Automatizare predictivă: anticiparea comportamentului clienților înainte ca acesta să se producă

Este întotdeauna important să reacționăm rapid, dar este mai bine să anticipăm. Majoritatea echipelor de marketing își declanșează acțiunile odată ce a avut loc un comportament (se deschide un e-mail, se completează un formular, se vizitează o pagină etc.).

Numim aceasta automatizare reactivă, care diferă de automatizarea predictivă. Aceasta identifică, pe baza datelor existente în CRM-ul dvs., comportamentele care vor apărea înainte ca acestea să se întâmple. Apoi are toate datele pentru a pregăti răspunsul în avans.

Care este diferența dintre automatizarea reactivă și cea predictivă?

Automatizarea tradițională funcționează pe un principiu destul de simplu. Dacă se întâmplă X, atunci Y trebuie declanșat.

• Un contact descarcă un document informativ? Începe o secvență de cultivare a clienților.
• Un potențial client vizitează pagina de prețuri? Se declanșează o alertă de vânzări.

Automatizarea predictivă inversează logica. Aceasta utilizează datele istorice pentru a construi modele statistice capabile să prezică faptul că acest tip de contact, în acest context, cu acest comportament anterior, are o probabilitate de X% de a face o achiziție în următoarele 14 zile. Pe baza acestei predicții, acțiunea este declanșată chiar înainte ca semnalul de cumpărare să fie vizibil.

Aceasta este diferența dintre a apela un potențial client pentru că tocmai a revizitat site-ul dvs. și a-l apela pentru că profilul său se potrivește cu cel al clienților care se înscriu în termen de două săptămâni.

Date comportamentale: Materia primă a predicției

Nu puteți avea o predicție fără date, iar aceste date necesită o arhitectură specifică. Automatizarea predictivă se bazează pecalitatea și profunzimea istoricului comportamental pe care îl găsiți în CRM-ul dvs. Cu cât acest istoric este mai bogat, mai precis și mai centralizat, cu atât modelele predictive vor fi mai fiabile. Cele mai valoroase date pentru prezicerea comportamentului viitor nu sunt cele pe care le colectați prin intermediul unui formular. Sunt datele implicite: paginile vizitate și în ce ordine, frecvența sesiunilor în ultimele 30 de zile, timpul petrecut pe anumite secțiuni, e-mailurile deschise de mai multe ori și documentele descărcate. Acestea sunt semnalele micro-comportamentaleinvizibile cu ochiul liber la o singură interacțiune, care devin predictive atunci când sunt analizate pe parcursul a sute de călătorii similare.

Atâta timp cât datele tale comportamentale sunt împrăștiate între instrumentul tău de marketing prin e-mail, CRM-ul tău și instrumentul de analiză, îți dai seama rapid că construirea unui model predictiv consistent este imposibilă.

Intenția de cumpărare este cel mai puternic semnal

Dintre toate semnalele predictive acționabile,intența de cumpărare. Intenția de cumpărare are cea mai mare valoare comercială. Un vizitator care vizualizează pagina dvs. de prețuri, descarcă un instrument de comparare și citește două studii de caz în aceeași săptămână nu se comportă ca un potențial client în faza de descoperire. Comportamentul său seamănă cu cel al unui cumpărător pe cale să ia o decizie. Prin urmare, trebuie să detectați aceste semnale de intenție în timp real și să le comparați cu datele firmografice ale contactului (industrie, dimensiunea companiei, funcția). Puteți apoi evalua urgența comercială a unei oportunități. Acest sistem de notare nu se bazează pe o regulă manuală arbitrară, ci pe modelele de comportament ale contactelor care au semnat în cele din urmă în trecut. Drept urmare, agenții de vânzări nu mai pierd timpul cu potențiali clienți călduți, în timp ce oportunitățile fierbinți se răcesc pentru că nu au fost detectate. Prioritizarea se bazează apoi pe date, nu pe intuiție sau pe ordinea de apariție pe o listă. Arta de a nota și prezice cu HubSpotHubSpot integrează funcții de notare și predicție direct în CRM-ul său, fără a fi nevoie să conectați un instrument extern. Scorarea clienților potențiali vă permite să construiți un scor comportamental și demografic pe înregistrarea contactului dvs. De asemenea, este actualizat în timp real pe baza interacțiunilor înregistrate. Scorarea manuală funcționează prin atribuirea de puncte pozitive și negative pe baza unor criterii pe care le definiți. Un contact care vizitează pagina dvs. de prețuri câștigă puncte. Un contact care este inactiv timp de 60 de zile pierde puncte. Acest model este operațional și util, dar rămâne limitat din cauza calității presupunerilor umane pe care se bazează.

Funcțiile de inteligență artificială ale HubSpot, disponibile prin Breeze, merg cu un pas mai departe. Acestea analizează datele istorice ale contactelor dvs. pentru a identifica automat tiparele care preced o conversie, fără a fi nevoie să le definiți manual. Modelul se ajustează continuu pe măsură ce sosesc date noi.Clienții HubSpot care utilizează aceste funcții de inteligență artificială observă o reducere cu 65% a timpului de închidere a vânzărilor.Această cifră reflectă direct impactul scorării predictive, care permite intervenția în timp util.

Îmbogățirea datelor în HubSpot completează acest sistem prin popularea automată a înregistrărilor contactelor cu date externe, cum ar fi dimensiunea companiei, industria, tehnologiile utilizate și semnalele de creștere. Aceste informații îmbogățesc modelul predictiv fără a fi nevoie să le introduceți manual.

Ce-ar fi dacă ați automatiza răspunsul la comportamentele prezise?

Știm că detectarea unui semnal predictiv fără a declanșa o acțiune ulterioară este inutilă. Automatizarea predictivă devine mult mai interesantă atunci când detectarea este conectată direct la un răspuns operațional. Am identificat etapele unui scenariu predictiv operațional în HubSpot. Definiți criteriile de declanșare predictivă: scorul clienților potențiali peste un prag, comportamentul din ultimele 7 zile și o combinație de proprietăți firmografice. Creați o listă dinamică care se actualizează automat imediat ce un contact îndeplinește aceste criterii. 400">Configurați fluxul de lucru asociat&nbsp: o notificare de vânzare cu contextul complet al contactului, declanșând o secvență de e-mailuri personalizate și creând automat o tranzacție în curs de desfășurare.

Setați condițiile de ieșire&nbsp: contactul părăsește fluxul de lucru imediat ce răspunde, semnează sau dă un semnal contrar.

Măsurați rezultatele&nbsp: luați rata de conversie a contactelor declanșate de modelul predictiv și a contactelor procesate fără scorare, pentru a rafina progresiv pragurile.

Acest tip de scenariu rulează continuu în HubSpot, fără a necesita intervenție umană. Un prospect care atinge pragul predictiv duminică dimineața primește mesajul corect luni la ora 8 dimineața și declanșează o alertă în CRM-ul agentului de vânzări chiar înainte de începerea zilei. Este simplu și cu adevărat eficient!

Ce condiții sunt necesare pentru ca acest mod să funcționeze efectiv?

Prin adoptarea automatizării predictive, nu aveți o baghetă magică. Rezultatele fiabile sunt esențiale și trebuie îndeplinite mai multe condiții.

1. Volumul de date :Un model predictiv construit pe 50 de tranzacții istorice va fi nesigur. Un set de date istorice suficient de mare, care include atât contacte convertite, cât și neconvertite, este necesar pentru ca modelele identificate să fie semnificative statistic. Organizațiile care își încep CRM-ul ar trebui mai întâi să își construiască baza de date înainte de a activa analiza predictivă.
2. Calitatea datelor : Proprietăți definite incorect, duplicate nerezolvate, comportamente nemonitorizate… Toate acestea sunt lacune în model care distorsionează predicțiile. Auditurile regulate ale bazei de date din HubSpot sunt necesare pentru a menține fiabilitatea scorului. Alinierea dintre marketing și vânzări în interpretarea scorurilor: un scor predictiv ridicat nu înseamnă că persoana de contact va semna în termen de 48 de ore. În realitate, profilul acesteia se potrivește cu cei care au semnat într-un interval de timp similar. Vânzătorii care înțeleg această nuanță folosesc scorul ca semnal de prioritizare, nu ca garanție de conversie.

Dacă sistemul dvs. actual se bazează încă pe urmăriri manuale și reguli de automatizare construite pe instinct, trebuie neapăratsă deschideți un cont gratuit.

Întrebările frecvente despre automatizarea predictivă

Trebuie să fii specialist în date pentru a implementa automatizarea predictivă?

Bineînțeles că nu! Funcțiile de scorare predictivă încorporate în platforme precum HubSpot sunt accesibile chiar dacă nu aveți abilități de știința datelor. Configurarea se face prin interfețe vizuale.

Cel mai important lucru privește calitatea datelor sursă și acuratețea obiectivelor.

Care este diferența dintre scorarea manuală și cea predictivă a clienților potențiali?

Scorarea manuală atribuie puncte conform unor reguli pe care le definiți singuri. Acestea se bazează pe presupunerile dvs.Scorarea predictivă se bazează pe datele istorice reale ale contactelor dvs. pentru a identifica automat combinațiile care preced o conversie.

Este automatizarea predictivă potrivită pentru echipele mici?

Da, dar numai dacă începeți simplu. O echipă mică poate începe cu un scor comportamental de bază în HubSpot, să își rafineze treptat criteriile și să activeze funcțiile predictive pe măsură ce baza de date crește. Greșeala ar fi să încercați să configurați totul de la început fără a avea datele pentru a alimenta modelul.

Cum să evitați rezultatele fals pozitive într-un model predictiv?

Trebuie să comparați mai multe semnale și să nu vă bazați pe un singur criteriu. Un contact care vizitează pagina dvs. de prețuri o singură dată ar putea fi un concurent sau o persoană pur și simplu curioasă. Combinarea criteriilor reduce mecanic rata fals pozitivă.

Cât de des ar trebui să vă recalibrati modelul predictiv?

Cel puțin de două ori pe an și cu fiecare modificare semnificativă a ofertei sau a publicului țintă. Un model construit pe datele de anul trecut nu ia în considerare cele mai recente modificări. Revizuirea regulată a ratelor de conversie pe segmente de scor vă oferă oportunitatea de a detecta rapid un model care își pierde din precizie. Veți putea să îl ajustați mult mai ușor.