Tự động hóa dự đoán: dự đoán hành vi khách hàng trước khi nó xảy ra

Phản ứng nhanh chóng luôn quan trọng, nhưng chủ động thì tốt hơn. Hầu hết các nhóm tiếp thị kích hoạt hành động của họ sau khi một hành vi đã xảy ra (email được mở, biểu mẫu được điền, trang được truy cập, v.v.).

Chúng tôi gọi đây là tự động hóa phản ứng, khác với tự động hóa dự đoán. Nó xác định, dựa trên dữ liệu hiện có trong CRM của bạn, các hành vi sẽ xảy ra trước khi chúng xảy ra. Sau đó, nó có tất cả dữ liệu để chuẩn bị phản hồi trước.

Sự khác biệt giữa tự động hóa phản ứng và tự động hóa dự đoán là gì?

Tự động hóa truyền thống hoạt động dựa trên một nguyên tắc khá đơn giản. Nếu X xảy ra, thì Y phải được kích hoạt.

• Một liên hệ tải xuống một tài liệu chuyên ngành? Một chuỗi chăm sóc khách hàng bắt đầu.
• Một khách hàng tiềm năng truy cập trang giá cả? Một cảnh báo bán hàng được kích hoạt.

Tự động hóa dự đoán đảo ngược logic. Nó tận dụng dữ liệu lịch sử của bạn để xây dựng các mô hình thống kê có khả năng dự đoán rằng loại liên hệ này, trong ngữ cảnh này, với hành vi trong quá khứ này, có xác suất X% thực hiện mua hàng trong vòng 14 ngày tới. Dựa trên dự đoán này, hành động được kích hoạt ngay cả trước khi tín hiệu mua hàng hiển thị.

Đây là sự khác biệt giữa việc gọi cho khách hàng tiềm năng vì họ vừa truy cập lại trang web của bạn và gọi cho họ vì hồ sơ của họ phù hợp với hồ sơ của những khách hàng đăng ký trong vòng hai tuần.

Dữ liệu hành vi: Nguyên liệu thô của dự đoán

Bạn không thể có dự đoán nếu không có dữ liệu, và dữ liệu này yêu cầu một kiến trúc cụ thể. Tự động hóa dự đoán dựa trênchất lượng và độ sâu của lịch sử hành vi mà bạn tìm thấy trong CRM của mình. Lịch sử càng phong phú, chính xác và tập trung thì các mô hình dự đoán càng đáng tin cậy. Dữ liệu có giá trị nhất để dự đoán hành vi trong tương lai không phải là những gì bạn thu thập thông qua biểu mẫu. Đó là dữ liệu ngầm định: các trang đã truy cập và thứ tự truy cập, tần suất truy cập trong 30 ngày qua, thời gian dành cho từng phần, email đã mở nhiều lần và tài liệu đã tải xuống. Đây là những tín hiệu vi hành vi, vô hình đối với mắt thường trong một tương tác đơn lẻ, nhưng trở nên có khả năng dự đoán khi được phân tích trên hàng trăm hành trình tương tự. Chừng nào dữ liệu hành vi của bạn còn nằm rải rác giữa công cụ tiếp thị email, CRM và công cụ phân tích, bạn sẽ nhanh chóng nhận ra rằng việc xây dựng một mô hình dự đoán nhất quán là điều không thể. Trong số tất cả các tín hiệu dự đoán có thể hành động, ý định mua hàng là tín hiệu mạnh nhất. Một khách truy cập xem trang giá cả của bạn, tải xuống công cụ so sánh và đọc hai nghiên cứu điển hình trong cùng một tuần không phải là khách hàng tiềm năng đang trong giai đoạn khám phá. Hành vi của họ giống với người mua sắp đưa ra quyết định. Do đó, bạn phải phát hiện những tín hiệu ý định này trong thời gian thực và đối chiếu chúng với dữ liệu nhân khẩu học của khách hàng (ngành nghề, quy mô công ty, chức danh). Sau đó, bạn có thể đánh giá mức độ cấp bách về mặt thương mại của một cơ hội. Hệ thống chấm điểm này không dựa trên một quy tắc thủ công tùy ý, mà dựa trên các mô hình hành vi của những khách hàng đã ký hợp đồng trong quá khứ. Kết quả là, nhân viên bán hàng không còn lãng phí thời gian vào những khách hàng tiềm năng thờ ơ trong khi những cơ hội nóng lại bị bỏ quên vì không được phát hiện. Việc ưu tiên sau đó dựa trên dữ liệu, chứ không phải trực giác hay thứ tự xuất hiện trong danh sách. Nghệ thuật chấm điểm và dự đoán với HubSpot: HubSpot tích hợp các tính năng chấm điểm và dự đoán trực tiếp vào CRM của mình, mà không yêu cầu bạn kết nối với một công cụ bên ngoài. Chấm điểm khách hàng tiềm năng cho phép bạn xây dựng điểm số hành vi và nhân khẩu học trên hồ sơ khách hàng của mình. Nó cũng được cập nhật trong thời gian thực dựa trên các tương tác đã ghi lại. Hệ thống chấm điểm thủ công hoạt động bằng cách gán điểm tích cực và tiêu cực dựa trên các tiêu chí bạn xác định. Khách hàng truy cập trang giá cả của bạn sẽ được cộng điểm. Khách hàng không hoạt động trong 60 ngày sẽ bị trừ điểm. Mô hình này hoạt động hiệu quả và hữu ích, nhưng vẫn còn hạn chế do chất lượng của các giả định chủ quan mà nó dựa trên.

Các tính năng AI của HubSpot, có sẵn thông qua Breeze, tiến thêm một bước nữa. Chúng phân tích dữ liệu lịch sử của khách hàng để tự động xác định các mô hình dẫn đến chuyển đổi, mà bạn không cần phải xác định thủ công. Mô hình liên tục điều chỉnh khi có dữ liệu mới.Khách hàng của HubSpot tận dụng các tính năng AI này thấy thời gian chốt sales giảm 65%. Con số này phản ánh trực tiếp tác động của việc chấm điểm dự đoán, cho phép can thiệp kịp thời.

Tính năng làm giàu dữ liệu trong HubSpot bổ sung cho hệ thống này bằng cách tự động điền dữ liệu bên ngoài vào hồ sơ khách hàng, chẳng hạn như quy mô công ty, ngành nghề, công nghệ được sử dụng và tín hiệu tăng trưởng. Thông tin này làm phong phú thêm mô hình dự đoán của bạn mà không cần bạn phải nhập thủ công.

Điều gì sẽ xảy ra nếu bạn tự động hóa phản hồi đối với các hành vi được dự đoán?

Chúng tôi biết rằng việc phát hiện tín hiệu dự đoán mà không kích hoạt hành động tiếp theo là vô nghĩa. Tự động hóa dự đoán trở nên thú vị hơn nhiều khi việc phát hiện được kết nối trực tiếp với phản hồi vận hành. Chúng tôi đã xác định các bước của một kịch bản dự đoán vận hành trong HubSpot. Xác định tiêu chí kích hoạt dự đoán: điểm khách hàng tiềm năng trên ngưỡng, hành vi trong 7 ngày qua và sự kết hợp của các thuộc tính doanh nghiệp. Tạo một danh sách động tự động cập nhật ngay khi một liên hệ đáp ứng các tiêu chí này. 400">Cấu hình quy trình làm việc liên quan: thông báo bán hàng với đầy đủ ngữ cảnh của liên hệ, kích hoạt chuỗi email được cá nhân hóa và tự động tạo giao dịch trong quy trình bán hàng.

Thiết lập điều kiện thoát: liên hệ rời khỏi quy trình làm việc ngay khi họ trả lời, ký tên hoặc đưa ra tín hiệu ngược lại.

Đo lường kết quả: lấy tỷ lệ chuyển đổi của các liên hệ được kích hoạt bởi mô hình dự đoán và các liên hệ được xử lý mà không chấm điểm, để tinh chỉnh ngưỡng dần dần.

Loại kịch bản này chạy liên tục trong HubSpot mà không cần sự can thiệp của con người. Một khách hàng tiềm năng đạt đến ngưỡng dự đoán Vào sáng Chủ nhật, họ nhận được tin nhắn chính xác vào lúc 8 giờ sáng thứ Hai và kích hoạt cảnh báo trong CRM của nhân viên bán hàng trước khi ngày làm việc bắt đầu. Thật đơn giản và hiệu quả!

Điều kiện nào cần thiết để chế độ này thực sự hoạt động?

Bằng cách áp dụng tự động hóa dự đoán, bạn không có cây đũa thần. Kết quả đáng tin cậy là điều cần thiết và một số điều kiện phải được đáp ứng.

1. Dữ liệukhối lượng: Một mô hình dự đoán được xây dựng dựa trên 50 giao dịch trong quá khứ sẽ không đáng tin cậy. Một tập dữ liệu lịch sử đủ lớn, bao gồm cả các liên hệ đã chuyển đổi và chưa chuyển đổi, là cần thiết để các mẫu được xác định có ý nghĩa thống kê. Các tổ chức bắt đầu sử dụng CRM nên xây dựng nền tảng dữ liệu của họ trước khi kích hoạt phân tích dự đoán.
2. Dữ liệu Chất lượng: Các thuộc tính được định nghĩa không chính xác, các bản sao chưa được giải quyết, các hành vi chưa được theo dõi… Tất cả những điều này đều là những lỗ hổng trong mô hình làm sai lệch dự đoán. Việc kiểm tra định kỳ cơ sở dữ liệu trong HubSpot là cần thiết để duy trì độ tin cậy của điểm số. Sự thống nhất giữa bộ phận tiếp thị và bán hàng về cách diễn giải điểm số: điểm dự đoán cao không có nghĩa là khách hàng sẽ ký hợp đồng trong vòng 48 giờ. Trên thực tế, hồ sơ của họ phù hợp với những người đã ký hợp đồng trong khung thời gian tương tự. Nhân viên bán hàng hiểu được sắc thái này sẽ sử dụng điểm số như một tín hiệu ưu tiên, chứ không phải là một sự đảm bảo chuyển đổi.

Nếu hệ thống hiện tại của bạn vẫn dựa vào việc theo dõi thủ công và các quy tắc tự động hóa được xây dựng dựa trên trực giác, bạn nhất định phảimở một tài khoản miễn phí.

Câu hỏi thường gặp về Tự động hóa Dự đoán của chúng tôi

Bạn có cần phải Liệu một nhà khoa học dữ liệu có thể triển khai tự động hóa dự đoán không?

Tất nhiên là không! Các tính năng chấm điểm dự đoán được tích hợp trong các nền tảng như HubSpot đều có thể sử dụng được ngay cả khi bạn không có kỹ năng khoa học dữ liệu. Việc thiết lập được thực hiện thông qua giao diện trực quan.

Điều quan trọng nhất liên quan đến chất lượng dữ liệu nguồn và độ chính xác của các mục tiêu.

Sự khác biệt giữa chấm điểm khách hàng tiềm năng thủ công và dự đoán là gì?

Chấm điểm thủ công gán điểm theo các quy tắc do bạn tự định nghĩa. Những quy tắc này dựa trên các giả định của bạn.Chấm điểm dự đoán dựa trên dữ liệu lịch sử thực tế của khách hàng để tự động xác định các tổ hợp dẫn đến chuyển đổi.

Tự động hóa dự đoán có phù hợp với các nhóm nhỏ không?

Có, nhưng chỉ khi bạn bắt đầu một cách đơn giản. Một nhóm nhỏ có thể bắt đầu với việc chấm điểm hành vi cơ bản trong HubSpot, dần dần tinh chỉnh các tiêu chí và kích hoạt các tính năng dự đoán khi cơ sở dữ liệu phát triển. Sai lầm là cố gắng cấu hình mọi thứ ngay từ đầu mà không có dữ liệu để cung cấp cho mô hình.

Làm thế nào để tránh kết quả dương tính giả trong mô hình dự đoán?

Bạn cần đối chiếu nhiều tín hiệu và không chỉ dựa vào một tiêu chí duy nhất.

Một khách hàng chỉ truy cập trang giá cả của bạn một lần có thể là đối thủ cạnh tranh hoặc người chỉ đơn giản là tò mò. Việc kết hợp các tiêu chí giúp giảm tỷ lệ dương tính giả một cách tự động.

Bạn nên hiệu chỉnh lại mô hình dự đoán của mình bao nhiêu lần?

Ít nhất hai lần một năm, và mỗi khi có thay đổi đáng kể về sản phẩm/dịch vụ hoặc đối tượng mục tiêu. Một mô hình được xây dựng dựa trên dữ liệu năm ngoái không tính đến những thay đổi mới nhất. Việc thường xuyên xem xét tỷ lệ chuyển đổi theo từng phân khúc điểm số giúp bạn nhanh chóng phát hiện ra mô hình đang mất độ chính xác. Bạn sẽ có thể điều chỉnh nó dễ dàng hơn nhiều.