如果您可以选择超级大国，那会是什么？ 我的将是预测未来。 如果您是在线发布者或博客作者，请想象一下能够知道接下来发生的事情的可能性。 实际上，这是我们实际上可以给您的超级力量。
别弯腰 我们不是神。 我们只想与您讨论预测分析。 如果从我们短暂而失败的尝试中成为童子军，我记得有件事，那就是没有什么比做好充分的准备更重要了。
无论您是从头开始开发新的在线资产还是为现有网站创建新内容，为成本和潜在收益做好准备都可以使您获得洞察力，从而使您的业务飞速发展，并将其转变为真正的被动赚钱机器。
目前，预测分析在市场营销中风靡一时，但实际上已经存在了一段时间，并且可以为您已经使用的大多数软件提供支持。 针对搜索营销人员，展示广告客户和其他营销专业人员的预测性分析指南相对容易找到，并且包含有用的信息。 不过，在这里我们不会深入到模型创建。
数据用于建立统计模型和算法，这些模型和算法可以分析数据以找到趋势，并基于这些趋势以一定程度的确定性预测未来事件。
通过创建预测模型，企业不仅可以管理风险，而且可以管理未来数月和数年的风险。
什么是预测分析模型？
预测分析模型是一种基于现有数据预测特定结果的机会的模型。 简而言之， 预测建模会使用统计信息（例如广告的受众群体概况或点击率历史记录）来预测未来的结果 。
例如，作为广告商，您可以使用预测模型来分析来自现有广告活动的数据，例如受众的年龄，性别和位置，以确定当定位到类似受众时的效果如何。
这些可变因素称为预测变量 ，因为它们是影响战役结果的因素。
如果您已经有广告活动的现有数据（例如Google AdWords的展示位置报告或关键字报告，或Facebook Ads的受众群体报告），则可以使用这些数据来预测广告活动将如何有效地移植到另一个平台。
如果这看起来有些复杂，或者您怀疑它是否可行，那么您应该知道较大的发布商已经在这样做，这意味着您已经为流量增加了支出，并且没有使用预测模型就可以从中获利更少。
不相信我吗？ 您用于运营网站和营销运营的几乎所有软件都在某种程度上使用了预测模型，但是您会欣赏以下用例：Mashable，这是全球最大的技术博客之一，认为自己是数据驱动的发布者。 他们已经开发了一个专有的平台，称为Velocity，可以预测正在传播的病毒。
Velocity每天能够抓取100万个URL，以预测Web流量趋势。 使用Velocity，使用该软件的前两年，Mashable的流量增长了55％。
Velocity是一款适用于Android的应用程序，您可以在此处下载。
发布商如何从预测分析中受益？
简而言之，他们怎么能不呢？ 通过广告利用其内容获利的发布商或博客作者一直在基于（受过教育的）猜测工作创建内容。
如果您经营的网站以自然搜索流量为导向，则很可能会进行关键字研究，以找到关键字流量，并创建可利用该关键字流量的内容。 但是，大多数发布者并不是根据预测的流量来创建内容。
如果您进行流量套利操作，这意味着您要购买大部分内容，那么您总是在尝试寻找最便宜的流量来源和最付费的广告网络。 试想一下，如果您可以成功创建一个模型来进行预测。 您将成为交通套利的Obi Wan Kenobi。
那么，发布商实际上可以使用预测模型做什么呢？
- 创建内容不断增长的网站，这些网站在未来将比今天更有利可图
- 预测更高的广告每次点击费用以通过您的网站和内容获利
- 预测展示广告，搜索广告和社交广告购买的较低广告每次点击费用
- 预测广告系列在更广泛受众群体中的效果
- 预测创建新内容（文本或视频）的成本
预测性建模绝对是提高广告收入的高级手段。 但是，这是一种可以产生实际结果并帮助您利用机会的战略，而如果没有预测性的洞察力，这些机会可能不会显现。
下面，我们将解释如何建立预测模型，以从现有内容和广告单元中产生更高的收益，利用用户参与度的变化，并使读者在您的网站上停留更长的时间。
针对发布商的3种主要预测分析模型
与营销人员和发布者相关的主要三种预测模型类型：
- 倾向模型
- 集群模型
- 协同过滤
让我们从倾向模型开始，该模型使用过去的数据（例如一个人的人口统计资料或位置）来预测他们的行为。
倾向建模
倾向模型使用倾向得分匹配来估计某个动作的效果。 用简单的术语来说，这意味着倾向模型将查看现有变量（例如受众的人口统计资料）来预测动作。
当有效地使用足够大的数据集时，倾向模型可以准确地预测新客户将在您的产品上花费的金额，新用户点击您网站广告的频率或某人转化为您的产品的机会百分比铅。
例如，您可以使用倾向建模来分析您现有的广告数据，以查看哪个国家或地区产生最高的点击率，然后对该数据进行建模以查看来自该区域的流量增加20％，50％或100％的结果。
您还可以使用倾向建模来预测使用多个变量进行优化的结果。 例如，倾向建模算法可能会发现特定区域和设备类型产生的广告点击率比正常情况高得多。
使用这些数据，您可以模拟这种流量增加对广告收入的影响，从而使您可以明智地决定哪些受众类型值得定位，哪些不是主要重点。
集群建模
群集模型根据用户的行为在算法上将用户分为几部分。 这种排序是自动进行的，并且使用各种变量（通常为20个或更多）来区分一个用户群和另一个用户群。
群集建模可用于预测因素，例如细分受众群可能在您的网站上花费的时间，特定细分受众群产生的平均网页浏览量或广告展示次数，或细分受众群返回您所需的时间访问后的网站。
由于用于将用户分类到集群中的许多数据都与获利有关，因此您可以使用集群分析的结果来确定哪些细分最适合您的营销或广告购买工作。
例如，如果一个细分受众群在您的网站上观看视频的时间比任何其他细分受众群花费的时间都要多，并且点击视频内重叠式广告的速度要比其他任何细分受众群都高，那么您可以集中精力做更多的事情来将这一高价值的细分受众群保留网站消费视频内容。
免费游戏开发人员非常频繁地使用这种类型的预测分析，以覆盖一小部分用户，这些用户从长远来看最有可能成为忠实客户。
如果您通过产品或服务的销售来获利，则集群建模特别有价值。 您可以预测针对最有可能购买您产品的细分受众群的结果，而不用针对整个受众群体进行优化。
协同过滤
您是否曾经在亚马逊上购买过某种产品，而只是在结帐之前收到“经常一起购买”的产品推荐？
这就是协同过滤的作用。 协作过滤模型使用贝叶斯网络，潜在语义分析和其他技术来分析数据，以查找相似项目之间的共同因素，例如电子商务商店中的产品或内容驱动网站上的视频 。 基本上，该模型预测，例如，如果您喜欢The Godfather ，您也会喜欢Scarface 。
使用协作过滤，您可以发现有用的数据，这些数据可以使访问者在您的网站上停留的时间更长，可以鼓励购物者将多个商品添加到他们的购物车中，并极大地增加网站上每个访问者产生的广告展示次数。 诸如Outbrain之类的内容推荐平台通常基于协作过滤算法，通常与基于内容的过滤器结合使用。 Google和Facebook使用的转换像素也是如此。
每当您访问YouTube时，您还可以看到为此目的使用的协作过滤-只需在“下一步”列中查找建议。
像其他类型的预测模型一样，协作过滤模型随着其数据集的增长而变得更加准确。 当用户查看，评价和评论内容时，该模型可以更好地了解用户的喜好和内容消费习惯。
在内容方面，您可以使用许多负担得起的解决方案，将协作过滤引入您的受众群体。 但是，如果您想使用此模型更好地预测点击率并增加广告收入，则必须自己创建模型或使用AdNgin，该模型将预测性分析整合到广告布局测试平台中（案例研究）。
使用预测模型
预测建模可以通过了解用户与您的网站的交互方式来帮助您增加流量，参与度和收益。 它甚至可以帮助您发现新的增长和优化机会，无论是通过新内容还是与有价值的受众进行联系。
作为出版商，您将一无所获，并为此做好准备。 通过有效地使用预测分析，您可以在制定决策之前了解决策的结果，从而更深入地了解如何发展数字业务。
我是AdNgin的营销运营负责人。 在加入AdNgin之前，我是一名营销专家，专注于SAAS商业模式。 当我不工作时（这种情况很少见），我和儿子乔纳森（Jonathan）和妻子美塔（Meital）一起航行并闲逛。
