予測型自動化：顧客の行動を事前に予測する

迅速に対応することは常に重要ですが、予測する方がより良いです。ほとんどのマーケティングチームは、行動が発生したとき（メールが開かれる、フォームに入力される、ページが訪問されるなど）にアクションをトリガーします。

これをリアクティブオートメーションと呼び、予測オートメーションとは異なります。CRM の既存のデータに基づいて、発生する行動を事前に特定します。そして、事前に対応を準備するためのすべてのデータを取得します。

リアクティブオートメーションと予測オートメーションの違いは何ですか?

従来のオートメーションは、かなり単純な原理で動作します。X が発生した場合、Y をトリガーする必要があります。

• 連絡先がホワイトペーパーをダウンロードしましたか?育成シーケンスが開始されます。
• 見込み客が価格ページを訪問しましたか？販売アラートがトリガーされます。

予測オートメーションはロジックを逆転させます。過去のデータを活用して、このタイプのコンタクトが、このコンテキストで、この過去の行動に基づいて、今後 14 日以内に購入する確率が X% であることを予測できる統計モデルを構築します。この予測に基づいて、購入シグナルが表示される前にアクションがトリガーされます。

これは、見込み客がサイトを再訪問したという理由だけで電話をかけるのと、見込み客のプロファイルが2週間以内に契約する顧客のプロファイルと一致するという理由で電話をかけるのとの違いです。

行動データ：予測の原材料

データなしでは予測はできません。そして、このデータには特定のアーキテクチャが必要です。予測自動化は、CRMで見つかる行動履歴の質と深さに依存します。この履歴が豊富、正確、かつ一元化されているほど、予測モデルの信頼性が高くなります。将来の行動を予測するための最も価値のあるデータは、フォームを通じて収集するものではありません。それは暗黙的なデータです。例えば、訪問したページとその順序、過去30日間のセッション頻度、特定のセクションに費やした時間、複数回開封したメール、ダウンロードしたドキュメントなどです。これらは、単一のインタラクションでは肉眼では見えない微細な行動シグナルですが、数百もの類似したジャーニーにわたって分析すると予測的になります。

行動データがメールマーケティングツール、CRM、分析ツールに分散している限り、一貫性のある予測モデルを構築することは不可能であることにすぐに気づきます。

購入意図は最も強力なシグナルです

実行可能な予測シグナルの中で、購入意図は最も商業的価値があります。価格ページを閲覧し、比較ツールをダウンロードし、同じ週に 2 つのケース スタディーズを読む訪問者は、発見フェーズの見込み客のように行動しているわけではありません。彼らの行動は、意思決定をしようとしているバイヤーの行動に似ています。したがって、これらの意図シグナルをリアルタイムで検出し、コンタクトの企業属性データ (業界、企業規模、役職) と相互参照する必要があります。そうすることで、機会の商業的な緊急性を評価できます。このスコアリング システムは、恣意的な手動ルールに基づくものではなく、過去に最終的に契約したコンタクトの行動パターンに基づいています。その結果、営業担当者は、検出されなかったために有望な機会が冷え込む一方で、熱意のない見込み客に時間を浪費することがなくなります。優先順位付けは、直感やリスト上の表示順序ではなく、データに基づいて行われます。HubSpot によるスコアリングと予測の技術 HubSpot は、外部ツールを接続する必要なく、スコアリングと予測機能を CRM に直接統合しています。リード スコアリングを使用すると、コンタクトのレコードに対して行動と人口統計のスコアを構築できます。また、記録されたやり取りに基づいてリアルタイムで更新されます。手動スコアリングは、定義した基準に基づいてプラスとマイナスのポイントを割り当てることで機能します。価格ページを訪問したコンタクトはポイントを獲得します。60日間活動のないコンタクトはポイントを失います。このモデルは運用可能で有用ですが、その基盤となる人間の仮定の質に限界があります。

Breeze を通じて利用できる HubSpot の AI 機能は、さらに一歩進んでいます。これらの機能は、コンタクトの履歴データを分析し、コンバージョンに先行するパターンを手動で定義することなく自動的に識別します。新しいデータが到着すると、モデルは継続的に調整されます。これらの AI 機能を活用している HubSpot のお客様は、販売完了までの時間が 65% 短縮されています。この数値は、タイムリーな介入を可能にする予測スコアリングの影響を直接反映しています。

HubSpot のデータエンリッチメントは、企業規模、業界、使用されているテクノロジー、成長シグナルなどの外部データでコンタクトレコードを自動的に入力することで、このシステムを補完します。この情報は、手動で入力する必要なく、予測モデルを強化します。

予測された行動への応答を自動化したらどうなるでしょうか?

下流のアクションをトリガーせずに予測シグナルを検出しても意味がないことはわかっています。検出が運用上の応答に直接接続されている場合、予測の自動化ははるかに興味深いものになります。HubSpot で運用上の予測シナリオの手順を特定しました。予測トリガー基準を定義します。しきい値を超えるリードスコア、過去 7 日間の行動、および企業属性の組み合わせです。コンタクトがこれらの基準を満たすとすぐに自動的に更新される動的リストを作成します。 400">関連するワークフローを設定する&nbsp: 連絡先の完全なコンテキストを含む営業通知が送信され、パーソナライズされた一連のメールがトリガーされ、パイプラインに自動的に取引が作成されます。

終了条件を設定する&nbsp: 連絡先が返信、署名、または反対のシグナルを発信するとすぐにワークフローから離脱します。

結果を測定する&nbsp: 予測モデルによってトリガーされた連絡先とスコアリングなしで処理された連絡先のコンバージョン率を取得して、しきい値を段階的に調整します。

このタイプのシナリオは、HubSpot で人間の介入を必要とせずに継続的に実行されます。予測モデルに到達した見込み客は、日曜日の朝のしきい値は、月曜日の午前 8 時に適切なメッセージを受信し、その日が始まる前に営業担当者の CRM でアラートをトリガーします。シンプルで本当に効果的です。

このモードが実際に機能するために必要な条件は何ですか?

予測自動化を採用しても、魔法の杖を手に入れるわけではありません。信頼できる結果が不可欠であり、いくつかの条件を満たす必要があります。

1. データ ボリューム: 50 件の過去の取引に基づいて構築された予測モデルは信頼できません。識別されたパターンが統計的に有意であるためには、コンバージョンされたコンタクトとコンバージョンされていないコンタクトの両方を含む、十分な規模の過去のデータセットが必要です。CRM を開始した組織は、予測分析をアクティブ化する前に、まずデータ基盤を構築する必要があります。
2. データ 品質: 定義が間違っているプロパティ、解決されていない重複、追跡されていない行動…これらはすべて、予測を歪めるモデルのギャップです。スコアリングの信頼性を維持するには、HubSpot のデータベースを定期的に監査する必要があります。スコアの解釈についてマーケティングと営業の間で一致させる: 予測スコアが高いからといって、コンタクトが 48 時間以内にサインするとは限りません。実際には、そのプロファイルは、同様の期間内にサインした人々と一致しています。このニュアンスを理解している営業担当者は、スコアをコンバージョンの保証ではなく、優先順位付けのシグナルとして使用します。

現在のシステムがまだ手動のフォローアップと直感に基づいて構築された自動化ルールに依存している場合は、絶対に無料アカウントを開設する必要があります.

予測自動化に関するよくある質問

予測自動化を実装するにはデータサイエンティストである必要がありますか？

もちろん必要ありません！HubSpotのようなプラットフォームに組み込まれている予測スコアリング機能は、データサイエンスのスキルがなくても利用できます。設定はビジュアルインターフェースで行います。

最も重要なのは、ソースデータの品質と目標の正確性です。

手動リードスコアリングと予測リードスコアリングの違いは何ですか？

手動スコアリングでは、自分で定義したルールに従ってポイントが割り当てられます。これは、あなたの想定に基づいています。予測スコアリングは、コンタクトの実際の履歴データに基づいて、コンバージョンに先行する組み合わせを自動的に識別します。

予測自動化は小規模チームに適していますか？

はい、ただし、シンプルに始める場合に限ります。小規模チームは、HubSpot の基本的な行動スコアリングから始め、基準を徐々に洗練させ、データベースが大きくなるにつれて予測機能をアクティブ化できます。モデルに供給するデータがないまま、最初からすべてを構成しようとすると間違いになります。

予測モデルで誤検出を回避するにはどうすればよいですか？

複数のシグナルを相互参照し、単一の基準に頼らない必要があります。価格ページを一度しか訪問しない顧客は、競合他社である場合もあれば、単に興味を持っているだけの場合もあります。複数の基準を組み合わせることで、誤検出率を機械的に低減できます。

予測モデルはどのくらいの頻度で再調整すべきですか？

少なくとも年に2回、そして提供する商品やターゲットオーディエンスに大きな変更があるたびに再調整してください。昨年のデータに基づいて構築されたモデルは、最新の変更を考慮していません。スコアセグメントごとのコンバージョン率を定期的に確認することで、精度が低下しているモデルを迅速に検出できます。そうすることで、より簡単に調整できるようになります。