고객 확보 시대 3.0

새로운 알고리즘, 더 빠른 처리, 방대한 클라우드 기반 데이터 세트의 출현으로 광고를 판매하는 모든 주요 디지털 미디어 제공업체는 인공 지능(AI)을 실험하여 광고주의 실적을 개선할 수 있습니다. 마케팅의 모든 영역이 특히 혁신을 위해 무르익고 있지만 지금은 신규 고객 확보 및 매출 성장 영역에 집중할 좋은 시기입니다.

그것은 대부분의 회사가 일반적으로 가장 재량에 돈을 쓰는 곳입니다. 이러한 영역(집합적으로 Customer Acquisition 3.0이라고 칭함)은 비즈니스 확장에 가장 큰 영향을 미칩니다.

먼저 Customer Acquisition 1.0을 서로 다른 물리적 서버에 있는 격리된 고객 데이터의 단계로 빠르게 정의하겠습니다. 결과적으로 유료 사용자 확보를 위해 노력하는 회사는 열악한 데이터로 인해 어려움을 겪었고 캠페인이 얼마나 잘 수행되고 있는지에 대한 완전한 확신이 없었습니다.

Customer Acquisition 2.0은 클라우드 기반 데이터 처리 기능을 활용하여 여러 소스의 모든 고객 데이터를 하나의 통합 고객 데이터 플랫폼으로 통합하는 기능입니다.

Customer Acquisition 2.0 인프라가 구축되면 Facebook, Google 등과 같은 사일로에서 실행되는 주요 광고 파트너의 개별 AI 기능과 자동화를 활용하여 실적 목표를 달성하기 위해 예산을 더 잘 최적화할 수 있습니다.

규모와 학습을 위한 새로운 차원

이것은 내가 고객 획득 3.0의 세계라고 부르는 것으로 우리를 인도합니다. 여기서 더 이상 확장은 비용 우위를 달성하고 안정적인 제품 제공을 최적화하는 전통적인 가치만을 나타내지 않을 것입니다.

그 대신 규모는 여러 차원에서 새로운 방식으로 가치를 창출합니다. 기업이 생성하고 액세스할 수 있는 관련 데이터의 양을 늘리고, 이 데이터에서 추출할 수 있는 학습의 양을 늘리고, 실험의 위험을 줄이기 위해 규모를 조정하고, 규모를 늘리십시오. 협력 생태계의 규모와 가치, 이러한 요인의 결과로 생성할 수 있는 새로운 아이디어의 양, 예상치 못한 충격의 위험을 완충하는 규모.

학습은 항상 비즈니스에서 중요했습니다. Bruce Henderson이 50여 년 전에 관찰한 것처럼 기업은 일반적으로 누적 경험이 증가함에 따라 예측 가능한 비율로 한계 생산 비용을 줄일 수 있습니다.

그러나 전통적인 학습 모델에서 중요한 지식(하나의 제품을 만드는 방법이나 하나의 프로세스를 더 효율적으로 실행하는 방법을 배우는 것)은 정적이고 영구적입니다.

앞으로는 새로운 일을 하는 방법을 배우고 새로운 기술과 방대한 데이터 세트를 활용하는 "학습 방법을 배우는" 역동적인 학습을 위한 조직적 역량을 구축하는 것이 필요할 것입니다.

오늘날 AI, 센서 및 디지털 플랫폼은 이미 학습 기회를 더 효과적으로 증가시켰지만 BCG에 따르면 2020년대에는 학습 속도 경쟁이 필수가 될 것입니다.

역동적이고 불확실한 비즈니스 환경에서 기업은 예측과 계획보다 발견과 적응에 더 집중해야 합니다.

따라서 기업은 점점 더 AI를 채택하고 사용을 확대하여 학습에 대한 경쟁 기준을 높일 것입니다. 그리고 그 이점은 "데이터 플라이휠" 효과를 생성할 것입니다. 더 빨리 학습하는 회사는 더 나은 제품을 제공하고 더 많은 고객과 더 많은 데이터를 유치하여 학습 능력을 더욱 향상시킬 것입니다.

그러나 정적 프로세스를 개선하기 위한 학습의 전통적인 도전과 조직 전체에서 새로운 것을 지속적으로 학습해야 하는 새로운 필수 과제 사이에는 엄청난 격차가 있습니다.

따라서 성공적인 학습 경쟁에는 단순히 AI를 오늘날의 프로세스와 구조에 연결하는 것 이상이 필요합니다. 대신 기업은 다음을 수행해야 합니다.

• 센서, 플랫폼, 알고리즘, 데이터 및 자동화된 의사 결정을 포함하여 학습과 관련된 모든 기술 모드를 포함하는 디지털 의제를 추구합니다.
• 더 느린 계층적 의사 결정에 얽매이지 않고 데이터의 속도로 학습할 수 있는 통합 학습 아키텍처에서 이들을 함께 연결하십시오.
• 역동적이고 개인화된 고객 통찰력을 생성하고 이에 따라 행동할 수 있는 비즈니스 모델을 개발하십시오.

이전에는 마케터가 더 많은 고객 데이터에 액세스할 수 없었습니다. 사용자 프로필을 사용하여 수집하는 자사 데이터 회사는 기본 이름 및 인구 통계 데이터를 넘어 참여, 유지, 수익 창출 등에 대한 다운스트림 풍부한 데이터 포인트를 포함할 수 있습니다. 기업은 이를 사용하여 성장 팀을 위한 잠재 고객 발굴 및 리타겟팅 캠페인을 실행하기 위한 훌륭한 사용자 세그먼트를 구축할 수 있습니다.

기존의 풍부한 사용자 데이터 위에 계층화된 브랜드의 모든 자사 데이터를 수집 및 처리하면 이러한 미디어 파트너가 몇 년 전까지만 해도 불가능했던 기계 학습으로 정교한 모델링 및 분석을 수행할 수 있습니다. 그 결과 새로운 통찰력과 데이터 분석을 통해 더 나은 타겟팅이 가능합니다.

50년 전과 같은 방식으로 여전히 수동으로 캠페인을 최적화하고 있다면 고객 확보 게임에서 빠르게 사라지는 유형에 속하게 될 것입니다. 모든 수동 프로세스는 비효율성을 공격하기 위해 빠르게 등장하는 새로운 솔루션보다 훨씬 덜 효과적이며 인적 오류가 발생하기 쉽습니다.

AI 및 고객 확보

Google, Facebook, 프로그래밍 방식 광고 네트워크 및 기타 여러 주요 미디어 플랫폼에서 고객 확보를 위한 AI의 가속화된 채택은 마케팅 비용이 모바일 마케팅 캠페인에 투자되는 방식에 있어 근본적이고 중추적인 변화를 나타냅니다.

더 이상 그로스 마케터는 광고가 사용자에게 표시되는 위치 또는 방법을 선택할 수 없습니다. 대신 알고리즘이 입찰가 및 예산과 같은 몇 가지 입력에 따라 이러한 물류를 결정합니다.

그것이 대부분의 성장 팀에 좋을 수도 있지만, 업계에서 가장 지능적인 그로스 마케터 중 일부는 AI가 유료 사용자 확보를 가속화할 수 있는 최첨단 "즉시 사용 가능한" 방법에 초점을 맞추기 위해 AI가 결과를 개선할 수 있는 명백한 방법을 찾고 있습니다. 성능.

지능형 기계를 켜야 할 때입니다.

결국, 새로운 기술을 평가하는 가장 좋은 방법은 비즈니스 또는 산업에서의 실제 사용을 파악하는 것입니다. 좋은 사용자 경험이 개인의 요구에 맞게 개인화되는 것처럼, 고객 확보를 확장하는 미래는 각 플랫폼의 즉시 사용 가능한 인공 지능 솔루션을 요구, 목표 및 목표에 맞게 조정할 수 있는 기업이 승리할 것입니다.

성공적인 기업은 기업이 중요한 비즈니스 목표를 얼마나 효과적으로 달성하고 있는지를 보여주는 측정 가능한 가치인 올바른 메트릭과 핵심 성과 지표(KPI)에 집중하는 것이 중요하다는 것을 배웠습니다.

KPI의 예로는 고객 획득 비용(CAC), 광고 투자 수익률(ROAS), 일일 활성 사용자(DAU), 월간 활성 사용자(MAU), 유지, 이탈률 등이 있습니다.

AI 기반 기계는 수동 캠페인 개입의 상대적으로 취약한 프로세스와 비교하여 이러한 목표를 향해 더 효율적으로 이동하는 획득 캠페인을 조정하는 데 도움이 될 수 있습니다.

이를 위해서는 데이터 기반 타겟팅에서 크리에이티브 확산, 기여 및 성능 최적화에 이르기까지 운영 복잡성이 크게 증가하는 전체적인 교차 채널 접근 방식이 필요합니다. 그리고 복잡성과 함께 정확히 당신이 원하지 않는 위험과 불확실성이 옵니다.

머지 않아 고객 확보 노력은 인공 지능, 기계 학습 및 자동화에 의존하여 교차 채널 사용자 여정을 조정, 사용자 지정 및 개인화하고 최신 비즈니스 인텔리전스 및 대시보드를 사용하여 불가능한 방식으로 최적의 결과를 제공할 것입니다.

학습 속도를 가속화하기 위해 여러 대상, 크리에이티브 및 시퀀스가 ​​있는 복잡한 교차 채널 캠페인을 관리하려면 뛰어난 결과를 제공하기 위해 즉시 사용 가능한 솔루션 위에 지능형 기계 운영 계층이 필요합니다. 그렇지 않으면 평균이다.

Lomit Patel 은 IMVU의 성장 담당 부사장입니다. IMVU 이전에 Lomit은 Roku(IPO), TrustedID(Equifax에 인수), Texture(Apple에 인수) 및 EarthLink를 포함한 초기 단계 스타트업에서 성장을 관리했습니다. Lomit은 대중 연설가, 작가, 고문이며 Liftoff에서 Mobile Hero로 인정받았습니다. Eric Ries의 베스트셀러 "The Lean Startup" 시리즈의 일부인 Lomit의 새 책 Lean AI 는 이제 Amazon 에서 사용할 수 있습니다 .