예측 행동 분석이 리타게팅을 영원히 바꾸는 이유

리타게팅은 현장 행동에 관계없이 모든 고객을 동일한 방식으로 취급합니다. 알고리즘 행동 타겟팅이 그 모델을 꺼꾸로 태세 이유 H의 조립식입니다.

표준 리타게팅에서 소비자는 Amazon과 같은 전자 상거래 사이트를 방문한 다음 하루를 보냅니다. CNN과 같은 다른 사이트를 방문하면 Amazon이 Best Buy 또는 Target과 같은 관심 있는 다른 광고주보다 입찰가가 높은 경우 Amazon 광고를 보게 됩니다.

대부분의 기업은 의도와 상관없이 동일한 방식으로 소비자를 리타게팅합니다. 사이트를 방문하고 제품을 탐색한 잠재 구매자를 본 적이 있거나 심지어 장바구니에 제품을 넣은 경우 해당 고객이 떠나면 광고 공간에 입찰합니다.

그러나 잠시 생각해 보십시오. 장바구니에 품목을 넣은 고객은 실제 구매에 훨씬 더 가깝습니다. 단순히 몇 가지 제품을 둘러본 고객에 비해 다른 사이트에서 광고를 본 고객은 다시 돌아와 거래를 완료할 가능성이 더 큽니다.

고객이 BestBuy를 검색한 다음 Target을 방문하여 실제로 제품을 장바구니에 담았다고 가정해 보겠습니다. 역사적으로 Best Buy와 Target은 계속해서 동일한 방식으로 이 고객을 대상으로 삼았습니다. 그러나 이렇게 하는 것은 의미가 없습니다.

고객은 Target에서 제품을 구매하는 데 훨씬 더 가까웠습니다. 결과적으로 Target은 이 사람에게 실제로 무언가를 판매할 가능성이 더 높기 때문에 이 특정 고객에게 광고해야 합니다. 그러나 Best Buy가 Target보다 높은 입찰가를 제시하는 경우 이 고객은 구매할 가능성이 낮은 제품에 대한 광고를 볼 수 있습니다. 그리고 베스트바이는 솔직히 돈을 낭비하고 있습니다.

리타게팅에 대해 현명하게 대처합시다.

알고리즘 리타겟팅은 온라인 광고에서 다음으로 중요한 분야라고 생각합니다. 사이트 행동과 구매 주기에 따라 고객을 분류하는 알고리즘을 개발함으로써 브랜드는 리타게팅 프로그램의 효율성을 높이고 비용을 절감할 수 있습니다.

특정 관심 영역뿐만 아니라 관심 수준을 측정하고 고객의 의도를 예측할 수 있습니다. 그런 다음 브랜드는 해당 데이터를 사용하여 구매할 가능성이 가장 높은 고객에 대한 리타게팅 노력을 정확히 파악할 수 있습니다.

즉, 기업은 모든 단계에서 모든 고객을 맹목적으로 리타게팅하기 위해 수백만 달러를 지출하는 대신 구매에 가장 가까운 고객을 공격적으로 타겟팅하고 광고 비용을 더 효과적으로 지출하며 전환을 늘릴 수 있습니다.

Lenovo를 통한 알고리즘/행동 리타게팅

Lenovo는 클래식 리타게팅과 함께 알고리즘 리타겟팅을 테스트하는 브랜드 중 하나입니다. 전자에서는 인구 통계 및 심리 데이터를 기반으로 300~400개의 변수를 포함하는 행동 모델을 사용합니다.

Lenovo의 글로벌 전자 상거래 담당 부사장 겸 총괄 책임자인 Ajit Sivadasan은 "관찰된 데이터를 실제로 살펴보았을 때 우리의 경우에는 1%의 고객이 대부분의 구매를 담당하는 소규모 그룹이었습니다. “그리고 사는 사람과 안 사는 사람의 차이는 거의 900배입니다. 구매하는 사람들은 구매 성향이 없는 사람들에 비해 단위당 거래 가치 측면에서 900배 더 높습니다.”

더 나은 고객 경험

Sivadasan은 또한 표준 리타게팅을 통해 브랜드가 모든 잠재 고객에게 동일한 경험을 제공하게 된다고 언급했습니다. Lenovo는 구매하는 사람들의 1%에 초점을 맞추고 나머지 99%를 마케팅으로 넘치게 하지 않기로 선택합니다.

또는 브랜드의 글로벌 비즈니스 인텔리전스 이사인 Ashish Braganza가 말했듯이 Lenovo는 이러한 테스트 전에 매우 규칙 기반이었습니다. 규칙은 일반적으로 누군가 장바구니를 버리면 모든 곳에서 리타겟팅된다는 것이었습니다.

“그들이 포기하고 예를 들어 Yahoo, MSN 또는 CNET으로 간다면 리타겟팅을 위해 인벤토리를 구매하기 때문에 리타겟팅이 될 것입니다. 그것은 매우 스프레이 앤 기도 방법론입니다.”라고 Braganza는 말합니다. "당신은 그 사람에게 돈을 써야 하는지, 그 사람의 가치와 제품 구매 성향을 모릅니다."

그러나 알고리즘 리타겟팅을 통해 Lenovo는 고가치 및 저가치 고객 클러스터를 만들고 그에 따라 미디어를 구매할 수 있습니다. 브랜드는 장바구니뿐 아니라 다른 사용자가 보고 참여했던 제품을 살펴봅니다.

사람들이 장바구니에 물건을 추가한 후 무엇을 하는지 분석하면 Lenovo는 누가 구매 성향이 더 높은지 예측하는 데 더 자신감을 갖게 됩니다. 결과적으로 Lenovo는 스프레이를 뿌리고 기도하는 대신 소비자의 행동에 기반하여 디스플레이 지출을 보다 효율적으로 할 수 있습니다.

더 높은 수준의 자신감

광범위한 테스트를 거친 후 Sivadasan은 이 모델이 제대로 작동한다고 확신하며 Lenovo는 이제 이 모델을 종단 간 여정 지도에 적용하는 방법을 파악하고 있다고 말했습니다.

"경험의 관점에서 모델이 어떻게 나타날지 그리고 각 고객 세트에 대해 이해하는 데 중요한 것이 무엇인지 진정으로 이해하고 60일, 90일 동안 동일한 경험을 제공하는지 실제로 파악하기 위해 해야 할 일이 몇 가지 있습니다. 일, 년? 프로토콜은 무엇입니까?” 시바다산이 묻는다. "내 생각에 우리는 그것을 끝내고 싶어하기 때문에 앞으로 6개월 안에 한 국가에서 테스트할 수 있습니다."

시뮬레이션 후 Lenovo는 알고리즘 리타게팅이 규칙 기반 리타겟팅보다 성능이 우수할 것이라는 높은 수준의 확신을 가지고 있지만 브랜드는 지금 실제 테스트를 구현해야 합니다. 그러나 초기 테스트를 기반으로 Braganza는 Lenovo가 더 낮은 비용으로 추가 전환을 유도할 수 있는 것으로 보이며 이는 전체 비즈니스에 비용을 절감하고 마케팅 비용을 더 효율적으로 사용한다는 것을 의미한다고 말했습니다.

"프로그래매틱의 아름다움은 미래가 다른 알고리즘과 경쟁하는 알고리즘에 관한 것입니다."라고 그는 말합니다. “저희 팀은 미디어 지출을 최적화하기 위해 다양한 알고리즘의 효율성을 테스트할 수 있는 능력을 갖고자 하는 곳이므로 계속 진행 중입니다. 그것은 하나와 완료되지 않습니다. 이제 시작이지만 기본적으로 더 나은 알고리즘을 갖기 위한 경쟁입니다.”

Jay Marwaha는 SYNTASA의 사장 겸 CEO입니다.