Predictive Analytics
Auswertungs Verfahren das aus historischen Daten künftige Ereignisse vorhersagt, meist mit statistischen Modellen oder Machine Learning.
Auch bekannt als: Prädikative Analytik, Vorhersage Analytik
Predictive Analytics bezeichnet Auswertungs Verfahren, die aus historischen Daten Wahrscheinlichkeiten für künftige Ereignisse berechnen. Eingesetzt werden statistische Modelle, klassische Regression oder Machine Learning Algorithmen wie Random Forest, Gradient Boosting oder neuronale Netze. Ziel ist es, Entscheidungen frühzeitig auf Datenbasis zu treffen, statt nur die Vergangenheit zu beschreiben.
Typische Anwendungsfälle
Im Marketing ist Predictive Analytics zentral für Customer Lifetime Value Prognosen, Churn Modelle, Next Best Offer Empfehlungen und Lead Scoring. Im E-Commerce wird sie zur Bestandsplanung, Preisoptimierung und Personalisierung von Produktempfehlungen genutzt. Im Customer Service identifizieren Modelle frühzeitig unzufriedene Kunden, sodass das Unternehmen aktiv eingreifen kann.
Datenqualität als Voraussetzung
Ohne saubere und vollständige Datenbasis liefert Predictive Analytics keine belastbaren Ergebnisse. Pflegezustand der CRM Daten, einheitliche Tracking Implementierung und konsistente Stammdaten sind Pflicht. Auch die Auswahl der Trainings und Validierungs Daten beeinflusst die Modellqualität stark, ein Modell darf nicht auf einem Zeitraum trainiert und im selben Zeitraum getestet werden, sonst entsteht Overfitting.
Bezug zur Praxis
Im Marketing Alltag eignet sich Predictive Analytics, um Werbebudgets gezielt auf hochprofitable Zielgruppen zu lenken und abwanderungsgefährdete Bestandskunden mit Rückgewinnungs Kampagnen anzusprechen. Im E-Mail Marketing lassen sich Sendezeitpunkte, Frequenzen und Inhalts Themen je Empfänger optimieren, sodass relevante Inhalte zur richtigen Zeit beim richtigen Kontakt ankommen.