Tot ceea ce credeai că știi despre modelarea analitică s-a schimbat

Nota editorului: Următoarea este o postare invitată de la David Baker, COO și co-fondator al Cordial.

Vestea din ultimul an sau cam asa ceva a fost dure pentru oamenii din afacerea de a construi modele analitice. Câteva apeluri aruncate pe scena mondială vor avea acest efect. Dar cei care cred că este posibil să prezică un rezultat anume ar trebui să facă o vizită la mesele de jocuri de noroc din Las Vegas. Pe drum, ar face bine să ia în considerare cuvintele lui Peter Drucker, care a spus: „A încerca să prezice viitorul este ca și cum ai încerca să conduci noaptea pe un drum de țară fără lumini în timp ce privești pe geamul din spate”.

Drucker avea dreptate. Este o nebunie să crezi că un model poate prezice viitorul - o lecție pe care am învățat-o prima dată în Evul Întunecat din anii 1990, când procesul a durat săptămâni și nimeni nu credea că este cool să fii un quant. Desigur, în acele vremuri aveam relativ puține puncte de date, așa că imaginea noastră despre un consumator tipic avea o asemănare izbitoare, chiar dacă unidimensională, cu constructorul de modele. Dar peste câțiva ani, până în 2020, conform unui raport , fiecare persoană de pe planetă va genera 1,7 megaocteți de informații noi pe secundă. Pentru a pune acest lucru în perspectivă, Audible estimează că o oră de sunet reprezintă aproximativ 28 de megaocteți de spațiu de stocare, ceea ce înseamnă că o persoană obișnuită în 2020 va genera echivalentul a unei ore de audio de înaltă calitate în aproximativ 16,5 secunde.

Ce înseamnă să ai atât de multe informații despre consumatori? Se poate spune că fluxul de informații este pe cale să treacă de la o picurare la un ocean puternic, dar chiar și această analogie minimizează cât de transformator este acest moment. Nu vorbim despre noi perspective despre același vechi consumator. Ne uităm la sosirea unui consumator complet nou, unul cu care agenții de marketing trebuie să se implice prin învățarea automată. Ceea ce poate fi o provocare, deoarece învățarea automată schimbă tot ceea ce știm deja - și multe altele mai avem încă de învățat - despre practica modelării analitice.

Democratizarea deciziei

Mulți specialiști în marketing consideră stiva de marketing ca pe un depozit de date greoi care are nevoie de coordonare. Dar stiva este și un mod de a gândi despre democratizarea deciziei. Cu cât oamenii de marketing ingerează mai multe informații, cu atât își pot pune mai multe întrebări. Cu mai multe întrebări, agenții de marketing pot juca mai multe scenarii. Pe măsură ce elaborează mai multe scenarii, agenții de marketing democratizează luarea deciziilor incrementale. Asta nu înseamnă că toată lumea primește o decizie, înseamnă pur și simplu că există niveluri în companie care dețin drepturi de decizie pentru diferite decizii și, mai important, acele niveluri pot fi extinse și coordonate pe măsură ce apare nevoia de mai multe decizii.

Recent interviul cu directorul de tehnologie de marketing al eBay oferă o privire asupra modului în care învățarea automată democratizează luarea deciziilor în acest moment. Pentru eBay, provocarea este de a personaliza o piață cu miliarde de articole de vânzare și 167 de milioane de cumpărători activi. Soluția companiei a fost să împuternicească agenții de marketing eBay să creeze oferte după cum credeau de cuviință, dar apoi să plaseze acele oferte în găleți specifice, astfel încât un model de învățare automată să poată valorifica istoricul de navigare al utilizatorului, împreună cu alte date, probabil, pentru a prezice care afacere un client. ar găsi cel mai atrăgător.

Echipa de marketing a eBay prezice viitorul? Absolut nu. Ceea ce fac ei cu învățarea automată este să își dea un număr exponențial mai mare de mușcături la proverbialul măr. Gândește-te astfel: vechea zicală este să eșuezi rapid, probabil pentru că vei găsi succesul mult mai devreme. Dar o modalitate mai bună de a afirma acel vechi proverb este: „Eșuează mai inteligent”. Ofertele pe care le creează agenții de marketing eBay sunt încă greșite – vor fi întotdeauna pentru că predicția nu este perfecțiunea – dar întreaga întreprindere de la eBay lovește și ratează mult mai repede decât înainte, ceea ce înseamnă că învață, de asemenea, într-un ritm exponențial mai rapid.

Dar amintiți-vă, democratizarea este o stradă cu două sensuri

Clienții au, de asemenea, acces la instrumente de învățare automată. Avem deja încredere în învățarea automată pentru a ne organiza căsuțele de e-mail, a sugera filmele pe care le urmărim și a ne gestiona casele. În curând, învățarea automată va scrie răspunsurile noastre și, în cele din urmă, partea de consumator a multor angajamente va fi și ea automatizată sau, cel puțin, susținută de învățarea automată. Așadar, ce se întâmplă atunci când instrumentele de învățare automată ale unui marketer se potrivesc cu cele angajate de consumatori? Răspunsul scurt este că nu știm. Dar dacă doriți context pentru înțelegerea dinamismului democratizării, uitați-vă la aplicația dvs. de navigare.

Funcțiile de cartografiere de pe telefoanele noastre sunt mai mult decât simple creatori de rute. Astăzi, ne așteptăm ca telefoanele noastre să ne spună cea mai rapidă rută, având în vedere condițiile de trafic predominante. Aplicațiile de navigare sunt adaptative prin natură, ceea ce este necesar deoarece modelele de trafic sunt fluide și condițiile de mediu evoluează (de exemplu, impactul vremii asupra rutelor și traficului).

Desigur, există un număr finit de rute, deoarece un oraș dat are o cantitate finită de spațiu. Angajamentele de care sunt preocupați marketerii sunt exponențial mai complexe. Această complexitate va crește pe măsură ce luarea deciziilor democratizate devine în continuare inclusă în comportamentul consumatorilor. Ceea ce înseamnă că puteți construi o întreprindere care să eșueze mai inteligent, dar trebuie să vă amintiți că oricine se află de cealaltă parte a acestei angajamente eșuează și mai inteligent. Ofertele de la eBay, de exemplu, văd beneficii enorme în relevanță, datorită învățării automate. Dar din partea clientului, un instrument similar de învățare automată ar putea filtra cumpărările impulsive, deoarece modelul respectiv a aflat următoarele despre un consumator individual: regretul cumpărăturilor impulsive.

Dar când modelul, articulat prin învățarea automată, va prezice viitorul?

Nu. Modelarea analitică nu se referă la dezvăluirea mare, predictivă. Este o disciplină construită pentru luarea deciziilor incrementale, managementul riscului și crearea de scenarii care să reacționeze la condițiile pieței. Învățarea automată deschide noi capabilități în modelarea analitică, dar specialiștii în marketing ar trebui să-și amintească avertismentul lui Drucker cu privire la prezicerea viitorului. Învățarea automată nu vă va spune ce este după colț pe acel drum întunecat, dar vă va oferi exponențial mai multe opțiuni pentru a reacționa la orice vă rezervă viitorul când ajungeți acolo. Cel mai important, învățarea automată nu este ceva de temut, de fapt, nu face decât să accelereze ceea ce specialiștii în marketing sunt deja buni - gândire creativă și oferirea de experiențe grozave clienților lor, iar acesta este cu adevărat obiectivul final asupra căruia ar trebui să ne ținem ochii.