Ценность клиента, пожелания и анализ стоимости клика: решаем с помощью ИИ 3 главные задачи рекламодателя

Мировые технологические гиганты, такие как Google и Microsoft уже привыкли к использованию Искусственного Интеллекта в своих рекламных кампаниях, что принесло им значительный рост доходов от рекламы. Кейс RTB House, одной из первых ретаргетинговых компаний, широко использующей метод глубокого обучения на каждой стадии рекламной кампании, наглядно демонстрирует как можно повысить эффективность онлайн-рекламы, изменив подход к ее реализации путем привлечения алгоритмов метода глубокого обучения. 

Прошло 20 лет с той поры, как Deep Blue, суперкомпьютер от компании IBM, победил Гарри Каспарова в шахматной партии. Это было первое громкое событие в истории изобретения Искусственного Интеллекта (далее – ИИ). Сейчас то, что являлось футуристическим концептом в 1997 году, стало частью нашей повседневной жизни. Сегодня компьютеры могут не только имитировать работу нейронов человеческого мозга, но и решать задачи гораздо быстрее и эффективнее человека. 

Существует масса путей внедрения ИИ в каждой отрасли, где необходим мыслительный процесс: не только в технологиях или науке. Решения, основанные на ИИ, становятся необходимыми, при существовании потребности в обработке огромного количества данных, особенно в условиях жесткой конкуренции. Именно поэтому, в рекламной индустрии, а особенно в ее онлайн-сфере, применение ИИ стало мощным импульсом к повышению эффективности кампаний и увеличению их производительности.  

В настоящий момент, мы определили 3 основных проблемы, с которыми сталкивается рекламодатель на каждом этапе реализуемых кампаний, и рекомендуем пути к их решению.

Потенциальные клиенты обладают различной ценностью. Она зависит от множества личных факторов: желаемых товаров к покупке, их количества или даже цикла жизни посетителя магазина. Вопрос, который задает себе в данной ситуации каждый маркетолог, как правило, один: «Как оценивать и как измерять покупательский потенциал?» Это всегда являлось одной из самых больших проблем в маркетинге, поскольку ответ напрямую соотносится с инвестициями в покупателя. Наилучший прогноз - это тот, который может правильно оценить «возможность совершения покупки» и «потенциальную стоимость корзины пользователя». Эти два параметра в конечном итоге определяют доход от рекламных бюджетов.

Целью ретаргетинговой рекламной кампании является оптимизация процесса покупки рекламы таким образом, чтобы привлечь пользователей, которые являются наиболее ценными для рекламодателей и повышать для них ставку, автоматически. При внедрении алгоритмов глубокого обучения, механизм анализа конверсии и стоимости кампании начал собирать и интерпретировать не только данные по кликам (как при обычном подходе), но и учитывать просмотры пользователями конкретных предложений, сравнивая категории интересов, содержимое корзины или тактику поиска, для того, чтобы иметь более широкое представление о покупательском потенциале каждого пользователя. Благодаря такому широкому спектру информации, возможно увеличить общую производительность рекламных кампаний на 29% – за счет ретаргетинга с применением метода глубокого обучения. 

 

Основная проблема в цифровой рекламе – информация, которую нужно показывать на баннерах, чтобы увеличить вероятность покупки. Чем конкретнее вы представляете, чего хотят пользователи, тем выше шансы завершения покупки.

Во время аукциона RTB (в режиме реального времени) в персонализированном ретаргетинге механизм рекомендаций имеет всего лишь миллисекунду, чтобы выбрать одно объявление из миллиардов комбинаций и решить, что именно отобразить на баннере. Используя алгоритмы глубокого обучения и компьютерное видение, ваш оператор ретаргетинга  отображает рекламные сообщения, которые не только учитывают шаблоны ссылок, посещаемые другими пользователями с аналогичным профилем покупок, но также то, что было ранее представлено в объявлениях, и реакцию конкретного пользователя на предыдущие предложения. С помощью анализа данных по кликам, информации о продукте, категориях интересов, правилах покупок и тактике поиска, эффективность от рекомендаций товаров увеличилась на 41% по сравнению с кампаниями, в которых не использовался метод глубокого обучения.

 

Общим параметром успеха рекламной кампании является коэффициент соотношения кликов к количеству показов (CTR), поэтому отношение кликов к баннеру против общего количества показов. Цель каждого маркетолога проста – привлечь потенциальных покупателей, предлагая наиболее кликабельный дизайн баннера.

Алгоритмы глубокого обучения, применяемые в передовых технологиях ретаргетинга, подбирают наиболее эффективные баннеры для данного размещения и отображают их пользователям. Это наилучшее решение для повышения CTR, что, в конечном итоге, дает лучшие ROI для рекламодателей.

Используя алгоритмы глубокого обучения в наших кампаниях, клиенты смогли повысить общее значение CTR на 16%, при этом, не выходя за рамки ранее утвержденных рекламных бюджетов.

 

Вне зависимости от того, как вы относитесь к ИИ, как к технологическому явлению, Искусственный Интеллект станет определяющей технологией ближайшего будущего. И сегодня метод глубокого обучения используется во многих индустриях как доказательство того, что возникший всего несколько лет назад научно-фантастический вымысел стал естественным процессом. Он стал применяться везде, в том числе и в онлайн-рекламе, чтобы сделать ее как никогда ранее эффективной.