Marketéři obvykle kampaně upravují podle výsledků za uplynulé období a doufají, že tak na konci měsíce splní cíle. Co by se ale stalo, kdyby znali výsledky daného měsíce už po prvních několika dnech? Zní to nemožně? Čtěte dále a dozvíte se, jak lze využít matematiky a machine learningu k přesným marketingovým predikcím.
BONUS: Tip na získání grantu od Facebooku kvůli koronaviru
Příběh Petra, který neumí předpovídat výsledky svých kampaní
Petr je marketingový ředitel známého online prodejce zimních bund. Na tento měsíc má rozpočet 30 000 USD. Jeho cílem je dosáhnout tržeb v hodnotě 200 000 USD.
Protože má Petr mnoho zkušeností z předchozích kampaní, rozdělí rozpočet podle svého uvážení do jednotlivých marketingových kanálů a čeká, co se bude dít. Po pár dnech tým vidí první výsledky, na základě kterých nastavení kampaní upraví. Pak jim nezbývá než zase jen čekat a sledovat průběžné výsledky.
Po týdnu zjistí, že ne všechny kanály splňují vytoužené byznysové cíle. Mávnou nad tím ale rukou. Je přece začátek měsíce a výsledky se určitě ještě zlepší. Petr svým lidem poradí, aby zvýšili návštěvnost na webu, a doufá, že tak zvýší i prodeje.
Na příští schůzce je Petr velmi znepokojený. Zvýšená návštěvnost neměla žádný vliv na tržby. Tým vydělal jen 70 000 USD a téměř ¾ rozpočtu už jsou pryč. Zbývají jen dva týdny! Všichni se shodnou na nové, úplně jiné, strategii.
Každý teď pracuje nejméně 10 hodin denně. Většinu kampaní dělají od začátku, přidávají nové kreativy, vylepšují reklamní nabídky a dodržují osvědčené postupy.
Petr ale na dobré výsledky čeká marně.
Na konci měsíce týmy prezentují výsledky. Peter již ví, že zisk je pouhých 110 000 USD. Ještě horší je ale to, že z rozpočtu jim zbývá pouze 5 000 USD. I kdyby se příští týden stal zázrak, cílových tržeb 200 000 USD není možné dosáhnout.
Jak tento příběh přepsat pomocí technologie?
Pojďme vrátit čas. Máme stejnou společnost, stejného Petra, stejný tým a stejné výchozí podmínky. Jediným rozdílem je, že Petr může vidět data jak z minulosti, tak i ty z budoucnosti. To celému marketingovému oddělení výrazně usnadňuje práci při rozhodování.
Petr tedy rozdělil rozpočty mezi jednotlivé kanály podle toho, které mu pravděpodobně přinesou nejvyšší možný zisk za nejnižší cenu za zákazníka. Jeho tým řídil kampaně stejným způsobem a po pár dnech se dostavily první výsledky.
Petr a ostatní vidí, že ne všechny kanály dostatečně přispívají k dosažení stanovených měsíčních cílů. Tentokrát se však během schůzky společně dohodnou na přemístění investic mezi jednotlivými kanály a kampaněmi tak, aby plnily dané cíle za nejnižší možnou cenu. A to na základě automaticky vypočítaných dat z budoucnosti.
Díky této technologii Petr a jeho tým vidí přesné předpovědi toho, jaké výnosy budou na konci měsíce dosaženy u každého jednotlivého kanálu.
Zní to jako magie? Může to vůbec fungovat?
„U našich klientů vidíme, že prediktivní modely mohou být opravdu velmi přesné. Co se týče například customer lifetime value, naše systémy běžně dosahují přesnosti předpovědi okolo ± 95 %,“ říká Milan Merglevský, jeden ze zakladatelů projektu MarketingIntelligence.io.
Technologie Marketing Intelligence je postavená na vědecko-matematických základech a možnostech strojového učení. Jednoduchost implementace však může v lidech vzbudit až dojem magie.
Grant od Facebooku. Šance i pro vás!
Ani ten nejlepší matematický model nedokáže předpovědět globální krizi způsobenou například koronavirem. I v takovém případě by se to ale marketingová předpověď po několika dnech dozvěděla a zohlednila ji ve svých predikcích na následující období.
I proto vznikají iniciativy, jako je ta od Facebooku, která reaguje na současnou situaci kolem koronaviru a na její dopady. Díky této iniciativě se omezený počet vybraných firem může zapojit do programu Facebooku a MarketingIntelligence.io, který mimo jiné z podstatné části pokrývá výdaje spojené s implementací prediktivního systému do firem.
Základní podmínky pro vstup firmy do programu a snadný způsob přihlášení firmy do výběrového procesu naleznete na této stránce.
