Сочетание прогнозной аналитики с BI

Предиктивная аналитика — это категория аналитики данных, направленная на прогнозирование будущих результатов на основе исторических данных и методов аналитики, таких как статистическое моделирование и машинное обучение. Наука прогнозной аналитики может генерировать информацию о будущем со значительной степенью точности. С помощью сложных инструментов и моделей прогнозной аналитики любая организация теперь может использовать прошлые и текущие данные для надежного прогнозирования тенденций и поведения в будущем.

Сценарий

Как автомастерская, компания была заинтересована в расширении клиентской базы и завоевании доли рынка у конкурентов в США. Оптимизация удержания клиентов — не единственная цель, магазин хочет оптимизировать и другие аспекты, такие как управление запасами, маркетинговая атрибуция и удовлетворенность клиентов.

Затруднительное положение

При большом списке клиентов просто невозможно «угадать» определенное поведение, например; кто из этих клиентов может уйти? Что они планируют купить дальше? или каковы наиболее эффективные каналы для рекламы? С отчетами, диаграммами и традиционным статистическим анализом лучшее, что они могли сделать, — это собрать информацию по общим причинам. Не зная каждого клиента о том, как применяются эти тенденции, они не могли эффективно нацеливаться.

Решение

Использование машинного обучения для автоматического определения будущего поведения клиента, который, вероятно, уйдет, купит или воспользуется рекламой. Алгоритмы ИИ имеют явные преимущества перед обычным анализом для таких задач. В отличие от статистических методов, машинное обучение не требует никаких предположений о том, какие переменные будут предсказывать поведение.

Сочетание BI с AI

Позвольте мне сначала пояснить: «интеллект» в ИИ относится к компьютерному интеллекту, в то время как BI относится к более разумному принятию бизнес-решений, которое может дать анализ и визуализация данных. Используя ИИ, мы переходим от описательного и диагностического к предсказательному и предписывающему.

Домо + Скварк

Domo — один из наших BI-коннекторов.

Для этого сценария я выполнил следующие простые шаги, чтобы получить свои прогнозы с помощью Squark:

Подключил и извлек данные из облачного сервера Auto Body Shop и загрузил данные в Squark (это так же просто, как перетащить). Этот набор данных я считал своим «тренировочным файлом».
Выбрал зависимую переменную (Target). Что я хочу предсказать?
Выбраны независимые переменные (Predictors).
Загружен мой«производственный файл» (этот файл содержит всех клиентов, которых нужно предсказать).
Развернутое решение Squark без кода протестировало сотни возможных моделей и алгоритмов, чтобы найти наиболее точную для моего приложения с использованием процесса автоматизированного машинного обучения. (АвтоМЛ)
Прогнозы готовы к использованию в Domo!

Получив свои прогнозы, я построил панель управления DataViz.

Понимание моей панели управления DataViz

DataViz — это графическое представление данных. Он включает в себя создание изображений, которые сообщают взаимосвязь между представленными данными зрителям информационных панелей.

Панель инструментов — это инструмент управления информацией, который визуально отслеживает, анализирует и отображает ключевые показатели эффективности, метрики и ключевые точки данных для мониторинга состояния бизнеса, отдела или конкретного процесса. Большая разница в том, что обычно сводки подпитываются бизнес-вопросами, но в сочетании с искусственным интеллектом и прогнозной аналитикой я подпитываю свою сводку за счет ответов.

Анализ оттока.

Важность прогнозирования оттока заключается не только в том, чтобы определить, какие клиенты перестанут покупать продукты, но и в том, чтобы понять, почему? Ведьминские переменные моих клиентов имели самый большой вес в отношении решения покинуть мою компанию?

Прогноз оттока: сколько клиентов потеряет кузовной цех? (бинарная классификация) В данном случае 23% моих лидов.
Переменная важности для оттока: в этом разделе, благодаря машинному обучению, я собираюсь понять, почему. Почему мои клиенты собираются покинуть кузовной цех? Какие переменные имеют наибольшее значение в моем прогнозе? В этом конкретном случае мы видим, что удовлетворенность клиентов очень важна. Благодаря возможностям Squark для обработки естественного языка (NLP) я обнаружил, что, основываясь на разделе отзывов в Интернете, большинство клиентов были недовольны.

Отток по штатам: где в США находятся эти клиенты? Теперь, когда я знаю, что Калифорния и Нью-Йорк — это штаты с более высоким уровнем оттока, я могу выполнить определенные действия, чтобы предотвратить это. Действия могут включать: Специальные предложения/купоны в этих штатах? Лучшее обучение моих торговых представителей для повышения удовлетворенности клиентов? Мои менеджеры в этих местах работают плохо?
LTV клиента: поскольку теперь я знаю, сколько, почему и где может уйти мой клиент, еще один важный вопрос, на который нужно ответить, — сколько дохода потеряет автомастерская? Расчет пожизненной ценности клиента (регрессионная модель) расскажет мне, сколько стоит каждый клиент для организации, и поможет мне понять, почему я не могу его отпустить.

Маркетинговый анализ

Прогнозирование маркетинговых усилий имеет важное значение в настоящее время. В мире, где бизнес имеет неограниченные потребности, но ограниченные ресурсы, распределение ресурсов имеет решающее значение для всех компаний.

Спрос на продукт. Предсказание того, какой продукт собирается приобрести мой клиент (мультиклассовая классификация), может помочь организациям несколькими способами. Поскольку вы предсказываете, какое количество покупателей собирается купить X, оптимизация запасов является первым аспектом. Сколько продуктов я должен заказывать у своего поставщика в год? Сколько единиц автомастерская должна ежемесячно отправлять в каждое место в США? Каким будет мой прогноз продаж на определенный период времени?
Оптимизация перекрестных продаж и продаж — еще один ключ к эффективному маркетингу. У вас на 60–70 % больше шансов продать существующему клиенту по сравнению с 5–20 % вероятностью продажи новому потенциальному клиенту. Прогнозирование того, какие продукты покупатель с большей вероятностью купит, может помочь маркетинговым командам. Например: если автомастерская узнала, что X клиентов, которые покупают шины, также, вероятно, купят чистящие средства, теперь я могу запустить маркетинговые кампании по электронной почте с купонами / предложениями, которые побуждают их покупать эти продукты в комплекте.
Отчет о маркетинговой атрибуции. Маркетинговая атрибуция — это стратегия отчетности, которая позволяет нам увидеть влияние, которое маркетологи оказали на покупку или продажу. Знание того, откуда приходят мои клиенты, помогает отделам маркетинга более эффективно распределять ресурсы. В случае с автомастерской мы видим, что на социальные сети приходится наибольшая часть маркетинговой атрибуции, поэтому я могу принять обоснованное решение выделить больше ресурсов на социальные сети (больше рекламы, больше контент-маркетинга в определенном канале и т. д.). ) и заодно могу проанализировать почему другие каналы не работают, в таком случае почему холодные звонки и ведение блога не актуальны в решении о покупке? Мой контент недостаточно хорош? Должен ли я прекратить тратить ресурсы на эти каналы, поскольку я знаю, что они мало влияют на моих клиентов?

Взаимодействие с социальными сетями. Наконец, поскольку кузовной цех понял, что социальные сети — лучший канал, теперь мы можем предсказать, насколько успешными будут наши усилия в этом канале (модель регрессии). Сколько взаимодействий будет у моей рекламы? Сколько людей мы собираемся охватить на этом канале? Будет ли реклама иметь успех? если нет, то стоит ли это делать?

Squark — это инструмент, предназначенный для заполнения технического пробела для обычных бизнес-пользователей. Без статистических барьеров и барьеров кодирования мы можем демократизировать доступ к ИИ и машинному обучению для всех типов компаний и профессионалов. Теперь компании могут получать более быстрые результаты без армии специалистов по данным!

Действия важнее статистики!

Хотите узнать больше о Squark? Не стесняйтесь связаться со мной, я буду рад предоставить вам демо-счет, чтобы вы могли начать.

#predictiveanalytics #ИИ #AutoML

Сочетание прогнозной аналитики с BI