用预测分析抢得先机

    在分析项目上获得投资回报似乎是一项艰巨的任务。首先，你必须在网站和应用中安装强大而有弹性的分析平台。然后，因为收集的数据并不能自动为组织创造价值，需要构建某种分析层，以便能够梳理数据，发现机会并计划利用它们。

    无论你是在公司内部建立团队，还是选择与合作伙伴合作，优秀的分析人才都是很难寻找的，所以把这些分析能力整合到一起并不是一件简单的事情。最重要的是，在此过程中，需要在适当的地方进行治理，以便组织能够拥有用于分析的“通用语言”，以及有序而不是混乱的过程。

    所以，如果你已经解决了所有这些问题，就该相信自己——你应该得到它！现在，你准备好迎接下一个挑战了吗?

    考虑一下这个：即使在投入了所有的工作，构建了分析实践收集干净数据，以一致的、结构化的方式分析它，并将数据转化为可操作的洞察，所有的分析都是在事后进行的。换句话说，你在高速公路上开车，看的却是后视镜。

    我想，如果有足够的练习，你可能会成功，但很明显，这有点危险。望着前路，而不是后视镜开车，会不会更好呢?

    当我和客户交谈时，我经常发现人们会把“预测性分析”看成是有充分支持的分析团队所能做的事情。但你不需要成为亚马逊或谷歌，就可以开始使用预测性分析来获得优势。让我们来看看您将需要做些什么，以及一些广泛适用的预测分析的实用用例。

    你需要什么？

    与任何分析一样，预测分析是一种垃圾进来、垃圾出去的处理。那么，如何确保您的数据不是垃圾呢？除了明确的可靠性问题外，还有一些相关的需要关注的事情。

    首先，需要访问各种各样的信号，以进行预测分析。在网络分析场景中，这意味着远远不止简单的页面视图跟踪，并确保尽可能多地记录用户行为的不同信号。

    根据你的站点/应用程序，这可能意味着测量滚动行为、视频消费、下载活动、购物或浏览活动、购物车进展等等。这是至关重要的，因为进行预测分析时，能够处理的信号越多，就越有可能识别那些最可能预测到的。

    其次，您将希望能够有比“开箱即用”分析工具更具体的方式描述用户行为的数据密度。假设您已经决定将滚动跟踪添加到您的网络分析包中。太棒了！但是，与其简单地测量用户是否在页面底部滚动，不如考虑更精确地跟踪该活动。有多少人在一页纸上翻了四分之一？或是一半？

    或者考虑视频消费。许多组织记录用户是否播放视频的数据。但有多少用户会在这段视频中观看至少一半呢？完成了多少？

    所有这些听起来似乎有点过分了。但是，当你增加可用于预测应用程序的各种信号，并提高这些信号的细度时，你所能做出的预测可能会更加准确。俗话说，在跳跃之前先看一看。

    当然，预测不仅仅关于手上有的数据类型，还包括使用数据所需要的技能。

    好消息是，如果您的分析人员能够熟练地进行回归分析，那么可以开始使用一些形式的预测分析了。如果你有能力使用机器学习，你的选择就会变得越来越多。

    两个用例示例。

    为了展示在一些真实场景中如何使用预测性分析，可以参照下面的情况。假设你即将发布一大堆新内容；也许一场新的营销活动开始了，你正在推出一款新产品，或者你正在开拓一个新的市场。你难道不想知道这些内容如何表现吗？在你推出之前，还能如何提高你的表现呢？

    如果你的网络分析平台上有丰富的细度数据，你就可以做到这一点。看看最近的内容是如何表现的，对每个内容块都使用模板进行分段。（此分析假设您使用的是页面模板，而不是定制所有页面。）

    使用多元回归，您可以分析站点的每一个页面模板，理解访问者对他们的响应。CTR是如何根据你的调用位置而变化行动的？移动设备上一个页面的长度如何影响新访问者的跳出率？

    有了这些问题的答案，现在可以评估您为新内容所选的模板（或正在尝试的）。无论你的目标是在调用采取行动的时候实现CTR的最大化，还是将那些进入智能手机的新访客的跳出率降到最低，现在你就能提前知道该用什么手段来提高这些内容的性能了。

    更先进一些，如果你能根据他们的现场行为计算出所有网站访问者的转化率，你会怎么做呢？应用程序将非常强大。例如，你可以简化营销目标，避免把钱花在那些永远不会转变的人身上——或者谁几乎肯定会转向你！

    或者，你也可以测试出买家中谁的最有可能上向销售和交叉销售。这将生成一组关于用户行为的不同粒度的数据集。使用机器学习算法，你可以根据他们转换的可能性来细分访客，然后采取行动“激活”这些部分。

    希望我已经展示了预测分析可能比你听说的更容易理解和实用。利用网络分析的丰富数据，以及一些使用回归和机器学习的技能，很快你就朝前看，而不是朝后看着前进。