Das Zeitalter der Kundengewinnung 3.0

Das Aufkommen neuer Algorithmen, schnellerer Verarbeitung und massiver, Cloud-basierter Datensätze ermöglicht es allen großen Anbietern digitaler Medien, die Werbung verkaufen, mit künstlicher Intelligenz (KI) zu experimentieren, um ihre Werbetreibenden zu verbessern. Und während alle Bereiche des Marketings besonders reif für eine Transformation sind, ist jetzt ein guter Zeitpunkt, sich auf die Bereiche Neukundengewinnung und Umsatzwachstum zu konzentrieren.

Hier geben die meisten Unternehmen in der Regel das am meisten diskretionäre Geld aus. Diese Bereiche – die wir zusammenfassend als Customer Acquisition 3.0 bezeichnen – haben den größten Einfluss auf die Skalierung Ihres Unternehmens.

Lassen Sie uns zunächst kurz Customer Acquisition 1.0 als die Phase der isolierten Kundendaten definieren, die auf verschiedenen physischen Servern leben. Infolgedessen waren Unternehmen, die kostenpflichtige Nutzerakquise betrieben, mit schlechten Daten überfordert und hatten nicht das volle Vertrauen in die Leistung ihrer Kampagnen.

Customer Acquisition 2.0 ist die Möglichkeit, Cloud-basierte Datenverarbeitungsfunktionen zu nutzen, um alle Ihre Kundendaten aus mehreren Quellen in eine einheitliche Kundendatenplattform zu integrieren.

Mit der Infrastruktur für Customer Acquisition 2.0 sind Sie in der Lage, die individuellen KI-Funktionen und die Automatisierung großer Werbepartner, die in Silos wie Facebook, Google und anderen laufen, zu nutzen, um Ihr Budget besser zu optimieren, um Ihre Leistungsziele zu erreichen.

Neue Dimensionen für Skalierung und Lernen

Dies bringt uns in die, wie ich es nenne, Welt der Kundenakquise 3.0, in der nicht mehr die Skalierung nur den traditionellen Wert darstellt, Kostenführerschaft zu erreichen und die Bereitstellung eines stabilen Angebots zu optimieren.

Stattdessen wird Skalierbarkeit auf neue Weise über mehrere Dimensionen hinweg Mehrwert schaffen: Skalierbarkeit der Menge relevanter Daten, die Unternehmen generieren und auf die Unternehmen zugreifen können, Skalierbarkeit der Lernmenge, die aus diesen Daten gewonnen werden kann, Skalierbarkeit, um die Risiken des Experimentierens zu verringern, Skalierbarkeit die Größe und den Wert von kollaborativen Ökosystemen, die Menge neuer Ideen, die sie als Ergebnis dieser Faktoren generieren können, und die Größe bei der Abfederung der Risiken unvorhergesehener Schocks.

Lernen war schon immer wichtig in der Wirtschaft. Wie Bruce Henderson vor mehr als 50 Jahren feststellte, können Unternehmen ihre Grenzproduktionskosten im Allgemeinen mit einer vorhersehbaren Rate senken, wenn ihre kumulierte Erfahrung wächst.

Aber in traditionellen Lernmodellen ist das Wissen, auf das es ankommt – zu lernen, wie man ein Produkt produziert oder einen Prozess effizienter ausführt – statisch und dauerhaft.

In Zukunft wird es stattdessen notwendig sein, organisatorische Fähigkeiten für dynamisches Lernen aufzubauen – das Lernen, wie man neue Dinge tut, und das „Lernen, wie man lernt“, indem neue Technologien und riesige Datensätze genutzt werden.

Heute haben KI, Sensoren und digitale Plattformen die Möglichkeit, effektiver zu lernen, bereits erhöht – aber laut BCG wird der Wettbewerb um die Lernrate in den 2020er Jahren eine Notwendigkeit sein.

Das dynamische, unsichere Geschäftsumfeld wird Unternehmen dazu zwingen, sich mehr auf Entdeckungen und Anpassungen zu konzentrieren als nur auf Prognosen und Planungen.

Unternehmen werden daher den Einsatz von KI zunehmend übernehmen und ausweiten, was die Messlatte für das Lernen höher legt. Und die Vorteile werden einen „Datenschwungrad“-Effekt erzeugen – Unternehmen, die schneller lernen, werden bessere Angebote haben, mehr Kunden und mehr Daten anziehen und ihre Lernfähigkeit weiter erhöhen.

Es klafft jedoch eine enorme Kluft zwischen der traditionellen Herausforderung, einen statischen Prozess zu verbessern, und der neuen Notwendigkeit, im gesamten Unternehmen ständig Neues zu lernen.

Für einen erfolgreichen Lernwettbewerb ist daher mehr erforderlich, als nur die KI in die heutigen Prozesse und Strukturen einzubinden. Stattdessen müssen Unternehmen:

• Verfolgen Sie eine digitale Agenda, die alle für das Lernen relevanten Technologien umfasst – einschließlich Sensoren, Plattformen, Algorithmen, Daten und automatisierter Entscheidungsfindung.
• Verbinden Sie sie in integrierten Lernarchitekturen, die mit Datengeschwindigkeit lernen können, anstatt von langsameren hierarchischen Entscheidungsfindungen eingeschränkt zu werden.
• Entwickeln Sie Geschäftsmodelle, die in der Lage sind, dynamische, personalisierte Kundeneinblicke zu erstellen und darauf zu reagieren.

Nie zuvor hatten Marketer Zugriff auf mehr Kundendaten. Die First-Party-Daten, die Unternehmen mit Benutzerprofilen sammeln, können über grundlegende Namens- und demografische Daten hinausgehen und können nachgelagerte umfangreiche Datenpunkte zu Engagement, Bindung, Monetarisierung und vielem mehr umfassen. Unternehmen können dies nutzen, um großartige Benutzersegmente für die Durchführung von Prospektions- und Retargeting-Kampagnen für Wachstumsteams aufzubauen.

Das Aufnehmen und Verarbeiten all dieser First-Party-Daten von Marken, die über die vorhandenen umfangreichen Benutzerdaten gelegt werden, ermöglicht es diesen Medienpartnern, anspruchsvolle Modellierungen und Analysen mit maschinellem Lernen durchzuführen, die noch vor einigen Jahren nicht möglich waren. Dies führt zu einem besseren Targeting mit neuen Erkenntnissen und Datenanalysen.

Wenn Sie Kampagnen immer noch manuell optimieren, so wie es vor einem halben Jahrzehnt der Fall war, befinden Sie sich möglicherweise in einer schnell verschwindenden Art in der Kundenakquise. Jeder manuelle Prozess ist wahrscheinlich viel weniger effektiv und anfälliger für menschliche Fehler als die neuen Lösungen, die schnell auftauchen, um Ineffizienzen zu bekämpfen.

KI und Kundenakquise

Die beschleunigte Einführung von KI zur Kundenakquise durch große Medienplattformen wie Google, Facebook, programmatische Werbenetzwerke und viele andere stellt einen grundlegenden und entscheidenden Übergang in der Art und Weise dar, wie Marketinggelder in mobile Marketingkampagnen investiert werden.

Wachstumsmarketingspezialisten haben nicht mehr die Möglichkeit, auszuwählen, wo oder wie ihre Anzeigen den Nutzern gezeigt werden. Stattdessen entscheiden Algorithmen diese Logistik, die von wenigen Eingaben wie Geboten und Budget geleitet wird.

Während dies für die meisten Wachstumsteams gut sein mag, schauen einige der intelligentesten Wachstumsvermarkter der Branche über die offensichtlichen Möglichkeiten hinaus, wie KI die Ergebnisse verbessern kann, um sich auf die neuesten „out of the box“-Methoden zu konzentrieren, mit denen KI ihre bezahlte Benutzerakquise beschleunigen kann Leistung.

Es ist Zeit, die intelligenten Maschinen einzuschalten

Letztendlich besteht der beste Weg, eine neue Technologie zu bewerten, darin, ihren praktischen Nutzen in Ihrem Unternehmen oder Ihrer Branche herauszufinden. So wie gute Benutzererfahrungen auf die Bedürfnisse eines Einzelnen zugeschnitten sind, wird die Zukunft der skalierbaren Kundenakquise von Unternehmen gewonnen, die die vorkonfigurierten künstlichen Intelligenzlösungen jeder Plattform an ihre Bedürfnisse, Ziele und Ziele anpassen können.

Erfolgreiche Unternehmen haben gelernt, wie wichtig es ist, sich auf die richtigen Kennzahlen und Key Performance Indicators (KPIs) zu konzentrieren, die einen messbaren Wert darstellen, der zeigt, wie effektiv ein Unternehmen kritische Geschäftsziele erreicht.

Beispiele für KPIs sind Kundenakquisitionskosten (CAC), Return on Advertising Spend (ROAS), täglich aktive Nutzer (DAU), monatlich aktive Nutzer (MAU), Kundenbindung, Abwanderungsrate usw.

KI-betriebene Maschinen können dazu beitragen, Akquisitionskampagnen zu orchestrieren, die diese Ziele effizienter erreichen als der relativ mühsame Prozess der manuellen Kampagnenintervention.

Dies erfordert einen ganzheitlichen kanalübergreifenden Ansatz, der die betriebliche Komplexität massiv erhöht – von datengetriebenem Targeting über kreative Verbreitung bis hin zu Attribution und Leistungsoptimierung. Und mit Komplexität kommt genau das, was Sie nicht wollen: Risiko und Unsicherheit.

Früher als später werden Ihre Bemühungen zur Kundenakquise auf künstliche Intelligenz, maschinelles Lernen und Automatisierung angewiesen sein, um kanalübergreifende User Journeys anzupassen, anzupassen und zu personalisieren und optimale Ergebnisse auf eine Weise zu liefern, die mit Business Intelligence und Dashboards der letzten Generation unmöglich wäre.

Die Verwaltung komplexer, kanalübergreifender Kampagnen mit mehreren Zielen, Creatives und Sequenzen zur Beschleunigung Ihrer Lernrate erfordert eine intelligente Maschinenbetriebsebene über den sofort einsatzbereiten Lösungen, um großartige Ergebnisse zu erzielen – oder Sie müssen sich möglicherweise damit zufrieden geben durchschnittlich sein.

Lomit Patel ist Vizepräsident für Wachstum bei IMVU. Vor IMVU leitete Lomit das Wachstum bei Start-ups im Frühstadium, darunter Roku (IPO), TrustedID (übernommen von Equifax), Texture (übernommen von Apple) und EarthLink. Lomit ist ein öffentlicher Redner, Autor, Berater und von Liftoff als Mobile Hero anerkannt. Lomits neues Buch Lean AI , das zu Eric Ries' Bestseller-Reihe „The Lean Startup“ gehört, ist ab sofort bei Amazon erhältlich .