Hvad er Predictive Analytics?

Predictive Analytics

Predictive analytics bruger historisk data, statistiske modeller og machine learning til at forudsige fremtidige hændelser og trends. I marketing bruges det til at forudsige kundeadfærd, churn, konverteringer og kampagne-performance.

Også kaldet: Prædiktiv analyse, predictive modelling, forudsigelsesanalyse

Sådan fungerer Predictive Analytics

Predictive analytics følger en fast proces fra data til handling. Først indsamles historisk data fra alle relevante kilder — website-adfærd, køb, email-interaktioner, CRM-data og annoncedata. Derefter udføres feature engineering: relevante variable identificeres og klargøres til modellen (f.eks. "antal køb de seneste 90 dage", "tid siden seneste besøg", "gennemsnitlig ordreværdi").

Herefter trænes en eller flere machine learning-modeller. De mest brugte typer er regression (forudsig en numerisk værdi, f.eks. forventet omsætning), classification (forudsig en kategori, f.eks. sandsynlighed for churn: høj/medium/lav), og clustering (grupper kunder efter lighed uden foruddefinerede kategorier).

Modellens forudsigelser integreres derefter med eksisterende systemer — Google Analytics, CRM, email-platform og annonceplatforme — så handlingerne kan eksekveres automatisk eller guider menneskelige beslutninger. Google og Meta bruger allerede predictive analytics internt i deres annoncesystemer: budoptimering, audience targeting og conversion modelling er alle drevet af ML-modeller.

Eksempel

En dansk webshop med 50.000 kunder oplever 25% churn om året — kunder der ikke køber igen efter 90 dage. De opsætter et predictive analytics-system der ugentligt scorer alle kunder efter churn-sandsynlighed baseret på faktorer som tid siden seneste køb, browsing-adfærd, email-engagement og antal returnerede varer.

Kunder med høj churn-sandsynlighed modtager automatisk en personaliseret email med et tidsbegrænset tilbud. Kunder med lav sandsynlighed — de loyale — segmenteres til mersalgs-kampagner i stedet. Resultatet: churn falder med 25%, og den gennemsnitlige kundelivstidsværdi (CLV) stiger med 18%.

Hvornår bruger du Predictive Analytics?

Predictive analytics er mest værdifuldt for virksomheder med tilstrækkelig data — typisk mindst et par tusinde kunder og 12+ måneders historik. De vigtigste use cases er churn-forudsigelse (bevar dine bedste kunder), lead scoring (prioritér de varmeste leads til salgsteamet), demand forecasting (optimér lager og budgetter), og personalisering i stor skala.

I annoncering bruges predictive analytics til budget-allokering på tværs af kanaler: modellen forudsiger hvilke kanaler og kampagner der vil give det bedste afkast i den kommende periode, og budgettet flyttes automatisk. Dette er en avanceret form for attribution der ser fremad frem for bagud.

Relaterede begreber

• First-Party Data
• Marketing Automation
• ROI