研究表明，使用预测分析来制定营销策略的 B2B 营销人员 实现高于行业平均水平的收入增长率的可能性是其他营销人员的 2.9 倍 。其组织成为行业领导者的可能性是其他营销人员的 2.1 倍。
规范分析对其进行了定义。
到 2015 年，绝大多数 B2B 营销人员（约 89%）要么已经使用预测分析，要么计划在未来 12 个月内实施预测分析。预测营销已经证明自己是提高基于价值的 KPI（如客户终身价值和每位客户的利润率）的强大动力，那么，如果使用规范分析（下一代分析模型），您的组织将变得多么高效和有效？为什么要等到后来才采用呢？
规范分析本质上通过告诉您使用什么来 使您使用的数据更有价值 。这超越了预测性洞察，后者揭示了 如果做出特定决策会发生什么 。对于营销人员来说，这是最终目标（但不是最终目标）数据科学，因为它打开了一个全新的可能性竞技场。那么为什么没有更多的营销人员使用它呢？
营销优先级问题
营销技术并不是处方分析应用的障碍，但 营销技术发展的 科特迪瓦电话号码 速度 才是障碍。直到最近，即 2013 年， Gartner 才将处方分析称为 “大数据的最后前沿，企业最终可以将前所未有的海量数据转化为强有力的行动。”
我们很快就到达了下一个前沿，大多数组织没有手段——或者直接可衡量的激励——将他们的优先事项更多地集中在数据科学上并迎头赶上。
能够说出“哪个营销渠道将为此次活动带来最多的客户参与度？”、“哪个价格点将提供最佳的销售数字和盈利能力组合？”、“我们应该使用哪个图像来提高社交媒体活动的效果”，听起来好得令人难以置信。但这是可能的。早期采用者已经从这种更复杂的数据洞察水平中受益。
尽管规范分析非常棒，但它必须让位于其他更为熟悉、更实惠的营销重点。
图片来源
尽管正是这种级别的分析能够帮助营销人员实现潜在客户生成、有竞争力的工资和福利只 流量和销售目标，并将个性化和投资回报率跟踪提升到一个全新的惊人水平。
那些确实投入更多时间和资源来实施正确技术并利用这些平台的组织，将不得不牺牲其他优先事项来取得进展。但从长远来看，准确性、风险降低和洞察力的深度将是值得的。
数据科学思维问题
另一个问题是思维方式。大多数营销人员不一定像数据科学家那样思考。数据科学思维方式不仅要测试和试验，还要提出正确的问题。营销顾问 Katrina Neal表示：“不要依赖通用内容最佳实践。你需要原创思维和测试与学习文化，才能找到适合自己的独特蓝图。”
在智能内容大会的一次演讲中，她指出，数据科学家 在内容规划、创作和衡量方面 已经发挥了关键作用。对于首席营销官来说，通过内部团队或咨询机构培养数据科学能力多年来一直是他们的愿望。对于那些还没有数据科学家的人来说，聘请一名数据科学家并不容易。不仅在营销领域，在整个商业领域，数据科学家供不应求。
随着大数据在未来变得越来越容易消化，无论你是否聘请数据科学家，营销人员处理数据的方式仍然需要转变。这意味着，现在采取积极措施培养更科学的数据思维至关重要。
-
-
- 使用具有预测模型的 SaaS 平台（如 LeadSpace、Radius 和 Everstring），营销人员可以利用他们的数据并开始尝试使用更多预测性和规范性分析的可能性。
- 通过培训为现有团队配备使用当前和未来平台所需的数据科学技能也可以成为长期战略的一部分。
-
这种长期的内部方法不仅更经济实惠，而且对于确保数据洞察和营销 澳大利亚电话号码 目标保持一致可能更为实用。充分利用数据制定营销策略的关键在于知道如何使用数字。例如，聘请外部数据科学家作为临时顾问可能无法带来最可行的洞察。当您的数据科学思维来自内部时，从组织的营销目标的角度来看，更有可能清楚哪些指标和行动最有价值。
Forrester 的一项调查发现，67% 的营销人员认为大数据的难题不在于数据量不够，而在于如何 从数据中获取有价值的见解。
规范分析终将出现
Unmetric 首席执行官 Lux Narayan 表示：“简而言之，为什么营销人员不 企业应该在 2018 年更多地关注规范分析，因为这可以提供从原始数据到洞察再到理想行动方案的清晰路径，而且可能是实时的。”
无论你是否拥有装备齐全、协调良好的内部数据科学能力，或者你的组织仍在决定使用哪个 SaaS 平台来处理预测模型，有一个不容争辩的事实。规范分析将在不久的将来在营销中发挥重要作用。
-
- 它利用有关消费习惯和客户模式的本地化数据，实现超个性化的 客户体验。
- 规范分析可以带来更具影响力的营销活动，让营销人员能够确定要做出哪些战略决策才能取得成果——这并不是要遵循营销趋势，也不是要效仿其他组织的做法。而是要利用数据来准确确定什么对您的品牌、您的受众和您的情况有效。