La era de la adquisición de clientes 3.0

La llegada de nuevos algoritmos, procesamiento más rápido y conjuntos de datos masivos basados ​​en la nube está haciendo posible que todos los principales proveedores de medios digitales que venden publicidad experimenten con inteligencia artificial (IA) para ayudar a impulsar un mejor rendimiento para sus anunciantes. Y si bien todas las áreas de marketing están particularmente listas para la transformación, es un buen momento para enfocarse en las áreas de adquisición de nuevos clientes y crecimiento de ingresos.

Ahí es donde la mayoría de las empresas suelen gastar el dinero más discrecional. Estas áreas, que en conjunto llamaremos Customer Acquisition 3.0, tienen el mayor impacto en la ampliación de su negocio.

Primero definamos rápidamente Customer Acquisition 1.0 como la fase de datos de clientes en silos que viven en diferentes servidores físicos. Como resultado, las empresas que realizaban esfuerzos de adquisición de usuarios pagados estaban paralizadas con datos deficientes y tenían menos confianza en el rendimiento de sus campañas.

Customer Acquisition 2.0 es la capacidad de aprovechar las capacidades de procesamiento de datos basadas en la nube para integrar todos los datos de sus clientes de múltiples fuentes en una plataforma unificada de datos de clientes.

Con la infraestructura de Adquisición de clientes 2.0 implementada, está en buena forma para aprovechar las capacidades de IA individuales y la automatización de los principales socios publicitarios que se ejecutan en silos como Facebook, Google y otros para ayudarlo a optimizar mejor su presupuesto para alcanzar sus objetivos de rendimiento.

Nuevas dimensiones para la escala y el aprendizaje

Esto nos lleva a lo que llamo el mundo de la adquisición de clientes 3.0, donde la escala ya no representará solo el valor tradicional de lograr el liderazgo en costos y optimizar la provisión de una oferta estable.

En cambio, la escala creará valor de nuevas formas en múltiples dimensiones: escalar en la cantidad de datos relevantes que las empresas pueden generar y acceder, escalar en la cantidad de aprendizaje que se puede extraer de estos datos, escalar para disminuir los riesgos de la experimentación, escalar en el tamaño y el valor de los ecosistemas colaborativos, la escala en la cantidad de nuevas ideas que pueden generar como resultado de estos factores y la escala para amortiguar los riesgos de choques imprevistos.

El aprendizaje siempre ha sido importante en los negocios. Como observó Bruce Henderson hace más de 50 años, las empresas generalmente pueden reducir sus costos marginales de producción a un ritmo predecible a medida que aumenta su experiencia acumulada.

Pero en los modelos tradicionales de aprendizaje, el conocimiento que importa (aprender a fabricar un producto o ejecutar un proceso de manera más eficiente) es estático y duradero.

En el futuro, será necesario, en cambio, desarrollar capacidades organizativas para el aprendizaje dinámico: aprender a hacer cosas nuevas y "aprender a aprender" aprovechando la nueva tecnología y los amplios conjuntos de datos.

Hoy en día, la inteligencia artificial, los sensores y las plataformas digitales ya han aumentado la oportunidad de aprender de manera más efectiva, pero según BCG, competir en la tasa de aprendizaje se convertirá en una necesidad para la década de 2020.

El entorno empresarial dinámico e incierto requerirá que las empresas se centren más en el descubrimiento y la adaptación que solo en la previsión y la planificación.

Por lo tanto, las empresas adoptarán y ampliarán cada vez más su uso de la inteligencia artificial, elevando el nivel competitivo del aprendizaje. Y los beneficios generarán un efecto de "volante de datos": las empresas que aprenden más rápido tendrán mejores ofertas, atraerán más clientes y más datos, lo que aumentará aún más su capacidad de aprendizaje.

Sin embargo, existe una enorme brecha entre el desafío tradicional de aprender a mejorar un proceso estático y el nuevo imperativo de aprender continuamente cosas nuevas en toda la organización.

Por lo tanto, competir con éxito en el aprendizaje requerirá más que simplemente conectar la IA en los procesos y estructuras actuales. En cambio, las empresas deberán:

• Siga una agenda digital que abarque todos los modos de tecnología relevantes para el aprendizaje, incluidos sensores, plataformas, algoritmos, datos y toma de decisiones automatizada.
• Conéctelos en arquitecturas de aprendizaje integradas que pueden aprender a la velocidad de los datos, en lugar de verse limitados por una toma de decisiones jerárquica más lenta.
• Desarrollar modelos de negocio que sean capaces de crear y actuar sobre la base de conocimientos del cliente dinámicos y personalizados.

Nunca antes los especialistas en marketing habían tenido acceso a más datos de clientes. Los datos de origen que las empresas recopilan con los perfiles de usuario pueden ir más allá del nombre básico y los datos demográficos y pueden incluir puntos de datos ricos en sentido descendente sobre participación, retención, monetización y mucho más; las empresas pueden usar esto para crear grandes segmentos de usuarios para ejecutar campañas de prospección y reorientación para equipos de crecimiento.

La ingesta y el procesamiento de todos estos datos propios de marcas superpuestos a los ricos datos de usuarios existentes permite a estos socios de medios realizar modelos y análisis sofisticados con aprendizaje automático que no era posible ni siquiera hace unos años. Esto da como resultado una mejor orientación con nuevos conocimientos y análisis de datos.

Si todavía está optimizando manualmente las campañas de la misma manera que se hizo hace media década, es posible que se encuentre entre una raza que desaparece rápidamente en el juego de la adquisición de clientes. Es probable que cualquier proceso manual sea mucho menos efectivo y mucho más propenso a errores humanos que las nuevas soluciones que emergen rápidamente para atacar las ineficiencias.

IA y adquisición de clientes

La adopción acelerada de la IA para la adquisición de clientes por parte de las principales plataformas de medios como Google, Facebook, redes publicitarias programáticas y muchas otras representa una transición fundamental y fundamental en la forma en que los dólares de marketing se invierten en campañas de marketing móvil.

Los especialistas en marketing de crecimiento ya no tienen la capacidad de elegir dónde o cómo se muestran sus anuncios a los usuarios; en cambio, los algoritmos deciden esta logística, guiados por pocas entradas, como las ofertas y el presupuesto.

Si bien eso puede ser bueno para la mayoría de los equipos de crecimiento, algunos de los especialistas en marketing de crecimiento más inteligentes de la industria están mirando más allá de las formas obvias en que la IA puede mejorar los resultados para centrarse en las formas innovadoras "listas para usar" en las que la IA puede impulsar la adquisición de usuarios pagos. rendimiento.

Es hora de encender las máquinas inteligentes

Al final del día, la mejor manera de evaluar cualquier tecnología emergente es averiguar su uso práctico en su negocio o industria. Al igual que las buenas experiencias de usuario se personalizan para las necesidades de un individuo, el futuro de la adquisición de clientes a escala lo ganarán las empresas que puedan adaptar las soluciones de inteligencia artificial listas para usar de cada plataforma para que se ajusten a sus necesidades, objetivos y metas.

Las empresas exitosas han aprendido la importancia de centrarse en las métricas correctas y los indicadores clave de rendimiento (KPI), que son valores medibles que demuestran la eficacia con la que una empresa está logrando los objetivos comerciales críticos.

Algunos ejemplos de KPI son los costos de adquisición de clientes (CAC), el retorno de la inversión publicitaria (ROAS), los usuarios activos diarios (DAU), los usuarios activos mensuales (MAU), la retención, la tasa de abandono, etc.

Las máquinas impulsadas por IA pueden ayudar a orquestar campañas de adquisición que avancen de manera más eficiente hacia estos objetivos en comparación con el proceso relativamente frágil de la intervención manual de campañas.

Esto requiere un enfoque integral de varios canales, que aumenta enormemente la complejidad operativa, desde la focalización basada en datos hasta la proliferación creativa, la atribución y la optimización del rendimiento. Y con la complejidad viene exactamente lo que no desea: riesgo e incertidumbre.

Más temprano que tarde, sus esfuerzos de adquisición de clientes se basarán en la inteligencia artificial, el aprendizaje automático y la automatización para adaptar, personalizar y personalizar los recorridos de los usuarios entre canales y ofrecer resultados óptimos de formas que serían imposibles con la inteligencia empresarial y los paneles de control de última generación.

La administración de campañas complejas de varios canales con múltiples objetivos, creatividades y secuencias para acelerar su tasa de aprendizaje requerirá una capa operativa de máquina inteligente por encima de las soluciones listas para usar para brindar excelentes resultados, o puede que tenga que conformarse con siendo promedio.

Lomit Patel es la vicepresidenta de crecimiento de IMVU. Antes de IMVU, Lomit gestionaba el crecimiento en las primeras etapas, incluidas Roku (IPO), TrustedID (adquirido por Equifax), Texture (adquirido por Apple) y EarthLink. Lomit es un orador público, autor, asesor y reconocido como Mobile Hero por Liftoff. El nuevo libro Lean AI de Lomit , que forma parte de la serie más vendida "The Lean Startup" de Eric Ries, ya está disponible en Amazon .