Что, если бы вы могли предсказать, что нужно вашим клиентам, еще до того, как они об этом узнают.
Эта статья представляет собой попытку взглянуть на то, как люди продают товары на протяжении десятилетий, и понять, что изменится с машинным обучением и искусственным интеллектом.
На протяжении более пяти десятилетий люди, бренды и компании нанимали рекламодателей и маркетологов для создания изящного искусства продажи товаров и услуг, убеждая людей…
…чтобы покупать больше, чем нужно людям.
…чтобы покупать больше, чем они могли себе позволить.
И по правде говоря, компании очень успешно продавали вещи, в которых люди не нуждались.
Сегодня не нужно быть фанатом «Безумцев», чтобы понимать и знать, почему традиционная медийная реклама умирает.
Data Scientist против психолога.
В то время как производство и средства массовой информации изо всех сил пытались объяснить психологическое поведение и убедить людей покупать больше, ученые, занимающиеся данными, построили математические модели, которые предсказывают, купит ли человек что-то или нет.
Тридцать лет назад мы начали использовать данные для расчета риска страховой компании, чтобы застраховать кого-то и вероятность того, что человек попадет в автомобильную аварию.
Сегодня данные помогают нам предсказать, когда данное событие произойдет с клиентом.
Прогноз против убеждения.
Чтобы привести очень конкретный пример, возьмем Лизу.
Лиза живет в Сиднее. У нее нет зонта. И, как вы знаете, в Сиднее не каждый день идет дождь. Зная это, традиционный маркетинг будет бомбардировать ее сообщениями, чтобы заставить ее думать, что ей действительно нужен зонт, даже если дождя нет. Вероятно, он использует какие-то очень тонкие и психологические причины, чтобы поверить в то, что отсутствие зонта приведет к очень плохому опыту. В конце дня Лиза может купить зонт, пока на улице очень солнечно, на случай, если начнется дождь. Это традиционная маркетинговая техника.
А как насчет прогнозов Data Scientist?
Ну, специалист по данным не будет пытаться вам что-либо продать. Он попытается предсказать, какая будет погода. И если Лиза выйдет из своего офиса в предсказуемое время, совпадающее с началом дождя, то Лизе будет предоставлен список магазинов, в которых вокруг нее есть зонтики.
Разница?
Вместо того, чтобы бомбардировать вас сообщениями, чтобы вы создавали искусственные потребности, наука о данных знает, чего хочет ваш клиент, когда ему это нужно.
Вся эта наука, применяемая к компьютерным системам, имеет имя. Это называется машинным обучением или ML, если вы дружите с SIRI.
Машинное обучение кажется чем-то совершенно новым, но такие компании, как Netflix, Amazon или Uber, используют его алгоритм, чтобы давать хорошие рекомендации, основанные на ваших вкусах, вашей истории покупок или ваших ежедневных маршрутах.
Так что нового? То, что сделало эти крупные компании суперуспешными, теперь доступно и другим компаниям, какими бы маленькими они ни были. Мне нравится называть это явление малыми большими данными. Фактически, теперь небольшие компании могут делать свои собственные прогнозы и знать, кто станет их следующими клиентами.
Как это возможно? Тому есть разные причины. Первый,
раньше для получения результатов и прогнозов требовалось огромное количество ресурсов и серверов. Уже нет.
А во-вторых,
Становится возможным использовать машинное обучение, чтобы понять такие простые вещи, как, кто является потенциальными клиентами и когда они собираются совершить покупку.
наряду с информацией о том, где находятся эти люди, просто собирая большие объемы данных и информации, доступной в Интернете.
Это совершенно новое поле, которое открывается сейчас. И слава богу, это может стать фактическим концом подавляющей рекламы и сообщений, основанных на страхе. Жалко тех, кто любит наливать себе крепкие напитки и курить большие сигары, вечеринка окончена!
Я не хотел, чтобы вы злились, мужчины.
Карим Джи
Соучредитель @Cercle.co
