Analyse prédictive: comment les marketeurs peuvent améliorer leurs activités futures: Social Media Examiner

Vous voulez que votre marketing soit plus efficace?

Vous vous demandez comment la prévision de vos cycles marketing peut vous aider?

Pour explorer comment les spécialistes du marketing peuvent se lancer dans l'analyse prédictive, j'interviewe Chris Penn.

En savoir plus sur ce salon

le Podcast marketing sur les réseaux sociaux est une émission de radio-débat à la demande de Social Media Examiner. Il est conçu pour aider les spécialistes du marketing, les chefs d'entreprise et les créateurs occupés à découvrir ce qui fonctionne avec le marketing sur les réseaux sociaux.

Dans cet épisode, j'interviewe Chris Penn, co-fondateur et chef de l'innovation chez Brain + Trust Insights. Il est également le co-animateur de la Marketing autour du café podcast et l'expert principal en analyse pour Social Media Marketing World.

Chris explique comment garantir la qualité des données sous-jacentes utilisées dans l'analyse prédictive.

Vous découvrirez également les sources de données et les outils utilisés pour faire des prédictions.

Partagez vos commentaires, lisez les notes de l'émission et obtenez les liens mentionnés dans cet épisode ci-dessous.

Écoute maintenant

Où s'abonner: Podcast Apple | Podcasts Google | Spotify | RSS

Faites défiler jusqu'à la fin de l'article pour trouver des liens vers des ressources importantes mentionnées dans cet épisode.

Voici quelques-unes des choses que vous découvrirez dans cette émission:

Analyses prédictives

L'histoire de Chris

Chris s'est lancé dans l'analyse grâce à son expérience en informatique. En 2003, il a commencé à travailler en tant que directeur informatique d'une startup de prêt étudiant, où son rôle s'est étendu au-delà des responsabilités informatiques traditionnelles. En plus de gérer les serveurs Web et de messagerie, il a également mis à jour les sites Web et envoyé le courrier électronique hebdomadaire.

Chris faisait ce travail avant que Google Analytics n'existe, donc lorsque le PDG de son entreprise a demandé comment les sites Web et les e-mails fonctionnaient, Chris n'a pas eu de réponse. Pour le comprendre, Chris et son équipe ont commencé à développer leurs propres outils pour comprendre les bases, comme le nombre de personnes visitant le site Web chaque jour.

Au fil du temps, la pratique analytique est devenue une priorité pour Chris. Il n'essayait pas seulement d'apprendre ce qui s'était passé, mais aussi pourquoi c'était arrivé et comment l'entreprise pouvait réagir.

Écoutez l'émission pour entendre Chris parler de sa formation.

Qu'est-ce que l'analyse prédictive?

L'analyse prédictive utilise les statistiques et l'apprentissage automatique pour analyser les données et faire des prédictions. Les humains sont très prévisibles. Nous suivons tous des routines, comme se brosser les dents puis prendre une douche, ou mettre chaque vêtement dans un certain ordre chaque matin.

Parce que les humains sont prévisibles à la fois à l'échelle micro et macro, les spécialistes du marketing peuvent principalement prédire ce qui va se passer. Par exemple, en Amérique du Nord, si vous êtes un spécialiste du marketing B2C, vous savez quasiment que vous allez être occupé du 1er novembre au 26 décembre, car c'est une période de pointe pour les ventes de produits.

De même, si vous êtes un spécialiste du marketing B2B, votre période de pointe va du 1er janvier à fin mai environ. Ensuite, les affaires reprennent juste après la fête du Travail aux États-Unis et au Canada et se poursuivent jusqu'à Thanksgiving aux États-Unis. En dehors de ces périodes, il est beaucoup plus difficile d'être un spécialiste du marketing, que vous vous concentriez sur le numérique, les réseaux sociaux ou le paiement.

Écoutez l'émission pour entendre plus d'exemples de comportement humain prévisible.

Que peut faire l'analyse prédictive?

Parce que nous savons ces choses en général, les machines peuvent nous aider à rendre ces prédictions plus spécifiques. La valeur de l'analyse prédictive est leur spécificité. Si vous savez quelle semaine vous devriez faire plus sur Facebook Live ou dépenser moins en publicités, vous pouvez être plus efficace dans votre marketing. Si vous savez prédire, vous pouvez gagner de l'argent, économiser de l'argent, gagner du temps et ne pas vous faire virer.

L'analyse prédictive vise spécifiquement à essayer de découvrir ce qui se passe ensuite. Pour le spécialiste du marketing moyen, les prédictions de séries chronologiques (ou quand quelque chose va se passer) sont l'application la plus conventionnelle et la plus utile. Pour illustrer, si vous êtes un spécialiste du marketing sur les réseaux sociaux, vous voulez savoir quand doter votre équipe de service client pour répondre aux demandes des clients.

L'analyse prédictive peut également déterminer des choses comme quand une personne achètera une nouvelle voiture ou si elle est de futurs parents. Cependant, ces applications sont plus nuancées que les prédictions de séries chronologiques.

Écoutez l'émission pour connaître mes expériences avec l'analyse prédictive lorsque j'étais écrivain B2B.

Fonctionnement de l'analyse prédictive

L'analyse prédictive a probablement près de 70 ans maintenant. Les gens sont surpris d'apprendre à quel point cette discipline est ancienne, car ils pensent que l'apprentissage automatique est quelque chose de nouveau. Cependant, les théories et les formules mathématiques existent depuis très longtemps.

Ce qui a changé, c'est la puissance de calcul des ordinateurs portables, des ordinateurs de bureau et des serveurs cloud. Ils peuvent traiter de plus gros nombres en moins de temps. Théoriquement, vous pouvez faire des analyses prédictives sur papier, mais cela demanderait beaucoup de papier et de temps.

Pour bien faire de l'analyse prédictive, vous avez besoin de trois aptitudes. Tout d'abord, vous avez besoin d'une personne possédant les compétences en développement pour extraire des données de vos sources de données, telles que Google Analytics, Facebook Insights, Twitter et d'autres types de données sociales. Les données peuvent se trouver dans des systèmes dont vous êtes propriétaire ou dans des systèmes tiers. Celui qui a les données, vous devez être en mesure de les extraire.

Chris aime l’expression «Les données sont le nouveau pétrole», car si vous avez déjà vu du pétrole brut, c’est un désordre dégoûtant. Vous ne pouvez pas en faire grand-chose tant que vous n’avez pas extrait du sol, affiné, puis donné à des personnes qui peuvent l’utiliser dans des voitures ou pour fabriquer des bols en plastique qui ne se cassent pas en tombant sur le sol. Avec l'analyse prédictive, c'est à peu près la même chose.

Les raffineurs sont des scientifiques des données, qui nettoient les données en quelque chose que vous pouvez utiliser. Ensuite, les technologues en marketing, qui sont le rôle de nombreux spécialistes du marketing des médias sociaux aujourd'hui, font quelque chose avec ces données. Ils n’interprètent pas seulement les données; ils agissent en conséquence.

Chris insiste sur l'importance d'agir sur les données que vous obtenez. Si vous savez quelle semaine pour promouvoir votre événement, mais que vous ne faites rien avec ces informations, alors il est inutile de faire la prédiction.

La précision des prédictions dépend des données sous-jacentes et de l'algorithme que vous utilisez pour effectuer les prédictions. À un moment donné, presque tout le monde rencontrera un problème de qualité des données. Vous n’avez peut-être pas bien configuré Google Analytics, vous n’avez pas défini correctement vos objectifs, vous avez oublié d’activer votre pixel Facebook; aucune de ces choses.

Écoutez l'émission pour entendre Chris discuter d'un type populaire d'analyse des stocks techniques.

Applications marketing pratiques pour l'analyse prédictive

Lorsque Chris fait une prévision prédictive, il s'agit généralement d'un graphique linéaire de 52 semaines. Pour chaque semaine, le graphique montre une prédiction pour quelle que soit la série de données. La plupart du temps, Chris utilise des données de recherche, car les gens saisissent des éléments dans Google qu'ils ne feraient pas dire à un autre être humain, ce qui fait des données de recherche un très bon indicateur de ce qui se trouve réellement sur quelqu'un esprit.

De nombreuses données de recherche sont disponibles et vous pouvez y accéder gratuitement grâce à des outils tels que Planificateur de mots clés AdWords ou tendances Google. Une fois que vous avez les données, vous pouvez prévoir une tendance quelconque, qui est une série de données, puis identifier les pics et les vallées. Chris recommande d'avoir entre 1 et 5 ans de données comme base de votre prédiction.

Supposons que vous extrayez 5 ans de données de recherche sur le marketing des réseaux sociaux, car vous vous demandez quand, l'année prochaine, les internautes rechercheront des "réseaux sociaux commercialisation." Si vous savez que ce sera le 20 mars, le 19 avril, le 27 mai, le 4 juillet, le 10 septembre et le 21 octobre de l’année à venir, ce sont vos marques de hautes eaux.

Avec ces dates, vous pouvez également voir ce qui se passe 2 à 3 semaines avant chaque date. En règle générale, il y a une course vers ce sommet. Un spécialiste du marketing sur les réseaux sociaux doit donc augmenter ses dépenses publicitaires. Un spécialiste du marketing bio doit publier beaucoup et doubler le nombre d'histoires Instagram qu'il crée. Une personne de relations publiques doit présenter des mois à l'avance pour apparaître dans les publications à ces dates.

Vous savez également quand les vallées se produiront afin que vous puissiez planifier de stocker du contenu sans qu'il ne se passe grand-chose. Vous pouvez enregistrer des podcasts, héberger des invités sur d'autres sites, écrire un tas d'articles de blog et stocker du contenu. Ensuite, lorsque le prochain pic arrive, vous pouvez atteindre la cadence dont vous avez besoin pour frapper sans vous épuiser.

De cette façon, les prévisions vous aident à gagner de l'argent sur les sommets et à économiser de l'argent sur les creux. Vous pouvez planifier et élaborer votre stratégie en fonction du moment où les choses sont susceptibles de se produire. Cette application fonctionne à la fois pour les entreprises B2C et B2B, car les gens saisissent des informations sur Google toute la journée, tous les jours.

Je demande quelles autres sources de données vous pourriez utiliser pour faire des prédictions. Chris dit que toute source de données temporelle est valide et que les conversations sur les réseaux sociaux varient sur chaque réseau. Vos prédictions Pinterest peuvent être différentes de celles de Facebook et Twitter. Faites des prédictions basées sur toutes ces données.

Pour ce faire, un très bon outil est CrowdTangle. C'est fantastique, car il vous donne des données de séries chronologiques jusqu'au niveau de chaque publication. Une personne de relations publiques peut tirer des mentions de nouvelles et la couverture des nouvelles. Un annonceur peut extraire des montants de paiement par clic, des prix d'enchères, tout cela.

Les sources de données tierces sont utiles car vous, en tant qu'entreprise, ne pouvez pas corrompre ces données en soi, même si vous pouvez demander les mauvaises choses. Un fournisseur de données réputé est SEMrush, qui dispose de données de bonne qualité. Un autre vendeur, Marque24, fait la surveillance des médias.

Vous pouvez également consulter les données de recherche d'outils de référencement qui ne sont pas Google. Ce sont toutes de bonnes sources de données, car elles sont cohérentes, normalisées et régulières. De plus, ils sont raisonnablement propres.

Chris partage ensuite un autre exemple de la façon dont vous pouvez appliquer l'analyse prédictive à votre entreprise. Chris a fait une course prédictive pour un casino basée sur 2 ans de revenus quotidiens de machines à sous. Après avoir mis ces données dans un algorithme, Chris a pu prévoir les revenus du casino pour l'année suivante.

Avec ces prévisions, le casino pouvait voir quand les revenus des machines à sous seraient faibles et ils devaient augmenter certaines promotions, diffuser des publicités, faire venir un artiste invité spécial, ou quelque chose du genre. Les données les ont aidés à combler ces lacunes dans leurs revenus.

Je demande comment les spécialistes du marketing évitent d'avoir un impact sur les données. Hypothétiquement, disons que nous adaptons nos promotions marketing pour Social Media Marketing World à certains horaires qui ne sont pas nécessairement basés sur des prédictions, mais que nous avons décidé d'utiliser. Comment pouvons-nous exclure que le comportement de la tribu et de la communauté ne soit pas nécessairement causé par nos actions?

Chris dit que Social Media Marketing World est une émission tellement importante et réussie qu'elle influence en fait le moment où les gens recherchent des choses comme «social marketing médiatique. » Cependant, vous pouvez affiner les données que vous extrayez de différentes manières pour minimiser les événements, les problèmes, etc.

Par exemple, si vous utilisez un outil d'écoute sociale, vous pouvez exclure les mentions de Social Media Marketing World, #socialmediaexaminer, Michael Stelzner et les éléments associés. Ces exclusions aident à réduire les points de données qui ne sont pas censés s'y trouver.

Vous pouvez également utiliser l'analyse comparative, qui établit une base de référence en dehors d'une saison particulière qui ajoute 20 000 mentions par jour. Même en saison, y a-t-il quelque chose de disproportionné par rapport à ce qui devrait être là? Vous pouvez exécuter les prévisions de cette façon.

Cependant, la meilleure façon d'affiner les données est au niveau des données. Supprimez les choses que vous savez contaminantes, faute d'un meilleur mot. Ensuite, vous pouvez prévoir à partir des données affinées.

Cela dit, si vous commercialisiez Social Media Marketing World, vous ne voudriez pas nécessairement affiner les données de cette manière. Si vous faites en sorte que la tribu influence la manière dont les gens du monde entier recherchent le «marketing sur les réseaux sociaux», c'est une bonne chose. C'est une raison de célébrer votre succès et d'essayer de provoquer encore plus de changements de comportement en devançant les tendances encore plus tôt.

Écoutez l'émission pour entendre mes pensées sur les modèles humains prévisibles.

Ce que vous ne pouvez pas prédire

Chris dit que vous ne pouvez pas prédire trois choses. Le premier est un bouleversement majeur qui déformera vos données, comme des troubles politiques, des bouleversements culturels, des catastrophes naturelles, des choses comme ça. Toutes ces choses provoquent des interférences majeures qui peuvent corrompre une prévision. Les secteurs avec beaucoup de bouleversements, comme le marché boursier, sont presque impossibles à prévoir avec précision.

Le second est quelque chose qui ne s'est jamais produit, comme l'élection présidentielle de 2016. La compétition entre les deux candidats en lice n'avait jamais eu lieu auparavant. De nombreuses personnes créant des outils prédictifs et des prévisions pour l'élection fondaient leurs modèles sur l'élection de 2012.

Cependant, les candidats de chaque parti étaient des personnes très différentes entre ces années électorales. Ainsi, les outils que les gens ont construits pour 2016 étaient basés sur quelque chose qui s'était passé dans le passé mais qui ne se produisait pas actuellement. Vous ne pouvez pas prévoir ce qui ne s’est jamais produit.

Le troisième disqualifiant pour l'analyse prédictive est de mauvaises données. Si vous avez des données corrompues ou aucune donnée, vous ne pouvez pas faire de prédictions précises. Si vous savez que votre entreprise a des problèmes d'infrastructure de données, l'analyse prédictive est en fait dangereuse. Ce serait comme conduire avec un GPS qui a de mauvaises données et vous dit de conduire juste à côté d'une falaise.

Écoutez l'émission pour entendre Chris partager un autre terme pour bouleversement.

Problèmes de données courants

Si vous souhaitez essayer l'analyse prédictive, Google Analytics est un bon début. La plupart des spécialistes du marketing ont certainement ces données, mais cela peut poser des problèmes. Par exemple, si vous utilisez un logiciel d'automatisation du marketing, vous devez placer vos balises Google Analytics sur vos pages de destination dans ce logiciel. Sinon, vous rencontrez des problèmes d'intégrité des données.

Je demande ensuite comment gérer les bots et les bloqueurs. Chris dit que les réseaux sociaux, en particulier Instagram et Twitter, regorgent de robots. La bonne nouvelle est que les comportements des robots sont assez prévisibles car les personnes qui ont écrit ces robots ont utilisé des algorithmes très primitifs. Dans le processus de préparation des données, les bots sont faciles à repérer et vous pouvez les supprimer.

Pour illustrer, un bot a toujours une bio qui suit exactement le même format. La bio commence par différents mots de différentes longueurs suivis de «check me out» puis d'un lien.

Les bloqueurs sont beaucoup plus difficiles à travailler. Si vous essayez de faire des prévisions en fonction des données publicitaires et que les bloqueurs suppriment des données, c'est très difficile à résoudre. Les données ne sont pas fausses; vous ne l’avez même pas. C’est incomplet.

Vous pouvez traiter les données incomplètes de deux manières. Tout d'abord, vous pouvez rechercher quelque chose de directionnel, car les données dont vous disposez sont toujours représentatives. Supposons que vous sachiez que 30% des annonces bloquées se produisent sur un appareil mobile, mais que ce pourcentage est constant de 30%. Vous n'avez pas 22% des annonces bloquées sur un site mais 5% sur un autre.

Si le blocage est relativement cohérent, vous serez toujours dirigé dans la bonne direction, car avec le temps, certaines annonces fonctionneront mieux ou moins bien.

La deuxième option n'est disponible que pour les entreprises disposant d'une base de données massive, comme les grandes entreprises technologiques ou les entreprises de données. Avec une grande quantité de données, vous pouvez faire imputation, qui utilise un ensemble de données formé existant et l'apprentissage automatique pour remplir les pièces incomplètes.

Un très bon exemple d'imputation est celui des parts sociales. Début février, LinkedIn a désactivé ses numéros de partage, de sorte que vous n'obtiendrez plus ce numéro d'un outil de surveillance des médias sociaux. Si Chris travaillait dans une entreprise de surveillance des médias sociaux, il utiliserait les 10 dernières années de données comme ensemble de formation et en déduirait le nombre d'actions.

Vous pouvez déduire le nombre de partages tant que vous avez d'autres ensembles de données parallèles, comme Twitter et Pinterest. Ces numéros de partage permettront essentiellement à une machine de remplir les espaces vides pour les partages LinkedIn.

Écoutez l'émission pour mes réflexions sur les robots et les bloqueurs.

Exemples

Pour une entreprise de fournitures de bureau bien connue, Chris a réalisé des analyses prédictives du nom de la marque et du terme générique «office Provisions." Bien que le nom de la marque et le terme générique se reflètent, les «fournitures de bureau» accusaient un retard de 20 jours sur la marque. Nom.

Par exemple, le nom de la marque a connu un pic important à la fin du mois d'août, que Chris a attribué à la rentrée des classes et aux personnes qui retournaient au travail. Mais 20 jours plus tard, le terme de recherche pour «fournitures de bureau» a suivi exactement le même pic et exactement le même modèle. Quoi qu'il se passe là-bas sur le plan comportemental, les gens recherchent la marque, puis 20 jours plus tard, recherchent le terme générique.

Sur la base des résultats, Chris a suggéré à la société de créer une campagne de reciblage programmée à 19 jours. Recibler tous ceux qui accèdent à votre site Web 19 jours plus tard avec une annonce leur rappelant de revenir pour plus de fournitures de bureau. Avec l'annonce de reciblage, l'entreprise pourrait reprendre une partie de cette demande.

De cette manière, l'analyse prédictive peut offrir un retour sur investissement énorme. Quelqu'un pourrait supposer que tout ce qu'il fait ne fonctionne plus et s'arrêter. Avec l'analyse prédictive, vous pouvez voir que votre marketing social n'est tout simplement pas synchronisé avec les modèles des clients.

Ensuite, Chris partage un exemple de sa propre entreprise. Il effectuait des analyses comparatives en fonction du moment où les gens recherchaient les paramètres d’absence du bureau Outlook, parce que lorsque quelqu'un à la recherche de cela, vous savez qu'ils se préparent à partir en vacances, ce qui signifie qu'ils ne lisent pas leur email. Après avoir exécuté cette référence en octobre 2017, Chris a projeté de l'avant pour le premier trimestre.

Chris a projeté que le volume de recherche était le plus bas, ce qui signifie que la plupart des gens étaient au bureau, la semaine du 18 janvier 2018. Cette semaine-là, Chris a lancé la même campagne pour son livre sur la même liste et avec la même offre que celle de 2017.

En affinant son timing pour la promotion 2018, Chris a augmenté les ventes de livres de 40%. Sa campagne de 2017 était décalée d'environ 2 semaines et Chris a appris que le fait de ne pas être synchronisé avec son public faisait une énorme différence.

Je demande comment une entreprise qui publie des informations pourrait utiliser l'analyse prédictive pour améliorer sa stratégie. Pour cet exemple, Chris dit que l'une de ses applications préférées est la stratégie de contenu. Supposons que vous couvriez régulièrement certains sujets. Vous pouvez exécuter toute une combinaison de ces prédictions.

Les 10% les plus performants peuvent guider votre calendrier éditorial, car si vous connaissez les mois où les gens seront le plus intéressés par un sujet, vous pouvez planifier des fonctionnalités mensuelles autour de ce sujet. Vous saurez même jusqu'à la semaine quand publier du contenu sur un certain sujet. De cette façon, vous pouvez atteindre la note haute chaque mois.

L'analyse prédictive peut également informer votre calendrier publicitaire. Si vous savez que vous publiez sur un sujet donné, vous pouvez définir vos tableaux de tarifs en fonction de ce sujet. Pour le mois où vous savez que la demande du public pour un sujet est élevée, vous pouvez facturer le plein tarif aux annonceurs intéressés par ce sujet. Lorsque vous savez que l'intérêt pour le sujet cible des annonceurs est faible, vous pouvez offrir une réduction de 40%.

Écoutez l'émission pour entendre Chris discuter de la façon dont Social Media Examiner pourrait appliquer l'analyse prédictive à son contenu.

Outils

Chris dit que les meilleurs outils sont gratuits. Ce sont des langages de programmation (comme R et Python), ainsi que les bibliothèques (comme TROUSSE LATÉRALE, NumPy, Timer) qui offrent du code que vous pouvez utiliser pour certaines tâches. Cependant, pour utiliser ces outils gratuits, vous avez besoin d'une grande expérience technique. Les langages de programmation et les bibliothèques sont comme des pièces de moteur. Pour obtenir une voiture, vous devez la construire vous-même.

Pour les entreprises techniquement capables de toute taille, si vous avez quelqu'un ou plusieurs personnes qui peuvent occuper les rôles de développeur, data scientist et technologue marketing, vous pouvez utiliser l'analyse prédictive pour créer vos propres prévisions pour gratuit.

Cependant, si vous n’avez pas le temps ou les connaissances nécessaires pour utiliser ces outils mais que vous avez de l’argent, le mieux est d’externaliser les prévisions. Engagez une entreprise de science des données.

Si vous souhaitez en savoir plus sur le fonctionnement de la science des données, Chris recommande vivement le blog à l'adresse KDnuggets.com et le Blog sur la science des données IBM. le Expérience en science des données IBM est excellent aussi. Vous devriez également suivre les blogs des développeurs pour les grandes entreprises technologiques telles que Microsoft, Amazone, Google, et IBM.

Cependant, vous trouverez les meilleures informations sur la science des données dans papiers académiques. Si vous pouvez lire ces articles sans vous endormir et extraire l’information, vous trouverez de l’or véritable. Vous apprendrez des techniques que vous pouvez essayer sur vos données.

Cet algorithme prédictif dont nous parlons existe depuis 70 ans. C’est un outil comme une spatule. Si vous ne faites que retourner un morceau de pain grillé, vous aurez un flipper de pain grillé très cher.

Cependant, si vous pensez aux grillades, aux sautés et à tout ce que vous pouvez faire avec une spatule, les possibilités deviennent infinies. Il en va de même pour les outils et algorithmes de science des données. Vous pouvez utiliser votre créativité et votre curiosité pour les essayer de toutes ces différentes manières.

À l'avenir, utiliser ces outils deviendra aussi simple que de diffuser une publicité Facebook, car de nombreuses analyses prédictives sont déjà très mécanisées. Cependant, la partie qui implique le jugement humain et le contexte prendra plus de temps à se produire. Les machines ne peuvent pas comprendre le fonctionnement des entreprises et ne peuvent donc pas voir ces possibilités.

Mais après avoir défini la grande stratégie, vous serez bientôt en mesure de cliquer sur un bouton, de glisser votre carte de crédit, de payer vos frais mensuels de 99 $ et l'outil créera des graphiques. Chris pense que cette capacité sera disponible dans les 5 prochaines années.

Plus tard, à mesure que l'intelligence artificielle à usage général s'améliore, vous pourrez peut-être dire à une machine que vous souhaitez optimiser vos dépenses Facebook en fonction de la demande. Ensuite, la machine fera automatiquement la prédiction, déterminera quand les pics et les vallées se produiront, et exécutera essentiellement votre budget et vos publicités pour vous. C'est probablement dans 5 à 10 ans.

Écoutez l'émission pour entendre Chris parler davantage de ce que les machines ne peuvent pas faire.

Découverte de la semaine

Reshot est un site de photos qui évite les images de stock clichés.

Les photos sur Reshot reflètent la perspective unique du photographe. De cette façon, les photos sont de meilleure qualité que celles de nombreux autres sites de photos.

Le site utilise un licence simple et termes qui vous donnent beaucoup de flexibilité pour utiliser les photos.

Les photos Reshot sont gratuites, mais vous pouvez également trouver des photos à vendre auprès des partenaires Reshot. Pour parcourir les images ou en savoir plus, visitez le site Web.

Écoutez l'émission pour en savoir plus et dites-nous comment Reshot fonctionne pour vous.

Principaux points à retenir mentionnés dans cet épisode:

• En savoir plus sur l’activité de Chris, Brain + Trust Insights.
• Suivez Chris sur Twitter.
• Lis Le blog de Chris.
• Écoutez le podcast de Chris, Marketing autour du café.
• Accédez aux données de recherche avec Planificateur de mots clés AdWords ou tendances Google.
• En savoir plus sur CrowdTangle.
• Découvrez les fournisseurs de données tiers SEMrush et Marque24.
• En savoir plus sur les statistiques imputation.
• En savoir plus sur R et Python et des bibliothèques comme TROUSSE LATÉRALE, NumPy, et Timer.
• Visite KDnuggets.com, Blog sur la science des données IBM, et Expérience en science des données IBM.
• Suivez les blogs des développeurs pour Microsoft, Amazone, Google, et IBM.
• Trouvez des photos pour votre contenu via Reshot.
• Regardez notre talk-show hebdomadaire sur le marketing des médias sociaux les vendredis à 10 h 00, heure du Pacifique Crowdcast ou connectez-vous sur Facebook Live.
• Téléchargez le Rapport de l'industrie du marketing des médias sociaux 2017.

Qu'est-ce que tu penses? Que pensez-vous de l'analyse prédictive? Veuillez partager vos commentaires ci-dessous.