ניתוח ובדיקותשיווק תוכןחיפוש שיווק

משווקים ולמידת מכונה: מהיר יותר, חכם יותר, יעיל יותר

במשך עשרות שנים משתמשים בבדיקות A/B על ידי משווקים כדי לקבוע את היעילות של הצעות בהגברת שיעורי התגובה. משווקים מציגים שתי גרסאות (A ו-B), מודדים את שיעור התגובה, קובעים המנצח, ולאחר מכן לספק את ההצעה הזו לכולם.

אבל, בואו נודה בזה. גישה זו איטית בצורה משתקת, מייגעת ולא מדויקת באופן בלתי נסלח - במיוחד כשאתה מיישם אותה בנייד. מה שמשווק סלולרי באמת צריך הוא דרך לקבוע את ההצעה הנכונה עבור כל לקוח בהקשר נתון.

מנויי סלולר מציבים אתגר ייחודי בכל הנוגע לזיהוי הדרך האופטימלית לעסוק בהם ולהניע לפעולה. ההקשרים של משתמשים בנייד משתנים ללא הרף, מה שמקשה לקבוע מתי, היכן וכיצד לתקשר איתם. כדי להגביר את האתגר, משתמשים בנייד מצפים לרמה גבוהה של התאמה אישית בכל הנוגע ליצירת קשר איתם באמצעות המכשיר האישי שלהם. אז גישת ה-A/B המסורתית - שבה כולם מקבלים המנצח - נופל עבור משווקים וצרכנים כאחד.

כדי להילחם באתגרים הללו – ולממש את מלוא הפוטנציאל של המובייל – משווקים פונים לטכנולוגיות ביג דאטה המסוגלות לקדם ניתוח התנהגותי והחלטות אוטומטיות כדי לקבוע את המסר הנכון ואת ההקשר הנכון עבור כל לקוח בודד.

למידת מכונהכדי לעשות זאת בקנה מידה, הם ממנפים למידת מכונה. ללימוד מכונה יש את היכולת להסתגל לנתונים חדשים - מבלי להיות מתוכנתים עבורם במפורש - בדרכים שבני אדם לא יכולים להתקרב אליהם. בדומה לכריית נתונים, למידת מכונה מחפשת כמויות אדירות של נתונים בחיפוש אחר דפוסים. עם זאת, במקום לחלץ תובנות לפעולה אנושית, למידת מכונה משתמשת בנתונים כדי לשפר את ההבנה של התוכנית עצמה ולהתאים אוטומטית את הפעולות בהתאם. זה בעצם בדיקת A/B על בקרת מהירות אוטומטית.

הסיבה שזה מחליף משחק עבור משווקים ניידים של ימינו היא משום שלמידת מכונה הופכת את הבדיקה של מספר אינסופי של הודעות, הצעות והקשרים לאוטומטית, ולאחר מכן קובעת מה עובד הכי טוב עבור מי, מתי ואיפה. Think מציעה A ו-B, אבל גם E, G, H, M ו-P יחד עם כל מספר של הקשרים.

עם יכולות למידת מכונה, תהליך הקלטת אלמנטים של מסירת הודעות (למשל מתי הם נשלחו, למי, עם אילו פרמטרים של הצעה וכו') ומרכיבי התגובה להצעה מתועדים אוטומטית. בין אם יתקבלו הצעות ובין אם לאו, התגובות נקלטות כמשוב אשר מניע אחר כך סוגים שונים של מודלים אוטומטיים לאופטימיזציה. לולאת משוב זו משמשת לכוונון יישומים עוקבים של אותן הצעות ללקוחות אחרים והצעות אחרות לאותם לקוחות כך שלהצעות עתידיות יש סיכוי גבוה יותר להצלחה.

על ידי ביטול ניחושים, משווקים יכולים להשקיע יותר זמן בחשיבה יצירתית על מה מספק יותר ערך ללקוחות לעומת איך ומתי לספק את זה.

היכולות הייחודיות הללו, המתאפשרות על ידי התקדמות בעיבוד נתונים גדולים, אחסון, שאילתות ולמידת מכונה הן מובילות בתעשיית המובייל כיום. מפעילי סלולר בחזית משתמשים בהם כדי לגבש תובנות התנהגותיות מעניינות, כמו גם ליצור קמפיינים שיווקיים מרתקים שבסופו של דבר משפיעים על התנהגות הלקוחות כדי לשפר את הנאמנות, להפחית את הנטישה ולהעלות באופן דרמטי את ההכנסות.

לארה אלברט

לארה היא סגנית נשיא לשיווק גלובלי ב גלוביס שם היא לוקחת על עצמה אחריות שיווקית תאגידית ומובילה שיווק רכישות עבור מוצרי השיווק ההקשרים של החברה. בעבר היא מילאה תפקידי ניהול מותג בכירים ושיווק מוצרים ב- Kraft Foods, America Online ו- VeriSign.

מאמרים נוספים

לחצן חזרה למעלה
סְגוֹר

זוהה חסימת מודעות

Martech Zone הוא מסוגל לספק לך תוכן זה ללא עלות מכיוון שאנו מייצרים רווח מהאתר שלנו באמצעות הכנסות ממודעות, קישורי שותפים וחסויות. נשמח אם תסיר את חוסם המודעות שלך בזמן שאתה צופה באתר שלנו.