طبق یک مطالعه جدید، علم تحلیل داده به نفع بازاریاب ها نیست، به طوری که 84 درصد از مدیران بازاریابی می گویند توانایی آنها در پیش بینی رفتار مشتری حدس و گمان است.
به گزارش تکناک، اکنون شرکت ها می توانند اطلاعات بیشتری در مورد مشتریان خود نسبت به قبل جمع آوری کنند و گزارش شرکت تجزیه و تحلیل پیشبینیکننده Pecan AI، نشان میدهد که از هر پنج مدیر بازاریابی، چهار مدیر بازاریابی با وجود در اختیار داشتن تمام دادههای مصرفکننده باز هم در تصمیمگیری مبتنی بر دادهها مشکل دارند.
مطالعه روی 250 پاسخدهنده نشان میدهد که اکنون 95 درصد از شرکتها تجزیه و تحلیلهای پیشبینی مبتنی بر هوش مصنوعی را در استراتژی بازاریابی خود ادغام میکنند، از جمله 44 درصد که میگویند تحلیلهای پیشبینی مبتنی بر هوش مصنوعی را به طور کامل در استراتژی خود ادغام کردهاند. اما در میان شرکتهایی که شرکتهایشان تجزیه و تحلیل پیشبینیکننده هوش مصنوعی را به طور کامل در استراتژی بازاریابی خود ادغام کردهاند، ۹۰ درصد گزارش میدهند که گرفتن تصمیمهای مبتنی بر دادههای روزانه برایشان دشوار است.
همه پاسخ دهندگان می گویند که می خواهند قابلیت های اضافی هوش مصنوعی و روش های پیش بینی را برای تیم های خود به دست آورند، که به وضوح نشان می دهد که پیاده سازی های فعلی روش های تجزیه و تحلیل نیازهای تیم های بازاریابی امروزی را برآورده نمی کند.
زوهر برونفمن، یکی از بنیانگذاران و مدیرعامل شرکت Pecan، می گوید: با توجه به اینکه امروزه اکثر شرکت ها از رویکردهای ساخت مدل دستی استفاده می کنند، مایه تاسف است، اما جای تعجب نیست که نتایج نیازهای تیم های بازاریابی را برآورده کند. در حالی که متخصصین تحلیل داده ممکن است در ساختن مدلهای نرمافزاری عالی مهارت داشته باشند، اما آنها به سادگی از واقعیتهای ظریف کسبوکار فاصله دارند و نمیتوانند موثر باشند.علاوه بر این، مدل های آنها با توجه به حجم کاری زیاد، در هنگام کار برای در نظر گرفتن شرایط بازار و رفتار مصرف کننده که به سرعت در حال تغییراست قدرت پاسخگویی سریع را ندارند و بسیار کند هستند. بازاریابان و تحلیلگران بازاریابی در صورت ارائه ابزارهای مناسب، می توانند به راحتی از پس وظایف تجزیه و تحلیل برای پیش بینی بازار بر آیند.
بنابراین چه چیزی مانع از موفقیت پروژه های علم داده می شود؟ 42 درصد می گویند متخصصین تحلیل داده زمان لازم برای پاسخگویی به درخواست ها را ندارند، 40 درصد می گویند کسانی که این مدل ها را می سازند اهداف بازاریابی را درک نمی کنند، 38 درصد می گویند متخصصین تحلیل داده سؤالات درستی نمی پرسند و 37 درصد می گویند از داده های نادرست یا ناقص، برای ساخت مدل استفاده می شود.
علاوه بر این، 93 درصد از مدیران بازاریابی شرکتکننده در نظرسنجی موافق بودند که دانشمندان داده میتوانند مشکلات پیچیدهتری را حل کنند اگر بتوانند از ابزارهای مدلسازی پیشبینیکننده هوش مصنوعی کم یا بدون کد برای خودکار کردن روش های اندازه گیری در این حوزه استفاده کنند.
