Сила прогнозной аналитики и SEO данных

  1. Очень краткая история прогнозной аналитики
  2. Пример: Нью-Йорк Туризм
  3. Будущее сегодня

Немногие вещи настолько привлекательны для маркетологов, как обещание предсказания. Каждый маркетолог хочет знать, что произойдет; то, что произошло, представляет меньший интерес, потому что мы не можем изменить прошлое. Если бы мы знали, что может произойти, мы могли бы заранее спланировать это.

Предположим, мы знали, что произойдет в следующем году в органическом поиск для нашей отрасли. Что бы мы сделали по-другому?

  • Будем ли мы создавать другой контент?
  • Будем ли мы увеличивать наш органический контент с платным усилением?
  • Будем ли мы более агрессивно делиться нашим контентом в социальных сетях до пикового сезона?

Какой бы выбор мы ни сделали, знание заранее позволит нам планировать заранее.

Очень краткая история прогнозной аналитики

Прогнозная аналитика не нова; Ученые данных работают с прогностическое программное обеспечение с 1940-х годов , Однако до недавнего времени маркетологи не имели доступа к возможностям прогнозной аналитики, потому что технология была заперта в статистике и ИТ. С демократизацией статистического программного обеспечения у маркетологов теперь есть доступ к сокровищнице мощных инструментов прогнозирования - и 70 лет проверенных, проверенных методологий.

Современные инструменты прогнозной аналитики используют алгоритмы и методы машинного обучения для создания точных, надежных, устойчивых прогнозов - и при очень низких затратах. Пакеты программ, такие как Проект R а также питон с открытым исходным кодом и без финансовых затрат, доступных для любого маркетолога.

Пример: Нью-Йорк Туризм

Давайте посмотрим на пример того, как мы могли бы объединить прогностическую аналитику и SEO для поддержки программы туристического маркетинга. Предположим, что мы являемся руководителями конгрессов и бюро посетителей Нью-Йорка. Что бы мы хотели узнать о туризме в нашем городе?

На основе быстрого поиска по ключевым словам в любом компетентном SEO инструмент мы посмотрим на поиски, как «Рейсы в Нью-Йорк» , Люди обычно не ищут подобные фразы, основанные на намерениях, если только у них нет намерения посетить Нью-Йорк на самолете. Далее, давайте получим фактический объем ключевых слов для этого поиска и наметим его:

Пока все хорошо: мы видим еженедельные поиски по ключевым словам «рейсы в Нью-Йорк» за последние 5 лет. Как менеджер по туризму, мы видим рост количества запросов - это хорошая новость для нас. Тем не менее, мы все еще застряли в прошлом. Мы все еще оглядываемся назад. Давайте используем язык программирования R и любой из основных пакетов прогнозирования времени, доступных для проецирования вперед:

Далее, давайте сделаем это немного более понятным для маркетинга:

Теперь у нас есть календарь операций. В периоды, когда у нас пиковый спрос, мы могли бы проводить дополнительные рекламные и платные кампании, чтобы удвоить популярность.

В случаях, когда у нас отказывают в поиске, мы могли бы потратить время на то, чтобы улучшить наш контент на месте или работать с агентство по связям с общественностью повысить общую узнаваемость бренда (что способствует брендовому органическому поиску).

Мы могли бы даже посоветовать нашим деловым партнерам - отелям Нью-Йорка и другим местам - правильно спрогнозировать спрос. Отели могут обеспечить наличие достаточного количества номеров в часы пик и планировать продажи на более слабый спрос. Рестораны могут планировать ресторанную неделю, когда спрос низок, чтобы стабильно увеличивать доходы, а не удивляться более слабым, чем ожидалось, периодам туризма.

Неважно, какую тактику мы выберем, заранее зная объем органического поиска, мы сможем правильно спланировать наши ресурсы, штатное расписание, бюджеты и сроки. Вместо того, чтобы реагировать на последние поисковые данные, мы смотрим в будущее. Вместо того, чтобы карабкаться, мы планируем спокойно и методично, чтобы обеспечить максимальный эффект.

Будущее сегодня

Прогнозирующая аналитика находится в пределах нашей досягаемости как маркетологи. Используйте инструменты и данные, к которым у нас уже есть доступ, и прогнозируйте вероятные результаты - от данных SEO до данных социальных сетей и доходов в долларах.

Очевидно, что никакое количество прогнозирующей аналитики не может предвидеть черного лебедя События как мем, идущий вирусный или негативное новостное событие, но подавляющее большинство предприятий редко сталкиваются с черными лебедями. Большая часть того, что мы делаем как маркетологи, очень повторяющаяся и, следовательно, очень предсказуемая.

Начните с аналитической аналитики с использованием R или Python и начните строить маркетинговый план на следующий год уже сегодня!

Если вам понравилось, пожалуйста, поделитесь им в социальных сетях!

Хотите читать больше, как это от Кристофер Пенн ? Получите обновления здесь:

Получите обновления здесь: