Predictive Analytics: Wie Vermarkter zukünftige Aktivitäten verbessern können: Social Media Examiner

Möchten Sie, dass Ihr Marketing effizienter wird?

Sie fragen sich, wie die Vorhersage Ihrer Marketingzyklen helfen kann?

Um herauszufinden, wie Vermarkter mit Predictive Analytics beginnen können, interviewe ich Chris Penn.

Mehr über diese Show

Das Social Media Marketing Podcast ist eine On-Demand-Talk-Radiosendung von Social Media Examiner. Es soll vielbeschäftigten Vermarktern, Geschäftsinhabern und Entwicklern helfen, herauszufinden, was mit Social Media Marketing funktioniert.

In dieser Folge interviewe ich Chris Penn, der Mitbegründer und Chefinnovator von Brain + Trust Insights. Er ist auch der Co-Moderator der Marketing bei Kaffee Podcast und führender Analytics-Experte für Social Media Marketing World.

Chris erklärt, wie die Qualität der zugrunde liegenden Daten, die in der prädiktiven Analyse verwendet werden, sichergestellt werden kann.

Sie werden auch Datenquellen und Tools entdecken, mit denen Vorhersagen getroffen werden können.

Teilen Sie Ihr Feedback mit, lesen Sie die Shownotizen und erhalten Sie die in dieser Episode unten genannten Links.

Hör jetzt zu

Wo abonnieren: Apple Podcast | Google Podcasts | Spotify | RSS

Scrollen Sie zum Ende des Artikels, um Links zu wichtigen Ressourcen zu erhalten, die in dieser Episode erwähnt werden.

Hier sind einige der Dinge, die Sie in dieser Show entdecken werden:

Predictive Analytics

Chris 'Geschichte

Chris begann durch seinen IT-Hintergrund mit der Analytik. 2003 begann er als IT-Direktor eines Studentendarlehens-Startups zu arbeiten, wo seine Rolle über die traditionellen IT-Verantwortlichkeiten hinausging. Neben dem Betrieb der Web- und E-Mail-Server aktualisierte er auch die Websites und schickte die wöchentliche E-Mail.

Chris hat diese Arbeit ausgeführt, bevor es Google Analytics gab. Als der CEO seines Unternehmens nach der Leistung der Websites und E-Mails fragte, hatte Chris keine Antwort. Um dies herauszufinden, haben Chris und sein Team begonnen, eigene Tools zu entwickeln, um die Grundlagen zu verstehen, z. B. wie viele Personen die Website täglich besuchten.

Im Laufe der Zeit wurde die Analysepraxis zu einem zentralen Thema für Chris. Er versuchte nicht nur zu erfahren, was passiert war, sondern auch, warum es passiert war und wie das Unternehmen reagieren konnte.

Hören Sie sich die Show an und hören Sie, wie Chris über seinen Bildungshintergrund spricht.

Was sind Predictive Analytics?

Predictive Analytics verwenden Statistiken und maschinelles Lernen, um Daten zu analysieren und Vorhersagen zu treffen. Menschen sind sehr vorhersehbar. Wir alle folgen Routinen wie Zähneputzen und anschließendes Duschen oder das Anziehen jedes Kleidungsstücks in einer bestimmten Reihenfolge jeden Morgen.

Da Menschen sowohl auf Mikro- als auch auf Makroskala vorhersehbar sind, können Vermarkter meistens vorhersagen, was passieren wird. Wenn Sie beispielsweise in Nordamerika ein B2C-Vermarkter sind, wissen Sie ziemlich genau, dass Sie vom 1. November bis 26. Dezember beschäftigt sein werden, da dies eine Spitzenzeit für Produktverkäufe ist.

Wenn Sie ein B2B-Vermarkter sind, ist Ihre Arbeitszeit vom 1. Januar bis etwa Ende Mai. Dann geht das Geschäft direkt nach dem Labor Day in den USA und Kanada an und geht über das US-Thanksgiving weiter. Außerhalb dieser Zeiten ist es viel schwieriger, ein Vermarkter zu sein, egal ob Sie sich auf digital, sozial oder bezahlt konzentrieren.

Hören Sie sich die Show an, um weitere Beispiele für vorhersehbares menschliches Verhalten zu hören.

Was kann Predictive Analytics tun?

Da wir diese Dinge im Allgemeinen kennen, können uns Maschinen dabei helfen, diese Vorhersagen spezifischer zu gestalten. Der Wert von Predictive Analytics ist ihre Spezifität. Wenn Sie wissen, in welcher Woche Sie mehr Facebook Live machen oder weniger für Anzeigen ausgeben sollten, können Sie Ihr Marketing effizienter und effektiver gestalten. Wenn Sie vorhersagen können, können Sie Geld verdienen, Geld sparen, Zeit sparen und nicht gefeuert werden.

Predictive Analytics konzentrieren sich speziell darauf, herauszufinden, was als nächstes passiert. Für den durchschnittlichen Vermarkter sind Zeitreihenvorhersagen (oder wann etwas passieren wird) die konventionellste und nützlichste Anwendung. Wenn Sie ein Social-Media-Vermarkter sind, möchten Sie wissen, wann Sie Ihr Kundendienstteam mit Personal ausstatten müssen, um Kundenanfragen zu beantworten.

Predictive Analytics kann auch herausfinden, wann jemand ein neues Auto kauft oder ob er werdende Eltern ist. Diese Anwendungen sind jedoch nuancierter als Zeitreihenvorhersagen.

Hören Sie sich die Show an, um mehr über meine Erfahrungen mit Predictive Analytics als B2B-Autor zu erfahren.

Funktionsweise von Predictive Analytics

Predictive Analytics sind jetzt wahrscheinlich fast 70 Jahre alt. Die Leute sind überrascht zu hören, wie alt die Disziplin ist, weil sie maschinelles Lernen für etwas Neues halten. Die Theorien und mathematischen Formeln gibt es jedoch schon sehr lange.

Was sich geändert hat, ist die Rechenleistung von Laptops, Desktops und Cloud-Servern. Sie können größere Zahlen in kürzerer Zeit knirschen. Theoretisch können Sie Vorhersageanalysen auf Papier durchführen, dies würde jedoch viel Papier und Zeit erfordern.

Um Predictive Analytics gut durchführen zu können, benötigen Sie drei Fähigkeiten. Zunächst benötigen Sie jemanden mit Entwicklungsfähigkeiten, um Daten aus Ihren Datenquellen wie Google Analytics, Facebook Insights, Twitter und anderen Arten von sozialen Daten zu extrahieren. Die Daten können sich in Systemen befinden, die Sie besitzen, oder in Systemen von Drittanbietern. Wer auch immer die Daten hat, muss in der Lage sein, sie herauszuholen.

Chris mag den Ausdruck "Daten sind das neue Öl", denn wenn Sie jemals Rohöl gesehen haben, ist es ein widerliches Durcheinander. Sie können nicht viel damit anfangen, bis Sie es aus dem Boden extrahieren, verfeinern und dann an Personen weitergeben, die es in Autos verwenden oder Plastikschalen herstellen können, die nicht brechen, wenn sie auf den Boden fallen. Bei Predictive Analytics ist es ähnlich.

Die Verfeinerer sind Datenwissenschaftler, die die Daten in etwas bereinigen, das Sie verwenden können. Dann machen Marketingtechnologen, die heutzutage die Rolle vieler Social-Media-Vermarkter spielen, etwas mit diesen Daten. Sie interpretieren nicht nur die Daten. sie handeln danach.

Chris betont, wie wichtig es ist, auf die Daten zu reagieren, die Sie erhalten. Wenn Sie wissen, in welcher Woche Sie für Ihre Veranstaltung werben sollen, aber mit diesen Informationen nichts anfangen, macht es keinen Sinn, die Vorhersage zu treffen.

Die Genauigkeit der Vorhersagen hängt von den zugrunde liegenden Daten und dem Algorithmus ab, mit dem Sie die Vorhersagen treffen. Irgendwann wird fast jeder auf ein Problem mit der Datenqualität stoßen. Möglicherweise haben Sie Google Analytics nicht richtig eingerichtet, Ihre Ziele nicht richtig festgelegt und vergessen, Ihr Facebook-Pixel einzuschalten. eines dieser Dinge.

Hören Sie sich die Show an und hören Sie, wie Chris über eine beliebte Art der technischen Bestandsanalyse spricht.

Praktische Marketinganwendungen für Predictive Analytics

Wenn Chris eine Vorhersage macht, handelt es sich normalerweise um ein 52-Wochen-Liniendiagramm. Für jede Woche zeigt das Diagramm eine Vorhersage für jede Datenreihe. Meistens verwendet Chris Suchdaten, weil Leute Dinge in Google eingeben, die sie nicht tun würden Sagen Sie es einem anderen Menschen und machen Sie Suchdaten zu einem sehr guten Indikator dafür, was tatsächlich bei jemandem ist Verstand.

Es sind viele Suchdaten verfügbar, auf die Sie mit Tools wie kostenlos kostenlos zugreifen können AdWords-Keyword-Planer oder Google Trends. Nachdem Sie die Daten erhalten haben, können Sie einen Trend vorhersagen, bei dem es sich um eine Datenreihe handelt, und dann die Spitzen und Täler identifizieren. Chris empfiehlt, Daten für 1 bis 5 Jahre als Grundlage für Ihre Vorhersage zu verwenden.

Angenommen, Sie extrahieren 5 Jahre Suchdaten zum Thema Social Media Marketing, weil Sie sich fragen, wann im nächsten Jahr nach "Social Media" gesucht wird Marketing." Wenn Sie zufällig wissen, dass es der 20. März, 19. April, 27. Mai, 4. Juli, 10. September und 21. Oktober dieses kommenden Jahres sein wird, sind dies Ihre Hochwassermarken.

Mit diesen Daten können Sie auch sehen, was 2 bis 3 Wochen vor jedem Datum passiert. In der Regel läuft dieser Höhepunkt an. Ein Social-Media-Vermarkter muss also seine Werbeausgaben erhöhen. Ein Bio-Vermarkter muss viel posten und die Anzahl seiner Instagram-Geschichten verdoppeln. Eine PR-Person muss Monate im Voraus einen Pitch erstellen, um an diesen Daten in Veröffentlichungen zu erscheinen.

Sie wissen auch, wann die Täler passieren werden, sodass Sie planen können, Inhalte zu überweisen, während nicht viel passiert. Sie können Podcasts aufzeichnen, Gast-Hosts auf anderen Websites erstellen, eine Reihe von Blog-Posts verfassen und Inhalte speichern. Wenn dann der nächste Höhepunkt kommt, können Sie die Trittfrequenz erreichen, die Sie benötigen, ohne auszubrennen.

Auf diese Weise helfen Ihnen Vorhersagen dabei, Geld auf den Gipfeln zu verdienen und Geld auf den Dips zu sparen. Sie können Ihre Strategie basierend darauf planen und erstellen, wann die Dinge wahrscheinlich passieren werden. Diese Anwendung funktioniert sowohl für B2C- als auch für B2B-Unternehmen, da die Leute jeden Tag den ganzen Tag Dinge in Google eingeben.

Ich frage, welche anderen Datenquellen Sie verwenden könnten, um Vorhersagen zu treffen. Laut Chris ist jede zeitbasierte Datenquelle gültig und die Konversationen in sozialen Medien variieren in jedem Netzwerk. Ihre Pinterest-Vorhersagen können sich von Ihren Facebook- und Twitter-Vorhersagen unterscheiden. Machen Sie Vorhersagen basierend auf all diesen Daten.

Ein wirklich großartiges Werkzeug dafür ist CrowdTangle. Es ist fantastisch, weil Sie Zeitreihendaten bis zur einzelnen Post-Ebene erhalten. Eine PR-Person kann Nachrichten und Berichterstattung abrufen. Ein Werbetreibender kann Pay-per-Click-Beträge, Gebotspreise und all diese Dinge abrufen.

Datenquellen von Drittanbietern sind gut, da Sie als Unternehmen diese Daten nicht per se beschädigen können, obwohl Sie nach den falschen Dingen fragen können. Ein seriöser Datenanbieter ist SEMrush, die Daten von guter Qualität hat. Ein anderer Anbieter, Brand24, macht Medienüberwachung.

Sie können auch Suchdaten von SEO-Tools anzeigen, die nicht von Google stammen. Dies sind alles gute Datenquellen, da sie konsistent, normalisiert und regelmäßig sind. Außerdem sind sie ziemlich sauber.

Chris gibt dann ein weiteres Beispiel dafür, wie Sie Predictive Analytics auf Ihr Unternehmen anwenden können. Chris hat einen Predictive Run für ein Casino durchgeführt, basierend auf 2 Jahren täglicher Einnahmen aus Spielautomaten. Nachdem Chris diese Daten in einen Algorithmus eingegeben hatte, konnte er die Einnahmen des Casinos für das nächste Jahr prognostizieren.

Mit diesen Vorhersagen konnte das Casino sehen, wann die Slot-Einnahmen niedrig sein würden und sie mussten einige Werbeaktionen starten, Anzeigen schalten, einen speziellen Gast-Entertainer hinzuziehen oder so etwas. Die Daten halfen ihnen, diese Lücken in ihren Einnahmen zu schließen.

Ich frage, wie Vermarkter vermeiden, die Daten zu beeinflussen. Nehmen wir an, wir richten unsere Marketingaktionen für Social Media Marketing World nach bestimmten Zeitplänen aus, die nicht unbedingt auf Vorhersagen basieren, sondern von denen wir uns entschieden haben. Wie können wir ausschließen, dass das Verhalten des Stammes und der Gemeinschaft nicht unbedingt durch unser Handeln verursacht wird?

Chris sagt, dass Social Media Marketing World eine so große, erfolgreiche Show ist, dass sie tatsächlich Einfluss darauf hat, wenn Menschen nach Dingen wie „Social“ suchen Medienmarketing. “ Sie können die von Ihnen abgerufenen Daten jedoch auf verschiedene Arten verfeinern, um zu verhindern, dass Ereignisse, Probleme usw. Auswirkungen auf sie haben.

Wenn Sie beispielsweise ein Social-Listening-Tool verwenden, können Sie Erwähnungen von Social Media Marketing World, #socialmediaexaminer, Michael Stelzner und verwandten Elementen ausschließen. Diese Ausschlüsse tragen dazu bei, die Datenpunkte zu reduzieren, die nicht vorhanden sein sollen.

Sie können auch Benchmarking verwenden, mit dem eine Basislinie außerhalb einer bestimmten Saison festgelegt wird, die 20.000 Erwähnungen pro Tag hinzufügt. Gibt es auch in der Saison etwas, das in keinem Verhältnis zu dem steht, was da sein sollte? Auf diese Weise können Sie Prognosen ausführen.

Der beste Weg, Daten zu verfeinern, ist jedoch die Datenebene. Entfernen Sie Dinge, von denen Sie wissen, dass sie kontaminierend sind, da kein besseres Wort vorhanden ist. Dann können Sie aus den verfeinerten Daten eine Prognose erstellen.

Wenn Sie jedoch Social Media Marketing World vermarkten, möchten Sie die Daten nicht unbedingt auf diese Weise verfeinern. Wenn Sie den Stamm dazu bringen, Einfluss darauf zu nehmen, wie Menschen auf der ganzen Welt nach "Social Media Marketing" suchen, ist das eine gute Sache. Dies ist ein Grund, Ihren Erfolg zu feiern und zu versuchen, noch mehr Verhaltensänderungen herbeizuführen, indem Sie Trends noch früher vorausgehen.

Hören Sie sich die Show an, um meine Gedanken zu vorhersehbaren menschlichen Mustern zu hören.

Was Sie nicht vorhersagen können

Chris sagt, dass Sie drei Dinge nicht vorhersagen können. Der erste ist ein großer Umbruch, der Ihre Daten verfälscht, wie politische Unruhen, kulturelle Umwälzungen, Naturkatastrophen usw. All diese Dinge verursachen schwerwiegende Störungen, die eine Prognose beschädigen können. Sektoren mit vielen Umwälzungen wie der Aktienmarkt sind kaum genau vorherzusagen.

Das zweite ist etwas, was noch nie passiert ist, wie die Präsidentschaftswahlen 2016. Der Wettbewerb zwischen den beiden Kandidaten, die an den Start gingen, hatte noch nie zuvor stattgefunden. Viele Menschen, die Prognosewerkzeuge und Prognosen für die Wahlen erstellten, stützten ihre Modelle auf die Wahlen von 2012.

Die Kandidaten in jeder Partei waren jedoch zwischen diesen Wahljahren sehr unterschiedliche Personen. Die Tools, die die Leute für 2016 bauten, basierten also auf etwas, das in der Vergangenheit passiert war, aber derzeit nicht passierte. Sie können nicht vorhersagen, was noch nie passiert ist.

Der dritte Disqualifizierer für Predictive Analytics sind schlechte Daten. Wenn Sie beschädigte oder keine Daten haben, können Sie keine genauen Vorhersagen treffen. Wenn Sie wissen, dass Ihr Unternehmen Probleme mit der Dateninfrastruktur hat, ist Predictive Analytics tatsächlich gefährlich. Es wäre, als würde man mit einem GPS fahren, das schlechte Daten enthält und Ihnen sagt, dass Sie direkt von einer Klippe fahren sollen.

Hören Sie sich die Show an, um zu hören, wie Chris einen anderen Begriff für teilt Umbruch.

Häufige Datenprobleme

Wenn Sie Predictive Analytics ausprobieren möchten, ist Google Analytics ein guter Anfang. Die meisten Vermarkter haben diese Daten sicherlich, aber es kann Probleme geben. Wenn Sie beispielsweise Marketing-Automatisierungssoftware verwenden, müssen Sie Ihre Google Analytics-Tags in dieser Software auf Ihren Zielseiten platzieren. Wenn Sie dies nicht tun, treten Probleme mit der Datenintegrität auf.

Ich frage dann, wie man mit Bots und Blockern umgeht. Chris sagt, dass soziale Medien, insbesondere Instagram und Twitter, voller Bots sind. Die gute Nachricht ist, dass das Bot-Verhalten ziemlich vorhersehbar ist, da die Leute, die diese Bots geschrieben haben, sehr primitive Algorithmen verwendeten. Bei der Datenvorbereitung sind Bots leicht zu erkennen und können entfernt werden.

Zur Veranschaulichung hat ein Bot immer eine Biografie, die genau dem gleichen Format folgt. Die Biografie beginnt mit verschiedenen Wörtern unterschiedlicher Länge, gefolgt von „check me out“ und einem Link.

Blocker sind wesentlich schwieriger zu bearbeiten. Wenn Sie versuchen, anhand von Anzeigendaten Prognosen zu erstellen, und Blocker Daten entfernen, ist dies sehr schwer zu beheben. Die Daten sind nicht falsch. du hast es nicht einmal Es ist unvollständig.

Sie können mit unvollständigen Daten auf zwei Arten umgehen. Zunächst können Sie nach Richtungsangaben suchen, da Ihre Daten immer noch repräsentativ sind. Angenommen, Sie wissen, dass 30% der blockierten Anzeigen auf einem mobilen Gerät geschaltet werden, aber es sind konsistente 30%. Sie haben nicht 22% der Anzeigen auf einer Website blockiert, sondern 5% auf einer anderen.

Wenn die Blockierung relativ konsistent ist, werden Sie immer noch in die richtige Richtung geleitet, da einige Anzeigen mit der Zeit eine bessere oder schlechtere Leistung erzielen.

Die zweite Option steht nur Unternehmen mit einer umfangreichen Datenbank zur Verfügung, z. B. großen Technologieunternehmen oder Datenunternehmen. Mit einer großen Datenmenge können Sie dies tun Anrechnung, der einen vorhandenen trainierten Datensatz und maschinelles Lernen verwendet, um die unvollständigen Teile auszufüllen.

Ein wirklich gutes Beispiel für die Anrechnung sind soziale Anteile. Anfang Februar hat LinkedIn seine Freigabenummern deaktiviert, sodass Sie diese Nummer von keinem Social-Media-Überwachungstool mehr erhalten. Wenn Chris bei einem Social-Media-Überwachungsunternehmen arbeiten würde, würde er die Daten der letzten 10 Jahre als Schulungssatz verwenden und auf die Anzahl der Freigaben schließen.

Sie können die Anzahl der Freigaben ableiten, solange Sie über andere parallele Datensätze wie Twitter und Pinterest verfügen. Mit diesen Freigabenummern kann eine Maschine im Wesentlichen die Lücken für LinkedIn-Freigaben ausfüllen.

Hören Sie sich die Show für meine Gedanken zu Bots und Blockern an.

Beispiele

Für ein bekanntes Bürobedarfsunternehmen führte Chris prädiktive Analysen des Markennamens und des Oberbegriffs „Büro“ durch Lieferungen. " Obwohl sich der Markenname und der Oberbegriff widerspiegelten, lag „Büromaterial“ 20 Tage hinter der Marke Name.

Zum Beispiel hatte der Markenname Ende August einen großen Anstieg, den Chris der Schulanfangssaison und der Rückkehr der Leute zur Arbeit zuschrieb. Aber dann, 20 Tage später, folgte der Suchbegriff für „Büromaterial“ genau der gleichen Spitze und dem gleichen Muster. Was auch immer dort verhaltensmäßig geschieht, die Leute suchen nach der Marke und suchen dann 20 Tage später nach dem Oberbegriff.

Basierend auf den Ergebnissen schlug Chris dem Unternehmen vor, eine Retargeting-Kampagne mit einer Laufzeit von 19 Tagen zu erstellen. Richten Sie alle, die 19 Tage später auf Ihre Website gehen, erneut mit einer Anzeige aus, die sie daran erinnert, mehr Büromaterial zu holen. Mit der Retargeting-Anzeige konnte das Unternehmen einen Teil dieser Nachfrage zurückerobern.

Auf diese Weise kann Predictive Analytics einen enormen ROI bieten. Jemand könnte annehmen, dass alles, was er tut, nicht mehr funktioniert, und einfach aufhören. Mit Predictive Analytics können Sie erkennen, dass Ihr Social Marketing einfach nicht mit den Mustern der Kunden übereinstimmt.

Als nächstes teilt Chris ein Beispiel aus seinem eigenen Geschäft. Er hat ein Benchmarking durchgeführt, das darauf basiert, wann Leute nach Outlook-Abwesenheitseinstellungen suchen, denn wann jemand Wenn Sie danach suchen, wissen Sie, dass sie sich auf den Urlaub vorbereiten, was bedeutet, dass sie ihre nicht lesen Email. Nachdem Chris diese Benchmark im Oktober 2017 durchgeführt hatte, prognostizierte er für das erste Quartal eine Prognose.

Chris prognostizierte, dass das Suchvolumen am niedrigsten war, was bedeutet, dass die meisten Personen in der Woche vom 18. Januar 2018 im Büro waren. In dieser Woche führte Chris dieselbe Kampagne für sein Buch auf derselben Liste und mit demselben Angebot durch wie 2017.

Durch die Verfeinerung seines Timings für die Aktion 2018 steigerte Chris den Buchverkauf um 40%. Seine Kampagne 2017 war um ungefähr zwei Wochen verschoben, und Chris erfuhr, dass es einen großen Unterschied machte, nicht mit seinem Publikum synchron zu sein.

Ich frage, wie ein Unternehmen, das Informationen veröffentlicht, Predictive Analytics verwenden könnte, um seine Strategie zu verbessern. In diesem Beispiel sagt Chris, dass eine seiner Lieblingsanwendungen die Inhaltsstrategie ist. Angenommen, Sie behandeln regelmäßig bestimmte Themen. Sie können eine ganze Kombination dieser Vorhersagen ausführen.

Die 10% mit der besten Leistung können Ihren redaktionellen Kalender steuern. Wenn Sie die Monate kennen, in denen die Leute am meisten an einem Thema interessiert sind, können Sie monatliche Funktionen für dieses Thema planen. Sie wissen sogar bis zu der Woche, wann Sie Inhalte zu einem bestimmten Thema veröffentlichen müssen. Auf diese Weise können Sie jeden Monat die hohe Note erreichen.

Predictive Analytics kann auch Ihren Werbekalender informieren. Wenn Sie wissen, dass Sie zu einem bestimmten Thema veröffentlichen, können Sie Ihre Preislisten basierend auf diesem Thema festlegen. Für den Monat, in dem Sie wissen, dass die Nachfrage des Publikums nach einem Thema hoch ist, können Sie Werbetreibenden, die an diesem Thema interessiert sind, den vollen Preis in Rechnung stellen. Wenn Sie wissen, dass das Interesse am Zielthema der Werbetreibenden gering ist, bieten Sie möglicherweise 40% Rabatt.

Hören Sie sich die Show an und hören Sie, wie Chris darüber spricht, wie Social Media Examiner Predictive Analytics auf seine Inhalte anwenden kann.

Werkzeuge

Chris sagt, die besten Tools sind kostenlos. Sie sind Programmiersprachen (wie R. und Python) sowie die Bibliotheken (wie SIDEKIT, NumPy, timetk), die Code anbieten, den Sie für bestimmte Aufgaben verwenden können. Um diese kostenlosen Tools verwenden zu können, benötigen Sie jedoch viel technische Erfahrung. Die Programmiersprachen und Bibliotheken sind wie Motorteile. Um ein Auto zu bekommen, muss man es selbst bauen.

Für technisch versierte Unternehmen jeder Größe, wenn Sie jemanden oder mehrere Personen haben, die die Rollen von übernehmen können Als Entwickler, Datenwissenschaftler und Marketingtechnologe können Sie mithilfe von Predictive Analytics Ihre eigenen Prognosen für erstellen frei.

Wenn Sie jedoch nicht über die Zeit oder das Wissen verfügen, um diese Tools zu verwenden, aber Geld haben, ist es am besten, Prognosen auszulagern. Stellen Sie ein Data Science-Unternehmen ein.

Wenn Sie erfahren möchten, wie Data Science funktioniert, empfiehlt Chris den Blog unter KDnuggets.com und das IBM Data Science-Blog. Das IBM Data Science Erfahrung ist auch ausgezeichnet. Sie sollten auch den Entwicklerblogs der großen Technologieunternehmen wie folgen Microsoft, Amazonas, Google, und IBM.

Die besten Informationen zur Datenwissenschaft finden Sie jedoch in wissenschaftliche Arbeiten. Wenn Sie diese Papiere lesen können, ohne einzuschlafen, und die Informationen extrahieren, finden Sie echtes Gold. Sie lernen Techniken, mit denen Sie Ihre Daten ausprobieren können.

Dieser Vorhersagealgorithmus, über den wir gesprochen haben, gibt es seit 70 Jahren. Es ist ein Werkzeug wie ein Spatel. Wenn Sie nur ein Stück Toast umdrehen, haben Sie einen sehr teuren Toastflipper.

Wenn Sie jedoch an Grillen, Braten und all die Dinge denken, die Sie mit einem Spatel tun können, werden die Möglichkeiten endlos. Gleiches gilt für datenwissenschaftliche Tools und Algorithmen. Sie können Ihre Kreativität und Neugier nutzen, um sie auf all diese verschiedenen Arten auszuprobieren.

In Zukunft wird die Verwendung dieser Tools so einfach wie die Schaltung einer Facebook-Anzeige, da viele Predictive Analytics bereits sehr mechanisiert sind. Der Teil, der menschliches Urteilsvermögen und Kontext beinhaltet, wird jedoch länger dauern. Maschinen können nicht verstehen, wie Unternehmen arbeiten, und können diese Möglichkeiten daher nicht erkennen.

Nachdem Sie die große Strategie festgelegt haben, können Sie bald auf eine Schaltfläche klicken, Ihre Kreditkarte durchziehen, Ihre monatliche Gebühr von 99 US-Dollar bezahlen und das Tool wird Diagramme ausspucken. Chris glaubt, dass diese Funktion in den nächsten 5 Jahren verfügbar sein wird.

Wenn sich die künstliche Intelligenz für allgemeine Zwecke verbessert, können Sie möglicherweise später einer Maschine mitteilen, dass Sie Ihre Facebook-Ausgaben je nach Bedarf optimieren möchten. Dann führt die Maschine automatisch die Vorhersage durch, findet heraus, wann die Spitzen und Täler auftreten, und führt im Grunde Ihr Budget und Ihre Anzeigen für Sie aus. Das sind wahrscheinlich 5 bis 10 Jahre.

Hören Sie sich die Show an und hören Sie, wie Chris mehr darüber erzählt, was Maschinen nicht können.

Entdeckung der Woche

Reshot ist eine Stock-Foto-Site, die Klischee-Stock-Bilder vermeidet.

Die Fotos auf Reshot spiegeln die einzigartige Perspektive des Fotografen wider. Auf diese Weise sind die Fotos von höherer Qualität als auf vielen anderen Foto-Websites.

Die Site verwendet a einfache Lizenz und Begriffe Das gibt Ihnen viel Flexibilität bei der Verwendung der Fotos.

Reshot-Fotos sind kostenlos, Sie können jedoch auch Fotos von Reshot-Partnern zum Verkauf finden. Besuchen Sie die Website, um die Bilder zu durchsuchen oder mehr zu erfahren.

Hören Sie sich die Show an, um mehr zu erfahren, und lassen Sie uns wissen, wie Reshot für Sie funktioniert.

In dieser Folge erwähnte wichtige Erkenntnisse:

• Erfahren Sie mehr über Chris 'Geschäft, Brain + Trust Insights.
• Folge Chris weiter Twitter.
• Lesen Chris 'Blog.
• Hören Sie sich Chris 'Podcast an. Marketing bei Kaffee.
• Zugriff auf Suchdaten mit AdWords-Keyword-Planer oder Google Trends.
• Erfahren Sie mehr über CrowdTangle.
• Informieren Sie sich über Datenanbieter von Drittanbietern SEMrush und Brand24.
• Erfahren Sie mehr über statistische Anrechnung.
• Erfahren Sie mehr über R. und Python und Bibliotheken wie SIDEKIT, NumPy, und timetk.
• Besuch KDnuggets.com, IBM Data Science-Blog, und IBM Data Science Erfahrung.
• Folgen Sie den Entwickler-Blogs für Microsoft, Amazonas, Google, und IBM.
• Finden Sie Fotos für Ihre Inhalte über Reshot.
• Sehen Sie sich freitags um 10 Uhr pazifischer Zeit unsere wöchentliche Social Media Marketing-Talkshow an Crowdcast oder schalten Sie auf Facebook Live ein.
• Laden Sie die Branchenbericht 2017 für Social Media Marketing.

Was denkst du? Was halten Sie von Predictive Analytics? Bitte teilen Sie Ihre Kommentare unten.