Von Predictive Analytics zu Predictive Marketing

Einen „praktischen Führer zu Predictive Analytics“, so der Verlag, haben Ömer Artun und Dominique Levin mit dem Titel Predictive Marketing vorgelegt. Das „Hubspot’s Blog“ brachte neulich einen ausführlichen Auszug.

Die Frage, welche Konsumenten als nächstes kaufen, können Unternehmen am besten mit einer Wahrscheinlichkeitsprognose auf der Basis von Big Data Analytics beantworten. Ömer Artun und Dominique Levin, Autoren des Buches „Predictive Marketing: Easy Ways Every Marketer Can Use Customer Analytics and Big Data“, zeigen, dass Predictive Analytics sich lohnt.

Sie führen etwa das Beispiel einer Online-Apotheke für Haustiere an: Der Onlinehändler konnte in einem Quartal seinen Verkauf – verglichen mit dem Vorjahresquartal – um 40 Prozent steigern, indem er Verkaufsfördermaßnahmen über den Kundenwert steuerte. Die Responserate verdoppelte sich bei einem gleichbleibenden Marketingbudget.

Herausforderung: Prognosen im B2B-Geschäft

Besonders interessant ist die Gruppe der Käufer, die nicht zu den Bestandskunden eines Unternehmens gehören, aber über eine gezielte Vertriebsmaßnahme langfristig an das Unternehmen gebunden werden könnten. Es gehört schon einiges an Erfahrung in Data Science dazu, um ein entsprechendes Projekt aufzusetzen. Noch schwieriger sei das im B2B-Geschäft, so die Verfasser von „Predictive Marketing“, weil dort die Entscheidungsprozesse in der Beschaffung besonders langwierig und komplex sind.

 

Mit Predictive Analytics die besten Neukunden finden

In diesem Bereich haben wir mit unserer Lösung Target Group Predict sehr gute Erfahrungen gemacht: Über Text Mining werden die Informationen, die es zu sämtlichen Unternehmen in Deutschland im Web gibt, systematisch ausgewertet. So gelangen wir zu einem produktspezifischen Scoring, das jedem Unternehmen einen Wert zuordnet. Auf diese Weise lässt sich das Marketingbudget gezielt einsetzen und der Vertrieb kann sich auf die besten Kontakte konzentrieren.