فناوری تبلیغاتتجزیه و تحلیل و آزمایشهوش مصنوعیفیلم های بازاریابی و فروش

هوش مصنوعی رتینا: استفاده از هوش مصنوعی پیش‌بینی‌کننده برای بهینه‌سازی کمپین‌های بازاریابی و ایجاد ارزش طول عمر مشتری (CLV)

محیط برای بازاریابان به سرعت در حال تغییر است. با به‌روزرسانی‌های جدید iOS مبتنی بر حریم خصوصی از اپل و کروم که کوکی‌های شخص ثالث را در سال 2023 حذف می‌کنند – در کنار سایر تغییرات – بازاریابان باید بازی خود را با مقررات جدید تطبیق دهند. یکی از تغییرات بزرگ افزایش ارزش در داده های شخص اول است. مارک‌ها اکنون باید برای کمک به پیشبرد کمپین‌ها به داده‌های شرکت و شخص اول تکیه کنند.

ارزش طول عمر مشتری (CLV) چیست؟

ارزش طول عمر مشتری (CLV) معیاری است که تخمین می‌زند چه مقدار ارزش (معمولاً درآمد یا حاشیه سود) هر مشتری معین در طول کل زمان تعامل با برند شما - گذشته، حال و آینده، برای یک کسب‌وکار به ارمغان می‌آورد.

این تغییرات، درک و پیش‌بینی ارزش طول عمر مشتری را برای کسب‌وکارها ضروری می‌سازد، که به آنها کمک می‌کند تا بخش‌های کلیدی مصرف‌کنندگان را برای برند خود قبل از نقطه خرید شناسایی کنند و استراتژی‌های بازاریابی خود را برای رقابت و پیشرفت بهینه کنند.

با این حال، همه مدل‌های CLV یکسان ایجاد نمی‌شوند – بیشتر آن‌ها را در مجموع و نه در سطح فردی تولید می‌کنند، بنابراین، قادر به پیش‌بینی دقیق CLV آینده نیستند. با CLV در سطح فردی که رتینا تولید می کند، مشتریان می توانند آنچه را که بهترین مشتریانشان را از همه متفاوت می کند، متمایز کنند و آن اطلاعات را برای افزایش سود کمپین جذب مشتری بعدی خود بگنجانند. علاوه بر این، رتینا می‌تواند یک پیش‌بینی پویا CLV را بر اساس تعاملات گذشته مشتری با برند ارائه دهد، و به مشتریان این امکان را می‌دهد تا بدانند کدام مشتریان را باید با پیشنهادات، تخفیف‌ها و تبلیغات ویژه هدف قرار دهند.  

رتینا AI چیست؟

هوش مصنوعی رتینا از هوش مصنوعی برای پیش‌بینی ارزش طول عمر مشتری قبل از اولین تراکنش استفاده می‌کند.

هوش مصنوعی شبکیه چشم تنها محصولی است که CLV بلندمدت مشتریان جدید را پیش‌بینی می‌کند و بازاریابان رشد را قادر می‌سازد تا یک کمپین یا تصمیم‌های بهینه‌سازی بودجه را در زمان واقعی اتخاذ کنند. نمونه‌ای از پلتفرم رتینا در حال استفاده، کار ما با مدیسون رید است که به دنبال راه‌حلی بی‌درنگ برای اندازه‌گیری و بهینه‌سازی کمپین‌ها در فیس‌بوک بود. تیم آنجا تصمیم به اجرای یک تست A/B با محوریت آن گرفتند CLV:CAC نسبت (هزینه های جذب مشتری). 

مطالعه موردی مدیسون رید

مدیسون رید با یک کمپین آزمایشی در فیس بوک، هدفش دستیابی به اهداف زیر بود: ROAS و CLV کمپین را در زمان واقعی اندازه‌گیری کنید، بودجه‌ها را به سمت کمپین‌های سودآورتر تخصیص دهید و بفهمید کدام خلاقیت تبلیغاتی بالاترین نسبت CLV:CAC را به همراه دارد.

مدیسون رید تست A/B را با استفاده از مخاطبان هدف یکسان برای هر دو بخش راه‌اندازی کرد: زنان 25 ساله یا بیشتر در ایالات متحده که هرگز مشتری مدیسون رید نبوده‌اند.

  • کمپین A یک کمپین تجاری معمول بود.
  • کمپین B به عنوان بخش آزمایشی اصلاح شد.

با استفاده از ارزش طول عمر مشتری، بخش آزمایشی به طور مثبت برای خرید و منفی در برابر لغو اشتراک بهینه شد. هر دو بخش از تبلیغات یکسانی استفاده کردند.

مدیسون رید آزمایش را در فیسبوک با تقسیم 50/50 به مدت 4 هفته بدون هیچ تغییری در اواسط کمپین انجام داد. نسبت CLV:CAC بلافاصله 5 درصد افزایش یافت، به عنوان یک نتیجه مستقیم از بهینه سازی کمپین با استفاده از ارزش طول عمر مشتری در مدیر تبلیغات فیس بوک. همراه با نسبت CLV:CAC بهتر، کمپین آزمایشی بازدیدهای بیشتر، خریدهای وب سایت و اشتراک های بیشتر را به دست آورد که در نهایت منجر به افزایش درآمد شد. مدیسون رید در هزینه به ازای نمایش و هزینه هر خرید صرفه جویی کرد و در عین حال مشتریان بلندمدت با ارزش تری را نیز به دست آورد.

این نوع نتایج در هنگام استفاده از شبکیه معمولی است. به طور متوسط، رتینا کارایی بازاریابی را 30 درصد افزایش می‌دهد، CLV افزایشی را تا 44 درصد با مخاطبان مشابه افزایش می‌دهد، و 8 برابر بازدهی هزینه‌های تبلیغاتی را به دست می‌آورد.ROAS) در کمپین های کسب در مقایسه با روش های بازاریابی معمولی. شخصی سازی بر اساس ارزش مشتری پیش بینی شده در مقیاس در زمان واقعی در نهایت یک تغییر بازی در فناوری بازاریابی است. تمرکز آن بر رفتار مشتری به جای جمعیت شناسی، استفاده منحصر به فرد و شهودی از داده ها را برای تبدیل کمپین های بازاریابی به برنده های مؤثر و ثابت تبدیل می کند.

رتینا AI قابلیت های زیر را ارائه می دهد

  • امتیازات سرب CLV - رتینا ابزاری را برای کسب و کارها فراهم می کند تا به همه مشتریان امتیاز دهند تا سرنخ های با کیفیت را شناسایی کنند. بسیاری از کسب و کارها مطمئن نیستند که کدام مشتریان بالاترین ارزش را در طول عمر خود خواهند داشت. با استفاده از رتینا برای اندازه‌گیری میانگین بازگشت هزینه تبلیغات (ROAS) در همه کمپین‌ها و به‌طور مستمر امتیازدهی به سرنخ‌ها و به‌روزرسانی CPA بر این اساس، پیش‌بینی‌های رتینا ROAS بسیار بالاتری را در کمپینی ایجاد می‌کند که با استفاده از eCLV بهینه شده است. این استفاده استراتژیک از هوش مصنوعی به کسب و کارها ابزاری برای شناسایی و دسترسی به مشتریانی که نشان دهنده ارزش باقیمانده هستند، می دهد. فراتر از امتیازدهی مشتری، رتینا می‌تواند داده‌ها را از طریق پلتفرم داده‌های مشتری برای گزارش‌دهی در سیستم‌ها یکپارچه و بخش‌بندی کند.
  • بهینه سازی بودجه کمپین - بازاریابان استراتژیک همیشه به دنبال راه هایی برای بهینه سازی هزینه تبلیغات خود هستند. مسئله این است که اکثر بازاریابان باید تا 90 روز منتظر بمانند تا بتوانند عملکرد کمپین قبلی را اندازه گیری کنند و بودجه های آینده را بر اساس آن تنظیم کنند. Retina Early CLV به بازاریابان این امکان را می‌دهد تا با رزرو بالاترین CPA خود برای مشتریان و مشتریان بالقوه، انتخاب‌های هوشمندانه‌ای در مورد محل تمرکز هزینه تبلیغات خود در زمان واقعی داشته باشند. این به سرعت CPAهای هدف کمپین‌های با ارزش بالاتر را بهینه می‌کند تا ROAS بالاتر و نرخ تبدیل بالاتری را به همراه داشته باشد. 
  • مخاطبین Lookalike – Retina ما متوجه شده‌ایم که بسیاری از شرکت‌ها ROAS بسیار پایینی دارند—معمولاً در حدود ۱ یا حتی کمتر از ۱. این اغلب زمانی اتفاق می‌افتد که هزینه تبلیغات یک شرکت با ارزش طول عمر مشتریان بالقوه یا مشتریان فعلی متناسب نباشد. یکی از راه‌های افزایش چشمگیر ROAS، ایجاد مخاطبین مشابه مبتنی بر ارزش و تعیین سقف پیشنهادی مربوطه است. به این ترتیب، کسب و کارها می توانند هزینه تبلیغات را بر اساس ارزشی که مشتریان در درازمدت برایشان به ارمغان می آورد، بهینه کنند. کسب‌وکارها می‌توانند بازده تبلیغاتی خود را با مخاطبان شبیه به ارزش مبتنی بر طول عمر مشتری رتینا سه برابر کنند.
  • مناقصه مبتنی بر ارزش - مناقصه مبتنی بر ارزش بر این ایده استوار است که حتی مشتریان با ارزش کمتر نیز ارزش به دست آوردن دارند، البته تا زمانی که برای خرید آنها هزینه زیادی نکنید. با این فرض، رتینا به مشتریان کمک می کند تا پیشنهادات مبتنی بر ارزش (VBB) را در کمپین های گوگل و فیس بوک خود پیاده سازی کنند. تعیین سقف پیشنهادی می‌تواند به اطمینان از نسبت LTV:CAC بالا کمک کند و به مشتریان انعطاف‌پذیری بیشتری برای تغییر پارامترهای کمپین برای مطابقت با اهداف تجاری می‌دهد. با سقف پیشنهادی پویا از رتینا، مشتریان به طور قابل توجهی نسبت LTV:CAC خود را با نگه داشتن هزینه های خرید زیر 60٪ سقف پیشنهادی خود بهبود دادند.
  • سلامت مالی و مشتری - در مورد سلامت و ارزش پایگاه مشتری خود گزارش دهید. گزارش کیفیت مشتریان (QoC) تجزیه و تحلیل دقیقی از پایگاه مشتری یک شرکت ارائه می دهد. QoC بر معیارهای مشتری آینده نگر تمرکز دارد و ارزش ویژه مشتری را که با رفتار خرید تکراری ساخته شده است، حساب می کند.

برای کسب اطلاعات بیشتر تماسی را برنامه ریزی کنید

عماد حسن

عماد مدیرعامل و یکی از بنیانگذاران هوش مصنوعی شبکیه چشم. از سال 2017 رتینا با مشتریانی مانند Nestle، Dollar Shave Club، Madison Reed و غیره کار کرده است. عماد قبل از پیوستن به رتینا، تیم های تحلیلی را در فیس بوک و پی پال ساخته و اداره می کرد. اشتیاق و تجربه مداوم او در صنعت فناوری، او را قادر ساخت تا محصولاتی بسازد که به سازمان ها در اتخاذ تصمیمات تجاری بهتر از طریق استفاده از داده های خود کمک کند. عماد مدرک لیسانس مهندسی برق را از Penn State، کارشناسی ارشد مهندسی برق از موسسه پلی تکنیک Rensselaer و مدرک MBA از دانشکده مدیریت UCLA Anderson دریافت کرد. خارج از کارش با هوش مصنوعی رتینا، او یک وبلاگ نویس، سخنران، مشاور استارت آپ و ماجراجوی فضای باز است.

مقالات مرتبط

بازگشت به دکمه بالا
نزدیک

Adblock شناسایی شد

Martech Zone می تواند این محتوا را بدون هیچ هزینه ای در اختیار شما قرار دهد زیرا ما از طریق درآمد تبلیغاتی، پیوندهای وابسته و حمایت های مالی از سایت خود کسب درآمد می کنیم. اگر در حین مشاهده سایت ما، مسدود کننده تبلیغات خود را حذف کنید، خوشحال خواهیم شد.