Գովազդային տեխնոլոգիաՎերլուծություն և թեստավորումԱրհեստական ​​բանականությունՇուկայավարման և վաճառքի տեսանյութեր

Retina AI. Օգտագործելով կանխատեսող AI՝ մարքեթինգային արշավները օպտիմալացնելու և հաճախորդների կյանքի արժեքի (CLV) սահմանելու համար

Շրջակա միջավայրը արագորեն փոխվում է շուկայավարների համար: Apple-ի և Chrome-ի նոր գաղտնիության վրա հիմնված iOS թարմացումներով, որոնք վերացնում են երրորդ կողմի թխուկները 2023 թվականին, ի թիվս այլ փոփոխությունների, շուկայավարները պետք է հարմարեցնեն իրենց խաղը՝ համապատասխանեցնելով նոր կանոնակարգերին: Մեծ փոփոխություններից մեկը առաջին կողմի տվյալների մեջ հայտնաբերված աճող արժեքն է: Բրենդներն այժմ պետք է ապավինեն ընտրության և առաջին կողմի տվյալների վրա՝ արշավներ խթանելու համար:

Ի՞նչ է Հաճախորդի կյանքի արժեքը (CLV):

Հաճախորդի կյանքի արժեքը (CLV) չափիչ է, որը գնահատում է, թե տվյալ հաճախորդը որքան արժեք (սովորաբար եկամտի կամ շահույթի մարժա) կբերի բիզնեսին ձեր ապրանքանիշի հետ շփվելու ընդհանուր ժամանակի ընթացքում՝ անցյալ, ներկա և ապագա:

Այս տեղաշարժերը ռազմավարական հրամայական են դարձնում բիզնեսի համար՝ հասկանալու և կանխատեսելու հաճախորդի կյանքի արժեքը, ինչը նրանց օգնում է բացահայտել սպառողների հիմնական հատվածները իրենց ապրանքանիշի համար մինչև գնման կետը և օպտիմալացնել իրենց մարքեթինգային ռազմավարությունները՝ մրցակցելու և բարգավաճելու համար:

Ոչ բոլոր CLV մոդելներն են ստեղծվում հավասար, սակայն մեծամասնությունն այն առաջացնում է ընդհանուր, այլ ոչ թե անհատական ​​մակարդակով, ուստի, հետևաբար, չեն կարողանում ճշգրիտ կանխատեսել ապագա CLV-ն: Անհատական ​​մակարդակի CLV-ի միջոցով, որը ստեղծում է Retina-ն, հաճախորդները կարող են առանձնացնել այն, ինչն իրենց լավագույն հաճախորդներին տարբերում է բոլորից և ներառել այդ տեղեկատվությունը` իրենց հաջորդ հաճախորդների ձեռքբերման արշավի շահութաբերությունը բարձրացնելու համար: Բացի այդ, Retina-ն ի վիճակի է ապահովել դինամիկ CLV կանխատեսում, որը հիմնված է ապրանքանիշի հետ հաճախորդի նախկին փոխազդեցությունների վրա՝ թույլ տալով հաճախորդներին իմանալ, թե որ հաճախորդներին պետք է թիրախավորեն հատուկ առաջարկներով, զեղչերով և առաջխաղացումներով:  

Ի՞նչ է Retina AI-ն:

Retina AI-ն օգտագործում է արհեստական ​​ինտելեկտը՝ նախքան առաջին գործարքը կանխատեսելու հաճախորդի կյանքի արժեքը:

Ցանցաթաղանթ AI միակ արտադրանքն է, որը կանխատեսում է նոր հաճախորդների երկարաժամկետ CLV-ն, ինչը հնարավորություն է տալիս աճող շուկայավարներին գրեթե իրական ժամանակում կայացնել արշավ կամ ուղու բյուջեի օպտիմալացման որոշումներ: Օգտագործվող Retina պլատֆորմի օրինակ է մեր աշխատանքը Մեդիսոն Ռիդի հետ, ով իրական ժամանակում լուծում էր փնտրում Facebook-ում արշավները չափելու և օպտիմալացնելու համար: Այնտեղի թիմը որոշեց անցկացնել A/B թեստ՝ կենտրոնացած CLV:CAC (հաճախորդների ձեռքբերման ծախսեր) հարաբերակցությունը. 

Մեդիսոն Ռիդի դեպքի ուսումնասիրություն

Facebook-ում թեստային արշավի միջոցով Մեդիսոն Ռիդը նպատակ ուներ հասնել հետևյալ նպատակներին. չափել ROAS-ի և CLV-ի քարոզարշավը գրեթե իրական ժամանակում, վերաբաշխել բյուջեները դեպի ավելի շահավետ արշավներ և հասկանալ, թե որ գովազդի կրեատիվն է հանգեցրել ամենաբարձր CLV:CAC հարաբերակցությանը:

Մեդիսոն Ռիդը ստեղծեց A/B թեստ՝ օգտագործելով նույն թիրախային լսարանը երկու հատվածների համար՝ 25 տարեկան և ավելի բարձր տարիքի կանայք Միացյալ Նահանգներում, ովքեր երբեք Մեդիսոն Ռիդի հաճախորդ չեն եղել:

  • «Ա» արշավը սովորական քարոզարշավ էր:
  • «B» արշավը փոփոխվել է որպես թեստային հատված:

Օգտագործելով հաճախորդի կյանքի արժեքը՝ թեստային հատվածը դրականորեն օպտիմիզացվել է գնումների համար և բացասաբար՝ բաժանորդագրվածների դեմ: Երկու հատվածներն էլ օգտագործում էին նույն գովազդի կրեատիվը:

Մեդիսոն Ռիդը թեստն անցկացրեց Facebook-ում՝ 50/50 բաժանումով 4 շաբաթ՝ առանց քարոզարշավի կեսին որևէ փոփոխության: CLV:CAC հարաբերակցությունը անմիջապես ավելացել է 5%-ով, որպես Facebook-ի գովազդի մենեջերի շրջանակներում արշավի օպտիմալացման ուղղակի արդյունք՝ օգտագործելով հաճախորդների կյանքի արժեքը: Ավելի լավ CLV:CAC հարաբերակցության հետ մեկտեղ, թեստային արշավը վաստակեց ավելի շատ տպավորություններ, ավելի շատ կայքերի գնումներ և ավելի շատ բաժանորդագրություններ, ինչը ի վերջո հանգեցրեց եկամուտների ավելացմանը: Մեդիսոն Ռիդը խնայեց տպավորության և գնման արժեքի վրա՝ միաժամանակ ձեռք բերելով ավելի արժեքավոր երկարաժամկետ հաճախորդներ:

Այս տեսակի արդյունքները բնորոշ են ցանցաթաղանթի օգտագործման ժամանակ: Միջին հաշվով, Retina-ն բարձրացնում է մարքեթինգային արդյունավետությունը 30%-ով, ավելացնում է աճող CLV-ն 44%-ով նման լսարանների հետ և վաստակում է գովազդի ծախսերի 8 անգամ եկամտաբերություն (ՌՈՍԱ) ձեռքբերման արշավների վրա, երբ համեմատվում են տիպիկ շուկայավարման մեթոդների հետ: Անհատականացումը, որը հիմնված է հաճախորդների կանխատեսված արժեքի վրա իրական ժամանակում մասշտաբով, ի վերջո, խաղը փոխում է շուկայավարման տեխնոլոգիայի մեջ: Նրա կենտրոնացումը հաճախորդի վարքագծի վրա, այլ ոչ թե ժողովրդագրության վրա, այն դարձնում է տվյալների եզակի և ինտուիտիվ օգտագործում՝ մարքեթինգային արշավները արդյունավետ, հետևողական շահումների վերածելու համար:

Retina AI-ն առաջարկում է հետևյալ հնարավորությունները

  • CLV առաջատար միավորներ – Retina-ն բիզնեսներին տրամադրում է բոլոր հաճախորդներին գնահատելու միջոցներ՝ որակյալ առաջատարները բացահայտելու համար: Շատ ձեռնարկություններ վստահ չեն, թե որ հաճախորդները կբերեն ամենաբարձր արժեքը իրենց կյանքի ընթացքում: Օգտագործելով Retina-ն բոլոր արշավներում գովազդային ծախսերի ելակետային միջին եկամտաբերությունը (ROAS) չափելու համար և շարունակաբար միավորներ հավաքելով և համապատասխանաբար թարմացնելով CPA-ները, Retina-ի կանխատեսումները առաջացնում են շատ ավելի բարձր ROAS այն արշավի վրա, որն օպտիմիզացվել է eCLV-ի միջոցով: Արհեստական ​​ինտելեկտի այս ռազմավարական օգտագործումը բիզնեսին հնարավորություն է տալիս բացահայտելու և մուտք գործելու այն հաճախորդներին, որոնք վկայում են մնացորդային արժեքի մասին: Հաճախորդների գնահատականից բացի, Retina-ն կարող է ինտեգրել և սեգմենտավորել տվյալները հաճախորդների տվյալների հարթակի միջոցով՝ համակարգերում հաշվետվություններ ներկայացնելու համար:
  • Քարոզարշավի բյուջեի օպտիմալացում – Ռազմավարական շուկայավարները միշտ ուղիներ են փնտրում իրենց գովազդային ծախսերը օպտիմալացնելու համար: Խնդիրն այն է, որ շուկայավարների մեծամասնությունը պետք է սպասի մինչև 90 օր, մինչև նրանք կարողանան չափել նախորդ քարոզարշավի արդյունավետությունը և համապատասխանաբար կարգավորել ապագա բյուջեները: Retina Early CLV-ն թույլ է տալիս շուկայավարներին խելացի ընտրություն կատարել, թե որտեղ կենտրոնացնեն իրենց գովազդային ծախսերը իրական ժամանակում՝ վերապահելով իրենց ամենաբարձր CPA-ները բարձրարժեք հաճախորդների և հեռանկարայինների համար: Սա արագորեն օպտիմիզացնում է ավելի բարձր արժեք ունեցող արշավների թիրախային CPA-ները՝ ապահովելու ավելի բարձր ROAS և ավելի բարձր փոխարկման տոկոսադրույքներ: 
  • Lookalike լսարաններ – Retina մենք նկատեցինք, որ շատ ընկերություններ ունեն շատ ցածր ROAS՝ սովորաբար մոտ 1 կամ նույնիսկ 1-ից պակաս: Դա հաճախ տեղի է ունենում, երբ ընկերության գովազդային ծախսերը համաչափ չեն իրենց հեռանկարային կամ գոյություն ունեցող հաճախորդների կյանքի արժեքին: ROAS-ի կտրուկ ավելացման եղանակներից մեկը արժեքի վրա հիմնված նման լսարաններ ստեղծելն է և համապատասխան հայտերի սահմանաչափեր սահմանելը: Այս կերպ բիզնեսները կարող են օպտիմալացնել գովազդի ծախսերը՝ հիմնվելով այն արժեքի վրա, որը երկարաժամկետ հեռանկարում կբերի իրենց հաճախորդները: Գործարարները կարող են եռապատկել իրենց գովազդային ծախսերը Retina-ի հաճախորդների կյանքի արժեքի վրա հիմնված նման լսարանների հետ:
  • Արժեքի վրա հիմնված սակարկություն – Արժեքի վրա հիմնված սակարկությունները հիմնված են այն գաղափարի վրա, որ նույնիսկ ավելի ցածր արժեք ունեցող հաճախորդները արժե ձեռք բերել, քանի դեռ դուք չափազանց շատ չեք ծախսում նրանց ձեռքբերման համար: Այդ ենթադրությամբ, Retina-ն օգնում է հաճախորդներին իրականացնել արժեքի վրա հիմնված սակարկություններ (VBB) իրենց Google և Facebook արշավներում: Առաջարկի սահմանաչափերի սահմանումը կարող է օգնել ապահովել LTV:CAC բարձր հարաբերակցությունը և հաճախորդներին ավելի ճկունություն տալ՝ փոփոխելու արշավի պարամետրերը՝ բիզնես նպատակներին համապատասխան: Retina-ի գնի դինամիկ սահմանաչափերով՝ հաճախորդները զգալիորեն բարելավեցին իրենց LTV:CAC հարաբերակցությունները՝ ձեռքբերման ծախսերը պահելով իրենց հայտի սահմանաչափի 60%-ից ցածր:
  • Ֆինանսական և հաճախորդների առողջություն - Զեկուցեք ձեր հաճախորդների բազայի առողջության և արժեքի մասին: Հաճախորդների որակի հաշվետվություն™ (QoC) տրամադրում է ընկերության հաճախորդների բազայի մանրամասն վերլուծություն: QoC-ն կենտրոնանում է հեռանկարային հաճախորդների չափանիշների վրա և հաշվի է առնում հաճախորդների սեփական կապիտալը, որը կառուցված է կրկնակի գնումների վարքագծով:

Պլանավորեք զանգ՝ ավելին իմանալու համար

Էմադ Հասան

Էմադը գլխավոր տնօրենն է և համահիմնադիրը Ցանցաթաղանթ AI. 2017 թվականից Retina-ն աշխատել է հաճախորդների հետ, ինչպիսիք են Nestle-ը, Dollar Shave Club-ը, Madison Reed-ը և այլն: Նախքան Retina-ին միանալը, Էմադը ստեղծել և ղեկավարել է վերլուծական թիմեր Facebook-ում և PayPal-ում: Նրա շարունակական կիրքն ու փորձը տեխնոլոգիական արդյունաբերության մեջ նրան հնարավորություն են տվել ստեղծել այնպիսի ապրանքներ, որոնք օգնում են կազմակերպություններին ավելի լավ բիզնես որոշումներ կայացնել՝ օգտագործելով իրենց սեփական տվյալները: Էմադը ստացել է Փեն Սթեյթի Էլեկտրատեխնիկայի բակալավրի կոչում, Rensselaer պոլիտեխնիկական ինստիտուտի էլեկտրատեխնիկայի մագիստրոսի կոչում, իսկ UCLA Անդերսոնի կառավարման դպրոցից՝ MBA: Retina AI-ի հետ իր աշխատանքից դուրս նա բլոգեր է, խոսնակ, ստարտափի խորհրդատու և բացօթյա արկածախնդիր:

Առնչվող հոդվածներ

Վերադառնալ սկիզբ կոճակը
փակել

Հայտնաբերվել է Adblock

Martech Zone կարող է անվճար տրամադրել ձեզ այս բովանդակությունը, քանի որ մենք դրամայնացնում ենք մեր կայքը գովազդից ստացված եկամուտների, փոխկապակցված հղումների և հովանավորությունների միջոցով: Մենք երախտապարտ կլինենք, եթե մեր կայքը դիտելիս հեռացնեիք ձեր գովազդային արգելափակիչը: