Nuspėjama analizė: kaip rinkodaros specialistai gali pagerinti būsimą veiklą: socialinės žiniasklaidos ekspertas

Norite, kad jūsų rinkodara būtų efektyvesnė?

Įdomu, kaip gali padėti numatyti savo rinkodaros ciklus?

Norėdami ištirti, kaip rinkodaros specialistai gali pradėti naudoti nuspėjamąją analizę, apklausiu Chrisą Penną.

Daugiau apie šią laidą

The Socialinės žiniasklaidos rinkodaros tinklalaidė yra pokalbių radijo laida pagal pareikalavimą iš „Social Media Examiner“. Jis skirtas užimtiems rinkodaros specialistams, verslo savininkams ir kūrėjams padėti atrasti tai, kas veikia su socialinės žiniasklaidos rinkodara.

Šiame epizode aš interviu Chrisas Pennas, vienas iš įkūrėjų ir vyriausiasis novatorius Smegenys + pasitikėjimo įžvalgos. Jis taip pat yra Rinkodara prie kavos tinklalaidė ir pagrindinis socialinės žiniasklaidos rinkodaros pasaulio analizės ekspertas.

Chrisas paaiškina, kaip užtikrinti pagrindinių duomenų, naudojamų nuspėjamojoje analizėje, kokybę.

Taip pat sužinosite duomenų šaltinius ir įrankius, naudojamus spėjant.

Pasidalinkite savo atsiliepimais, perskaitykite laidos užrašus ir gaukite toliau šiame epizode paminėtas nuorodas.

Klausyk dabar

Kur prenumeruoti: „Apple Podcast“ | „Google Podcasts“ | „Spotify“ | RSS

Slinkite iki straipsnio pabaigos, norėdami rasti nuorodas į svarbius šaltinius, paminėtus šiame epizode.

Štai keletas dalykų, kuriuos atrasite šioje laidoje:

Nuspėjama „Analytics“

Chriso istorija

Chrisas pradėjo analitiką per savo IT sritis. 2003 m. Jis pradėjo dirbti studentų paskolų verslo pradžios IT direktoriumi, kur jo vaidmuo išplito už tradicinių IT įsipareigojimų ribų. Be to, kad valdė žiniatinklio ir el. Pašto serverius, jis taip pat atnaujino svetaines ir siuntė savaitinį el. Laišką.

Chrisas darė šį darbą, kol dar nebuvo „Google Analytics“, taigi, kai jo įmonės generalinis direktorius paklausė, kaip veikia svetainės ir el. Laiškai, Chrisas neturėjo atsakymo. Norėdami tai išsiaiškinti, Chrisas ir jo komanda pradėjo kurti savo įrankius, kad suprastų pagrindus, pavyzdžiui, kiek žmonių kiekvieną dieną apsilankė svetainėje.

Laikui bėgant analizės praktika tapo pagrindiniu Chriso akcentu. Jis ne tik bandė sužinoti, kas nutiko, bet ir kodėl tai įvyko ir kaip verslas galėjo atsakyti.

Klausykite laidos, kad išgirstumėte, kaip Chrisas diskutuoja apie savo išsilavinimą.

Kas yra nuspėjama analizė?

Nuspėjamoji analizė naudoja statistiką ir mašininį mokymąsi analizuodama duomenis ir teikdama prognozes. Žmonės yra labai nuspėjami. Mes visi laikomės įprastos tvarkos, pavyzdžiui, valome dantis ir tada nusipraustume po dušu arba kiekvieną rytą tam tikra tvarka apsivilksime kiekvieną drabužį.

Kadangi žmonės yra nuspėjami tiek mikro, tiek makro mastu, rinkodaros specialistai dažniausiai gali nuspėti, kas nutiks. Pavyzdžiui, Šiaurės Amerikoje, jei esate B2C rinkodaros specialistas, jūs beveik žinote, kad būsite užimtas nuo lapkričio 1 d. Iki gruodžio 26 d., Nes tai yra didžiausias produktų pardavimo laikas.

Panašiai, jei esate B2B rinkodaros specialistas, jūsų užimtas laikas yra nuo sausio 1 d. Iki maždaug gegužės pabaigos. Tuomet verslas prasideda iškart po Darbo dienos JAV ir Kanadoje ir tęsiasi per JAV Padėkos dieną. Ne tuo metu daug sunkiau būti rinkodaros specialistu, nesvarbu, ar orientuojatės į skaitmeninį, socialinį ar mokamą darbą.

Klausykitės laidos, kad išgirstumėte daugiau nuspėjamo žmogaus elgesio pavyzdžių.

Ką gali atlikti nuspėjama analizė?

Kadangi mes žinome šiuos dalykus paprastai, mašinos gali padėti mums padaryti šias prognozes tikslesnes. Prognozuojamosios analizės vertė yra jų specifika. Jei žinote, kurią savaitę turėtumėte daugiau nuveikti „Facebook Live“ ar išleisti mažiau skelbimų, galite būti efektyvesni ir efektyvesni rinkodaroje. Jei mokate nuspėti, galite užsidirbti pinigų, sutaupyti pinigų, sutaupyti laiko ir nebūti atleistas.

Nuspėjamoji analizė ypač skirta bandymui išsiaiškinti, kas bus toliau. Paprastam rinkodaros specialistui laiko eilučių prognozės (arba kai kas nors įvyks) yra labiausiai įprasta ir naudinga programa. Pavyzdžiui, jei esate socialinių tinklų rinkodaros specialistas, norite sužinoti, kada reikia aptarnauti savo klientų aptarnavimo komandą ir atsakyti į klientų užklausas.

Nuspėjama analitika taip pat gali išsiaiškinti, pavyzdžiui, kada kas nors pirks naują automobilį, ar tai būsimi tėvai. Tačiau šios programos yra labiau niuansuotos nei laiko eilučių prognozės.

Klausykitės laidos, kad sužinotumėte apie mano patirtį naudojant nuspėjamąją analizę, kai buvau B2B rašytojas.

Kaip veikia nuspėjama „Analytics“

Nuspėjamajai analizei tikriausiai dabar yra beveik 70 metų. Žmonės nustemba išgirdę, kiek senos disciplinos, nes mano, kad mašininis mokymasis yra kažkas naujo. Tačiau teorijos ir matematinės formulės egzistuoja tikrai ilgą laiką.

Pasikeitė nešiojamųjų kompiuterių, darbalaukių ir debesų serverių skaičiavimo galia. Jie gali sutrumpinti didesnius skaičius per trumpesnį laiką. Teoriškai galite atlikti nuspėjamą analizę popieriuje, tačiau tai pareikalautų daug popieriaus ir laiko.

Norint gerai atlikti nuspėjamąją analizę, jums reikia trijų gabumų. Pirma, jums reikia asmens, turinčio vystymo įgūdžių, kad gautumėte duomenis iš savo duomenų šaltinių, pvz., „Google Analytics“, „Facebook Insights“, „Twitter“ ir kitų socialinių duomenų. Duomenys gali būti jūsų turimose sistemose arba trečiųjų šalių sistemose. Kas turi duomenis, turite mokėti juos gauti.

Chrisui patinka posakis: „Duomenys yra nauja nafta“, nes jei jūs kada nors matėte žalios naftos, tai yra bjauri netvarka. Negalite su juo daug nuveikti, kol neišgausite iš žemės, išgryninsite ir paskui atiduosite žmonėms, kurie gali jį naudoti automobiliuose ar gaminti plastikinius dubenėlius, kurie nenulūžtų krisdami ant grindų. Naudojant nuspėjamąją analizę, tai beveik tas pats.

Valytojai yra duomenų mokslininkai, kurie išvalo duomenis į tai, ką galite naudoti. Tada rinkodaros technologai, kurie šiandien yra daugelio socialinių tinklų rinkodaros specialistų vaidmuo, kažką daro su tais duomenimis. Jie ne tik interpretuoja duomenis; jie tai veikia.

Chrisas pabrėžia, kaip svarbu elgtis pagal gaunamus duomenis. Jei žinote, kurią savaitę reklamuoti savo renginį, bet nieko nedarote su ta informacija, tada nėra prasmės daryti prognozę.

Spėjimų tikslumas priklauso nuo pagrindinių duomenų ir algoritmo, kurį naudojate prognozėms atlikti. Tam tikru momentu beveik visi susidurs su duomenų kokybės problema. Gal netinkamai nustatėte „Google Analytics“, netinkamai nustatėte tikslus, pamiršote įjungti „Facebook“ pikselį; bet kuris iš tų dalykų.

Klausykitės laidos, kad išgirstumėte, kaip Chrisas diskutuoja apie populiarią techninės atsargų analizės rūšį.

Praktinės rinkodaros programos numatomosioms analizėms

Kai Chrisas daro nuspėjamą prognozę, tai paprastai yra 52 savaičių linijos diagrama. Kiekvienai savaitei diagramoje parodyta duomenų serijos prognozė. Dažniausiai Chrisas naudoja paieškos duomenis, nes žmonės į „Google“ įrašo medžiagą, kurios jie nenorėtų pasakykite kitam žmogui, todėl paieškos duomenys yra labai geras rodiklis, rodantis, kas iš tikrųjų yra kažkas protas.

Yra daug paieškos duomenų, o kai kuriuos iš jų galite nemokamai pasiekti naudodami tokius įrankius kaip „AdWords“ raktinių žodžių planavimo priemonė arba „Google Trends“. Turėdami duomenis, galite numatyti tam tikros rūšies tendenciją, kuri yra duomenų serija, tada nustatyti smailes ir slėnius. Chrisas rekomenduoja turėti 1–5 metų duomenis kaip prognozės pagrindą.

Tarkime, kad socialinių tinklų rinkodaroje išskleidžiate 5 metų paieškos duomenis, nes įdomu, kada ateinančiais metais žmonės ieškos „socialinės žiniasklaidos“ rinkodara. “ Jei atsitiktinai žinote, kad tai bus kitų metų kovo 20, balandžio 19, gegužės 27, liepos 4, rugsėjo 10 ir spalio 21 d., Tai jūsų aukšto vandens ženklai.

Su šiomis datomis taip pat galite pamatyti, kas nutinka likus 2–3 savaitėms iki kiekvienos datos. Paprastai yra toji viršūnė. Taigi socialinių tinklų rinkodaros specialistai turi padidinti savo reklamos išlaidas. Ekologiškam pardavėjui reikia daug paskelbti ir padvigubinti jų kuriamų „Instagram“ istorijų skaičių. Viešųjų ryšių asmuo turi pasirodyti prieš kelis mėnesius, kad galėtų pasirodyti leidiniuose tomis dienomis.

Jūs taip pat žinote, kada slėniai įvyks, kad galėtumėte planuoti banko turinį, kol nedaug kas vyksta. Galite įrašyti tinklalaides, svečių prieglobą kitose svetainėse, parašyti daugybę tinklaraščio įrašų ir kaupti turinį. Tada, kai ateis kitas smailės taškas, jūs galite pataikyti į reikalingą ritmą, neišdegdami.

Tokiu būdu prognozės padeda užsidirbti pinigų viršūnėse ir sutaupyti pinigų. Galite planuoti ir kurti savo strategiją atsižvelgdami į tai, kada viskas gali nutikti. Ši programa veikia tiek B2C, tiek B2B įmonėms, nes žmonės „Google“ rašo medžiagą visą dieną ir kiekvieną dieną.

Aš klausiu, kokius dar duomenų šaltinius galėtumėte panaudoti prognozėms. Chrisas sako, kad galioja bet kuris laiko duomenų šaltinis, o socialinių tinklų pokalbiai kiekviename tinkle skiriasi. Jūsų „Pinterest“ prognozės gali skirtis nuo „Facebook“ ir „Twitter“ prognozių. Padarykite prognozes pagal visus tuos duomenis.

Norėdami tai padaryti, yra vienas tikrai puikus įrankis „CrowdTangle“. Tai nuostabu, nes suteikia jums laiko eilučių duomenis iki atskiro įrašo lygio. Viešųjų ryšių asmuo gali atkreipti dėmesį į naujienas ir naujienas. Reklamuotojas gali išskaityti mokesčius už paspaudimą, pasiūlymų kainas ir visus šiuos dalykus.

Trečiųjų šalių duomenų šaltiniai yra geri, nes jūs kaip įmonė negalite sugadinti tų duomenų patys, nors galite paprašyti neteisingų dalykų. Vienas patikimas duomenų tiekėjas yra SEMrush, kurios duomenys yra geros kokybės. Kitas pardavėjas, 24. prekės ženklas, atlieka žiniasklaidos stebėjimą.

Taip pat galite peržiūrėti paieškos duomenis iš SEO įrankių, kurie nėra „Google“. Tai visi geri duomenų šaltiniai, nes jie yra nuoseklūs, normalizuoti ir reguliarūs. Be to, jie yra pakankamai švarūs.

Tada Chrisas pasidalija kitu pavyzdžiu, kaip galite pritaikyti nuspėjamąją analizę savo verslui. Chrisas atliko nuspėjamą bėgimą kazino, atsižvelgdamas į 2 metų dienos lošimo automatų pajamas. Įdėjęs šiuos duomenis į algoritmą, Chrisas galėjo prognozuoti kitų metų kazino pajamas.

Remdamasis šiomis prognozėmis, kazino galėjo pamatyti, kada bus mažos pajamos iš lošimų, ir jiems reikėjo pakelti kai kurias akcijas, rodyti skelbimus, pritraukti specialų svečių pramogautoją ar pan. Duomenys padėjo jiems užtaisyti šias pajamų spragas.

Klausiu, kaip rinkodaros specialistai vengia daryti įtaką duomenims. Hipotetiškai tarkime, kad rengiame savo socialinės žiniasklaidos rinkodaros pasaulio rinkodaros reklamas pagal tam tikrus tvarkaraščius, kurie nebūtinai pagrįsti prognozėmis, bet kuriuos nusprendėme naudoti. Kaip atmesti, kad genties ir bendruomenės elgesį nebūtinai lemia mūsų veiksmai?

Chrisas sako, kad socialinės žiniasklaidos rinkodaros pasaulis yra toks didelis, sėkmingas pasirodymas, jis iš tikrųjų įtakoja, kai žmonės ieško tokių dalykų kaip „socialinis žiniasklaidos rinkodara “. Tačiau galite patikslinti surinktus duomenis keliais skirtingais būdais, kad sumažintumėte įvykių, problemų ir pan.

Pvz., Jei naudojate socialinio klausymosi įrankį, galite išskirti socialinių tinklų rinkodaros pasaulio, #socialmediaexaminer, Michaelo Stelznerio ir susijusių elementų paminėjimą. Šie išskyrimai padeda sumažinti duomenų taškus, kurių neva ten nėra.

Taip pat galite naudoti lyginamąją analizę, kuri nustato bazinę ribą už konkretaus sezono ribų, pridedant 20 000 paminėjimų per dieną. Net sezono metu yra kažkas, kas yra neproporcinga tam, kas ten turėtų būti? Tokiu būdu galite paleisti prognozavimą.

Tačiau geriausias būdas tikslinti duomenis yra duomenų lygis. Trūksta geresnio žodžio, pašalinkite medžiagą, kurią žinote, kad ji teršia. Tada galite prognozuoti iš patikslintų duomenų.

Vis dėlto, jei reklamuotumėte socialinės žiniasklaidos rinkodaros pasaulį, nebūtinai norėtumėte tokiu būdu patikslinti duomenis. Jei jūs bandote daryti įtaką tam, kaip žmonės visame pasaulyje ieško „socialinės žiniasklaidos rinkodaros“, tai yra gerai. Tai priežastis pasidžiaugti savo sėkme ir pabandyti sukelti dar daugiau elgesio pokyčių, dar anksčiau lenkiant tendencijas.

Klausykitės laidos, kad išgirstumėte savo mintis apie nuspėjamus žmogaus modelius.

Ko negalite nuspėti

Chrisas sako, kad tu negali nuspėti trijų dalykų. Pirmasis yra didelis sukrėtimas, kuris iškraipys jūsų duomenis, pvz., Politiniai neramumai, kultūriniai lūžiai, stichinės nelaimės ir panašūs dalykai. Visi šie dalykai sukelia didelius trukdžius, kurie gali sugadinti prognozę. Sektorių, turinčių didelį perversmą, tokių kaip akcijų rinka, beveik neįmanoma tiksliai numatyti.

Antrasis - tai, ko niekada nebuvo, pavyzdžiui, 2016 m. Prezidento rinkimai. Konkurencija tarp dviejų kandidatų, kurie dalyvavo, dar nebuvo įvykę. Daugelis žmonių, kuriančių nuspėjimo priemones ir rinkimų prognozes, modelius grindė 2012 m. Rinkimais.

Tačiau kiekvienos partijos kandidatai tais rinkimų metais buvo labai skirtingi žmonės. Taigi įrankiai, kuriuos žmonės sukūrė 2016 m., Buvo pagrįsti kažkuo, kas nutiko praeityje, bet šiuo metu to nebuvo. Negalite numatyti to, kas niekada nebuvo.

Trečiasis nuspėjamosios analizės diskvalifikatorius yra blogi duomenys. Jei turite sugadintų duomenų arba jų nėra, negalite tiksliai numatyti. Jei žinote, kad jūsų įmonė turi duomenų infrastruktūros problemų, nuspėjamoji analizė iš tikrųjų yra pavojinga. Tai būtų tarsi važiavimas su GPS, kuris turi blogus duomenis ir liepia važiuoti iškart nuo uolos.

Klausykitės laidos, kad išgirstumėte, kaip Chrisas dalijasi kitu terminu perversmas.

Bendros duomenų problemos

Jei norite išbandyti nuspėjamąją analizę, „Google Analytics“ yra gera pradžia. Daugelis rinkodaros specialistų tikrai turi šiuos duomenis, tačiau jie gali turėti problemų. Pavyzdžiui, jei naudojate rinkodaros automatizavimo programinę įrangą, „Google Analytics“ žymas turite įdėti į tos programinės įrangos nukreipimo puslapius. Jei to nepadarėte, turite duomenų vientisumo problemų.

Tada klausiu, kaip elgtis su robotais ir blokatoriais. Chrisas sako, kad socialiniuose tinkluose, ypač „Instagram“ ir „Twitter“, gausu robotų. Geros naujienos yra tai, kad botų elgesys yra gana nuspėjamas, nes žmonės, parašę šiuos robotus, naudojo labai primityvius algoritmus. Rengiant duomenis, robotus lengva pastebėti ir juos galite pašalinti.

Pavyzdžiui, vienas robotas visada turi biografiją, kuri atitinka tą patį formatą. Biografija prasideda skirtingais skirtingo ilgio žodžiais, po kurių seka „patikrink mane“ ir nuoroda.

Su blokatoriais dirbti yra žymiai sunkiau. Jei bandote prognozuoti pagal skelbimų duomenis, o blokatoriai pašalina duomenis, tai labai sunku išspręsti. Duomenys nėra klaidingi; tu jo net neturi. Tai neišsami.

Su neišsamiais duomenimis galite elgtis dviem būdais. Pirma, galite ieškoti kažko, kas yra kryptinga, nes jūsų turimi duomenys vis tiek yra tipiški. Tarkime, kad žinote, kad 30 proc. Blokuojamų skelbimų rodomi mobiliajame įrenginyje, tačiau tai nuolat - 30 proc. Vienoje svetainėje nėra užblokuota 22% skelbimų, bet kitoje - 5%.

Jei blokavimas yra gana nuoseklus, vis tiek būsite nukreipti kryptingai, nes laikui bėgant kai kurie skelbimai bus geresni ar blogesni.

Antrasis variantas galimas tik toms įmonėms, kurios turi didžiulę duomenų bazę, pavyzdžiui, didelėms technologijų įmonėms ar duomenų bendrovėms. Turėdami daug duomenų, galite tai padaryti priskyrimas, kuris naudoja esamą apmokytą duomenų rinkinį ir mašininį mokymąsi, kad užpildytų neišsamias dalis.

Tikrai geras priskyrimo pavyzdys yra socialinės akcijos. Vasario pradžioje „LinkedIn“ išjungė savo akcijų numerius, todėl šio numerio nebegaunate iš bet kurios socialinės žiniasklaidos stebėjimo priemonės. Jei Chrisas dirbtų socialinės žiniasklaidos stebėjimo įmonėje, jis naudotų paskutinių 10 metų duomenis kaip mokymų rinkinį ir darytų išvadą apie akcijų skaičių.

Galite daryti išvadą apie akcijų skaičių, jei turite kitų lygiagrečių duomenų rinkinių, tokių kaip „Twitter“ ir „Pinterest“. Šie akcijų numeriai iš esmės leis mašinai užpildyti „LinkedIn“ akcijų tuščias vietas.

Klausykitės laidos, kurioje rasite mano minčių apie robotus ir blokatorius.

Pavyzdžiai

Gerai žinomai biurų tiekimo įmonei Chrisas atliko numatomą prekės ženklo pavadinimo ir bendrojo termino „biuras“ analizę reikmenys “. Nors prekės ženklo pavadinimas ir bendrinis terminas atspindėjo vienas kitą, „biuro prekės“ nuo prekės ženklo atsiliko 20 dienų vardas.

Pavyzdžiui, prekės ženklo vardas rugpjūčio pabaigoje turėjo didelį šuolį, kurį Chrisas priskyrė grįžimo į mokyklą sezonui ir žmonėms, grįžusiems į darbą. Bet po 20 dienų „biuro reikmenų“ paieškos terminas atitiko tą patį smaigalį ir tą patį modelį. Kad ir kas ten elgtųsi, žmonės ieško prekės ženklo ir po 20 dienų ieško bendrinio termino.

Remdamasis išvadomis, Chrisas pasiūlė įmonei sukurti pakartotinio taikymo kampaniją, kurios laikas yra 19 dienų. Vėl paskirkite visiems, kurie apsilanko jūsų svetainėje, praėjus 19 dienų, pateikdami skelbimą, primenantį grįžti daugiau biuro prekių. Su pakartotinai taikomu skelbimu įmonė galėtų susigrąžinti dalį šios paklausos.

Tokiu būdu nuspėjamoji analizė gali pasiūlyti didžiulę IG. Kažkas galėtų manyti, kad viskas, ką jie daro, nebeveikia, ir tiesiog nustoti. Naudodamiesi nuspėjamąja analitika galite pamatyti tikrovę, kad jūsų socialinė rinkodara paprasčiausiai nesinchronizuojama su klientų modeliais.

Tada Chrisas dalijasi pavyzdžiu iš savo verslo. Jis palygino, kai žmonės ieško „Outlook“ biuro nustatymų, nes kai kas to ieškodamas žinai, kad jie ruošiasi atostogauti, o tai reiškia, kad jie jų neskaito paštu. 2017 m. Spalio mėn. Atlikęs šį etaloną, Chrisas prognozavo pirmąjį ketvirtį.

Chrisas prognozavo, kad paieškos apimtis buvo mažiausia, o tai reiškia, kad dauguma žmonių buvo biure, 2018 m. Sausio 18 d. Tą savaitę Chrisas surengė tą pačią savo knygos kampaniją į tą patį sąrašą ir su tuo pačiu pasiūlymu, kaip ir 2017 m.

Patobulinęs savo 2018 m. Akcijos laiką, Chrisas padidino knygų pardavimus 40%. Jo 2017 m. Kampanija buvo nutraukta maždaug 2 savaites, ir Chrisas sužinojo, kad nesinchronizavimas su auditorija padarė didžiulį pokytį.

Klausiu, kaip informaciją skelbianti įmonė gali naudoti nuspėjamąją analizę savo strategijai pagerinti. Šiame pavyzdyje Chrisas sako, kad viena mėgstamiausių jo programų yra turinio strategija. Tarkime, jūs reguliariai nagrinėjate tam tikras temas. Galite paleisti visą šių prognozių derinį.

Geriausiai pasirodę 10 proc. Gali paskatinti jūsų redakcijos kalendorių, nes jei žinote mėnesius, kada žmonės labiausiai domėsis tema, galite suplanuoti mėnesio funkcijas pagal šią temą. Iki savaitės netgi žinosite, kada skelbti turinį tam tikra tema. Tokiu būdu kiekvieną mėnesį galite pasiekti aukščiausią balą.

Nuspėjama analizė taip pat gali suteikti informacijos apie jūsų reklamavimo kalendorių. Jei žinote, kad skelbiate tam tikra tema, galite nustatyti tarifų korteles pagal tą temą. Tą mėnesį, kai žinote, kad auditorijos paklausa tema yra didelė, galite apmokestinti reklamuotojus, kurie domisi ta tema, visą kainą. Kai žinote, kad reklamuotojų susidomėjimas tema yra mažas, galite pasiūlyti 40 proc. Nuolaidą.

Klausykite laidos, kad išgirstumėte, kaip Chrisas diskutuoja apie tai, kaip „Social Media Examiner“ gali taikyti nuspėjamąją analizę savo turiniui.

Įrankiai

Chrisas sako, kad geriausios priemonės yra nemokamos. Jie yra programavimo kalbos (pvz., R ir „Python“), taip pat bibliotekos (pvz., SIDEKIT, NumPy, timetk), kuris siūlo kodą, kurį galite naudoti atlikdami tam tikras užduotis. Tačiau norint naudoti šiuos nemokamus įrankius, jums reikia daug techninės patirties. Programavimo kalbos ir bibliotekos yra kaip variklio dalys. Norėdami gauti automobilį, turite jį pasistatyti patys.

Bet kokio dydžio techniškai pajėgiam verslui, jei turite ką nors ar kelis žmones, galinčius atlikti vaidmenis kūrėjas, duomenų mokslininkas ir rinkodaros technologas, galite naudoti nuspėjamąją analizę, kad sukurtumėte savo prognozes Laisvas.

Tačiau, jei neturite laiko ar žinių naudoti šiuos įrankius, bet turite pinigų, geriausia yra perduoti prognozavimą. Samdyti duomenų mokslo įmonę.

Jei jus domina sužinoti, kaip veikia duomenų mokslas, Chrisas primygtinai rekomenduoja tinklaraštį adresu KDnuggets.com ir IBM duomenų mokslo tinklaraštis. The „IBM Data Science“ patirtis taip pat yra puikus. Taip pat turėtumėte sekti kūrėjų tinklaraščius, skirtus pagrindinėms technologijų kompanijoms, tokioms kaip „Microsoft“, „Amazon“, „Google“ir IBM.

Tačiau geriausios informacijos apie duomenų mokslą rasite akademiniai darbai. Jei galėsite užmigti perskaityti tuos dokumentus ir išgauti informaciją, rasite tikrą auksą. Sužinosite metodus, kuriuos galėsite išbandyti savo duomenyse.

Šis nuspėjamasis algoritmas, apie kurį kalbėjome, egzistuoja jau 70 metų. Tai įrankis kaip mentelė. Jei viskas, ką kada nors darysite, yra apverskite skrebučio gabalėlį, turėsite labai brangų skrebučių košelę.

Tačiau jei galvojate apie kepimą ant grotelių, kepimą maišant ir visus dalykus, kuriuos galite padaryti mentele, galimybės tampa begalinės. Tas pats pasakytina apie duomenų mokslo įrankius ir algoritmus. Galite naudoti savo kūrybiškumą ir smalsumą, kad išbandytumėte juos visais šiais būdais.

Ateityje naudoti šiuos įrankius bus taip pat lengva, kaip rodyti „Facebook“ skelbimą, nes daugybė nuspėjamosios analizės jau yra labai mechanizuoti. Tačiau dalis, į kurią įeina žmogaus sprendimas ir kontekstas, įvyks ilgiau. Mašinos negali suprasti, kaip veikia verslas, todėl nemato tų galimybių.

Bet susikūrę puikią strategiją, netrukus galėsite spustelėti mygtuką, perbraukti kreditinę kortelę, sumokėti 99 USD mėnesinį mokestį ir įrankis išpjaus diagramas. Chrisas mano, kad ši galimybė bus pasiekiama per ateinančius 5 metus.

Toliau, tobulėjant bendros paskirties dirbtiniam intelektui, galbūt galėsite pasakyti mašinai, kurią norite optimizuoti savo „Facebook“ išlaidas atsižvelgdami į paklausą. Tada mašina automatiškai atliks numatymą, išsiaiškins, kada iškyla viršūnės ir slėniai, ir iš esmės paleidžia jūsų biudžetą ir skelbimus už jus. Tai tikriausiai nuo 5 iki 10 metų.

Klausykitės laidos, kad išgirstumėte, kaip Chrisas daugiau dalijasi apie tai, ko negali mašinos.

Savaitės atradimas

Peršauti iš naujo yra vertybinių popierių svetainė, kurioje išvengiama klišinių akcijų vaizdų.

„Reshot“ nuotraukos atspindi unikalią fotografo perspektyvą. Tokiu būdu nuotraukos yra kokybiškesnės nei daugelyje kitų nuotraukų nuotraukų svetainių.

Svetainėje naudojamas a paprasta licencija ir terminai tai suteikia jums daug lankstumo naudojant nuotraukas.

„Reshot“ nuotraukos yra nemokamos, nors parduodamų nuotraukų galite rasti ir iš „Reshot“ partnerių. Norėdami peržiūrėti vaizdus ar sužinoti daugiau, apsilankykite svetainėje.

Klausykite laidos, kad sužinotumėte daugiau ir praneškite mums, kaip „Reshot“ jums tinka.

Pagrindiniai šiame epizode minimi išsinešimai:

• Sužinokite daugiau apie Chriso verslą, Smegenys + pasitikėjimo įžvalgos.
• Sekite Chrisą toliau „Twitter“.
• Perskaityk Chriso dienoraštis.
• Klausykite Chriso tinklalaidės, Rinkodara prie kavos.
• Pasiekite paieškos duomenis naudodami „AdWords“ raktinių žodžių planavimo priemonė arba „Google Trends“.
• Sužinokite daugiau apie „CrowdTangle“.
• Patikrinkite trečiųjų šalių duomenų tiekėjus SEMrush ir 24. prekės ženklas.
• Sužinokite daugiau apie statistiką priskyrimas.
• Sužinokite daugiau apie R ir „Python“ ir bibliotekoms patinka SIDEKIT, NumPyir timetk.
• Apsilankykite KDnuggets.com, IBM duomenų mokslo tinklaraštisir „IBM Data Science“ patirtis.
• Stebėkite kūrėjų tinklaraščius „Microsoft“, „Amazon“, „Google“ir IBM.
• Raskite turinio nuotraukų per Peršauti iš naujo.
• Žiūrėkite mūsų savaitinę socialinės žiniasklaidos rinkodaros pokalbių laidą penktadieniais, 10 val. Ramiojo vandenyno dienomis Miniatiūra arba sureguliuokite „Facebook Live“.
• Atsisiųskite 2017 m. Socialinės žiniasklaidos rinkodaros pramonės ataskaita.

Ką tu manai? Kokios jūsų mintys apie nuspėjamąją analizę? Prašau pasidalinti savo komentarais žemiau.