Diferentes tipos de dados para CRM social

Ao determinar quais dados Social CRM você quer encurralar, é importante ter em mente os diferentes tipos de dados e que eles podem ensinar-lhe. Muitas empresas usam dados históricos para tomar um palpite no desempenho futuro através de métricas semelhantes.

Previsão, planejamento de orçamento e metas de vendas são muitas vezes baseadas em dados analíticos históricos, mas esta abordagem pode ser limitativa. Para capturar uma visão histórica bem-arredondado para o planejamento, é importante entender a diferença entre análise descritiva e profético analítica.

• analytics descritivas: Este tipo de dados identifica eventos passados ​​e os fatores percebidos ou reais que desempenharam na criação dos eventos. A idéia é olhar para os indicadores de sucesso e fracasso em iniciativas passadas. É uma estratégia reativa para planejamento de marketing - olhando para trás, reagindo às descobertas, e ajustar os planos futuros para atender às condições anteriores.

• Análise preditiva: Este é um modelo matemático que prediz com precisão os resultados e os resultados com base em fatos futuros. É mais fácil (e normalmente mais acessível) para manter os clientes existentes do que para gerar novos, razão pela qual modelagem preditiva muitas vezes leva iniciativas de marketing para promoções e ofertas. Tomando o que você sabe os clientes preferem e alcançá-los com o que eles querem cai em modelagem preditiva.

Tenha em mente que o passado não pode sempre predizer o futuro. Tanto a modelagem descritiva e preditiva têm os seus limites, em parte porque os seguintes fatores tornam amanhã (ou no próximo ano) um pouco diferente de ontem (ou passado):

• O mercado de hoje está sempre em evolução e complexo.

• Você está reunindo uma grande quantidade de dados em um ritmo rápido no CRM social.

• Mercados são alvos móveis que você não pode sempre prever com precisão.

No entanto, se você analisar os dados históricos no contexto certo, você pode desenvolver uma abordagem mais concreta para o planejamento. Mas é vital para distinguir os tipos de dados que você está coletando e analisando em primeiro lugar. Depois de saber o que você tem, você pode tirar conclusões e traduzir esses dados em métricas acionáveis.

Analytics descritivos Modeling	Análise Preditiva Modeling
resultado percebido com base em dados históricos	previsão precisa dos resultados com base no passado os resultados com thesame fatores no lugar
relacional	Equação baseada
Visão traseira	focada no futuro
reativo	planejamento de precisão