Artiklar Smart data Datadriven marknadsföring

Så funkar prediktiv analys - 3 tips för att komma igång

Nu öppnar sig möjligheten att få koll på kundens nästa köp – redan i dag. Med prediktiv analys kan du utveckla dina affärsmöjligheter och förutspå vad kunderna vill ha och när de är mest benägna att köpa det.

Man skulle kunna kalla det ”den heliga graal” – att veta vad kunderna kommer att köpa härnäst. Och även om det inte går att se in i framtiden så möjliggör prediktiv analys en skymt av vad som komma skall. Det säger Bisnodes Per Selin som i mer än 30 år har arbetat med databasanalyser.

– Det handlar om att försöka hitta nästa sannolika köp. Med stora mängder data kan vi göra just det. Vi vet till exempel att 70–80 procent av konsumenterna köper hus eller bil inom ett år från det att de har skaffat barn. Vad det blir för bil beror exempelvis på värderingar, inkomst och livsstil samt ett flertal andra variabler som tas med i analysen.

Prediktiv analys i praktiken

Prediktiv analys utgår inte enbart från den enskilda konsumentens köphistorik. Inte heller tittar man bara på kön, ålder och inkomst, som tidigare varit de främsta verktygen i verktygslådan. I stället tittar man på en högkvalitativ analys som ger dig förståelse för kundens behov på individnivå.

– Rent konkret innebär det att vi till exempel kan berätta för en bank vilken produkt eller tjänst deras olika kunder troligtvis är mest intresserade av att få information om – bolån, billån eller fondsparande. Och vi kan också svara på hur mycket olika kunder kommer att konsumera idag och i framtiden, berättar Per Selin.

Det kan låta som science fiction, men egentligen är det inte så konstigt. Genom livet har alla människor olika konsumtionsbeteenden. När man just har skaffat barn stiger till exempel konsumtionen och under andra perioder i livet konsumerar man lite mindre.

– Vi kan se var i den här konsumtionscykeln dina kunder befinner sig och därmed sätta ett värde på varje kund. Det är ett oerhört viktigt verktyg för att kunna bedöma vägen in i framtiden. Jag har sett flera exempel på företag som tvingats inse att deras kunder kommer att konsumera mindre i framtiden – och som då proaktivt har kunnat anpassa sin strategi, säger Per Selin.

SvD kundcase Spoon.jpg
"Det handlar om att försöka hitta nästa sannolika köp. Med stora mängder data kan vi göra just det. Vi kan svara på hur mycket olika kunder kommer att konsumera idag och i framtiden."

Per Selin, senior analytiker på Bisnodes svenska analysenhet

vad är prediktiv analys?

vad är prediktiv analys?

Prediktiv analys är användningen av data, statistiska algoritmer och maskininlärningsteknik för att identifiera sannolikheten för framtida resultat baserat på historiska data. Målet är att gå bortom att veta vad som hänt och att istället bedömma vad som kommer hända i framtiden.

Varför är det viktigt?

Prediktiv analys används av företag för öka lönsamheten och bli mer konkurrenskraftiga. Våra vänner på SAS ger en bra beskrivning av vilka några av de vanligaste användningsområdena är:

1. Upptäcka bedrägerier

Frågan inte längre om ett företag kommer att utsättas för ett dataintrång - utan när. Att kombinera flera analysmetoder kan förbättra mönsterdetektering och förebygga bedrägerier. Och här kan beteendeanalyser komma till användning för att upptäcka avvikelser som kan vara början till bedrägeri.

2. Optimera marknadsföringskampanjer

Relevans i sin marknadsföring är inget nytt. Nu har det blivit möjligt att förstå sina kunder på individnivå. På riktigt. Prediktiv marknadsföring grundas i smart data - högkvalitativ dataanalys av enorma informationsmängder. Rätt använd kan den analysen ge dig möjligheten att anpassa ditt erbjudande utifrån den enskilda kunden. Baserat på kundens livsfas, drivkrafter och köphistorik kan man identifiera hur konsumtionen sannolikt kommer att se ut framöver. Med tusentals variabler kan sannolikheten för olika beteenden och sannolika köp beräknas med hög säkerhet. Tillsammans med ditt företags egen kundstatistik kan denna dataanalys bli till ännu ett kraftigare verktyg.

3. Effektivisera processer

Många företag använder prediktiva modeller för att planera lagerhållning och hantera resurser. Flygbolag använder prediktiv analys för att bestämma biljettpriser. Hotell försöker förutse antalet gäster för en viss natt för att maximera beläggningen och öka intäkterna. Helt enkelt för att bli en vinnare i framtidens resebransch. Prediktiv analys gör det möjligt för organisationer att fungera mer effektivt.

4. Minimera risk

Creditscoring för att bedöma kreditvärdigheten är ett välkänt exempel på prediktiv analys. Ett creditscore är ett tal som genereras av en prediktiv modell som innehåller all data som är relevant för att bedöma en persons kreditvärdighet. 

3 förutsättningar för prediktiv analys

1. Ett problem 

Det första ni behöver för att komma igång med prediktiv analys är ett problem att lösa. Vad vill ni veta om framtiden baserat på det förflutna? Vad vill ni förstå och förutsäga? Ni kommer även behöva fundera på vad ni ska göra med de insikter ni får. Vilka beslut kommer att drivas av den nya information? Vilka åtgärder kommer att vidtas?

2. Data 

För det andra behöver ni data. Idag innebär det att det behövs data från många olika ställen och många gånger behöver ni komplettera er data med data från en tredje part. Ni behöver även någon med erfarenhet av data mangagement, för att hjälpa er att tvätta och förbereda datan för analys. Att förbereda datan för en prediktiv analys kräver dessutom någon som förstår både data och de problem eller utmaningar ni står inför. Hur ni definierar era mål är viktigt för hur resultatet ska tolkas. Feltolkar ni er kunddata? 

3. Analysmuskler

Nu är det dags att börja bygga en prediktiv modell. En ökande andel användarvänlig programvara innebär att fler kan bygga analytiska modeller. Men ni kommer antagligen fortfarande att behöva någon slags dataanalytiker som kan hjälpa er att förfina era modeller och optimera för bästa resultat. Och sen kan ni behöva någon som kan IT för att hjälpa er distribuera modellerna. Med det menas att sätta modellerna i arbete på er data - det är där ni får era resultat.

Prediktiv analys kräver lagarbete. Ni behöver personer som förstår problemet som ska lösas. Någon som vet hur man förbereder data för analys. Någon som kan bygga och förfina modellerna. Någon på IT för att säkerställa att ni har rätt infrastruktur för modellering och implementering. Men allra viktigast är att veta hur man ska agera på de insikter som analysen ger. Om ni vet vem som kommer köpa av er i framtiden - vad gör ni då? Det är då en partner med analysmuskler som Bisnode verkligen kan göra skillnad. Ett bra exempel på detta är elbranschen där nya regler kräver en ny strategi

Bisnode Expert

Behåll och utveckla dina kunder

Behåll och utveckla dina kunder

Ta hand om dina befintliga kundrelationer

  • Förbättra dialogen med händelsestyrd marknadsföring
  • Maximera intäkterna med större andel av kundernas inköp
  • Öka kundnöjdheten och behåll fler kunder
Läs mer

Prenumerera på vårt nyhetsbrev

Nyhetsbrevet vänder sig till alla med intresse för tips, trendspaning och inspiration inom smart data.