找工作前必知：商业分析师如何通过预测分析来创建客户体验？
预测分析已经让位于新的数据经济。 然而，计算机化决策这一想法却已存在多时。“人工智能”一词最早是在1956年达特茅斯学院的一次会议上提出的，从那时起，我们已经看到了计算机化决策具有不同级别的复杂程度，以及在我们生活中的表现形式。
即使在没有Nest之前，房东们也可在他们的家中手动设置定时器，以便在他们度假时在不同的时间跟地点开关不同的灯，或者将他们的恒温器设置为在夜间自动降低5度。IBM的Deep Blue国际象棋机于1997年击败了世界象棋冠军Garry Kasparov–在Watson推出之前整整早了13年。 即使是90年代末儿童必备的机器人宠物玩具Furby，也是首批将AI引入家庭的成功企业之一。
目前的拐点是随着大规模预测分析成为现实，其影响定会深远而广泛。 可以想想医疗保健和医药，军事，市场，旅行等等。
对于营销人员而言，能够预测消费者行为是十分重要的。
就后端而言，预测数据可以简化供应链; 自动触发重新排序，了解哪些零售点在某些时间需要哪些库存等等。我相信很多CMO都会赞成我的看法，即使拥有最好的后端机器，如果消费者在跟你的品牌互动时没有获得最佳的体验，就没有任何意义。
B2B和B2C企业都是如此。 消费者们慢慢开始期待获得轻松快捷的生活方式。无论是Uber，Amazon，Seamless，Instagram等等，并期望与他们互动的所有品牌都有类似的体验。若是无法得到类似的用户体验，金主爸爸们手上的毛爷爷怕是就会挥向别处了。
所以，让我们研究一下预测分析可以用来改善客户体验的一些方法。 虽然没有特别高明的办法，但一些最具影响力的策略完全属于为客户创造无摩擦体验的广泛范畴。
比如，了解客户何时需要再次购买相同的产品并抢先提供给该客户相关的提醒和促销。 例如，Sephora使用购买日期数据来了解客户何时需要再次购买某种产品。 除了简单地知道什么时候他们需要再次购买相同的产品，还知道他们更喜欢通过什么渠道购买，从线上还是从门店内以及最接近他们的门店位置等。
另一个例子是根据顾客的购买习惯向顾客推荐新产品。 亚马逊就是一个简单的例子。 亚马逊向用户建议的每个产品都是由具有类似购买习惯的客户购买，或者是与用户当前正在查看的产品一起购买的。
更复杂的应用程序，预测分析也可用于创建沉浸式体验并为客户提供即时满足感。 目前，像是Spotify和Netflix这样的品牌会根据用户正在观看/收听的内容来改变给他们的推荐。
无论应用程序如何，预测分析在提供消费者全方位视图以及提供这些类型的体验方面发挥着关键的作用。 此外，了解“上下文”和延长客户生命周期价值也是关键。 明确了解客户长期忠诚的时间与一次性客户的关系是关键，因为这样公司就可以针对更有价值的客户进行推广了。
就业者还须警惕预测决策中的任何不正确的假设或偏见。 例如，如果贷款审批计划对某些用户有偏见，则数千名申请人可能无法获得信贷或贷款。 软件也可能快速抛弃看似无关的异常值，但实际上，这些数据也许会提供非常有价值的信息。
虽然我们确实已经达到预测分析能力的关键节点，但模型仍然最多只能做到像他们受过训练那样聪明。 目前来看，人类仍然是理解和预测行为的关键部分，反过来，部署预测分析来增强客户体验的最佳人选。
原文作者：Ravi Narayanan
翻译作者：Tony Sun
美工编辑：过儿
校对审稿：冬冬
