Análise preditiva: como os profissionais de marketing podem melhorar as atividades futuras: examinador de mídia social

Quer que seu marketing seja mais eficiente?

Quer saber como prever seus ciclos de marketing pode ajudar?

Para explorar como os profissionais de marketing podem começar com a análise preditiva, entrevisto Chris Penn.

Mais sobre este programa

o Podcast de marketing de mídia social é um programa de rádio sob demanda do Social Media Examiner. Foi concebido para ajudar profissionais de marketing, empresários e criadores ocupados a descobrir o que funciona com o marketing nas redes sociais.

Neste episódio, eu entrevisto Chris Penn, o cofundador e inovador chefe da Brain + Trust Insights. Ele também é o co-anfitrião do Marketing Over Coffee podcast e o principal especialista em análise da Social Media Marketing World.

Chris explica como garantir a qualidade dos dados subjacentes usados ​​na análise preditiva.

Você também descobrirá fontes de dados e ferramentas usadas para fazer previsões.

Compartilhe seus comentários, leia as notas do programa e obtenha os links mencionados neste episódio abaixo.

Ouça agora

Onde se inscrever: Apple Podcast | Podcasts do Google | Spotify | RSS

Role até o final do artigo para obter links para recursos importantes mencionados neste episódio.

Aqui estão algumas das coisas que você descobrirá neste programa:

Análise preditiva

História de Chris

Chris começou na análise por meio de sua experiência em TI. Em 2003, ele começou a trabalhar como diretor de TI de uma startup de empréstimo para estudantes, onde sua função se expandiu além das responsabilidades tradicionais de TI. Além de administrar os servidores web e de e-mail, ele atualizava os sites e enviava o e-mail semanalmente.

Chris estava fazendo esse trabalho antes de o Google Analytics existir, então, quando o CEO de sua empresa perguntou como estavam o desempenho dos sites e e-mails, Chris não teve uma resposta. Para descobrir isso, Chris e sua equipe começaram a desenvolver suas próprias ferramentas para entender o básico, como quantas pessoas visitam o site a cada dia.

Com o tempo, a prática analítica tornou-se um foco central para Chris. Ele não estava apenas tentando descobrir o que aconteceu, mas por que aconteceu e como a empresa poderia reagir.

Ouça o programa para ouvir Chris discutir sua formação educacional.

O que são análises preditivas?

A análise preditiva usa estatísticas e aprendizado de máquina para analisar dados e fazer previsões. Os humanos são muito previsíveis. Todos nós seguimos rotinas, como escovar os dentes e depois tomar um banho, ou vestir cada peça de roupa em uma determinada ordem todas as manhãs.

Como os humanos são previsíveis em escala micro e macro, os profissionais de marketing podem prever principalmente o que acontecerá. Por exemplo, na América do Norte, se você é um profissional de marketing B2C, sabe muito bem que estará ocupado de 1º de novembro a 26 de dezembro, porque é um horário de pico para as vendas de produtos.

Da mesma forma, se você for um profissional de marketing B2B, seu período de maior movimento vai de 1º de janeiro a quase o final de maio. Em seguida, os negócios aumentam logo após o Dia do Trabalho nos Estados Unidos e Canadá e continuam até o Dia de Ação de Graças dos EUA. Fora dessa época, é muito mais difícil ser um profissional de marketing, quer você se concentre em digital, social ou pago.

Ouça o programa para ouvir mais exemplos de comportamento humano previsível.

O que a análise preditiva pode fazer?

Como geralmente sabemos dessas coisas, as máquinas podem nos ajudar a tornar essas previsões mais específicas. O valor da análise preditiva é sua especificidade. Se você sabe em que semana deve fazer mais no Facebook Live ou gastar menos em anúncios, você pode ser mais eficiente e eficaz em seu marketing. Se você sabe prever, pode ganhar dinheiro, economizar dinheiro, economizar tempo e não ser demitido.

A análise preditiva se concentra especificamente em tentar descobrir o que acontece a seguir. Para o profissional de marketing médio, as previsões de séries temporais (ou quando algo vai acontecer) são a aplicação mais convencional e útil. Para ilustrar, se você é um profissional de marketing de mídia social, quer saber quando formar uma equipe de atendimento ao cliente para responder às perguntas dos clientes.

A análise preditiva também pode descobrir coisas como quando alguém vai comprar um carro novo ou se são futuros pais. No entanto, esses aplicativos têm mais nuances do que as previsões de séries temporais.

Ouça o programa para saber sobre minhas experiências com análise preditiva quando eu era redator B2B.

Como funciona a análise preditiva

A análise preditiva provavelmente está perto dos 70 anos agora. As pessoas ficam surpresas ao saber a idade da disciplina, porque pensam que o aprendizado de máquina é algo novo. No entanto, as teorias e fórmulas matemáticas existem há muito tempo.

O que mudou é o poder computacional de laptops, desktops e servidores em nuvem. Eles podem processar números maiores em menos tempo. Teoricamente, você pode fazer análises preditivas no papel, mas exigiria muito papel e tempo.

Para fazer análises preditivas bem, você precisa de três aptidões. Primeiro, você precisa de alguém com habilidades de desenvolvimento para extrair dados de suas fontes de dados, como Google Analytics, Facebook Insights, Twitter e outros tipos de dados sociais. Os dados podem estar em sistemas de sua propriedade ou em sistemas de terceiros. Quem quer que tenha os dados, você precisa ser capaz de retirá-los.

Chris gosta da expressão "Dados são o novo petróleo", porque se você já viu petróleo bruto, é uma bagunça nojenta. Você não pode fazer muito com ele até que você o extraia do solo, refine-o e depois dê a pessoas que podem usá-lo em carros ou para fazer tigelas de plástico que não quebram ao cair no chão Com a análise preditiva, é praticamente a mesma coisa.

Os refinadores são cientistas de dados, que transformam os dados em algo que você pode usar. Então, os tecnólogos de marketing, que é o papel de muitos profissionais de marketing de mídia social hoje, fazem algo com esses dados. Eles não apenas interpretam os dados; eles agem sobre isso.

Chris enfatiza a importância de agir com base nos dados que você obtém. Se você sabe em que semana promover seu evento, mas não faz nada com essa informação, então não adianta fazer a previsão.

A precisão das previsões depende dos dados subjacentes e do algoritmo que você usa para fazer as previsões. Em algum momento, quase todos terão problemas com a qualidade dos dados. Talvez você não configurou o Google Analytics direito, não definiu seus objetivos direito, você se esqueceu de ligar o pixel do Facebook; qualquer uma dessas coisas.

Ouça o programa para ouvir Chris discutir um tipo popular de análise técnica de estoque.

Aplicativos de marketing prático para análises preditivas

Quando Chris faz uma previsão preditiva, geralmente é um gráfico de linha de 52 semanas. Para cada semana, o gráfico mostra uma previsão para qualquer que seja a série de dados. Na maioria das vezes, Chris usa dados de pesquisa porque as pessoas digitam coisas no Google que elas não querem contar a outro ser humano, tornando os dados de pesquisa um indicador muito bom do que está realmente no conteúdo de alguém mente.

Muitos dados de pesquisa estão disponíveis e você pode acessar alguns deles gratuitamente por meio de ferramentas como AdWords Keyword Planner ou tendências do Google. Depois de ter os dados, você pode prever uma tendência de algum tipo, que é uma série de dados, e então identificar os picos e vales. Chris recomenda ter de 1 a 5 anos de dados como base para sua previsão.

Digamos que você extraia 5 anos de dados de pesquisa sobre marketing de mídia social porque está se perguntando quando, no próximo ano, as pessoas estarão pesquisando por "mídia social marketing." Se você souber que será 20 de março, 19 de abril, 27 de maio, 4 de julho, 10 de setembro e 21 de outubro do próximo ano, esses são os seus marcas d'água altas.

Com essas datas, você também pode ver o que acontece 2 a 3 semanas antes de cada data. Normalmente, há uma corrida até esse pico. Portanto, um profissional de marketing de mídia social precisa aumentar seus gastos com publicidade. Um profissional de marketing orgânico precisa postar muito e dobrar o número de histórias que faz no Instagram. Uma pessoa de relações públicas precisa lançar com meses de antecedência para aparecer em publicações nessas datas.

Você também sabe quando os vales vão acontecer, então você pode planejar o conteúdo do banco enquanto nada está acontecendo. Você pode gravar podcasts, hospedar convidados em outros sites, escrever um monte de postagens em blogs e armazenar conteúdo. Então, quando o próximo pico chegar, você pode atingir a cadência necessária sem se esgotar.

Dessa forma, as previsões ajudam você a ganhar dinheiro nos picos e economizar dinheiro nas baixas. Você pode planejar e construir sua estratégia com base em quando as coisas provavelmente acontecerão. Este aplicativo funciona para empresas B2C e B2B porque as pessoas digitam coisas no Google o dia todo, todos os dias.

Eu pergunto que outras fontes de dados você poderia usar para fazer previsões. Chris diz que qualquer fonte de dados com base no tempo é válida e as conversas nas redes sociais variam em cada rede. Suas previsões do Pinterest podem ser diferentes das do Facebook e do Twitter. Faça previsões com base em todos esses dados.

Para fazer isso, uma ferramenta realmente ótima é CrowdTangle. É fantástico porque fornece dados de série temporal até o nível de postagem individual. Uma pessoa de relações públicas pode obter menções e cobertura de notícias. Um anunciante pode extrair valores de pagamento por clique, preços de lances, todas essas coisas.

Fontes de dados de terceiros são boas porque você, como empresa, não pode corromper esses dados, por si só, embora possa pedir coisas erradas. Um fornecedor de dados confiável é SEMrush, que possui dados de boa qualidade. Outro vendedor, Brand24, faz monitoramento de mídia.

Você também pode consultar os dados de pesquisa de ferramentas de SEO que não são do Google. Todas essas são boas fontes de dados porque são consistentes, normalizadas e regulares. Além disso, eles estão razoavelmente limpos.

Chris, então, compartilha outro exemplo de como você pode aplicar a análise preditiva ao seu negócio. Chris fez uma corrida preditiva para um cassino com base em 2 anos de receita diária de caça-níqueis. Depois de colocar esses dados em um algoritmo, Chris foi capaz de prever a receita do cassino para o próximo ano.

Com essas previsões, o cassino poderia ver quando a receita dos caça-níqueis seria baixa e eles precisariam aumentar algumas promoções, veicular anúncios, trazer um convidado especial ou algo parecido. Os dados os ajudaram a corrigir essas lacunas em suas receitas.

Eu pergunto como os profissionais de marketing evitam impactar os dados. Hipoteticamente, digamos que preparamos nossas promoções de marketing para o Social Media Marketing World em certas programações que não são necessariamente baseadas em previsões, mas decidimos usar. Como descartamos que o comportamento da tribo e da comunidade não seja necessariamente causado por nossas ações?

Chris diz que o Social Media Marketing World é um programa tão grande e bem-sucedido que realmente influencia quando as pessoas pesquisam coisas como "social marketing de mídia. ” No entanto, você pode refinar os dados extraídos de algumas maneiras diferentes para minimizar o impacto de eventos, problemas e assim por diante.

Por exemplo, se você usa uma ferramenta de escuta social, pode excluir menções de Social Media Marketing World, #socialmediaexaminer, Michael Stelzner e itens relacionados. Essas exclusões ajudam a reduzir os pontos de dados que não deveriam estar lá.

Você também pode usar o benchmarking, que estabelece uma linha de base fora de uma determinada temporada que adiciona 20.000 menções por dia. Mesmo na temporada, há algo que é desproporcional ao que deveria estar lá? Você pode executar a previsão dessa forma.

No entanto, a melhor maneira de refinar os dados é no nível dos dados. Remova coisas que você sabe que contaminam, por falta de palavra melhor. Então você pode fazer previsões a partir dos dados refinados.

Dito isso, se você estivesse fazendo marketing no Social Media Marketing World, não necessariamente desejaria refinar os dados dessa forma. Se você está fazendo com que a tribo influencie como as pessoas ao redor do mundo pesquisam por "marketing de mídia social", isso é uma coisa boa. Esse é um motivo para comemorar seu sucesso e tentar causar ainda mais mudanças comportamentais, ficando à frente das tendências ainda mais cedo.

Ouça o show para ouvir meus pensamentos sobre os padrões humanos previsíveis.

O que você não pode prever

Chris diz que você não pode prever três coisas. O primeiro é uma grande agitação que distorcerá seus dados, como agitação política, agitação cultural, desastres naturais, coisas assim. Todas essas coisas causam grande interferência que pode corromper uma previsão. Setores com muitas turbulências, como o mercado de ações, são quase impossíveis de prever com precisão.

A segunda é algo que nunca aconteceu, como a eleição presidencial de 2016. A competição entre os dois candidatos que disputavam nunca tinha acontecido antes. Muitas pessoas criando ferramentas preditivas e previsões para a eleição baseavam seus modelos nas eleições de 2012.

No entanto, os candidatos de cada partido eram pessoas muito diferentes entre aqueles anos eleitorais. Então, as ferramentas que as pessoas construíram para 2016 foram baseadas em algo que aconteceu no passado, mas que não estava acontecendo no momento. Você não pode prever o que nunca aconteceu.

O terceiro desqualificador da análise preditiva são os dados ruins. Se você tem dados corrompidos ou nenhum dado, não é possível fazer previsões precisas. Se você sabe que sua empresa tem problemas de infraestrutura de dados, a análise preditiva é realmente perigosa. Seria como dirigir com um GPS que tem dados ruins e indica para você dirigir de um penhasco.

Ouça o programa para ouvir Chris compartilhar outro termo para agitação.

Problemas Comuns de Dados

Se você deseja experimentar análises preditivas, o Google Analytics é um bom começo. A maioria dos profissionais de marketing certamente possui esses dados, mas pode haver problemas. Por exemplo, se você usa um software de automação de marketing, precisa colocar suas tags do Google Analytics em suas páginas de destino nesse software. Caso contrário, você terá problemas de integridade de dados.

Em seguida, pergunto como lidar com bots e bloqueadores. Chris diz que a mídia social, especialmente Instagram e Twitter, está repleta de bots. A boa notícia é que os comportamentos dos bots são bastante previsíveis porque as pessoas que os escreveram usavam algoritmos muito primitivos. No processo de preparação de dados, os bots são fáceis de detectar e você pode removê-los.

Para ilustrar, um bot sempre tem uma biografia que segue exatamente o mesmo formato. A biografia começa com palavras diferentes, de comprimentos diferentes, seguidas de “verifique-me” e, em seguida, um link.

Os bloqueadores são significativamente mais difíceis de trabalhar. Se você está tentando fazer previsões com base em dados de anúncios e os bloqueadores estão removendo dados, isso é muito difícil de corrigir. Os dados não estão errados; você nem mesmo tem. Está incompleto.

Você pode lidar com dados incompletos de duas maneiras. Primeiro, você pode procurar algo que seja direcional, porque os dados que você tem ainda são representativos. Digamos que você saiba que 30% dos anúncios bloqueados estão acontecendo em um dispositivo móvel, mas são 30% consistentes. Você não tem 22% dos anúncios bloqueados em um site, mas 5% em outro.

Se o bloqueio for relativamente consistente, você ainda será direcionado para o caminho certo, porque com o tempo alguns anúncios terão um desempenho melhor ou pior.

A segunda opção está disponível apenas para empresas com um grande banco de dados, como grandes empresas de tecnologia ou empresas de dados. Com uma grande quantidade de dados, você pode fazer imputação, que usa um conjunto de dados treinado existente e aprendizado de máquina para preencher as partes incompletas.

Um bom exemplo de imputação são as participações sociais. No início de fevereiro, o LinkedIn desativou seus números de compartilhamento, então você não receberá mais esse número de nenhuma ferramenta de monitoramento de mídia social. Se Chris estivesse trabalhando em uma empresa de monitoramento de mídia social, ele usaria os últimos 10 anos de dados como um conjunto de treinamento e inferiria o número de compartilhamentos.

Você pode inferir o número de compartilhamentos, desde que tenha outros conjuntos de dados paralelos, como Twitter e Pinterest. Esses números de ações basicamente permitirão que uma máquina preencha os espaços em branco para ações do LinkedIn.

Ouça o programa para ver minhas ideias sobre bots e bloqueadores.

Exemplos

Para uma conhecida empresa de suprimentos de escritório, Chris fez análises preditivas do nome da marca e do termo genérico “escritório suprimentos." Embora o nome da marca e o termo genérico se espelhem, "suprimentos de escritório" estava 20 dias atrás da marca nome.

Por exemplo, o nome da marca teve um grande pico no final de agosto, que Chris atribuiu à temporada de volta às aulas e ao retorno das pessoas ao trabalho. Porém, 20 dias depois, o termo de pesquisa para “material de escritório” seguia exatamente o mesmo pico e exatamente o mesmo padrão. Seja o que for que esteja acontecendo comportamentalmente, as pessoas procuram a marca e, 20 dias depois, procuram o termo genérico.

Com base nas descobertas, Chris sugeriu que a empresa desenvolvesse uma campanha de retargeting com duração de 19 dias. Mude o alvo para todos que acessam seu site 19 dias depois com um anúncio lembrando-os de voltar para comprar mais suprimentos de escritório. Com o anúncio de retargeting, a empresa poderia retomar parte dessa demanda.

Dessa forma, a análise preditiva pode oferecer um ROI enorme. Alguém pode presumir que tudo o que estão fazendo não está mais funcionando e simplesmente parar. Com a análise preditiva, você pode ver que a realidade é que seu marketing social simplesmente está fora de sincronia com os padrões dos clientes.

A seguir, Chris compartilha um exemplo de seu próprio negócio. Ele estava fazendo um benchmarking com base em quando as pessoas pesquisam configurações fora do escritório do Outlook, porque quando alguém procurando por isso, você sabe que eles estão se preparando para sair de férias, o que significa que não estão lendo seus o email. Depois de executar esse benchmark em outubro de 2017, Chris projetou o futuro para o primeiro trimestre.

Chris projetou que o volume de pesquisa foi o mais baixo, o que significa que a maioria das pessoas estava no escritório na semana de 18 de janeiro de 2018. Naquela semana, Chris exibiu a mesma campanha de seu livro para a mesma lista e com a mesma oferta de 2017.

Ao refinar o tempo para a promoção de 2018, Chris aumentou as vendas de livros em 40%. Sua campanha de 2017 estava atrasada em cerca de 2 semanas, e Chris aprendeu que estar fora de sincronia com seu público fazia uma grande diferença.

Eu pergunto como uma empresa que publica informações pode usar a análise preditiva para melhorar sua estratégia. Para este exemplo, Chris diz que um de seus aplicativos favoritos é estratégia de conteúdo. Digamos que você cubra regularmente certos tópicos. Você pode executar uma combinação completa dessas previsões.

Os 10% de melhor desempenho podem impulsionar seu calendário editorial porque, se você souber os meses em que as pessoas estarão mais interessadas em um tópico, poderá planejar recursos mensais em torno desse tópico. Você saberá até a semana quando publicar conteúdo sobre um determinado tópico. Dessa forma, você pode atingir a nota alta todos os meses.

A análise preditiva também pode informar seu calendário de publicidade. Se você sabe que está publicando sobre um determinado tópico, pode definir suas tabelas de preços com base nesse tópico. Para o mês em que você sabe que a demanda do público por um tópico é alta, você pode cobrar dos anunciantes que estão interessados ​​naquele tópico o preço total. Quando você sabe que o interesse no tópico-alvo dos anunciantes é baixo, pode oferecer 40% de desconto.

Ouça o programa para ouvir Chris discutir como o Social Media Examiner pode aplicar análises preditivas a seu conteúdo.

Ferramentas

Chris diz que as melhores ferramentas são gratuitas. Eles são linguagens de programação (como R e Pitão), bem como as bibliotecas (como SIDEKIT, NumPy, calendário) que oferecem código que você pode usar para determinadas tarefas. No entanto, para usar essas ferramentas gratuitas, você precisa de muita experiência técnica. As linguagens de programação e bibliotecas são como peças de motor. Para obter um carro, você precisa construí-lo sozinho.

Para empresas tecnicamente capazes de qualquer tamanho, se você tiver alguém ou várias pessoas que podem preencher as funções de desenvolvedor, cientista de dados e tecnólogo de marketing, você pode usar a análise preditiva para criar suas próprias previsões para livre.

No entanto, se você não tem tempo ou conhecimento para usar essas ferramentas, mas tem dinheiro, sua melhor aposta é terceirizar a previsão. Contrate uma empresa de ciência de dados.

Se você estiver interessado em aprender como funciona a ciência de dados, Chris recomenda fortemente o blog em KDnuggets.com e a Blog de ciência de dados da IBM. o Experiência IBM Data Science é excelente também. Você também deve seguir os blogs de desenvolvedores das principais empresas de tecnologia, como Microsoft, Amazonas, Google, e IBM.

No entanto, você encontra as melhores informações sobre ciência de dados em trabalhos acadêmicos. Se você puder ler esses jornais sem adormecer e extrair as informações, encontrará ouro de verdade. Você aprenderá técnicas que pode experimentar com seus dados.

Este algoritmo preditivo de que falamos existe há 70 anos. É uma ferramenta como uma espátula. Se tudo o que você fizer for virar uma torrada, você terá uma torradeira muito cara.

No entanto, se você pensar em grelhar, refogar e em todas as coisas que você pode fazer com uma espátula, as possibilidades tornam-se infinitas. O mesmo se aplica a ferramentas e algoritmos de ciência de dados. Você pode usar sua criatividade e curiosidade para experimentá-los de todas essas maneiras diferentes.

No futuro, usar essas ferramentas se tornará tão fácil quanto exibir um anúncio no Facebook porque muitas análises preditivas já são muito mecanizadas. No entanto, a parte que envolve o julgamento humano e o contexto demorará mais para acontecer. As máquinas não conseguem entender como as empresas funcionam e, portanto, não podem ver essas possibilidades.

Mas depois de mapear a grande estratégia, em breve você poderá clicar em um botão, passar seu cartão de crédito, pagar sua taxa mensal de $ 99 e a ferramenta cuspirá gráficos. Chris acredita que esse recurso estará disponível nos próximos 5 anos.

Mais adiante, à medida que a inteligência artificial de uso geral melhora, você pode dizer a uma máquina que deseja otimizar seus gastos no Facebook com base na demanda. Em seguida, a máquina fará a previsão automaticamente, descobrirá quando os picos e vales ocorrem e basicamente executará seu orçamento e anúncios para você. Isso é provavelmente de 5 a 10 anos.

Ouça o programa para ouvir Chris compartilhar mais sobre o que as máquinas não podem fazer.

Descoberta da semana

Refazer é um site de banco de imagens que evita imagens de estoque clichê.

As fotos no Reshot refletem a perspectiva única do fotógrafo. Desta forma, as fotos são de qualidade superior às de muitos outros sites de fotos.

O site usa um licença simples e termos que lhe dão muita flexibilidade para usar as fotos.

As fotos da Reshot são gratuitas, embora você também possa encontrar fotos para venda nos parceiros da Reshot. Para navegar pelas imagens ou saber mais, visite o site.

Ouça o programa para saber mais e nos diga como o Reshot funciona para você.

Principais conclusões mencionadas neste episódio:

• Saiba mais sobre o negócio de Chris, Brain + Trust Insights.
• Siga Chris no Twitter.
• Ler Blog do Chris.
• Ouça o podcast de Chris, Marketing Over Coffee.
• Acesse os dados de pesquisa com AdWords Keyword Planner ou tendências do Google.
• Saiba mais sobre CrowdTangle.
• Confira os fornecedores de dados de terceiros SEMrush e Brand24.
• Aprenda mais sobre estatística imputação.
• Descubra mais sobre R e Pitão e bibliotecas como SIDEKIT, NumPy, e calendário.
• Visita KDnuggets.com, Blog de ciência de dados da IBM, e Experiência IBM Data Science.
• Siga os blogs de desenvolvedores para Microsoft, Amazonas, Google, e IBM.
• Encontre fotos para o seu conteúdo via Refazer.
• Assista ao nosso talk show semanal sobre marketing de mídia social às sextas-feiras às 10h, horário do Pacífico em Crowdcast ou sintonize no Facebook Live.
• Faça o download do Relatório da indústria de marketing de mídia social 2017.

O que você acha? O que você acha da análise preditiva? Por favor compartilhe seus comentários abaixo.