Tahmine dayalı davranışsal analitik neden yeniden hedeflemeyi sonsuza dek değiştirecek?

Yeniden hedefleme, sahadaki davranışları ne olursa olsun tüm müşterilere aynı şekilde davranır. Algoritmalarla davranışsal hedefleme bu modeli upend hazırlanıyor neden H ere bu.

Standart yeniden hedeflemede, bir tüketici Amazon gibi bir e-ticaret sitesini ziyaret eder ve ardından gününü geçirir. CNN gibi diğer siteleri ziyaret ettiğinde, Amazon reklamlarını, Amazon'un Best Buy veya Target gibi diğer ilgili reklamverenleri geride bırakması şartıyla görecektir.

Çoğu şirket, amaçları ne olursa olsun tüketicileri aynı şekilde yeniden hedefler. Sitelerini ziyaret eden ve ürünlere göz atan, hatta ürünleri bir sepete koyan potansiyel bir alıcı görürlerse, o müşteri ayrıldığında yeniden hedeflemek için reklam alanı için teklif verirler.

Ancak bir an için şunu düşünün: Sepete bir ürün koyan müşteri, gerçek bir satın alma işlemi gerçekleştirmeye çok daha yakındır. Sadece birkaç ürüne göz atan müşteriyle karşılaştırıldığında, başka bir sitede bir reklam gördüğünde iade etme ve işlemi tamamlama olasılığı daha yüksektir.

Diyelim ki bir müşteri BestBuy'a göz attı ve ardından Target'ı ziyaret etti ve aslında bir ürünü sepete koydu. Geçmişte, Best Buy ve Target bu müşteriyi aynı şekilde hedeflemeye devam edecekti. Ama bunu böyle yapmak mantıklı değil.

Müşteri, Target'tan bir ürün almaya çok daha yakındı. Sonuç olarak, Target'in bu belirli müşteriye reklam vermesi gerekir çünkü Target'in bu kişiye gerçekten bir şeyler satma şansı daha yüksektir. Ancak Best Buy, Hedeften daha yüksek teklif verirse, bu müşteri satın alma olasılığının yüksek olmadığı ürünler için reklamlar görebilir. Ve Best Buy açıkçası parasını boşa harcıyor.

Yeniden Hedefleme konusunda akıllı olalım

Algoritmik yeniden hedeflemenin çevrimiçi reklamcılıkta bir sonraki büyük şey olduğunu düşünüyorum. Markalar, müşterileri site davranışına ve satın alma döngüsündeki konumuna göre segmentlere ayıran bir algoritma geliştirerek, yeniden hedefleme programlarının etkinliğini artırabilir ve böylece maliyeti azaltabilir.

İlgi düzeyini ve ayrıca belirli ilgi alanlarını ölçebilir ve müşterilerin niyetini tahmin edebiliriz. Markalar daha sonra bu verileri, satın alma olasılığı en yüksek olan müşterilere yönelik yeniden hedefleme çabalarını belirlemek için kullanabilir.

Bu, şirketlerin her aşamada tüm müşterileri körü körüne yeniden hedeflemek için milyonlarca dolar harcamak yerine, satın almaya en yakın olanları agresif bir şekilde hedefleyebileceği, reklam dolarlarını daha verimli harcayabileceği ve dönüşümleri artırabileceği anlamına geliyor.

Lenovo ile algoritmik/davranışsal yeniden hedefleme

Lenovo, klasik yeniden hedeflemenin yanı sıra algoritmik yeniden hedeflemeyi test eden bir markadır. İlkinde, demografik ve psikografik verilere dayalı 300 ila 400 değişken içeren davranışsal modeller kullanılıyor.

Lenovo'nun başkan yardımcısı ve küresel e-ticaret genel müdürü Ajit Sivadasan, "Gözlemlenen verilere gerçekten baktığımızda, bizim durumumuzda küçük bir gruptu - çoğu satın alma işleminden müşterilerin yüzde 1'i sorumlu" diyor. “Alanlar ile almayanlar arasındaki fark neredeyse 900 kat. Satın alan kişiler, satın alma eğilimi olmayanlara göre birim işlem değeri açısından 900 kat daha yüksek.”

Daha iyi bir müşteri deneyimi

Sivadasan, standart yeniden hedefleme ile markaların tüm potansiyel müşterilere aynı deneyimi yaşattığını da kaydetti. Lenovo, diğer yüzde 99'u pazarlamaya boğmamayı tercih ederek satın alan kişilerin yüzde 1'ine odaklanıyor.

Veya markanın küresel iş zekası direktörü Ashish Braganza'nın dediği gibi, Lenovo bu testlerden önce oldukça kurallara dayalıydı. Kural, genel olarak, biri arabasını terk ederse, her yerde yeniden hedeflenecekti.

“Eğer terk edip, diyelim ki Yahoo, MSN veya CNET'e gitselerdi, yeniden hedeflemek için envanter satın aldığımız için yeniden hedefleme yapıyor olurduk. Çok püskürt ve dua et metodolojisi” diyor Braganza. “O kişiye, [onun] değerine ve bir ürün satın alma eğilimine para harcamanız gerekip gerekmediğini bilmiyorsunuz.”

Ancak, algoritmik yeniden hedefleme ile Lenovo, yüksek ve düşük değerli müşteri kümeleri oluşturabilir ve buna göre medya satın alabilir. Marka, alışveriş sepetlerinin ötesinde, birinin diğer ürünleri görüntülediği ve etkileşim kurduğu ürünlere de bakar.

İnsanların sepetlerine bir şey ekledikten sonra ne yaptığını analiz etmek, Lenovo'ya kimin satın alma eğiliminin daha yüksek olduğunu tahmin etme konusunda daha fazla güven verir. Buna karşılık, Lenovo'nun püskürtme ve dua etmek yerine tüketici eylemlerine dayandırarak ekran harcamalarında daha verimli olmasını da sağlıyor.

Daha yüksek bir güven seviyesi

Kapsamlı testlerden sonra Sivadasan, bu modelin çalıştığından oldukça emin olduğunu ve Lenovo'nun şimdi onu uçtan uca yolculuk haritasına nasıl uygulayacağını bulmaya çalıştığını söyledi.

“Modelin deneyim açısından kendini nasıl göstereceğini ve her bir müşteri grubu için neyin anlaşılmasının kritik olduğunu gerçekten anlamak için yapmamız gereken birkaç şey var ve aynı deneyimi 60 gün, 90 gün boyunca mı verdiğimizi gerçekten anlıyor muyuz? gün, yıl? Protokol ne?” Sivadasan'a sorar. "Anladığım kadarıyla, bunu gerçekten yapmak istiyoruz, bu yüzden önümüzdeki altı ay içinde bir ülkede test yapabiliriz."

Simülasyonlardan sonra Lenovo, algoritmik yeniden hedeflemenin kurallara dayalı yeniden hedeflemeden daha iyi performans göstereceğine dair yüksek düzeyde bir güvene sahip, ancak markanın şimdi gerçek testleri uygulaması gerekiyor. Ancak, ilk testlere dayanarak Braganza, Lenovo'nun daha düşük bir maliyetle ek dönüşümler sağlayabildiğini, bunun da işletme için genel olarak tasarruf ve pazarlama harcamalarını nasıl harcadığı konusunda daha fazla verimlilik anlamına geldiğini söyledi.

“Programatiğin güzelliği, geleceğin diğer algoritmalarla rekabet eden algoritmalarla ilgili olacağıdır” diyor. "Ekibim, medya harcamamızı optimize etmek için farklı algoritmaların etkinliğini test etme yeteneğiyle birlikte olmak istediğimiz yerde, bu yüzden devam ediyor. Bir ve bitmiş olmayacak. Bu bir başlangıç, ancak temelde daha iyi bir algoritmaya sahip olmak için bir yarış.”

Jay Marwaha, SYNTASA'nın başkanı ve CEO'sudur.