L'ère de l'acquisition client 3.0

L'avènement de nouveaux algorithmes, un traitement plus rapide et des ensembles de données massifs basés sur le cloud permettent à tous les principaux fournisseurs de médias numériques qui vendent de la publicité d'expérimenter l'intelligence artificielle (IA) pour améliorer les performances de leurs annonceurs. Et tandis que tous les domaines du marketing sont particulièrement mûrs pour la transformation, c'est le moment idéal pour se concentrer sur les domaines de l'acquisition de nouveaux clients et de la croissance des revenus.

C'est là que la plupart des entreprises dépensent généralement l'argent le plus discrétionnairement. Ces domaines, que nous appellerons collectivement Acquisition de clients 3.0, ont le plus grand impact sur le développement de votre entreprise.

Définissons d'abord rapidement Customer Acquisition 1.0 comme la phase de données client cloisonnées vivant sur différents serveurs physiques. En conséquence, les entreprises qui menaient des efforts d'acquisition d'utilisateurs payants étaient paralysées par des données médiocres et n'avaient pas une confiance totale dans les performances de leurs campagnes.

Customer Acquisition 2.0 est la possibilité d'exploiter les capacités de traitement des données basées sur le cloud pour intégrer toutes vos données client provenant de plusieurs sources dans une plate-forme de données client unifiée.

Avec l'infrastructure Customer Acquisition 2.0 en place, vous êtes en bonne forme pour tirer parti des capacités d'IA individuelles et de l'automatisation des principaux partenaires publicitaires fonctionnant en silos comme Facebook, Google et d'autres pour vous aider à mieux optimiser votre budget afin d'atteindre vos objectifs de performances.

De nouvelles dimensions pour l'échelle et l'apprentissage

Cela nous amène à ce que j'appelle le monde de l'acquisition de clients 3.0, où plus l'échelle ne représentera plus que la valeur traditionnelle d'atteindre le leadership des coûts et d'optimiser la fourniture d'une offre stable.

Au lieu de cela, l'échelle créera de la valeur de nouvelles manières dans plusieurs dimensions : échelle de la quantité de données pertinentes que les entreprises peuvent générer et auxquelles les entreprises peuvent accéder, échelle de la quantité d'apprentissage pouvant être extraite de ces données, échelle pour réduire les risques d'expérimentation la taille et la valeur des écosystèmes collaboratifs, l'échelle de la quantité d'idées nouvelles qu'ils peuvent générer en raison de ces facteurs, et l'échelle pour amortir les risques de chocs imprévus.

L'apprentissage a toujours été important dans les affaires. Comme Bruce Henderson l'a observé il y a plus de 50 ans, les entreprises peuvent généralement réduire leurs coûts de production marginaux à un rythme prévisible à mesure que leur expérience cumulée augmente.

Mais dans les modèles d'apprentissage traditionnels, les connaissances qui comptent (apprendre à fabriquer un produit ou à exécuter un processus plus efficacement) sont statiques et durables.

À l'avenir, il sera plutôt nécessaire de renforcer les capacités organisationnelles pour l'apprentissage dynamique : apprendre à faire de nouvelles choses et « apprendre à apprendre » en tirant parti des nouvelles technologies et de vastes ensembles de données.

Aujourd'hui, l'IA, les capteurs et les plates-formes numériques ont déjà augmenté les possibilités d'apprentissage plus efficacement, mais selon le BCG, rivaliser sur le taux d'apprentissage deviendra une nécessité d'ici les années 2020.

L'environnement commercial dynamique et incertain obligera les entreprises à se concentrer davantage sur la découverte et l'adaptation plutôt que sur la prévision et la planification.

Les entreprises adopteront donc de plus en plus et étendront leur utilisation de l'IA, élevant la barre concurrentielle pour l'apprentissage. Et les avantages généreront un effet de « volant d'inertie des données » : les entreprises qui apprennent plus rapidement auront de meilleures offres, attirant plus de clients et plus de données, augmentant encore leur capacité d'apprentissage.

Cependant, il existe un écart énorme entre le défi traditionnel d'apprendre pour améliorer un processus statique et le nouvel impératif d'apprendre continuellement de nouvelles choses dans toute l'organisation.

Par conséquent, pour réussir à rivaliser sur l'apprentissage, il faudra plus que simplement brancher l'IA dans les processus et les structures d'aujourd'hui. Au lieu de cela, les entreprises devront :

• Poursuivez un programme numérique qui englobe tous les modes technologiques pertinents pour l'apprentissage, y compris les capteurs, les plates-formes, les algorithmes, les données et la prise de décision automatisée.
• Connectez-les ensemble dans des architectures d'apprentissage intégrées qui peuvent apprendre à la vitesse des données, plutôt que d'être bloquées par une prise de décision hiérarchique plus lente.
• Développez des modèles commerciaux capables de créer et d'agir sur des informations client dynamiques et personnalisées.

Jamais auparavant les spécialistes du marketing n'avaient eu accès à plus de données sur les clients. Les données internes collectées par les entreprises avec les profils d'utilisateurs peuvent aller au-delà des données de base sur les noms et les données démographiques et peuvent inclure des points de données riches en aval sur l'engagement, la rétention, la monétisation et bien plus encore ; les entreprises peuvent l'utiliser pour créer d'excellents segments d'utilisateurs pour mener des campagnes de prospection et de reciblage pour les équipes de croissance.

L'ingestion et le traitement de toutes ces données de première partie des marques superposées aux données utilisateur riches existantes permettent à ces partenaires médias d'effectuer une modélisation et une analyse sophistiquées avec un apprentissage automatique qui n'était pas possible il y a quelques années à peine. Cela se traduit par un meilleur ciblage avec de nouvelles informations et une analyse des données.

Si vous optimisez toujours manuellement les campagnes de la même manière qu'il y a une demi-décennie, vous pourriez vous retrouver parmi une race en voie de disparition rapide dans le jeu d'acquisition de clients. Tout processus manuel est probablement beaucoup moins efficace et beaucoup plus sujet aux erreurs humaines que les nouvelles solutions qui émergent rapidement pour s'attaquer aux inefficacités.

IA et acquisition de clients

L'adoption accélérée de l'IA pour l'acquisition de clients par les principales plates-formes médiatiques telles que Google, Facebook, les réseaux publicitaires programmatiques et bien d'autres représente une transition fondamentale et cruciale dans la manière dont les dollars de marketing sont investis dans les campagnes de marketing mobile.

Les spécialistes du marketing de croissance n'ont plus la possibilité de choisir où et comment leurs publicités sont présentées aux utilisateurs. Au lieu de cela, les algorithmes décident de cette logistique, guidés par quelques entrées, telles que les enchères et le budget.

Bien que cela puisse être bon pour la plupart des équipes de croissance, certains des spécialistes du marketing de croissance les plus intelligents du secteur regardent au-delà des façons évidentes dont l'IA peut améliorer les résultats pour se concentrer sur les moyens de pointe "prêts à l'emploi" de l'IA pour dynamiser leur acquisition d'utilisateurs payants. performance.

Il est temps d'allumer les machines intelligentes

En fin de compte, la meilleure façon d'évaluer toute technologie émergente est de déterminer son utilisation pratique dans votre entreprise ou votre secteur. Tout comme les bonnes expériences utilisateur sont personnalisées pour les besoins d'un individu, l'avenir de l'augmentation de l'acquisition de clients sera remporté par les entreprises qui peuvent adapter les solutions d'intelligence artificielle prêtes à l'emploi de chaque plate-forme pour répondre à leurs besoins, objectifs et buts.

Les entreprises qui réussissent ont appris l'importance de se concentrer sur les bonnes mesures et indicateurs de performance clés (KPI), qui sont une valeur mesurable qui démontre avec quelle efficacité une entreprise atteint ses objectifs commerciaux critiques.

Des exemples de KPI sont les coûts d'acquisition client (CAC), le retour sur les dépenses publicitaires (ROAS), les utilisateurs actifs quotidiens (DAU), les utilisateurs actifs mensuels (MAU), la rétention, le taux de désabonnement, etc.

Les machines alimentées par l'IA peuvent aider à orchestrer des campagnes d'acquisition qui se rapprochent plus efficacement de ces objectifs par rapport au processus relativement fragile d'intervention de campagne manuelle.

Cela nécessite une approche multicanal holistique, qui augmente considérablement la complexité opérationnelle, du ciblage basé sur les données à la prolifération des créations en passant par l'attribution et l'optimisation des performances. Et avec la complexité vient exactement ce que vous ne voulez pas : le risque et l'incertitude.

Tôt ou tard, vos efforts d'acquisition de clients s'appuieront sur l'intelligence artificielle, l'apprentissage automatique et l'automatisation pour adapter, personnaliser et personnaliser les parcours utilisateur cross-canal et fournir des résultats optimaux d'une manière qui serait impossible avec l'intelligence d'affaires et les tableaux de bord de dernière génération.

La gestion de campagnes multicanaux complexes avec de multiples cibles, créations et séquences pour accélérer votre taux d'apprentissage nécessitera une couche opérationnelle de machine intelligente au-dessus des solutions prêtes à l'emploi pour fournir d'excellents résultats - ou vous devrez peut-être vous contenter de étant moyen.

Lomit Patel est le vice-président de la croissance chez IMVU. Avant IMVU, Lomit a géré la croissance de startups en démarrage, notamment Roku (IPO), TrustedID (acquis par Equifax), Texture (acquis par Apple) et EarthLink. Lomit est un conférencier, auteur, conseiller et reconnu comme un héros mobile par Liftoff. Le nouveau livre de Lomit Lean AI , qui fait partie de la série à succès « The Lean Startup » d'Eric Ries, est maintenant disponible sur Amazon .