A idade da aquisição de clientes 3.0

O advento de novos algoritmos, processamento mais rápido e conjuntos de dados massivos baseados em nuvem está possibilitando que todos os principais provedores de mídia digital que vendem publicidade experimentem inteligência artificial (IA) para ajudar a melhorar o desempenho de seus anunciantes. E embora todas as áreas de marketing estejam particularmente maduras para a transformação, é um ótimo momento para se concentrar nas áreas de aquisição de novos clientes e crescimento de receita.

É onde a maioria das empresas geralmente gasta o dinheiro mais discricionário. Essas áreas - que coletivamente chamaremos de Customer Acquisition 3.0 - têm o maior impacto no dimensionamento de seus negócios.

Vamos primeiro definir rapidamente a Aquisição do cliente 1.0 como a fase de dados do cliente em silos que vivem em servidores físicos diferentes. Como resultado, as empresas que realizavam esforços de aquisição de usuários pagos foram prejudicadas por dados de baixa qualidade e não tinham total confiança no desempenho de suas campanhas.

Customer Acquisition 2.0 é a capacidade de aproveitar os recursos de processamento de dados baseados na nuvem para integrar todos os dados do cliente de várias fontes em uma plataforma de dados do cliente unificada.

Com a infraestrutura do Customer Acquisition 2.0 implementada, você está em boa forma para aproveitar os recursos de IA individual e a automação dos principais parceiros de publicidade em execução em silos como Facebook, Google e outros para ajudá-lo a otimizar melhor seu orçamento para atingir suas metas de desempenho.

Novas dimensões para escala e aprendizagem

Isso nos leva ao que chamo de mundo de aquisição de clientes 3.0, onde a escala não representará mais apenas o valor tradicional de alcançar a liderança de custo e otimizar o fornecimento de uma oferta estável.

Em vez disso, a escala criará valor de novas maneiras em várias dimensões: escala na quantidade de dados relevantes que as empresas podem gerar e acessar, escala na quantidade de aprendizagem que pode ser extraída desses dados, escala para diminuir os riscos de experimentação, escala em o tamanho e o valor dos ecossistemas colaborativos, a escala na quantidade de novas ideias que eles podem gerar como resultado desses fatores e a escala na proteção contra os riscos de choques imprevistos.

Aprender sempre foi importante nos negócios. Como Bruce Henderson observou há mais de 50 anos, as empresas geralmente podem reduzir seus custos marginais de produção a uma taxa previsível conforme sua experiência acumulada aumenta.

Mas em modelos tradicionais de aprendizagem, o conhecimento que importa - aprender como fazer um produto ou executar um processo com mais eficiência - é estático e duradouro.

No futuro, será necessário construir capacidades organizacionais para aprendizagem dinâmica - aprender como fazer coisas novas e “aprender como aprender” alavancando novas tecnologias e vastos conjuntos de dados.

Hoje, IA, sensores e plataformas digitais já aumentaram a oportunidade de aprendizagem de forma mais eficaz, mas de acordo com o BCG, competir na taxa de aprendizagem se tornará uma necessidade na década de 2020.

O ambiente de negócios dinâmico e incerto exigirá que as empresas se concentrem mais na descoberta e adaptação, em vez de apenas na previsão e no planejamento.

As empresas, portanto, cada vez mais adotarão e expandirão seu uso de IA, elevando a barra competitiva de aprendizagem. E os benefícios irão gerar um efeito “volante de dados” - empresas que aprendem mais rápido terão melhores ofertas, atraindo mais clientes e mais dados, aumentando ainda mais sua capacidade de aprender.

No entanto, há uma enorme lacuna entre o desafio tradicional de aprender a melhorar um processo estático e o novo imperativo de aprender coisas novas continuamente em toda a organização.

Portanto, competir com sucesso no aprendizado exigirá mais do que simplesmente conectar a IA aos processos e estruturas de hoje. Em vez disso, as empresas precisarão:

• Siga uma agenda digital que abranja todos os modos de tecnologia relevantes para o aprendizado - incluindo sensores, plataformas, algoritmos, dados e tomada de decisão automatizada.
• Conecte-os em arquiteturas de aprendizagem integradas que podem aprender na velocidade dos dados, em vez de serem bloqueados por tomadas de decisão hierárquicas mais lentas.
• Desenvolva modelos de negócios capazes de criar e agir com base em percepções dinâmicas e personalizadas do cliente.

Nunca antes os profissionais de marketing tiveram acesso a mais dados de clientes. Os dados primários que as empresas coletam com perfis de usuário podem ir além do nome básico e dados demográficos e podem incluir pontos de dados ricos downstream sobre engajamento, retenção, monetização e muito mais; as empresas podem usar isso para construir grandes segmentos de usuários para a execução de campanhas de prospecção e retargeting para equipes de crescimento.

A ingestão e o processamento de todos esses dados primários de marcas sobrepostos aos ricos dados do usuário existentes permitem que esses parceiros de mídia executem modelagem e análise sofisticadas com aprendizado de máquina que não era possível nem mesmo alguns anos atrás. Isso resulta em uma melhor segmentação com novos insights e análise de dados.

Se você ainda está otimizando manualmente as campanhas da mesma forma que fazia há meia década, pode se encontrar entre uma raça que está desaparecendo rapidamente no jogo de aquisição de clientes. Qualquer processo manual é provavelmente muito menos eficaz e muito mais sujeito a erro humano do que as novas soluções que surgem rapidamente para atacar ineficiências.

IA e aquisição de clientes

A adoção acelerada da IA ​​para aquisição de clientes pelas principais plataformas de mídia como Google, Facebook, redes de anúncios programáticas e muitas outras representa uma transição fundamental e central na forma como os dólares de marketing são investidos em campanhas de marketing móvel.

Os profissionais de marketing de crescimento não têm mais a capacidade de escolher onde ou como seus anúncios são exibidos aos usuários - em vez disso, os algoritmos decidem essa logística, guiados por poucas entradas, como lances e orçamento.

Embora isso possa ser bom para a maioria das equipes de crescimento, alguns dos profissionais de marketing de crescimento mais inteligentes do setor estão olhando além das maneiras óbvias de como a IA pode melhorar os resultados para se concentrar nas formas inovadoras "prontas para usar" como a IA pode turbinar sua aquisição de usuários pagos atuação.

É hora de ligar as máquinas inteligentes

No final do dia, a melhor maneira de avaliar qualquer tecnologia emergente é descobrir seu uso prático em seu negócio ou setor. Assim como as boas experiências do usuário são personalizadas para as necessidades de um indivíduo, o futuro do dimensionamento da aquisição de clientes será conquistado por empresas que possam adaptar as soluções de inteligência artificial prontas para uso de cada plataforma para atender às suas necessidades, objetivos e metas.

As empresas bem-sucedidas aprenderam a importância de focar nas métricas corretas e nos indicadores-chave de desempenho (KPIs), que são valores mensuráveis ​​que demonstram a eficácia com que uma empresa está atingindo objetivos críticos de negócios.

Exemplos de KPIs são custos de aquisição do cliente (CAC), retorno sobre o gasto com publicidade (ROAS), usuários ativos diários (DAU), usuários ativos mensais (MAU), retenção, taxa de rotatividade e assim por diante.

As máquinas com tecnologia de IA podem ajudar a orquestrar campanhas de aquisição que se movam com mais eficiência em direção a esses objetivos, em comparação com o processo relativamente frágil de intervenção manual de campanha.

Isso requer uma abordagem holística de canal cruzado, o que aumenta enormemente a complexidade operacional - desde a segmentação baseada em dados até a proliferação criativa e a atribuição e otimização de desempenho. E com a complexidade vem exatamente o que você não quer: risco e incerteza.

Mais cedo ou mais tarde, seus esforços de aquisição de clientes contarão com inteligência artificial, aprendizado de máquina e automação para adaptar, personalizar e personalizar as jornadas do usuário em vários canais e fornecer resultados ideais de maneiras que seriam impossíveis usando painéis e inteligência de negócios de última geração.

Gerenciar campanhas complexas de vários canais com vários alvos, criativos e sequências para acelerar sua taxa de aprendizado exigirá uma camada operacional de máquina inteligente acima das soluções prontas para entregar grandes resultados - ou você pode ter que se contentar com sendo média.

Lomit Patel é vice-presidente de crescimento da IMVU. Antes do IMVU, Lomit gerenciou o crescimento em startups em estágio inicial, incluindo Roku (IPO), TrustedID (adquirido pela Equifax), Texture (adquirido pela Apple) e EarthLink. Lomit é um orador público, autor, consultor e reconhecido como Mobile Hero pela Liftoff. O novo livro Lean AI de Lomit , que faz parte da série “The Lean Startup”, best-seller de Eric Ries, está agora disponível na Amazon .