ محدودیتی برای کمال وجود ندارد.
5. برای به دست آوردن پیش بینی های با کیفیت بالا با دانه بندی دو پارامتر ، به 3 میلیون جلسه در ماه به داده های وب سایت نیاز دارید. ساخت یک پیش بینی با مقدار کمتری بدون تقسیم بندی امکان پذیر است ، اما سوال این است که چرا. به عنوان مثال ، اگر می بینید که اهداف تحقق نمی یابند ، می توانید در کدام بخش کار کنید که کار نمی کند؟چه مناطق؟شما به احتمال زیاد جواب را پیدا نخواهید کرد زیرا داده های کمی وجود دارد.

اگر به مدت دو سال از Google Analytics ، ترافیک از 3 میلیون جلسه در ماه داده های تاریخی دارید و می خواهید اهداف بازاریابی خود را انجام دهید و به لطف بینش ها سریعتر رشد کنید ، با پر کردن فرم در سایت ما برای ما بنویسید. ما در مورد جزئیات با شما بحث خواهیم کرد و به شما در ساخت یک پیش بینی کمک خواهیم کرد.