預(yù)測(cè)分析或預(yù)測(cè)（簡(jiǎn)稱為Predictive Analytics）是如今大多數(shù)營(yíng)銷人員會(huì)看到的一個(gè)術(shù)語(yǔ)。雖然有關(guān)這個(gè)話題的內(nèi)容已經(jīng)比較廣泛了，但今天我們想分享一個(gè)比較明確的指南，用于解答有關(guān)預(yù)測(cè)性的最炙手可熱的問題：它是什么？應(yīng)該如何使用？
在這篇文章中，我們將定義「預(yù)測(cè)分析」，并解釋數(shù)據(jù)質(zhì)量在預(yù)測(cè)中的重要性。
預(yù)測(cè)分析有多個(gè)方向的定義。從技術(shù)方向來定義顯得更為準(zhǔn)確，
預(yù)測(cè)分析是一種統(tǒng)計(jì)或數(shù)據(jù)挖掘解決方案，包含可在結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)中使用以確定未來結(jié)果的算法和技術(shù)?？蔀轭A(yù)測(cè)、優(yōu)化、預(yù)報(bào)和模擬等許多其他用途而部署。能夠預(yù)測(cè)哪些行為或受眾成功的可能性，以及失敗的可能性。
從新興技術(shù)類別來說，定義可以更加簡(jiǎn)化：一個(gè)使用過去的數(shù)據(jù)來預(yù)測(cè)結(jié)果的系統(tǒng)。我們最喜歡的解釋是來自Swift Capital的首席分析官，預(yù)測(cè)就是源自80/20原則。
80/20原則看似有違常理，從帕累托的研究中歸納出這樣一個(gè)結(jié)論，即如果20%的人口享有80%的財(cái)富，那幺就可以預(yù)測(cè)，其中10%的人擁有約65%的財(cái)富，而50%的財(cái)富，是由5%的人所擁有。在這里，重要不是百分比，而是一項(xiàng)事實(shí)：財(cái)富在人口的分配中是不平衡的，這是可預(yù)測(cè)的事實(shí)。
而在預(yù)測(cè)中，80％的收入來源于20%的預(yù)期。
隨著人們對(duì)人工智能（AI）、大數(shù)據(jù)和機(jī)器學(xué)習(xí)的日益增長(zhǎng)的追捧，預(yù)測(cè)分析在這股潮流中也不甘示弱。Gartner將預(yù)測(cè)分析與其他形式的分析進(jìn)行比較來幫助區(qū)分：
大多數(shù)公司目前的營(yíng)銷模式都是基于一個(gè)隱含的假設(shè)：過去發(fā)生的事情將會(huì)在未來以同樣的方式發(fā)生。
這種營(yíng)銷模式是到從以歷史記錄導(dǎo)向轉(zhuǎn)變到更具前瞻性。這是一個(gè)很關(guān)鍵的區(qū)別，目的不僅僅是描述和理解過去發(fā)生的動(dòng)作，而且還要探索「可能發(fā)生的事情」。診斷和描述性分析可以是準(zhǔn)確的。根據(jù)定義，預(yù)測(cè)分析基于概率，并且必須被接受為“僅提供可信度”。
為了說明預(yù)測(cè)分析與其他形式的分析有什么不同，我們來看一下最簡(jiǎn)單的預(yù)測(cè)案例——直接營(yíng)銷。
在直接營(yíng)銷中，預(yù)測(cè)分析提供了在得到某些客戶的歷史相關(guān)信息時(shí)積極響應(yīng)的概率。這一預(yù)測(cè)的后續(xù)行動(dòng)可能是在達(dá)到一定數(shù)值以上的積極響應(yīng)概率后，與客戶進(jìn)行聯(lián)系。這樣預(yù)測(cè)分析就完成了。
SiriusDecisions，長(zhǎng)久以來一直支持先進(jìn)數(shù)據(jù)驅(qū)動(dòng)技術(shù)的B2B咨詢和研究公司，提供了一個(gè)全面回答這個(gè)問題的方法。
雖然用于做出預(yù)測(cè)的算法是強(qiáng)大的，但預(yù)測(cè)和底層數(shù)據(jù)源的效果是一樣的。如上圖所示，外部數(shù)據(jù)的大量來源被用于建模，自然地建立了超出預(yù)測(cè)分析的案例。最值得注意的是，它能夠提供新的潛在客戶，并改進(jìn)現(xiàn)有的客戶和潛在客戶數(shù)據(jù)集。根據(jù)B2B企業(yè)的成熟度，在利用復(fù)雜的預(yù)測(cè)之前修復(fù)關(guān)鍵的不良數(shù)據(jù)問題。
在深入了解預(yù)測(cè)能力如何幫助實(shí)現(xiàn)價(jià)值之前，仔細(xì)觀察線索和服務(wù)，從而發(fā)揮獨(dú)特強(qiáng)大的數(shù)據(jù)（信號(hào)）非常重要。
將數(shù)據(jù)視為冰山
如果說數(shù)據(jù)是冰山，那么傳統(tǒng)的購(gòu)買信號(hào)就是冰山一角，如位置、人員和行業(yè)等固定資產(chǎn)。 盡管這些基本數(shù)據(jù)的準(zhǔn)確性和填充率可能低于標(biāo)準(zhǔn)，但它們通?？捎糜贑RM和營(yíng)銷自動(dòng)化技術(shù)（MAT）中的分段和報(bào)告。
另一方面，預(yù)測(cè)分析平臺(tái)追蹤并關(guān)聯(lián)所有「淹沒」的購(gòu)買信號(hào)。更深層次的信號(hào)會(huì)暴露企業(yè)的動(dòng)機(jī)，如果是使用隱性數(shù)據(jù)，就能為潛在客戶和客戶提供更多的線索，有助于推動(dòng)更好的營(yíng)銷決策的形成。
有了更多的信號(hào)，營(yíng)銷人員就有了指標(biāo)，利用這些指標(biāo)可以引導(dǎo)企業(yè)購(gòu)買傾向和響應(yīng)營(yíng)銷活動(dòng)，然后進(jìn)一步個(gè)性化擴(kuò)展廣告或渠道。以下是高級(jí)信號(hào)可以顯示的客戶資料示例：
顯示增長(zhǎng)和預(yù)算：目前，投資數(shù)字、廣告、新技術(shù)、招聘、開設(shè)新地點(diǎn)，甚至是在不斷增長(zhǎng)的社媒追蹤中的企業(yè)都是目標(biāo)受眾對(duì)產(chǎn)品或服務(wù)需求的強(qiáng)大指標(biāo)。
識(shí)別需求：B2B企業(yè)所獲取的線索可能會(huì)顯示對(duì)特定產(chǎn)品或產(chǎn)品的需求。例如，如果需要業(yè)務(wù)提供工資單解決方案，確定目前具有大量工資軟件的企業(yè)正在招聘，就可以預(yù)測(cè)到這些業(yè)務(wù)需要你的產(chǎn)品。
雖然探索數(shù)據(jù)的深度非常重要，但數(shù)據(jù)質(zhì)量比數(shù)據(jù)大小更為重要。由于B2B數(shù)據(jù)質(zhì)量和可操作性之間的關(guān)系，80％的B2B營(yíng)銷人員對(duì)于無(wú)效需求生成過程的數(shù)據(jù)質(zhì)量感到失望。
Radius的數(shù)據(jù)科學(xué)家團(tuán)隊(duì)在通過6億多個(gè)連接的CRM記錄和超過500億個(gè)動(dòng)態(tài)數(shù)據(jù)信號(hào)工作了7年的數(shù)據(jù)后，發(fā)現(xiàn)了開創(chuàng)性的洞察力，即保持?jǐn)?shù)據(jù)質(zhì)量是很困難的。
CRM的數(shù)據(jù)平均只有70-75％是準(zhǔn)確的。
預(yù)測(cè)技術(shù)能夠提供的價(jià)值和前景與底層數(shù)據(jù)一樣。采用預(yù)測(cè)性的營(yíng)銷人員的關(guān)鍵，就在于定義預(yù)測(cè)分析和了解數(shù)據(jù)質(zhì)量的作用。
而對(duì)于還沒有應(yīng)用營(yíng)銷自動(dòng)化，CRM，用戶數(shù)據(jù)分析等工具的B2B企業(yè)，將營(yíng)銷和銷售流程數(shù)據(jù)化，技術(shù)化可能是需要邁出的第一步。
