预测分析未来学家公式.docVIP

预测分析未来学家公式 　　谁是理想的客户？他会花多少钱？如何把他从冷淡的线索转变成火热的线索？如何让他成为回头客？对于想要确定上述问题的公司来说，这听上去需要大量的公式以及在办公室加班到深夜。幸运的是，多亏预测分析，只有前者是真的。更妙的是你无需变成数学神童才能做出这些决定，因为越来越多的可用的解决方案将会替你捣鼓这些数字。 　　预测分析利用可适应于大量数据的算法以提取模式并且预测未来的结果，这对于不堪承受大量增长的非结构化数据的公司来说特别具有吸引力，这类数据也被称为大数据。 　　社交网络的创建导致了新一波非结构化数据的浪潮，随即带来如雨后春笋般涌现的破译它的技术。根据Gartner公司的研究，分析系统正在扩大其重点，除了捕获和关联结构化数据，非结构化数据也纳入其中。此外，尽管机器学习并不是新玩艺，Gartner将正在发展的趋势称作“人机伙伴关系”，它通过分析来“学习并传递规范化的建议”，使得员工工作更有效率。 　　虽然公司多年来已经在工具上投资来帮助自己发掘宝贵的商业洞察，但是预测分析并不是昔日简单的商业智能工具。“在预测分析中，你不知道什么数据是要紧的。”Forrester研究公司的首席分析师迈克·瓜尔蒂耶（Mike Gualtieri，Forrester《浪潮：大数据预测分析的解决方案》一书的作者）表示说，“在商业智能中，你在会议中坐下，试图决定‘我们想在仪表板上看到什么？’，‘哪些是KPI？’，‘我们需要什么报表？’。这些问题都很重要。但是在预测分析中你会说‘给我你所有的全部数据，预测算法会找出哪些是相关的。’” 　　预测分析可以从不同角度帮助公司，例如电子商务公司需要洞察客户的网络行为，要比简单地衡量标准的跳出率（bounce rate）和点击率更深入，因此诸如去年秋天被Actuate收购的Quiterian这类公司通过识别交叉销售机会和客户未来购买的可能性，从而帮助电子商务网站更好地理解转化率。 　　任何一家销售订阅、保单和合约的企业都知道运营一家植根于经常性收入的公司不是件容易的任务，根据Gartner的统计，估计每年少赚了300亿美元，这是因为大部分销售模型是围绕着吸收新客户而订制的。例如Service Source这样的云解决方案通过自己的按需更新（Renew OnDemand）分析，追踪为续约特别订制的关键绩效驱动。Service Source检查经常性业务数据流，确定客户多久使用一项服务并且使用到什么程度，随后建立模型识别客户流失倾向。 　　不管环境如何，瓜尔蒂耶断言，为了使预测分析最有效地工作，需要来自多个来源的不同类型的数据。显然有一些其它的市场指标，如竞争对手推出新的产品可能会在一个季度内对销售有影响。结合历史数据和外部来源的信息如信用评级或互联网数据，公司成功的机会更大。 　　增强CRM 　　凯创系统（Enterasys Networks）是一家提供计算机网络和无线基础设施及服务的西门子企业通信公司，该公司的首席客户官及营销官瓦拉·阿夫沙（Vala Afshar）称对预测分析的应用给销售周期管理带来了“变革性的效果”。 　　凯创采用了S的大量产品如Service，Sales Cloud和企业协同工具Chatter，希望能找到一种方法根据多项指标来计算赢得一笔交易的可能性。由于S的开放式API，凯创能够在公司内部通过修改和增强自身的CRM系统来开发预测模型。 　　在凯创的销售列表上的第一项是交易规模，结合交易数据的历史性分析与阿夫沙所说的“交易规模最佳点急速分析”，公司能够给不同的交易规模分配权重。交易的市场也是一个因素。凯创发现如果一个销售机会已经超过120天的时间，该交易只有不到3%的可能关闭，这帮助凯创为跟进哪些交易排出优先级。随后，凯创合并那些一贯表现良好的垂直行业来关闭这个循环，因此当凯创公司的销售经理与销售代表交谈的时候，单单的交易规模不再是主要因素。阿夫沙说道：“既然我们可以剖析这些不同的记号，我们和现场销售的对话可以更加智能。比方说‘为什么你对这笔交易的成功那么有信心？事实上从历史数据来看，这种时长的交易成功关闭的可能性非常小。’” 　　减少客户流失 　　TridentMarketing公司是美国第二大的DIRECTV的经销商，它的任务是改善客户流失率以及向卫星电视供应商提供更优化的客户。尽管Trident的流失率在 　　5～6%之间，DIRECTV希望它能降到3%以下，否则经销商可能会面临失去DIRECTV销售许可的风险。 　　Trident Marketing向分析合作伙伴Fuzzy Logix寻求帮助，基于自己的电话，CRM和订单系统中近2TB的数据以及来自征信机构及谷歌的点击流数据等外部数据识别出三十个客户变量。Trident Marketi