L'era dell'acquisizione del cliente 3.0

L'avvento di nuovi algoritmi, elaborazione più rapida e enormi set di dati basati su cloud sta rendendo possibile a tutti i principali fornitori di media digitali che vendono pubblicità di sperimentare l'intelligenza artificiale (AI) per contribuire a migliorare le prestazioni per i loro inserzionisti. E sebbene tutte le aree del marketing siano particolarmente mature per la trasformazione, è un ottimo momento per concentrarsi sulle aree dell'acquisizione di nuovi clienti e della crescita dei ricavi.

È qui che la maggior parte delle aziende di solito spende il denaro più discrezionale. Queste aree, che collettivamente chiameremo Customer Acquisition 3.0, hanno il maggiore impatto sulla scalabilità della tua attività.

Per prima cosa definiamo rapidamente Customer Acquisition 1.0 come la fase dei dati dei clienti in silos che vivono in diversi server fisici. Di conseguenza, le aziende che eseguivano attività di acquisizione di utenti a pagamento erano ostacolate da dati scarsi e non avevano piena fiducia nel rendimento delle loro campagne.

Customer Acquisition 2.0 è la capacità di sfruttare le funzionalità di elaborazione dei dati basate su cloud per integrare tutti i dati dei clienti da più fonti in un'unica piattaforma di dati dei clienti unificata.

Con l'infrastruttura di Customer Acquisition 2.0 in atto, sei in buona forma per sfruttare le capacità individuali di intelligenza artificiale e l'automazione dei principali partner pubblicitari in esecuzione in silos come Facebook, Google e altri per aiutarti a ottimizzare meglio il tuo budget per raggiungere i tuoi obiettivi di performance.

Nuove dimensioni per la scalabilità e l'apprendimento

Questo ci porta a quello che chiamo il mondo della Customer Acquisition 3.0, dove la scala non rappresenterà più solo il valore tradizionale del raggiungimento della leadership di costo e dell'ottimizzazione della fornitura di un'offerta stabile.

Invece, la scala creerà valore in modi nuovi su più dimensioni: scalare la quantità di dati rilevanti che le aziende possono generare e a cui accedere, scalare la quantità di apprendimento che può essere estratto da questi dati, scalare per ridurre i rischi della sperimentazione, scalare in la dimensione e il valore degli ecosistemi collaborativi, scalare la quantità di nuove idee che possono generare come risultato di questi fattori e scalare nel tamponare i rischi di shock imprevisti.

L'apprendimento è sempre stato importante negli affari. Come ha osservato Bruce Henderson più di 50 anni fa, le aziende possono generalmente ridurre i loro costi marginali di produzione a un ritmo prevedibile man mano che la loro esperienza cumulativa cresce.

Ma nei modelli tradizionali di apprendimento, la conoscenza che conta, imparare come realizzare un prodotto o eseguire un processo in modo più efficiente, è statica e duratura.

In futuro, sarà invece necessario costruire capacità organizzative per l'apprendimento dinamico: imparare a fare cose nuove e "imparare a imparare" sfruttando le nuove tecnologie e vasti set di dati.

Oggi, l'intelligenza artificiale, i sensori e le piattaforme digitali hanno già aumentato le opportunità di apprendimento in modo più efficace, ma secondo BCG, competere sul tasso di apprendimento diventerà una necessità entro il 2020.

L'ambiente aziendale dinamico e incerto richiederà alle aziende di concentrarsi maggiormente sulla scoperta e sull'adattamento piuttosto che solo sulla previsione e sulla pianificazione.

Le aziende quindi adotteranno e amplieranno sempre più il loro uso dell'IA, alzando l'asticella della concorrenza per l'apprendimento. E i vantaggi genereranno un effetto "volano dati": le aziende che imparano più velocemente avranno offerte migliori, attirando più clienti e più dati, aumentando ulteriormente la loro capacità di apprendimento.

Tuttavia, c'è un enorme divario tra la tradizionale sfida di imparare a migliorare un processo statico e il nuovo imperativo di imparare continuamente cose nuove in tutta l'organizzazione.

Pertanto, competere con successo sull'apprendimento richiederà più che semplicemente collegare l'intelligenza artificiale ai processi e alle strutture odierne. Le aziende dovranno invece:

• Persegui un'agenda digitale che abbracci tutte le modalità tecnologiche rilevanti per l'apprendimento, inclusi sensori, piattaforme, algoritmi, dati e processi decisionali automatizzati.
• Connettili insieme in architetture di apprendimento integrate che possono apprendere alla velocità dei dati, piuttosto che essere vincolati da un processo decisionale gerarchico più lento.
• Sviluppa modelli di business in grado di creare e agire su insight dinamici e personalizzati dei clienti.

Mai prima d'ora i professionisti del marketing hanno avuto accesso a più dati sui clienti. I dati di prima parte che le aziende raccolgono con i profili utente possono andare oltre il nome di base e i dati demografici e potrebbero includere punti di dati ricchi a valle su coinvolgimento, fidelizzazione, monetizzazione e molto altro; le aziende possono utilizzarlo per creare grandi segmenti di utenti per l'esecuzione di campagne di prospezione e retargeting per i team di crescita.

L'acquisizione e l'elaborazione di tutti questi dati proprietari dei marchi sovrapposti ai dati utente avanzati esistenti consente a questi partner multimediali di eseguire modellazioni e analisi sofisticate con l'apprendimento automatico che non erano possibili nemmeno pochi anni fa. Ciò si traduce in un migliore targeting con nuove informazioni e analisi dei dati.

Se stai ancora ottimizzando manualmente le campagne nello stesso modo in cui si faceva mezzo decennio fa, potresti trovarti in una razza che sta rapidamente scomparendo nel gioco dell'acquisizione dei clienti. Qualsiasi processo manuale è probabilmente molto meno efficace e molto più soggetto all'errore umano rispetto alle nuove soluzioni che emergono rapidamente per attaccare le inefficienze.

AI e acquisizione clienti

L'adozione accelerata dell'AI per l'acquisizione di clienti da parte delle principali piattaforme multimediali come Google, Facebook, reti pubblicitarie programmatiche e molte altre rappresenta una transizione fondamentale e fondamentale nel modo in cui i dollari di marketing vengono investiti nelle campagne di marketing mobile.

I marketer della crescita non hanno più la possibilità di scegliere dove o come mostrare i propri annunci agli utenti, ma gli algoritmi decidono questa logistica, guidati da pochi input, come offerte e budget.

Sebbene ciò possa essere positivo per la maggior parte dei team di crescita, alcuni dei marketer di crescita più intelligenti del settore stanno guardando oltre gli ovvi modi in cui l'intelligenza artificiale può migliorare i risultati per concentrarsi sui modi all'avanguardia "pronti all'uso" in cui l'intelligenza artificiale può potenziare l'acquisizione di utenti a pagamento prestazione.

È ora di accendere le macchine intelligenti

Alla fine della giornata, il modo migliore per valutare qualsiasi tecnologia emergente è capire il suo uso pratico nella tua azienda o nel tuo settore. Proprio come le buone esperienze utente sono personalizzate per le esigenze di un individuo, il futuro della scalabilità dell'acquisizione dei clienti sarà vinto dalle aziende che possono adattare le soluzioni di intelligenza artificiale pronte all'uso di ciascuna piattaforma per soddisfare le loro esigenze, obiettivi e obiettivi.

Le aziende di successo hanno imparato l'importanza di concentrarsi sulle giuste metriche e indicatori chiave di prestazione (KPI), che sono un valore misurabile che dimostra l'efficacia con cui un'azienda sta raggiungendo obiettivi aziendali critici.

Esempi di KPI sono i costi di acquisizione dei clienti (CAC), il ritorno sulla spesa pubblicitaria (ROAS), gli utenti attivi giornalieri (DAU), gli utenti attivi mensili (MAU), la fidelizzazione, il tasso di abbandono e così via.

Le macchine basate sull'intelligenza artificiale possono aiutare a orchestrare campagne di acquisizione che si muovono in modo più efficiente verso questi obiettivi rispetto al processo relativamente fragile dell'intervento manuale della campagna.

Ciò richiede un approccio olistico multicanale, che aumenta enormemente la complessità operativa, dal targeting basato sui dati alla proliferazione creativa, all'attribuzione e all'ottimizzazione delle prestazioni. E con la complessità arriva esattamente ciò che non vuoi: rischio e incertezza.

Prima o poi, i tuoi sforzi di acquisizione dei clienti si baseranno sull'intelligenza artificiale, sull'apprendimento automatico e sull'automazione per adattare, personalizzare e personalizzare i percorsi utente multicanale e fornire risultati ottimali in modi che sarebbero impossibili utilizzando la business intelligence e i dashboard di ultima generazione.

La gestione di campagne multicanale complesse con più obiettivi, creatività e sequenze per accelerare il tasso di apprendimento richiederà un livello operativo della macchina intelligente al di sopra delle soluzioni pronte all'uso per fornire ottimi risultati, oppure potresti doverti accontentare essere nella media.

Lomit Patel è il vicepresidente della crescita presso IMVU. Prima di IMVU, Lomit ha gestito la crescita in startup in fase iniziale, tra cui Roku (IPO), TrustedID (acquisito da Equifax), Texture (acquisito da Apple) e EarthLink. Lomit è un oratore pubblico, autore, consulente e riconosciuto come Mobile Hero da Liftoff. Il nuovo libro di Lomit Lean AI , che fa parte della serie best-seller di Eric Ries "The Lean Startup", è ora disponibile su Amazon .