Napovedna analiza: Kako lahko tržniki izboljšajo prihodnje dejavnosti: Izpraševalec socialnih medijev

Želite, da je vaše trženje bolj učinkovito?

Se sprašujete, kako lahko napovedovanje vaših tržnih ciklov pomaga?

Da bi raziskali, kako lahko tržniki začnejo s prediktivno analitiko, intervjujem Chrisa Penna.

Več o tej oddaji

The Podcast Social Media Marketing je pogovorna radijska oddaja na zahtevo Social Media Examiner. Zasnovan je tako, da zaposlenim tržnikom, lastnikom podjetij in ustvarjalcem pomaga odkriti, kaj deluje s trženjem na družbenih omrežjih.

V tej epizodi intervjujem Chris Penn, soustanovitelj in glavni inovator pri Vpogled v možgane in zaupanje. Je tudi sovoditelj Trženje ob kavi podcast in vodilni analitični strokovnjak za Social Media Marketing World.

Chris razloži, kako zagotoviti kakovost osnovnih podatkov, ki se uporabljajo v napovedni analitiki.

Odkrili boste tudi vire podatkov in orodja za napovedovanje.

Delite svoje povratne informacije, preberite opombe k oddaji in dobite povezave, omenjene v tej epizodi spodaj.

Poslušaj zdaj

Kje se naročiti: Apple Podcast | Googlove poddaje | Spotify | RSS

Pomaknite se do konca članka, kjer najdete povezave do pomembnih virov, omenjenih v tej epizodi.

Nekaj ​​stvari, ki jih boste odkrili v tej oddaji:

Napovedna analitika

Chrisova zgodba

Chris se je v analitiki začel ukvarjati s svojim IT-jem. Leta 2003 je začel delati kot direktor informacijske tehnologije pri zagonu študentskega posojila, kjer se je njegova vloga razširila nad tradicionalne informacijske odgovornosti. Poleg tega, da je vodil splet in e-poštne strežnike, je tudi posodabljal spletne strani in tedensko pošiljal e-pošto.

Chris je to delo opravljal, še preden je obstajala Google Analytics, zato, ko je direktor njegovega podjetja vprašal, kako uspešna so spletna mesta in e-poštna sporočila, Chris ni imel odgovora. Da bi to ugotovili, sta Chris in njegova ekipa začela razvijati lastna orodja za razumevanje osnov, na primer koliko ljudi je dnevno obiskalo spletno stran.

Sčasoma je Chrisova analitična praksa postala osrednji poudarek. Ni le poskušal izvedeti, kaj se je zgodilo, ampak tudi, zakaj se je to zgodilo in kako se je podjetje lahko odzvalo.

Poslušajte oddajo in poslušajte Chrisa, kako razpravlja o svojem izobraževanju.

Kaj so napovedne analize?

Predvidevalna analitika uporablja statistiko in strojno učenje za analizo podatkov in napovedovanje. Ljudje smo zelo predvidljivi. Vsi se držimo rutin, na primer umivanje zob in nato tuširanje ali vsako jutro oblečemo vsak kos oblačila v določenem vrstnem redu.

Ker so ljudje predvidljivi tako v mikro kot v makro lestvici, lahko tržniki večinoma predvidijo, kaj se bo zgodilo. Na primer, v Severni Ameriki, če ste prodajalec B2C, veste, da boste zasedeni od 1. novembra do 26. decembra, ker je to čas za prodajo izdelkov.

Če ste B2B tržnik, je vaš zaseden čas od 1. januarja do približno konca maja. Potem se podjetje začne v ZDA in Kanadi takoj po prazniku dela in nadaljuje po ameriškem zahvalnem dnevu. Zunaj tistih časov je veliko težje biti tržnik, ne glede na to, ali se osredotočate na digitalno, družabno ali plačljivo.

Prisluhnite oddaji, če želite slišati več primerov predvidljivega človeškega vedenja.

Kaj lahko naredi napovedna analiza?

Ker te stvari poznamo na splošno, nam lahko stroji pomagajo, da te napovedi natančneje določimo. Vrednost napovedne analitike je njihova specifičnost. Če veste, kateri teden bi morali narediti več Facebook Live ali porabiti manj za oglase, ste lahko učinkovitejši in uspešnejši pri trženju. Če znate napovedovati, lahko zaslužite, prihranite denar, prihranite čas in ne odpustite.

Predvidevalna analitika se posebej osredotoča na poskušanje ugotoviti, kaj se bo zgodilo naprej. Za povprečnega tržnika so napovedi časovnih vrst (ali kdaj se bo kaj zgodilo) najbolj običajna in uporabna aplikacija. Za ponazoritev, če ste prodajalec družabnih omrežij, želite vedeti, kdaj zaposliti svojo službo za pomoč strankam, da odgovori na povpraševanja strank.

Napovedovalna analitika lahko ugotovi tudi stvari, na primer, kdaj bo nekdo kupil nov avto ali če so bodoči starši. Vendar so te aplikacije bolj natančne kot napovedi časovnih vrst.

Poslušajte oddajo, če želite slišati o mojih izkušnjah s prediktivno analitiko, ko sem pisal B2B.

Kako deluje napovedna analitika

Napovedna analitika je zdaj stara skoraj 70 let. Ljudje so presenečeni, ko slišijo, kako stara je disciplina, ker menijo, da je strojno učenje nekaj novega. Teorije in matematične formule pa obstajajo že zelo dolgo.

Spremenila se je računska moč prenosnikov, namiznih računalnikov in strežnikov v oblaku. V krajšem času lahko zdrobijo večje številke. Teoretično lahko napovedno analizo izvajate na papirju, vendar bi to zahtevalo veliko papirja in časa.

Za dobro napovedno analitiko potrebujete tri sposobnosti. Najprej potrebujete nekoga z razvojnimi veščinami za pridobivanje podatkov iz vaših podatkovnih virov, kot so Google Analytics, Facebook Insights, Twitter in druge vrste socialnih podatkov. Podatki so lahko v vaših sistemih ali sistemih drugih proizvajalcev. Kdor ima podatke, jih mora biti sposoben dobiti ven.

Chrisu je všeč izraz "Podatki so novo olje", kajti če ste že kdaj videli surovo nafto, je to gnusna zmešnjava. Z njim ne morete veliko storiti, dokler ga ne izvlečete iz zemlje, ne dodelate in nato podarite ljudem, ki ga lahko uporabljajo v avtomobilih ali da izdelujejo plastične sklede, ki se ob padcu na tla ne zlomijo. Pri napovedni analitiki gre za enako stvar.

Rafinerije so znanstveniki za podatke, ki podatke očistijo v nekaj, kar lahko uporabite. Nato tržni tehnologi, kar je danes vloga številnih tržnikov družbenih omrežij, nekaj naredijo s temi podatki. Ne razlagajo samo podatkov; na to delujejo.

Chris poudarja, kako pomembno je ukrepati glede na podatke, ki jih dobite. Če veste, kateri teden želite promovirati svoj dogodek, vendar s temi informacijami ne storite ničesar, potem napovedi ni smiselno izvajati.

Natančnost napovedi je odvisna od osnovnih podatkov in algoritma, ki ga uporabljate za napovedovanje. Na neki točki bodo skoraj vsi naleteli na težavo s kakovostjo podatkov. Mogoče niste pravilno nastavili Google Analytics, niste pravilno postavili svojih ciljev, pozabili ste vklopiti svojo Facebook pixel; katere koli od teh stvari.

Poslušajte oddajo in poslušajte Chrisa, kako razpravlja o priljubljeni vrsti tehnične analize zalog.

Praktične marketinške aplikacije za napovedno analitiko

Ko Chris naredi napovedno napoved, je običajno 52-tedenski grafikon. Za vsak teden grafikon prikazuje napoved ne glede na vrsto podatkov. Chris največkrat uporablja podatke o iskanju, ker ljudje v Google vtipkajo stvari, ki jih ne bi povejte drugemu človeku, tako da bodo podatki o iskanju zelo dober pokazatelj, kaj je na nečem um.

Na voljo je veliko podatkov o iskanju, do nekaterih pa lahko dostopate brezplačno prek orodij, kot je AdWords Načrtovalnik ključnih besed ali Google Trendi. Ko dobite podatke, lahko napovedate nekakšen trend, ki je podatkovna serija, in nato določite vrhove in doline. Chris priporoča, da imate za svojo napoved podatke od 1 do 5 let.

Recimo, da izvlečete 5-letne podatke o iskanju na trženju socialnih medijev, ker se sprašujete, kdaj bodo ljudje v naslednjem letu iskali »socialna omrežja« trženje. " Če slučajno veste, da bo 20. marca, 19. aprila, 27. maja, 4. julija, 10. septembra in 21. oktobra prihodnjega leta, so to vaši oznake z visoko vodo.

S temi datumi lahko vidite tudi, kaj se zgodi 2 do 3 tedne pred vsakim datumom. Značilno je, da je do tega vrhunca nekaj časa. Tržilec družbenih omrežij mora torej povečati svoje oglaševanje. Trženje z organskimi proizvodi mora veliko objaviti in podvojiti število Instagram zgodb, ki jih naredijo. Oseba za odnose z javnostmi mora mesece vnaprej predstaviti objave na te datume.

Prav tako veste, kdaj se bodo zgodile doline, tako da lahko načrtujete, da bo vsebina naložena, medtem ko se ne bo veliko dogajalo. Lahko snemate poddaje, gostujete na drugih spletnih mestih, pišete veliko objav v spletnih dnevnikih in kopičite vsebino. Potem, ko pride naslednji vrh, lahko udarite kadenco, ki jo potrebujete, ne da bi pri tem izgoreli.

Na ta način vam napovedi pomagajo zaslužiti na vrhuncih in prihraniti na padcih. Strategijo lahko načrtujete in gradite na podlagi tega, kdaj se bodo stvari verjetno zgodile. Ta aplikacija deluje tako za podjetja B2C kot za podjetja B2B, saj ljudje ves dan v Google vtipkajo stvari.

Vprašam, katere druge vire podatkov bi lahko uporabili za napovedovanje. Chris pravi, da je kateri koli časovni vir podatkov veljaven, pogovori v družabnih omrežjih pa se razlikujejo glede na omrežje. Napovedi Pinterest se lahko razlikujejo od napovedi na Facebooku in Twitterju. Naredite napovedi na podlagi vseh teh podatkov.

Za to je eno izjemno orodje CrowdTangle. Fantastično je, ker vam daje podatke o časovnih vrstah do posamezne ravni objav. Oseba za stike z javnostmi lahko zbira omembe novic in poročanje o njih. Oglaševalec lahko izvleče zneske plačila na klik, ponudbene cene in vse te stvari.

Viri podatkov tretjih oseb so dobri, saj jih kot podjetje sami po sebi ne morete pokvariti, čeprav lahko zahtevate napačne stvari. Ugleden prodajalec podatkov je SEMrush, ki ima kakovostne podatke. Še en prodajalec, Blagovna znamka24, opravlja spremljanje medijev.

Podatke o iskanju si lahko ogledate tudi iz orodij za SEO, ki niso Googlova. To so vsi dobri viri podatkov, ker so dosledni, normalizirani in redni. Prav tako so primerno čisti.

Chris nato deli še en primer, kako lahko za svoje podjetje uporabite napovedno analitiko. Chris je v casinoju predvidel napoved na podlagi 2 let dnevnega prihodka od igralnih avtomatov. Po vnosu teh podatkov v algoritem je Chris lahko napovedal prihodke igralnice za naslednje leto.

S temi napovedmi je igralnica lahko videla, kdaj bodo prihodki od igralnih avtomatov nizki in bodo morali izpeljati nekaj promocij, prikazovati oglase, pripeljati posebnega gostujočega zabavljača ali kaj podobnega. Podatki so jim pomagali zapolniti te vrzeli v prihodkih.

Vprašam, kako se tržniki izogibajo vplivom na podatke. Hipotetično recimo, da trženjske promocije za Social Media Marketing World pripravljamo na določene urnike, ki ne temeljijo nujno na predvidevanjih, ampak na tistih, ki smo se jih odločili uporabiti. Kako izključimo, da vedenje plemena in skupnosti ni nujno posledica naših dejanj?

Chris pravi, da je Social Media Marketing World tako velika, uspešna oddaja, ki dejansko vpliva na to, da ljudje iščejo stvari, kot je »socialno« medijsko trženje. " Podatke, ki jih vlečete, pa lahko izboljšate na nekaj različnih načinov, da zmanjšate vpliv dogodkov, težav itd.

Če na primer uporabljate orodje za poslušanje v družabnih omrežjih, lahko izključite omembe Social World Marketing World, #socialmediaexaminer, Michael Stelzner in sorodne predmete. Te izključitve pomagajo zmanjšati podatkovne točke, ki naj ne bi bile tam.

Uporabite lahko tudi primerjalno analizo, ki vzpostavi izhodišče izven določene sezone, ki dnevno doda 20.000 omemb. Je tudi v sezoni kaj nesorazmerno s tem, kar bi moralo biti tam? Na ta način lahko poganjate napovedi.

Vendar je najboljši način za izboljšanje podatkov na ravni podatkov. Zaradi pomanjkanja boljše besede odstranite stvari, za katere veste, da jih onesnažujejo. Nato lahko iz natančnejših podatkov napovedujete.

Če pa tržite Social Media Marketing World, ne bi nujno želeli natančneje določiti podatkov na ta način. Če želite, da pleme vpliva na to, kako ljudje po vsem svetu iščejo »trženje na družbenih omrežjih«, je to dobro. To je razlog, da proslavite svoj uspeh in poskušate še bolj spremeniti vedenje, tako da prehitevate trende še prej.

Poslušajte oddajo, da slišite moje misli o predvidljivih človeških vzorcih.

Česar ne morete napovedati

Chris pravi, da ne moreš napovedati treh stvari. Prvi je velik preobrat, ki bo izkrivil vaše podatke, kot so politični nemiri, kulturni preobrati, naravne nesreče in podobno. Vse te stvari povzročajo večje motnje, ki lahko pokvarijo napoved. Sektorjev z veliko preobrata, kot je delniški trg, je skoraj nemogoče natančno napovedati.

Drugo je nekaj, kar se še ni zgodilo, na primer predsedniške volitve leta 2016. Tekmovanje med kandidatoma, ki sta kandidirala, se še nikoli ni zgodilo. Mnogi ljudje, ki so ustvarjali napovedna orodja in napovedi za volitve, so svoje modele temeljili na volitvah leta 2012.

Kandidati v vsaki stranki pa so bili med tistimi volilnimi leti zelo različni. Orodja, ki so jih ljudje zgradili za leto 2016, so temeljila na nečem, kar se je zgodilo v preteklosti, a se trenutno ni. Ne morete napovedati, kaj se ni nikoli zgodilo.

Tretji diskvalifikator napovedne analitike so slabi podatki. Če imate poškodovane podatke ali nobenih podatkov, ne morete natančno predvidevati. Če veste, da ima vaše podjetje težave s podatkovno infrastrukturo, je napovedna analitika dejansko nevarna. Bilo bi podobno vožnji z GPS-jem, ki ima slabe podatke in vam pove, da se peljete naravnost s pečine.

Poslušajte oddajo, če želite slišati, kako Chris deli še en izraz za prevrat.

Pogoste težave s podatki

Če želite preizkusiti napovedno analitiko, je Google Analytics dober začetek. Večina tržnikov zagotovo razpolaga s temi podatki, lahko pa imajo težave. Na primer, če uporabljate programsko opremo za avtomatizacijo trženja, morate oznake Google Analytics postaviti na ciljne strani te programske opreme. Če tega ne storite, imate težave s celovitostjo podatkov.

Nato vprašam, kako ravnati z boti in blokatorji. Chris pravi, da so družbeni mediji, zlasti Instagram in Twitter, polni botov. Dobra novica je, da je vedenje botov dokaj predvidljivo, ker so ljudje, ki so napisali te bote, uporabljali zelo primitivne algoritme. V procesu priprave podatkov bote lahko enostavno opazite in jih lahko odstranite.

Za ponazoritev ima en bot vedno biografijo, ki sledi popolnoma isti obliki. Biografija se začne z različnimi besedami, ki so različno dolge, čemur sledi "check me out" in nato povezava.

Z blokatorji je bistveno težje delati. Če poskušate napovedovati na podlagi podatkov o oglasih in blokiralci odstranjujejo podatke, je to zelo težko popraviti. Podatki niso napačni; ga sploh nimaš. Je nepopolna.

Z nepopolnimi podatki lahko ravnate na dva načina. Najprej lahko poiščete nekaj, kar je usmerjeno, ker so podatki, ki jih imate, še vedno reprezentativni. Recimo, da veste, da se 30% blokiranih oglasov dogaja v mobilni napravi, vendar je to doslednih 30%. Na enem spletnem mestu nimate blokiranih 22% oglasov, na drugem pa 5%.

Če je blokiranje razmeroma dosledno, boste še vedno usmerjeni usmerjeno na pravi način, ker bodo sčasoma nekateri oglasi uspešnejši ali slabši.

Druga možnost je na voljo samo podjetjem z obsežno bazo podatkov, kot so velika tehnološka podjetja ali podatkovna podjetja. Z veliko količino podatkov lahko to storite imputacija, ki za zapolnitev nepopolnih kosov uporablja obstoječi usposobljeni nabor podatkov in strojno učenje.

Res dober primer imputiranja so družbeni deleži. V začetku februarja je LinkedIn izklopil svoje številke delnic, tako da te številke ne dobite več iz nobenega orodja za spremljanje družabnih omrežij. Če bi Chris delal v družbi za spremljanje družbenih omrežij, bi uporabil zadnjih 10 let podatkov kot sklop za usposabljanje in ugotovil število delnic.

Število delnic lahko sklepate, če imate druge vzporedne nabore podatkov, kot sta Twitter in Pinterest. Te številke delnic bodo v bistvu omogočile stroju, da izpolni prazna mesta za delnice LinkedIn.

Oddajo prisluhnite mojim razmišljanjem o botih in blokatorjih.

Primeri

Chris je za dobro znano podjetje za dobavo pisarn opravil napovedne analize imena blagovne znamke in splošnega izraza „pisarna“ zalog. " Čeprav sta se blagovna znamka in splošni izraz odražala, sta "pisarniški material" za znamko zaostajala 20 dni ime.

Na primer, ime blagovne znamke se je konec avgusta močno okrepilo, kar je Chris pripisal sezoni vračanja v šolo in ljudem, ki so se vračali na delo. Potem pa je 20 dni kasneje iskalni izraz za "pisarniške potrebščine" sledil popolnoma istemu vzponu in popolnoma enakemu vzorcu. Karkoli se vedenjsko tam dogaja, ljudje iščejo blagovno znamko in nato 20 dni kasneje iščejo generični izraz.

Na podlagi ugotovitev je Chris predlagal, da družba zgradi kampanjo za ponovno ciljanje, ki traja 19 dni. Ponovno ciljajte na vse, ki obiščejo vaše spletno mesto po 19 dneh, z oglasom, ki jih opomni, naj se vrnejo po več pisarniškega materiala. Z oglasom za ponovno ciljanje bi lahko podjetje povprašalo del tega povpraševanja.

Na ta način lahko napovedna analitika ponuja ogromno donosnost naložbe. Nekdo bi lahko domneval, da vse, kar počnejo, ne deluje več in se preprosto ustavil. S prediktivno analitiko lahko vidite, da je vaše trženje v socialnem omrežju preprosto neusklajeno z vzorci strank.

Nato Chris deli primer iz svojega podjetja. Primerjalno analizo je opravil na podlagi tega, kdaj ljudje iščejo Outlookove nastavitve za odsotnost, ker ko nekdo če to iščete, veste, da se pripravljajo na dopust, kar pomeni, da svojega ne berejo E-naslov. Po izvedbi tega merila oktobra 2017 je Chris napovedal naprej za prvo četrtletje.

Chris je napovedal, da je bil obseg iskanja najnižji, kar pomeni, da je bilo večina ljudi v pisarni, v tednu od 18. januarja 2018. Tisti teden je Chris vodil isto kampanjo za svojo knjigo na isti seznam in z enako ponudbo kot leta 2017.

Z natančnejšim časovnim razporedom za promocijo 2018 je Chris povečal prodajo knjig za 40%. Njegova kampanja za leto 2017 je bila končana približno za dva tedna in Chris je izvedel, da je neskladje s svojo publiko zelo vplivalo.

Vprašam, kako lahko podjetje, ki objavlja informacije, s pomočjo napovedne analitike izboljša svojo strategijo. Za ta primer Chris pravi, da je ena njegovih najljubših aplikacij strategija vsebine. Recimo, da redno pokrivate določene teme. Zaženete lahko celo kombinacijo teh napovedi.

Najuspešnejših 10% lahko vodi vaš uredniški koledar, ker če veste, v katerih mesecih bodo ljudje najbolj zainteresirani za neko temo, lahko okoli te teme načrtujete mesečne funkcije. Celo teden boste vedeli, kdaj objaviti vsebino o določeni temi. Na ta način lahko vsak mesec dosežete visoko noto.

S predvidevanjem analitike lahko obveščate tudi o svojem oglaševalskem koledarju. Če veste, da objavljate na določeno temo, lahko svoje tarife nastavite na podlagi te teme. Za mesec, ko veste, da je povpraševanje občinstva po temi veliko, lahko oglaševalcem, ki jih ta tema zanima, zaračunate polno ceno. Če veste, da je zanimanje za ciljno temo oglaševalcev majhno, boste morda ponudili 40% popusta.

Poslušajte oddajo in poslušajte Chrisa, kako razpravlja o tem, kako lahko Social Media Examiner pri svoji vsebini uporabi napovedno analitiko.

Orodja

Chris pravi, da so najboljša orodja brezplačna. So programski jeziki (kot R in Python), pa tudi knjižnice (kot SIDEKIT, NumPy, timetk), ki ponujajo kodo, ki jo lahko uporabite za določena opravila. Za uporabo teh brezplačnih orodij pa potrebujete veliko tehničnih izkušenj. Programski jeziki in knjižnice so kot deli motorja. Če želite dobiti avto, ga morate zgraditi sami.

Za tehnično sposobne posle vseh velikosti, če imate nekoga ali več ljudi, ki lahko zapolnijo vloge razvijalec, podatkovni znanstvenik in tržni tehnolog, lahko s pomočjo napovedne analitike ustvarite svoje napovedi za prost.

Če pa nimate časa ali znanja za uporabo teh orodij, vendar imate denar, je najbolje, da napovedate zunanje izvajalce. Najem podjetja za podatkovno znanost.

Če vas zanima, kako deluje znanost o podatkih, Chris toplo priporoča spletni dnevnik na KDnuggets.com in IBM-ov spletni dnevnik podatkov. The IBM Data Science Experience je tudi odlično. Upoštevajte tudi bloge razvijalcev za največja tehnološka podjetja, kot je Microsoft, Amazonka, Google, in IBM.

Vendar pa najdete najboljše informacije o znanosti o podatkih v akademske naloge. Če lahko preberete te papirje, ne da bi zaspali in izvlečete informacije, boste našli nekaj pravega zlata. Naučili se boste tehnik, ki jih lahko preizkusite na svojih podatkih.

Ta napovedni algoritem, o katerem smo govorili, obstaja že 70 let. To je orodje, kot je lopatka. Če vse, kar kdaj naredite, je, da obrnete košček toasta, boste imeli zelo drag toaster.

Če pa pomislite na žar, cvrtje in vse, kar lahko počnete z lopatico, potem možnosti nešteto. Enako velja za orodja in algoritme za znanost o podatkih. S svojo kreativnostjo in radovednostjo jih lahko preizkusite na vse te različne načine.

V prihodnosti bo uporaba teh orodij postala tako enostavna kot prikazovanje oglasa na Facebooku, ker je veliko napovedne analitike že zelo mehaniziranih. Vendar bo del, ki vključuje človeško presojo in kontekst, trajal dlje. Stroji ne morejo razumeti, kako delujejo podjetja, in zato ne vidijo teh možnosti.

Ko boste pa preslikali glavno strategijo, boste kmalu lahko kliknili gumb, povlekli kreditno kartico, plačali 99 USD mesečne naročnine in orodje bo izpljulo karte. Chris meni, da bo ta zmogljivost na voljo v naslednjih petih letih.

Ko se bo umetna inteligenca za splošno uporabo izboljšala, boste morda lahko stroju na podlagi povpraševanja povedali, ali želite optimizirati svojo porabo na Facebooku. Potem bo stroj samodejno izvedel napovedi, ugotovil, kdaj se pojavijo vrhovi in ​​doline, in v bistvu pripravil vaš proračun in oglase za vas. To je verjetno od 5 do 10 let.

Poslušajte oddajo, če želite Chrisu povedati več o tem, kaj stroji ne zmorejo.

Odkritje tedna

Reshot je spletno mesto z založnimi fotografijami, ki se izogiba klišejskim posnetkom.

Fotografije na Reshotu odražajo edinstveno perspektivo fotografa. Na ta način so fotografije bolj kakovostne kot na mnogih drugih spletnih mestih z zalogami fotografij.

Spletno mesto uporablja preprosta licenca in pogoji ki vam omogočajo veliko prilagodljivosti pri uporabi fotografij.

Fotografije Reshot so brezplačne, čeprav jih lahko najdete tudi v prodaji pri partnerjih podjetja Reshot. Če želite brskati po slikah ali izvedeti več, obiščite spletno mesto.

Prisluhnite oddaji, če želite izvedeti več in nam sporočiti, kako Reshot deluje za vas.

Ključni zajtrki, omenjeni v tej epizodi:

• Izvedite več o Chrisovem poslu, Vpogled v možgane in zaupanje.
• Sledite Chrisu naprej Twitter.
• Preberite Chrisov blog.
• Poslušajte Chrisov podcast, Trženje ob kavi.
• Do podatkov o iskanju dostopajte z AdWords Načrtovalnik ključnih besed ali Google Trendi.
• Izvedite več o CrowdTangle.
• Oglejte si neodvisne ponudnike podatkov SEMrush in Blagovna znamka24.
• Spoznajte statistične podatke imputacija.
• Odkrijte več o R in Python in knjižnice kot SIDEKIT, NumPy, in timetk.
• Obiščite KDnuggets.com, IBM-ov spletni dnevnik podatkov, in IBM Data Science Experience.
• Sledite spletnim dnevnikom za razvijalce za Microsoft, Amazonka, Google, in IBM.
• Poiščite fotografije za svojo vsebino prek Reshot.
• Oglejte si naš tedenski pogovor o trženju družabnih omrežij ob petkih ob 10.00 na Pacifiku dne Crowdcast ali se vključite v Facebook Live.
• Prenesite datoteko Poročilo o industriji trženja socialnih medijev za leto 2017.

Kaj misliš? Kakšna so vaša razmišljanja o napovedni analitiki? Prosimo, delite svoje komentarje spodaj.