Резюме
Некоторые из наших любимых постов о продажах и маркетинге B2B из интернета за прошедшую неделю.
Каждое субботнее утро мы делимся некоторыми из наших любимых постов о продажах и маркетинге B2B из интернета на прошлой неделе (чтобы было свежо!). Мы упустим массу замечательных материалов, так что если вы нашли что-то, что, по вашему мнению, стоит поделиться, пожалуйста, сообщите нам.
Этот конкретный пост больше про ИИ, чем про маркетинг B2B, но считайте это кросс-тренингом.
Оптимизация конверсии в B2C (CRO)
Оптимизация конверсии в B2C (CRO) — это процесс превращения посетителей веб-сайта в платёжеспособных клиентов с помощью изменений, основанных на данных, которые устраняют препятствия и побуждают пользователей к действию — например, к совершению покупки, регистрации или подписке. Он начинается с определения того, что блокирует конверсию, будь то неудачный макет, медленная загрузка или неясный посыл.
При средних показателях конверсии в электронной коммерции около 2,5–3 % (BigCommerce) даже небольшие улучшения могут привести к значительному росту доходов. Целевые страницы играют ключевую роль, фокусируя внимание пользователя, согласовываясь с его намерениями и устраняя отвлекающие факторы — они являются одним из наиболее эффективных инструментов в CRO B2C.
В последние годы компании привыкли к процессу адаптации к новым законам о конфиденциальности
В конце концов, только в прошлом году вступил в силу GDPR, который повлиял на то, как компании используют персональные данные по всему миру.
Теперь в 2020 году вступил в силу ещё один важный нормативный акт. Калифорния внедрила Калифорнийский закон о конфиденциальности потребителей (CCPA), ставший первым законом штата США об обеспечении конфиденциальности данных. Эксперты говорят, что это шаблон для законов штатов о защите данных по всей стране.
Когда кто-то спрашивает: «Что такое CDP?» — обычно возникает несколько недоразумений
Недавно мы попытались прояснить эту тему, выделив 4 самых больших мифа о платформах управления клиентскими данными (CDP), которые мы слышим в обсуждениях эффективности маркетинга.
Этот разбор мифов подчеркнул, что CDP — это не CRM. Но это также и не DMP, так что…
Давайте разберёмся во всех этих аббревиатурах и дадим вам всё необходимое для принятия наилучшего решения по управлению данными для вашей организации. Ниже мы рассмотрим:
Резюме
Это не просто техническое решение. Это стратегический сигнал
Маркетологи часто рассматривают выбор между CMS и размещением целевых страниц в MAP как техническое решение. Но на самом деле это показатель ясности GTM. В этой статье переосмысливается дискуссия и предлагается стратегический подход для более разумной, быстрой и последовательной доставки инсайтов.
Маркетологи часто спорят, где размещать целевые страницы с закрытыми доступами: на корпоративном сайте или внутри платформы маркетинговой автоматизации (MAP). На первый взгляд, это вопрос удобства или контроля. Но на самом деле это проблема зрелости GTM.
Отношения с разработчиками (DevRel)
DevRel (relations with developers — отношения с разработчиками) описывает процесс активного взаимодействия с инженерами и учёта их потребностей при создании вашего продукта в попытке развить и поддерживать прочные отношения с сообществом разработчиков.
Разработчики всегда были и остаются важной частью разработки продукта. Не только потому, что инженеры создают продукты, которыми мы пользуемся, но и потому, что привлечение инженерного сообщества в качестве сторонников вашего продукта может обеспечить вам успех или погубить его.
Что такое FOMO в цифровом маркетинге?
FOMO (Fear of Missing Out, боязнь упустить выгоду) в цифровом маркетинге — это психологическая тактика, используемая для создания ощущения срочности и побуждения к быстрым действиям потребителей. Она основана на страхе, что возможность может исчезнуть, если не действовать немедленно.
Маркетологи используют FOMO, продвигая ограниченные по времени предложения, оповещения о низком запасе, эксклюзивные скидки и социальное доказательство, например, отзывы или пользовательский контент, чтобы повысить конверсию.
FOMO — естественная часть человеческого поведения, существующая на протяжении веков. В маркетинге она была официально описана в 2004 году Патриком Дж. Макгиннисом. С развитием интернета и социальных сетей люди всё чаще чувствуют давление, чтобы оставаться в курсе тенденций и событий. Сегодня постоянный доступ в онлайн усиливает FOMO, побуждая маркетологов использовать его для стимулирования быстрого взаимодействия и укрепления связей с брендами.
Я в равной мере использовал как графовую базу данных, так и SQL-базу данных, а затем применял различные большие языковые модели (LLM) для ответов на вопросы о данных с помощью подхода, основанного на дополнении извлечения (RAG). Используя один и тот же набор данных и вопросы в обеих системах, я оценил, какая парадигма баз данных обеспечивает более точные и содержательные результаты.
Retrieval-Augmented Generation (RAG)
Retrieval-Augmented Generation (RAG) — это структура искусственного интеллекта, которая улучшает большие языковые модели (LLM), позволяя им извлекать соответствующую внешнюю информацию перед генерацией ответа. Вместо того чтобы полагаться исключительно на то, на чём была обучена модель, RAG динамически запрашивает источник знаний (в этой статье — SQL или графовая база данных) и интегрирует эти результаты в свой ответ. Введение в RAG можно найти здесь.
Эта статья исследует, как компания Trackfly использовала опережающие индикаторы удержания (LIR) для прогнозирования вовлечённости клиентов и информирования о внедрении SaaS, разработке продуктов и стратегиях выхода на рынок
На этапе 2 мы уделяем много времени обсуждению LIR (опережающих индикаторов удержания) как основной части учебной программы Catalyst для основателей. Это основополагающий шаг в рамках системы Science of Scaling, и мы просим каждую компанию определить его, прежде чем приступать к работе над GTM Fit.
Как вы измеряете эффективность продаж и ценность клиента?
Если вы используете LTV:CAC, вы не одиноки. Когда я разговариваю с основателями о отслеживании показателей, более 90% обсуждений включают этот показатель как основной ориентир успеха: «LTV:CAC 4:1! У нас всё хорошо».
Но как вы можете быть уверены?
Вот моё мнение о том, почему LTV:CAC неточно отражает состояние бизнеса и как на самом деле следует измерять эффективность продаж и успех клиентов:
LTV:CAC рассчитывается с использованием трёх переменных (средний доход на клиента, отток и CAC), основанных на моменте времени, что не учитывает изменение поведения клиентов с течением времени и то, какая переменная вызывает это изменение.
ИИ заставляет компании переосмыслить монетизацию
Потребление и модели, основанные на результатах, начинают заменять традиционное ценообразование, основанное на количестве мест. И хотя такой сдвиг может быть правильным для бизнеса, он вносит больше сложности и вариативности, когда дело доходит до отслеживания экономической эффективности. Как я уже писал в прошлом, LTV:CAC просто ошибочен.
Почему LTV:CAC больше не работает
LTV:CAC существует уже давно. Его легко рассчитать. О нём легко говорить. Но он устарел. Он основан на слишком многих предположениях, которые застряли в определённом моменте времени. Он сжимает данные о временных рядах в статическое соотношение и предполагает, что CAC, отток, стоимость контракта и валовая прибыль постоянны. Особенно для компаний на ранней стадии все эти переменные меняются постоянно.
КРАТКОЕ ИЗЛОЖЕНИЕ:
Пока Google Analytics продолжает вызывать неоднозначную реакцию, Matomo привлекает к себе внимание благодаря удобному интерфейсу, полному владению данными и встроенным функциям конфиденциальности. В этой статье рассматривается, почему всё больше агентств пересматривают свои аналитические инструменты и как Matomo становится практичной альтернативой Google Analytics. Также рассказывается о важности использования инструмента клиентской отчётности, такого как AgencyAnalytics, для консолидации данных из Google Analytics, Matomo и более чем 80 платформ.
Что такое Matomo?
Введение
Масштабируемые интернет-бизнесы зависят от маркетинга для стимулирования роста. Конечно, не только это, но при определённом масштабе очень немногие компании могут позволить себе неэффективность в привлечении клиентов. Две горячие темы, в которые компании вкладывают значительные средства, — это внедрение возможностей искусственного интеллекта (ИИ) в маркетинг: моделирование медиамиксов (МММ) и прогнозирование пожизненной ценности клиента (LTV). Оба направления направлены на повышение рентабельности инвестиций, которые организации вкладывают в маркетинг. В этой статье рассматривается, что такое МММ, и лучшие практики его применения.
Запуск серии мини-проектов
Я создаю серию мини-проектов. Я реализовал проекты «Личные привычки» и «Анализ погоды». Но у меня не было возможности полностью изучить возможности NumPy. Я хочу понять, почему NumPy так полезен в анализе данных. Чтобы завершить эту серию, я собираюсь продемонстрировать это в режиме реального времени.
Для наглядности я буду использовать вымышленного клиента или компанию. В этом случае нашим клиентом будет EnviroTech Dynamics, глобальный оператор промышленных сенсорных сетей.
В настоящее время EnviroTech полагается на устаревшие скрипты на Python с циклами для обработки более 1 миллиона показаний датчиков ежедневно. Этот процесс мучительно медленный, задерживает принятие важных решений по техническому обслуживанию и влияет на эффективность работы. Им нужно современное высокопроизводительное решение.
Perplexity Pro теперь бесплатно для всех пользователей Airtel
Есть вероятность, что вы уже слышали эту новость и, возможно, даже активировали её. Если нет, то сейчас самое время это сделать. Это партнёрство приносит значительные выгоды обеим сторонам. Perplexity получает доступ к миллионам пользователей Airtel, в то время как Airtel усиливает своё предложение, предоставляя подписчикам доступ к одному из самых популярных инструментов искусственного интеллекта, доступных сегодня.
Но как насчёт пользователей, которые уже платят за такие инструменты, как ChatGPT Plus или Gemini? Стоит ли им рассмотреть возможность отмены своих подписок? Достаточно ли хорош бесплатный план Perplexity Pro, чтобы заменить эти устоявшиеся платформы искусственного интеллекта?
Введение
Генерация с дополнением на основе извлечения (RAG) могла быть необходима для первой волны корпоративного ИИ, но она быстро превращается во что-то гораздо большее.
За последние два года организации поняли, что простого извлечения текстовых фрагментов с помощью векторного поиска недостаточно. Контекст должен быть управляемым, объяснимым и адаптивным к целям агента.
В этом посте рассматривается, как происходит эта эволюция и что это значит для лидеров в области данных и ИИ, создающих системы, способные ответственно рассуждать.
Я прошёл через создание простого конвейера RAG с использованием API OpenAI, LangChain и локальных файлов, а также эффективно разделил большие текстовые файлы на части.
Эти посты охватывают основы настройки конвейера RAG, способного генерировать ответы на основе содержимого локальных файлов.
Итак, что такое вложения (embeddings)?
Чтобы понять, как работает этап извлечения в системе RAG, важно сначала разобраться, как текст преобразуется и представляется во вложениях. Для того чтобы модели обработки естественного языка (LLM) могли работать с любым текстом, он должен быть представлен в виде вектора, и для этого преобразования необходимо использовать модель вложений.
Если вы недавно искали обзор продукта в Google, вы, вероятно, заметили тенденцию в результатах.
Если вы искали обзор продукта в Google недавно, вы, вероятно, заметили тенденцию в результатах. Например, поиск «Best SaaS» часто показывает обсуждения на Reddit среди первых неспонсируемых ссылок.
Рост видимости Reddit в результатах поиска Google
Рост видимости Reddit в страницах результатов поисковой системы Google (SERPs) относительно нов. По состоянию на июль 2024 года Reddit занимал пятое место среди сайтов США по видимости в органических результатах поиска Google — по сравнению с 68-м местом годом ранее. Этот резкий рост означает, что бренды, которые когда-то долгое время доминировали в топ-рейтингах, теперь вытесняются обсуждениями на Reddit.
Что вы узнаете:
- Ключевые различия между SaaS, PaaS, IaaS и локальными решениями.
- Когда использовать каждую модель облачных сервисов в зависимости от целей вашего бизнеса.
- Реальные примеры облачных сервисов в электронной коммерции и других сферах.
Облачные вычисления больше не являются дополнительными
Облачные вычисления — это основа того, как современные предприятия создают, масштабируют и конкурируют.
Независимо от того, запускаете ли вы новые приложения или расширяетесь на нескольких рынках, облако предлагает более быстрый и гибкий путь, чем традиционные ИТ-системы.