(openPR) Predictive Analytics setzt aus Daten gewonnene Informationen in Korrelation, um so wahrscheinlich eintretende Ereignisse zu prognostizieren. Für die Wirtschaft, vor allem für das Marketing ergeben sich daraus vielfältige Möglichkeiten. Das erkennen immer mehr Unternehmen als Wettbewerbsvorteil. Ganze 89 Prozent der Marketer haben laut Forbes Predictive Analytics auf ihrer Roadmap für 2016. (http://www.forbes.com/sites/louiscolumbus/2016/01/24/89-of-b2b-marketers-have-predictive-analytics-on-their-roadmaps-for-2016/#132cfc4ed291).
Bei Predictive Analytics werden auf Grundlage der Analyse von Daten Prognosen zu zukünftigen Entwicklungen getroffen, z.B. zum Kaufverhalten von Kunden. Das hilft Unternehmen dabei, ihre Handlungen an diese Prognosemodelle anzupassen sowie Risiken und Möglichkeiten zu identifizieren. Das Verfahren deckt hauptsächlich wiederkehrende Muster auf, deshalb sind die Prognosen nur als Wahrscheinlichkeiten anzusehen und nicht als sicher eintretende Ereignisse. Es gibt viele verschiedene Einsatzszenarien für Predictive Analytics, im Marketing zum Beispiel für die Einschätzung von Kundenverhalten und die automatisierte Reaktion mit passender Kommunikation. 49 Prozent der Marketer verwenden bereits Predictive Analytics, weitere 40 Prozent wollen es in den nächsten 12 Monaten implementieren (Forbes).
Mit Predictive Analytics zu kundenzentrierter Kommunikation
Die Anforderungen von Kunden an die Marketing- und Servicekommunikation von Unternehmen steigen. Kundenzentriertheit ist ein wesentlicher Erfolgsfaktor. Wer einschätzen kann, für was sich seine Kunden in der Zukunft interessieren bzw. welche Handlungen und Käufe sie durchführen werden, kann seine Kommunikation entsprechend anpassen, d.h. zum richtigen Zeitpunkt die richtigen Maßnahme automatisiert aussteuern. Für Unternehmen mit Abonnement Geschäftsmodellen eignet sich Predictive Analytics z.B. auch zur Vorhersage von Kündigungen und damit dem automatisierten Einleiten von Gegenmaßnahmen.
Dazu erfasst das System die Reaktionen und Käufe des Kunden, analysiert diese, versucht Gemeinsamkeiten mit den Daten anderer Kunden zu finden und daraus allgemeingültige Muster abzuleiten (wer Produkt A kauft und diese und jene weitere Eigenschaften aufweist, kauft später mit x Prozent Wahrscheinlichkeit auch Produkt B). Dabei lernt das System mit der Zeit selbstständig (Machine Learning) und entwickelt immer präzisere Prognosen.
Weitere Informationen zum Thema Machine Learning und künstliche Intelligenz gibt es in unserem Trend Beitrag von der The Next Web Europe 2016: https://www.artegic.de/blog/the-next-web-europe-2016-trends-geschaeftsmodelle-kuenstliche-intelligenz/
