Automatyzacja predykcyjna: przewidywanie zachowań klientów przed ich wystąpieniem

Zawsze ważne jest, aby reagować szybko, ale lepiej jest przewidywać. Większość zespołów marketingowych uruchamia swoje działania po wystąpieniu określonego zachowania (otwarciu wiadomości e-mail, wypełnieniu formularza, odwiedzeniu strony itp.).

Nazywamy to automatyzacją reaktywną, która różni się od automatyzacji predykcyjnej. Identyfikuje ona, na podstawie istniejących danych w systemie CRM, zachowania, które wystąpią, zanim do nich dojdzie. Dzięki temu dysponuje wszystkimi danymi, aby przygotować reakcję z wyprzedzeniem.

Jaka jest różnica między automatyzacją reaktywną a predykcyjną?

Tradycyjna automatyzacja działa na dość prostej zasadzie. Jeśli X się wydarzy, Y musi zostać uruchomione.

• Kontakt pobiera dokument informacyjny? Rozpoczyna się sekwencja pielęgnacyjna.
• Potencjalny klient odwiedza stronę z cennikiem? Zostaje uruchomiony alert sprzedażowy.

Automatyzacja predykcyjna odwraca tę logikę. Wykorzystuje dane historyczne do tworzenia modeli statystycznych zdolnych przewidzieć, że ten typ kontaktu, w tym kontekście i biorąc pod uwagę jego przeszłe zachowanie, ma X% prawdopodobieństwo dokonania zakupu w ciągu najbliższych 14 dni. Na podstawie tej prognozy, działanie jest uruchamiane jeszcze przed pojawieniem się sygnału zakupu.

To jest różnica między dzwonieniem do potencjalnego klienta, który właśnie ponownie odwiedził Twoją witrynę, a dzwonieniem do niego, ponieważ jego profil pasuje do profilu klientów, którzy zapisali się w ciągu dwóch tygodni.

Dane behawioralne: Surowiec prognozy

Nie można mieć prognozy bez danych, a te dane wymagają określonej architektury. Automatyzacja predykcyjna opiera się najakości i głębokości historii zachowań, którą znajdziesz w swoim systemie CRM. Im bogatsza, dokładniejsza i bardziej scentralizowana jest ta historia, tym bardziej wiarygodne będą modele predykcyjne. Najbardziej wartościowe dane do przewidywania przyszłych zachowań to nie te, które zbierasz za pomocą formularza. Są to dane ukryte: odwiedzone strony i ich kolejność, częstotliwość sesji w ciągu ostatnich 30 dni, czas spędzony w określonych sekcjach, wielokrotne otwarcie wiadomości e-mail i pobranie dokumentów. Są to mikrosygnały behawioralne, niewidoczne gołym okiem podczas pojedynczej interakcji, które stają się predykcyjne po przeanalizowaniu setek podobnych ścieżek.

Dopóki Twoje dane behawioralne są rozproszone pomiędzy narzędziem do marketingu e-mailowego, systemem CRM i narzędziem analitycznym, szybko zdasz sobie sprawę, że zbudowanie spójnego modelu predykcyjnego jest niemożliwe.

Intencja zakupu jest najsilniejszym sygnałem

Spośród wszystkich możliwych do podjęcia działań sygnałów predykcyjnych,Intencja zakupu Intencja zakupu ma największą wartość komercyjną. Odwiedzający, który przegląda stronę z cenami, pobiera narzędzie porównawcze i czyta dwa studia przypadków w tym samym tygodniu, nie zachowuje się jak potencjalny klient w fazie odkrywania. Jego zachowanie przypomina kupującego, który ma podjąć decyzję. Musisz zatem wykrywać te sygnały intencji w czasie rzeczywistym i porównywać je z danymi firmograficznymi kontaktu (branża, wielkość firmy, stanowisko). Możesz następnie ocenić pilność handlową szansy sprzedaży. Ten system punktacji nie opiera się na arbitralnej, ręcznej regule, ale na wzorcach zachowań kontaktów, które ostatecznie podpisały umowę w przeszłości. W rezultacie sprzedawcy nie marnują już czasu na letnich potencjalnych klientów, podczas gdy szanse sprzedaży, które są gorące, tracą zainteresowanie, ponieważ nie zostały wykryte. Priorytetyzacja opiera się wówczas na danych, a nie na intuicji czy kolejności pojawiania się na liście. Sztuka punktacji i przewidywania z HubSpotHubSpot integruje funkcje punktacji i przewidywania bezpośrednio w swoim systemie CRM, bez konieczności podłączania zewnętrznego narzędzia. Scoring leadów pozwala na zbudowanie oceny behawioralnej i demograficznej na podstawie rekordu kontaktu. Jest on również aktualizowany w czasie rzeczywistym na podstawie zarejestrowanych interakcji. Ręczny scoring działa poprzez przypisywanie punktów dodatnich i ujemnych na podstawie zdefiniowanych kryteriów. Kontakt, który odwiedza stronę z cennikiem, zdobywa punkty. Kontakt nieaktywny przez 60 dni traci punkty. Ten model jest funkcjonalny i użyteczny, ale pozostaje ograniczony ze względu na jakość ludzkich założeń, na których się opiera.

Funkcje sztucznej inteligencji HubSpot, dostępne za pośrednictwem Breeze, idą o krok dalej. Analizują historyczne dane kontaktów, aby automatycznie identyfikować wzorce poprzedzające konwersję, bez konieczności ich ręcznego definiowania. Model stale się dostosowuje w miarę napływu nowych danych.Klienci HubSpot, którzy korzystają z tych funkcji sztucznej inteligencji, odnotowują 65% skrócenie czasu finalizacji transakcji. Ta wartość bezpośrednio odzwierciedla wpływ punktacji predykcyjnej, która pozwala na szybką interwencję.

Wzbogacanie danych w HubSpot uzupełnia ten system, automatycznie wypełniając rekordy kontaktów danymi zewnętrznymi, takimi jak wielkość firmy, branża, używane technologie i sygnały wzrostu. Te informacje wzbogacają Twój model predykcyjny bez konieczności ręcznego wprowadzania.

A co, gdyby zautomatyzować reakcję na przewidywane zachowania?

Wiemy, że wykrywanie sygnału predykcyjnego bez uruchamiania dalszych działań jest bezcelowe. Automatyzacja predykcyjna staje się o wiele bardziej interesująca, gdy wykrywanie jest bezpośrednio powiązane z reakcją operacyjną. Zidentyfikowaliśmy kroki operacyjnego scenariusza predykcyjnego w HubSpot. Zdefiniuj kryteria wyzwalania predykcyjnego: wynik potencjalnego klienta powyżej progu, zachowanie w ciągu ostatnich 7 dni oraz kombinację cech firmograficznych. Utwórz dynamiczną listę, która automatycznie aktualizuje się, gdy kontakt spełni te kryteria. 400">Skonfiguruj powiązany przepływ pracy&nbsp: powiadomienie sprzedażowe z pełnym kontekstem kontaktu, wyzwalające sekwencję spersonalizowanych wiadomości e-mail i automatycznie tworzące transakcję w lejku.

Ustaw warunki wyjścia&nbsp: kontakt opuszcza przepływ pracy, gdy tylko odpowie, podpisze lub da sygnał sprzeciwu.

Zmierz wyniki&nbsp: weź współczynnik konwersji kontaktów wyzwolonych przez model predykcyjny i kontaktów przetworzonych bez punktacji, aby stopniowo udoskonalać progi.

Ten typ scenariusza działa w sposób ciągły w HubSpot bez konieczności interwencji człowieka. Potencjalny klient, który osiągnie próg predykcyjny w niedzielę rano, otrzymuje odpowiednią wiadomość w poniedziałek o 8:00 i uruchamia alert w systemie CRM swojego sprzedawcy, zanim jeszcze dzień się zacznie. To proste i naprawdę skuteczne!

Jakie warunki są niezbędne, aby ten tryb faktycznie zadziałał?

Wdrażając automatyzację predykcyjną, nie masz magicznej różdżki. Niezbędne są wiarygodne wyniki, a kilka warunków musi zostać spełnionych.

1. Objętość danych: Model predykcyjny oparty na 50 historycznych transakcjach będzie zawodny. Do tego celu niezbędny jest odpowiednio duży zbiór danych historycznych, obejmujący zarówno kontakty przekonwertowane, jak i nieprzekonwertowane. zidentyfikowane wzorce są statystycznie istotne. Organizacje rozpoczynające korzystanie z CRM powinny najpierw zbudować bazę danych, zanim zaczną korzystać z analityki predykcyjnej.

Jakość danych: Nieprawidłowo zdefiniowane właściwości, nierozwiązane duplikaty, nieśledzone zachowania… To wszystko luki w modelu, które zaburzają prognozy. Regularne audyty bazy danych w HubSpot są niezbędne do utrzymania wiarygodności scoringu. Zgodność między marketingiem a sprzedażą w zakresie interpretacji scoringu: wysoki wynik predykcyjny nie oznacza, że kontakt podpisze umowę w ciągu 48 godzin. W rzeczywistości jego profil pasuje do osób, które podpisały umowę w podobnym czasie. Sprzedawcy, którzy rozumieją ten niuans, wykorzystują scoring jako sygnał priorytetyzacji, a nie gwarancję konwersji.

Jeśli Twój obecny system nadal opiera się na ręcznej follow-upy i reguły automatyzacji oparte na instynkcie, absolutnie musiszzałożyć darmowe konto.

Nasze FAQ dotyczące automatyzacji predykcyjnej

Czy musisz być analitykiem danych, aby wdrożyć automatyzację predykcyjną?

Oczywiście, że nie! Funkcje punktacji predykcyjnej wbudowane w platformy takie jak HubSpot są dostępne nawet dla osób bez umiejętności z zakresu analizy danych. Konfiguracja odbywa się za pomocą interfejsów wizualnych.

Najważniejsze są jakość danych źródłowych i dokładność celów.

Jaka jest różnica między ręczną a predykcyjną punktacją leadów?

Ręczne przyznawanie punktów opiera się na zdefiniowanych przez Ciebie regułach. Punktowanie predykcyjne opiera się na rzeczywistych danych historycznych Twoich kontaktów, aby automatycznie identyfikować kombinacje poprzedzające konwersję.

Czy automatyzacja predykcyjna nadaje się dla małych zespołów?

Tak, ale tylko na początku. Mały zespół może zacząć od podstawowego punktowania behawioralnego w HubSpot, stopniowo udoskonalać kryteria i aktywować funkcje predykcyjne w miarę rozwoju bazy danych. Błędem byłoby próbowanie skonfigurowania wszystkiego od samego początku, bez posiadania danych do zasilania modelu.

Jak uniknąć fałszywych trafień w modelu predykcyjnym?

Musisz odnosić się do kilku sygnałów, a nie polegać na jednym kryterium. Kontakt, który odwiedza Twoją stronę z cennikiem tylko raz, może być konkurentem lub osobą po prostu ciekawą. Łączenie kryteriów automatycznie zmniejsza wskaźnik fałszywych trafień.

Jak często należy kalibrować model predykcyjny?

Co najmniej dwa razy w roku i po każdej istotnej zmianie oferty lub grupy docelowej. Model zbudowany na danych z zeszłego roku nie uwzględnia najnowszych zmian. Regularne przeglądanie współczynników konwersji według segmentów wyników daje możliwość szybkiego wykrycia modelu, który traci na dokładności. Będziesz mógł go znacznie łatwiej dostosować.