Díky prediktivní analytice již dnes známe odpovědi na klíčové otázky vašeho businessu, které vás v budoucnu s největší pravděpodobností čekají. Víme například, jakých výsledků bychom měli dosahovat v závislosti na předchozím období, dlouhodobém a krátkodobém trendu. Stejně tak dokážeme určit, jaká je optimální výše investice do konkrétního kanálu, případně kampaně, nebo jaké výsledky můžeme očekávat přinbsp;navýšení investice nebo zvýšení konverzní míry o konkrétní hodnoty. Jak je to možné? Pro stanovení odhadu nejpravděpodobnějšího budoucího vývoje využíváme historická data ve spojení se statistickými modely. Výběr konkrétního modelu poté závisí na konkrétních potřebách jaké otázky mají být díky modelu zodpovězené. Ve Fragile máme širokou škálu klientského portfolia a ze zkušeností s výběrem vhodného modelu víme, že klíčový je individuální přístup a stanovení cílů analýzy. Integrujeme data z různých zdrojů V rámci prediktivní analytiky čerpáme z odlišných datových zdrojů, mezi něž patří reklamní platformy jako Google Ads nebo Sklik, ale také analytické nástroje Google Analytics 4. V neposlední řadě je důležitým zdrojem interní CRM systém, ve kterém se ve většině případů nachází kvalitní, nezkreslená data. Ve Fragile se nám nejvíce osvědčil přístup spočívající v kombinaci různých datových zdrojů. Díky tomu jsme schopni na data koukat jako na celistvý soubor, což pomáhá při hledání klíčových informací. Zároveň je ale možné jít v případě potřeby do větší míry detailu – například na úroveň jednotlivých kampaní a zkoumat klíčové trendy na této nižší úrovni. [Obrázek 1: Ilustrační fotka] Hlavní výhody prediktivní analytiky Identifikujeme trendy: včasné odhalení dlouhodobých i krátkodobých trendů nám umožňuje přizpůsobit se tržním podmínkám a získat včas konkurenční výhodu. Optimalizujeme investice: pomocí přesnější alokace investic do jednotlivých kampaní maximalizujeme efektivitu a tím i návratnost kampaní. Snižujeme rizika: statisticky podložené predikce snižují rizika spojená s investicemi do marketingových kampaní. Plánujeme efektivněji: detailní přehled očekávaných výsledků nám umožňuje lepší plánování budoucích aktivit a zároveň pomáhá se stanovením cílů (KPIs), kterých chceme dosáhnout. Identifikujeme body zvratu: návratnost žádné kampaně neroste do nebes, spíše připomíná tvar S-křivky. V určitých bodech dochází ke změnám vztahu mezi investicí a návratností. Pomůžeme vám tyto body identifikovat a zasadit do kontextu efektivity. Jak to vypadá v praxi? Tvorba predikčního modelu v drtivé většině případů začíná diskuzemi s klientem, kdy je nutné projít pár základních otázek, které celému procesu předcházejí. Níže uvedu jen pár příkladů, pár takových otázek, v praxi jich je samozřejmě více: “Na jaké otázky v kontextu budoucího vývoje byste chtěli znát odpověď”? “Data v jaké podobě a za jak dlouhé časové období máte k dispozici”? “Jaký očekáváte vývoj pro predikované období z vašeho pohledu? Na jakém základu je toto očekávání postaveno?” Na obrázku 2 lze vidět konkrétní ukázku predikovaného vývoje tržeb pro období prvních dvou kvartálů letošního roku. Klient chtěl pomocí predikce primárně vytvořit benchmark, kterého se z pohledu plnění tržeb bude držet. Pravidelný monitoring rozdílu mezi realitou a predikcí mu poté umožnilo zrychlit reakční dobu v případech, kdy se realita začala významněji vzdalovat predikovaným hodnotám. Na tomto konkrétním příkladu lze vidět, že statistický model dokázal na základě historických časových řad relativně dobře vystihnout krátkodobý (týdenní), ale také dlouhodobější (měsíční) trend, který je v datech viditelný. Na druhou stranu lze vidět, že model dostatečně nedokázal odhadnout výši maximálních tržeb a že extrémní hodnoty jsou na jednu či druhou stranu mimo predikovaný rozsah. Dalo by se s modelem ještě dále pracovat a pomocí změn parametrů tyto extrémy odhadnout přesněji, pro tyto účely je však tento model plně dostačující a názorně ukazuje, že v rámci reálného vývoje bude do jisté míry vždy docházet k situacím, které nebudou modelem dostatečně reflektované. [Obrázek 2: Ukázka srovnání predikovaných tržeb (červená linie) s reálnými tržbami (modrá linie). Plnění predikce v tomto případě odpovídalo 99 % reálnému plnění na období 6 měsíců (1. 1.–31. 5 2024) Obrázek 3 reflektuje další z možných způsobů využití tvorby predikcí. Opět byl tvořen predikční model pro odhad budoucích tržeb. Tento model byl srovnáván s realitou a byly monitorovány odchylky. Na grafu níže lze vidět, že začátek predikce s relativně vysokou přesností prochází časovou řadou reálných dat. Po určité době však dochází k situaci, kdy reálné tržby začnou být výrazně nižší,než byla predikce (žlutě zvýrazněný rozdíl). V rámci tohoto případu byl do predikčního modelu zapojen kontrolní systém, který kontroloval odchýlení reality od predikovaných hodnot. V tomto případě tak bylo možné relativně rychle informovat příslušné specialisty a klienta na možný problém a vzniklé rozdíly. [Obrázek 3: Srovnání plánu tržeb s realitou – predikce jako základ pro kontinuální benchmarking a rychlou reakci na odchylky] Dalším z výstupů statistické analýzy vztahu mezi investicemi a obratem (počtem konverzí) je popis tohoto vztahu pomocí lineárních křivek. Tato analýza se nazývá segmentovaná regrese a vychází z předpokladu, že vztah mezi investovanou částkou a konverzemi (tržbami) není v celém intervalu lineární jinými slovy, že v reálné marketingové praxi neplatí, že čím více do kampaní dáme, tím více se nám vrátí. Na obrázku 4 lze vidět konkrétní výstup takové analýzy pro konkrétní typ kampaně Performance Max v Google Ads. Na ose X vidět interval pro výši investice a na ose Y interval pro výši tržeb. Vztah mezi těmito 2 metrikami je pak popsán hned několika přímkami. Přímky jsou v tomto konkrétním případě rozděleny do 3 segmentů (3 barevných obdélníků) dle celkové efektivity kampaně (PNO). Na první pohled lze vidět, že první segment má pozitivní lineární trend a pokud se kampaň pohybuje v tomto intervalu z pohledu denních investic, lze očekávat také pozitivní efektivitu z pohledu návratnosti. Pokud výše denní investice u tohoto příkladu přesáhne hranici mezi 1. a 2. segmentem (světle modrým a fialovým obdélníkem) lze vidět, že dochází k určitému zploštění křivky, a tím i snížení efektivity kampaně a není vhodné se v tomto segmentu dlouhodobě pohybovat z pohledu denních investic. Třetí segment ukazuje vysoce pozitivní lineární vztah mezi denní investicí a tržbou, a tím pádem i vysokou efektivitu. Lze vidět, že v tomto segmentu je relativně málo pozorování a v této konkrétní analýze se jedná o odlehlá extrémní pozorování, která tuto lineární křivku “táhnou”. [Obrázek 4: Body zvratu – vztah mezi tržbami a investicemi v podobě segmentů efektivity (PNO)] Faktory ovlivňující výsledky Je důležité mít na paměti, že prediktivní modely, ačkoliv vycházejí z rozsáhlých historických dat, nemusí vždy zohlednit všechny proměnné, které vstupují do reálného budoucího vývoje. Mezi tyto externality patří například aktivity konkurence, změny v cenové politice a slevové akce, legislativní úpravy nebo omezená schopnost klienta reagovat na tržní podmínky. Správná interpretace výsledků a jejich úprava s ohledem na reálné podmínky je proto klíčová. Vyzkoušejte prediktivní analytiku s námi Pokud hledáte cestu, jak zlepšit efektivitu svých marketingových kampaní a zajistit maximální návratnost svých investic, prediktivní analytika je řešením, které vás posune vpřed. Rádi vám s implementací tohoto přístupu pomůžeme. Neváhejte nás kontaktovat! Kontaktuj nás Více o službě Autorem článku je Filip Vlasák Performance Analytics Specialist The post Chytřejší marketing díky prediktivní analytice: Získejte náskok před konkurencí appeared first on Fragile agency.
Staňte se naším fanouškem a získejte poukázku na naše služby.
Spravujte, prodávejte a zobrazujte váš reklamní prostor tak, aby se na vašem webu zobrazovaly skutečně odpovídající a uživatelsky přívětivé reklamy! V dnešním digitálním světě je umění efektivního využití reklamního prostoru na webových stránkách klíčo
projít na článekObsahový marketing (v angličtině „content marketing“) je skvělý způsob, jak zaujmout vaše případné klienty. Jak by měl vypadat text, který propaguje váš produkt, a který zároveň čtenáře zaujme?
projít na článekMáte databázi zákazníků, kterým chcete zasílat emaily s novinkami, akčními nabídkami apod.? Využijte jednoduchý a efektivní nástroj Wix email marketing, se kterým se v tomto videu můžete seznámit. Můžete také navštívit naše kurzy WIX akademie | BEST EVE
projít na článekI'm seeking an SEO expert to help improve the search engine rankings of my small, family-owned electrical and data services business based in Perth, Western Australia. Key Objectives: - Enhance visibility on Google, with a specific focus on improving se
projít na článek