Voorspellende analyses: hoe marketeers toekomstige activiteiten kunnen verbeteren: sociale media-examinator

Wilt u dat uw marketing efficiënter wordt?

Vraagt ​​u zich af hoe het voorspellen van uw marketingcycli kan helpen?

Om te onderzoeken hoe marketeers aan de slag kunnen gaan met voorspellende analyses, interview ik Chris Penn.

Meer over deze show

De Social media marketing podcast is een on-demand talk-radioshow van Social Media Examiner. Het is ontworpen om drukke marketeers, bedrijfseigenaren en videomakers te helpen ontdekken wat werkt met socialemediamarketing.

In deze aflevering interview ik Chris Penn, de medeoprichter en hoofdvernieuwer van Brain + Trust Insights. Hij is ook de co-host van de Marketing boven koffie podcast en de hoofdanalyse-expert voor Social Media Marketing World.

Chris legt uit hoe de kwaliteit van de onderliggende gegevens die in voorspellende analyses worden gebruikt, kan worden gegarandeerd.

U ontdekt ook gegevensbronnen en tools die worden gebruikt om voorspellingen te doen.

Deel uw feedback, lees de shownotities en ontvang de links die in deze aflevering hieronder worden genoemd.

Luister nu

Waar abonneren: Apple Podcast | Google Podcasts | Spotify | RSS

Scroll naar het einde van het artikel voor links naar belangrijke bronnen die in deze aflevering worden genoemd.

Hier zijn enkele dingen die u in deze show zult ontdekken:

Voorspellende analyse

Chris 'verhaal

Chris is begonnen met analytics door zijn achtergrond in IT. In 2003 begon hij te werken als IT-directeur van een startup voor studieleningen, waar zijn rol verder ging dan de traditionele IT-verantwoordelijkheden. Naast het runnen van de web- en e-mailservers, werkte hij ook de websites bij en verstuurde hij de wekelijkse e-mail.

Chris deed dit werk voordat Google Analytics bestond, dus toen de CEO van zijn bedrijf vroeg hoe de websites en e-mails presteerden, had Chris geen antwoord. Om erachter te komen, begonnen Chris en zijn team hun eigen tools te ontwikkelen om de basisprincipes te begrijpen, zoals hoeveel mensen de website elke dag bezochten.

Na verloop van tijd werd de analysepraktijk een kernfocus voor Chris. Hij probeerde niet alleen te achterhalen wat er was gebeurd, maar ook waarom het gebeurde en hoe het bedrijf kon reageren.

Luister naar de show om Chris zijn educatieve achtergrond te horen bespreken.

Wat zijn voorspellende analyses?

Voorspellende analyses gebruiken statistieken en machine learning om gegevens te analyseren en voorspellingen te doen. Mensen zijn erg voorspelbaar. We volgen allemaal routines, zoals tanden poetsen en daarna douchen, of elke ochtend elk kledingstuk in een bepaalde volgorde aantrekken.

Omdat mensen zowel op micro- als macroschaal voorspelbaar zijn, kunnen marketeers vooral voorspellen wat er gaat gebeuren. Als u in Noord-Amerika bijvoorbeeld een B2C-marketeer bent, weet u vrijwel zeker dat u het van 1 november tot 26 december druk zult hebben, want dat is een piektijd voor productverkopen.

Evenzo, als u een B2B-marketeer bent, is uw drukke tijd 1 januari tot ongeveer eind mei. Daarna worden de zaken weer hervat direct na Labor Day in de Verenigde Staten en Canada en gaan ze door tot en met Thanksgiving. Buiten die tijden is het een stuk moeilijker om marketeer te zijn, of u zich nu richt op digitaal, sociaal of betaald.

Luister naar de show om meer voorbeelden van voorspelbaar menselijk gedrag te horen.

Wat kan voorspellende analyse doen?

Omdat we deze dingen over het algemeen weten, kunnen machines ons helpen deze voorspellingen specifieker te maken. De waarde van voorspellende analyses is hun specificiteit. Als u weet welke week u meer Facebook Live moet doen of minder aan advertenties moet uitgeven, kunt u efficiënter en effectiever zijn in uw marketing. Als u weet hoe u moet voorspellen, kunt u geld verdienen, geld besparen, tijd besparen en niet ontslagen worden.

Voorspellende analyses zijn specifiek gericht op het proberen uit te vinden wat er daarna gebeurt. Voor de gemiddelde marketeer zijn tijdreeksvoorspellingen (of wanneer er iets gaat gebeuren) de meest conventionele en nuttige toepassing. Ter illustratie: als u een social media marketeer bent, wilt u weten wanneer u uw klantenserviceteam moet inzetten om vragen van klanten te beantwoorden.

Voorspellende analyses kunnen ook dingen uitzoeken, bijvoorbeeld wanneer iemand een nieuwe auto koopt of dat het aanstaande ouders zijn. Die toepassingen zijn echter genuanceerder dan tijdreeksvoorspellingen.

Luister naar de show om te horen over mijn ervaringen met voorspellende analyses toen ik B2B-schrijver was.

Hoe voorspellende analyses werken

Voorspellende analyses zijn nu waarschijnlijk bijna 70 jaar oud. Mensen zijn verrast om te horen hoe oud de discipline is, omdat ze denken dat machine learning iets nieuws is. De theorieën en wiskundige formules bestaan ​​echter al heel lang.

Wat is veranderd, is de rekenkracht van laptops, desktops en cloudservers. Ze kunnen grotere getallen in een kortere tijd crunchen. Theoretisch kun je voorspellende analyses op papier doen, maar het zou veel papier en tijd vergen.

Om voorspellende analyses goed te doen, heb je drie vaardigheden nodig. Ten eerste heb je iemand nodig met de ontwikkelingsvaardigheden om gegevens uit je gegevensbronnen te halen, zoals Google Analytics, Facebook Insights, Twitter en andere soorten sociale gegevens. De gegevens kunnen zich bevinden in systemen die u bezit of in systemen van derden. Wie de gegevens ook heeft, u moet ze eruit kunnen halen.

Chris houdt van de uitdrukking: "Data is de nieuwe olie", want als je ooit ruwe olie hebt gezien, is het een walgelijke puinhoop. Je kunt er niet veel mee doen totdat je het uit de grond haalt, verfijnt en het dan geeft aan mensen die het in auto's kunnen gebruiken of om plastic kommen te maken die niet breken als ze op de grond vallen. Met voorspellende analyses is het vrijwel hetzelfde.

De verfijners zijn datawetenschappers, die de data opschonen tot iets dat je kunt gebruiken. Marketingtechnologen, wat tegenwoordig de rol is van veel socialemediamarketeers, doen iets met die gegevens. Ze interpreteren de gegevens niet alleen; ze handelen ernaar.

Chris benadrukt het belang van handelen op basis van de gegevens die u krijgt. Als je weet in welke week je je evenement moet promoten, maar niets met die informatie doet, heeft het geen zin om de voorspelling te doen.

De nauwkeurigheid van de voorspellingen hangt af van de onderliggende gegevens en het algoritme dat u gebruikt om de voorspellingen te doen. Op een gegeven moment zal bijna iedereen een probleem tegenkomen met de datakwaliteit. Misschien heb je Google Analytics niet goed ingesteld, heb je je doelen niet goed gesteld, ben je vergeten je Facebook-pixel aan te zetten; al die dingen.

Luister naar de show om Chris een populair type technische aandelenanalyse te horen bespreken.

Praktische marketingtoepassingen voor voorspellende analyses

Wanneer Chris een voorspellende prognose doet, is dit meestal een lijngrafiek van 52 weken. Voor elke week toont de grafiek een voorspelling voor wat de gegevensreeks ook is. Meestal gebruikt Chris zoekgegevens omdat mensen dingen in Google typen die ze niet zouden doen vertel het een ander mens, waardoor zoekgegevens een zeer goede indicatie zijn van wat er werkelijk op iemands persoon staat geest.

Er zijn veel zoekgegevens beschikbaar en u kunt er gratis toegang toe krijgen via tools zoals AdWords-zoekwoordplanner of Google trends. Nadat u over de gegevens beschikt, kunt u een bepaalde trend voorspellen, dat wil zeggen een gegevensreeks, en vervolgens de pieken en dalen identificeren. Chris raadt aan om ergens tussen de 1 en 5 jaar aan gegevens te hebben als basis voor uw voorspelling.

Stel dat u 5 jaar aan zoekgegevens over socialemediamarketing extraheert, omdat u zich afvraagt ​​wanneer mensen het komende jaar zullen zoeken naar 'social media marketing. " Als u toevallig weet dat het 20 maart, 19 april, 27 mei, 4 juli, 10 september en 21 oktober van dit komende jaar is, zijn dat uw hoogwater merken.

Met die datums kun je ook zien wat er 2 tot 3 weken voor elke date gebeurt. Meestal is er een aanloop naar die piek. Een marketeer voor sociale media moet dus zijn advertentie-uitgaven opdrijven. Een organische marketeer moet veel posten en het aantal Instagram-verhalen dat ze maken verdubbelen. Een public relations-persoon moet maanden van tevoren pitchen om op die data in publicaties te verschijnen.

U weet ook wanneer de valleien zullen plaatsvinden, zodat u kunt plannen om inhoud te verzamelen terwijl er niet veel gebeurt. U kunt podcasts opnemen, gasthost op andere sites, een heleboel blogposts schrijven en inhoud opslaan. Als de volgende piek dan komt, kun je de cadans halen die je nodig hebt zonder door te branden.

Op deze manier helpen voorspellingen u geld te verdienen op de toppen en geld te besparen op de dalen. U kunt uw strategie plannen en bouwen op basis van wanneer dingen waarschijnlijk zullen gebeuren. Deze applicatie werkt voor zowel B2C- als B2B-bedrijven, omdat mensen de hele dag, elke dag dingen in Google typen.

Ik vraag welke andere databronnen je zou kunnen gebruiken om voorspellingen te doen. Chris zegt dat elke op tijd gebaseerde gegevensbron geldig is en dat gesprekken op sociale media per netwerk verschillen. Uw Pinterest-voorspellingen kunnen verschillen van uw Facebook- en Twitter-voorspellingen. Maak voorspellingen op basis van al die gegevens.

Om dat te doen, is een echt geweldig hulpmiddel CrowdTangle. Het is fantastisch omdat het u tijdreeksgegevens geeft tot op individueel postniveau. Een PR-persoon kan nieuwsvermeldingen en berichtgeving ophalen. Een adverteerder kan betalen per klik-bedragen, biedprijzen, al deze dingen ophalen.

Gegevensbronnen van derden zijn goed omdat u als bedrijf die gegevens niet per se kunt corrumperen, hoewel u om de verkeerde dingen kunt vragen. Een gerenommeerde dataleverancier is SEMrush, die gegevens van goede kwaliteit bevat. Een andere verkoper, Merk24, doet mediamonitoring.

U kunt ook zoekgegevens bekijken van SEO-tools die niet van Google zijn. Dat zijn allemaal goede gegevensbronnen omdat ze consistent, genormaliseerd en regelmatig zijn. Ze zijn ook redelijk schoon.

Chris geeft dan nog een voorbeeld van hoe u voorspellende analyses op uw bedrijf kunt toepassen. Chris deed een voorspellende run voor een casino op basis van 2 jaar dagelijkse gokautomaatinkomsten. Nadat hij die gegevens in een algoritme had gestopt, kon Chris de inkomsten van het casino voor het komende jaar voorspellen.

Met deze voorspellingen kon het casino zien wanneer de inkomsten van de gokkasten laag zouden zijn en moesten ze wat promoties opvoeren, advertenties weergeven, een speciale gastentertainer binnenhalen, of iets dergelijks. De gegevens hielpen hen die gaten in hun inkomsten te dichten.

Ik vraag hoe marketeers voorkomen dat ze de gegevens beïnvloeden. Stel dat we onze marketingpromoties voor Social Media Marketing World hypothetisch afstemmen op bepaalde schema's die niet noodzakelijkerwijs gebaseerd zijn op voorspellingen, maar die we hebben besloten te gebruiken. Hoe kunnen we uitsluiten dat het gedrag van de stam en de gemeenschap niet noodzakelijk door onze daden wordt veroorzaakt?

Chris zegt dat Social Media Marketing World zo'n grote, succesvolle show is, dat het echt van invloed is wanneer mensen zoeken naar dingen als 'sociaal' mediamarketing. " U kunt de gegevens die u ophaalt echter op een aantal verschillende manieren verfijnen om gebeurtenissen, problemen enzovoort te minimaliseren zodat deze niet worden beïnvloed.

Als u bijvoorbeeld een hulpmiddel voor sociaal luisteren gebruikt, kunt u vermeldingen van Social Media Marketing World, #socialmediaexaminer, Michael Stelzner en gerelateerde items uitsluiten. Deze uitsluitingen helpen de gegevenspunten te verminderen die daar niet zouden moeten zijn.

U kunt ook benchmarking gebruiken, waarmee een basislijn wordt vastgesteld buiten een bepaald seizoen, waarbij 20.000 vermeldingen per dag worden toegevoegd. Is er zelfs in het seizoen iets dat niet in verhouding staat tot wat er zou moeten zijn? Op die manier kunt u prognoses uitvoeren.

De beste manier om gegevens te verfijnen, is op gegevensniveau. Verwijder dingen waarvan u weet dat ze besmettelijk zijn, bij gebrek aan een beter woord. Vervolgens kunt u voorspellen op basis van de verfijnde gegevens.

Dat gezegd hebbende, als u Social Media Marketing World op de markt zou brengen, zou u niet per se gegevens op deze manier willen verfijnen. Als je de stam wilt laten beïnvloeden hoe mensen over de hele wereld zoeken naar 'socialemediamarketing', is dat een goede zaak. Dat is een reden om uw succes te vieren en te proberen nog meer gedragsverandering te bewerkstelligen door trends nog eerder voor te zijn.

Luister naar de show om mijn mening over voorspelbare menselijke patronen te horen.

Wat je niet kunt voorspellen

Chris zegt dat je drie dingen niet kunt voorspellen. De eerste is een grote omwenteling die uw gegevens verstoort, zoals politieke onrust, culturele onrust, natuurrampen, dat soort dingen. Al deze dingen veroorzaken grote interferentie die een prognose kan verstoren. Sectoren met veel onrust, zoals de aandelenmarkt, zijn bijna niet nauwkeurig te voorspellen.

Het tweede is iets dat nooit is gebeurd, zoals de presidentsverkiezingen van 2016. De competitie tussen de twee kandidaat-kandidaten was nog nooit eerder gebeurd. Veel mensen die voorspellende instrumenten en prognoses voor de verkiezingen bedachten, baseerden hun modellen op de verkiezingen van 2012.

De kandidaten in elke partij waren echter heel verschillende mensen tussen die verkiezingsjaren. De tools die mensen voor 2016 bouwden, waren dus gebaseerd op iets dat in het verleden was gebeurd, maar dat op dit moment niet gebeurt. Je kunt niet voorspellen wat er nooit is gebeurd.

De derde diskwalificatie voor voorspellende analyses zijn slechte gegevens. Als u beschadigde gegevens of geen gegevens heeft, kunt u geen nauwkeurige voorspellingen doen. Als u weet dat uw bedrijf problemen heeft met de gegevensinfrastructuur, is voorspellende analyse eigenlijk gevaarlijk. Het zou net zoiets zijn als rijden met een gps die slechte gegevens heeft en je vertelt om van een klif af te rijden.

Luister naar de show om Chris een andere term te horen delen onrust.

Veelvoorkomende gegevensproblemen

Als u voorspellende analyses wilt proberen, is Google Analytics een goed begin. De meeste marketeers hebben die gegevens zeker, maar er kunnen problemen zijn. Als u bijvoorbeeld marketingautomatiseringssoftware gebruikt, moet u uw Google Analytics-tags op uw bestemmingspagina's in die software plaatsen. Als u dat niet doet, heeft u problemen met de gegevensintegriteit.

Vervolgens vraag ik hoe om te gaan met bots en blockers. Chris zegt dat sociale media, vooral Instagram en Twitter, vol zitten met bots. Het goede nieuws is dat het botgedrag redelijk voorspelbaar is, omdat de mensen die deze bots hebben geschreven, zeer primitieve algoritmen gebruikten. In het gegevensvoorbereidingsproces zijn bots gemakkelijk te herkennen en kunt u ze verwijderen.

Ter illustratie: één bot heeft altijd een bio die exact hetzelfde formaat volgt. De bio begint met verschillende woorden die verschillende lengtes hebben, gevolgd door "check me out" en dan een link.

Blokkers zijn aanzienlijk moeilijker om mee te werken. Als u prognoses probeert te maken op basis van advertentiegegevens en blokkers gegevens verwijderen, is dat erg moeilijk op te lossen. De gegevens zijn niet verkeerd; je hebt het niet eens. Het is niet compleet.

U kunt op twee manieren omgaan met onvolledige gegevens. Ten eerste kunt u iets zoeken dat richtinggevend is, omdat de gegevens die u heeft nog steeds representatief zijn. Stel dat u weet dat 30% van de advertenties die worden geblokkeerd, plaatsvindt op een mobiel apparaat, maar dat dit een constante 30% is. Er wordt niet 22% van de advertenties op de ene site geblokkeerd, maar 5% op een andere.

Als de blokkering allemaal relatief consistent is, wordt u nog steeds op de juiste manier gericht, omdat sommige advertenties na verloop van tijd beter of slechter zullen presteren.

De tweede optie is alleen beschikbaar voor bedrijven met een enorme database, zoals grote technologiebedrijven of databedrijven. Met een grote hoeveelheid gegevens kunt u doen toerekening, die een bestaande getrainde dataset en machine learning gebruikt om de onvolledige stukken in te vullen.

Een heel goed voorbeeld van toerekening zijn sociale aandelen. Begin februari zette LinkedIn zijn deelnummers uit, zodat u dat nummer niet langer krijgt van een monitoringtool voor sociale media. Als Chris bij een bedrijf voor social media-monitoring zou werken, zou hij de gegevens van de afgelopen 10 jaar gebruiken als trainingsset en het aantal shares afleiden.

Je kunt het aantal shares afleiden zolang je andere parallelle datasets hebt, zoals Twitter en Pinterest. Die aandeelnummers laten een machine in wezen de lege plekken voor LinkedIn-aandelen invullen.

Luister naar de show voor mijn mening over bots en blockers.

Voorbeelden

Voor een bekend kantoorbenodigdhedenbedrijf voerde Chris voorspellende analyses uit van de merknaam en de algemene term 'kantoor' benodigdheden." Hoewel de merknaam en de generieke term elkaar spiegelden, liep 'kantoorbenodigdheden' twintig dagen achter op het merk naam.

De merknaam had bijvoorbeeld eind augustus een grote piek, die Chris toeschreef aan het schoolseizoen en mensen die weer aan het werk gingen. Maar twintig dagen later volgde de zoekterm voor "kantoorbenodigdheden" exact dezelfde piek en exact hetzelfde patroon. Wat daar ook gedragsmatig gebeurt, mensen zoeken naar het merk en 20 dagen later zoeken ze naar de generieke term.

Op basis van de bevindingen stelde Chris voor dat het bedrijf een retargeting-campagne zou opzetten met een tijdschema van 19 dagen. Target iedereen die 19 dagen later naar uw website gaat opnieuw met een advertentie die hen eraan herinnert terug te komen voor meer kantoorbenodigdheden. Met de retargeting-advertentie zou het bedrijf een deel van die vraag kunnen heroveren.

Op deze manier kunnen voorspellende analyses een enorme ROI bieden. Iemand zou kunnen aannemen dat alles wat ze doen niet meer werkt en gewoon stoppen. Met voorspellende analyses kunt u zien dat uw sociale marketing gewoon niet synchroon loopt met de patronen van klanten.

Vervolgens geeft Chris een voorbeeld uit zijn eigen bedrijf. Hij was aan het benchmarken op basis van wanneer mensen zoeken naar out-of-office-instellingen in Outlook, want wanneer iemand Als je daarnaar zoekt, weet je dat ze zich klaarmaken om op vakantie te gaan, wat betekent dat ze hun e-mail. Nadat hij die benchmark in oktober 2017 had uitgevoerd, projecteerde Chris vooruit voor het eerste kwartaal.

Chris voorspelde dat het zoekvolume het laagst was, wat betekent dat de meeste mensen op kantoor waren in de week van 18 januari 2018. In die week voerde Chris dezelfde campagne voor zijn boek naar dezelfde lijst en met hetzelfde aanbod als in 2017.

Door zijn timing voor de promotie van 2018 te verfijnen, verhoogde Chris de boekverkoop met 40%. Zijn campagne voor 2017 liep ongeveer twee weken uit en Chris ontdekte dat het verschil met zijn publiek niet klopte.

Ik vraag hoe een bedrijf dat informatie publiceert, voorspellende analyses zou kunnen gebruiken om zijn strategie te verbeteren. Voor dit voorbeeld zegt Chris dat een van zijn favoriete toepassingen contentstrategie is. Stel dat u regelmatig bepaalde onderwerpen behandelt. U kunt een hele combinatie van deze voorspellingen uitvoeren.

De best presterende 10% kan uw redactionele agenda stimuleren, want als u weet in welke maanden mensen het meest geïnteresseerd zijn in een onderwerp, kunt u maandelijkse functies rond dat onderwerp plannen. U weet zelfs tot op de week wanneer u inhoud over een bepaald onderwerp moet publiceren. Op deze manier kun je elke maand de hoge noot halen.

Voorspellende analyses kunnen ook uw reclamekalender informeren. Als u weet dat u over een bepaald onderwerp publiceert, kunt u uw tariefkaarten instellen op basis van dat onderwerp. Voor de maand waarvan u weet dat de vraag van het publiek naar een onderwerp hoog is, kunt u adverteerders die in dat onderwerp geïnteresseerd zijn de volledige prijs in rekening brengen. Als u weet dat er weinig belangstelling is voor het doelonderwerp van de adverteerder, kunt u 40% korting aanbieden.

Luister naar de show om Chris te horen bespreken hoe Social Media Examiner voorspellende analyses op de inhoud zou kunnen toepassen.

Gereedschap

Chris zegt dat de beste tools gratis zijn. Het zijn programmeertalen (zoals R en Python), evenals de bibliotheken (zoals SIDEKIT, NumPy, tijdschema) die aanbiedingscode die u voor bepaalde taken kunt gebruiken. Om deze gratis tools te gebruiken, heb je echter veel technische ervaring nodig. De programmeertalen en bibliotheken zijn als motoronderdelen. Om een ​​auto te krijgen, moet u deze zelf bouwen.

Voor het technisch bekwame bedrijf van elke omvang, als u iemand of meerdere mensen heeft die de rollen van kunnen vervullen ontwikkelaar, datawetenschapper en marketingtechnoloog, kunt u voorspellende analyses gebruiken om uw eigen prognoses voor te maken vrij.

Als u echter niet de tijd of kennis heeft om deze tools te gebruiken, maar u wel geld heeft, kunt u het beste prognoses uitbesteden. Huur een data science-bedrijf in.

Als je wilt weten hoe data science werkt, raadt Chris de blog ten zeerste aan op KDnuggets.com en de IBM data science-blog. De IBM Data Science Experience is ook uitstekend. Volg ook de ontwikkelaarsblogs van de grote technologiebedrijven zoals Microsoft, Amazon, Google, en IBM.

De beste informatie over data science vind je echter in academische papers. Als je die kranten kunt lezen zonder in slaap te vallen en de informatie eruit kunt halen, zul je echt goud vinden. U leert technieken die u met uw gegevens kunt uitproberen.

Dit voorspellende algoritme waar we het over hebben, bestaat al 70 jaar. Het is een stuk gereedschap als een spatel. Als je alleen maar een stuk toast omdraait, heb je een erg dure toastflipper.

Denk je echter aan grillen, roerbakken en alles wat je met een spatel kunt doen, dan worden de mogelijkheden eindeloos. Hetzelfde geldt voor data science-tools en algoritmen. U kunt uw creativiteit en nieuwsgierigheid gebruiken om ze op al deze verschillende manieren uit te proberen.

In de toekomst wordt het gebruik van deze tools net zo eenvoudig als het uitvoeren van een Facebook-advertentie, omdat veel voorspellende analyses al erg gemechaniseerd zijn. Het deel dat betrekking heeft op menselijk oordeel en context zal echter langer duren. Machines kunnen niet begrijpen hoe bedrijven werken en zien die mogelijkheden daarom niet.

Maar nadat u de grote strategie in kaart heeft gebracht, kunt u binnenkort op een knop klikken, uw creditcard vegen, uw maandelijkse vergoeding van $ 99 betalen en de tool spuugt grafieken uit. Chris denkt dat deze mogelijkheid binnen 5 jaar beschikbaar zal zijn.

Verderop, naarmate de kunstmatige intelligentie voor algemeen gebruik verbetert, kunt u een machine misschien vertellen dat u uw Facebook-uitgaven wilt optimaliseren op basis van de vraag. Vervolgens zal de machine automatisch de voorspelling doen, uitzoeken wanneer de pieken en dalen zich voordoen, en in feite uw budget en advertenties voor u uitvoeren. Dat is waarschijnlijk 5 tot 10 jaar voorbij.

Luister naar de show om Chris meer te horen vertellen over wat machines niet kunnen.

Ontdekking van de week

Opnieuw is een stockfotosite die clichébeelden vermijdt.

De foto's op Reshot weerspiegelen het unieke perspectief van de fotograaf. Op deze manier zijn de foto's van hogere kwaliteit dan die op veel andere stockfotosites.

De site maakt gebruik van een eenvoudige licentie en termen die je veel flexibiliteit geven bij het gebruik van de foto's.

Reshot-foto's zijn gratis, hoewel u ook foto's van Reshot-partners kunt vinden. Bezoek de website om door de afbeeldingen te bladeren of meer te weten te komen.

Luister naar de show voor meer informatie en laat ons weten hoe Reshot voor u werkt.

De belangrijkste afhaalrestaurants die in deze aflevering worden genoemd:

• Lees meer over het bedrijf van Chris, Brain + Trust Insights.
• Volg Chris Twitter.
• Lezen Chris 'blog.
• Luister naar de podcast van Chris, Marketing boven koffie.
• Toegang tot zoekgegevens met AdWords-zoekwoordplanner of Google trends.
• Lees meer over CrowdTangle.
• Bekijk externe dataleveranciers SEMrush en Merk24.
• Leer meer over statistiek toerekening.
• Ontdek meer over R en Python en bibliotheken zoals SIDEKIT, NumPy, en tijdschema.
• Bezoek KDnuggets.com, IBM data science-blog, en IBM Data Science Experience.
• Volg de ontwikkelaarsblogs voor Microsoft, Amazon, Google, en IBM.
• Vind foto's voor uw inhoud via Opnieuw.
• Bekijk onze wekelijkse Social Media Marketing Talk Show op vrijdag om 10.00 uur Pacific Crowdcast of stem af op Facebook Live.
• Download de Verslag over de sociale media-marketingsector 2017.

Wat denk je? Wat vind je van voorspellende analyses? Deel uw opmerkingen hieronder.