Cum inteligenta artificiala conduce campanii de publicitate mai eficiente

Inteligența artificială (AI) nu mai este un concept futurist, este un element de bază al zilelor noastre.

De la asistenți personali virtuali precum Siri și Cortana, până la scanere de imagini construite pentru a identifica bolile, până la mașinile cu conducere autonomă de la Google sau Tesla, AI devine o parte a tehnologiei de zi cu zi.

Potrivit unui raport MarketsandMarkets, se estimează că industria inteligenței artificiale va atinge 5,05 miliarde USD până în 2020 , crescând cu o rată anuală de creștere (CAGR) de 53,65% între 2015 și 2020.

Un motiv pentru această creștere semnificativă este utilizarea sporită a tehnologiei de învățare automată – o subcategorie a AI în care computerele învață din datele însele în industria publicității și media.

Machine Learning are deja un impact imens asupra ecosistemului publicitar. Unul dintre cele mai bune exemple este Real-time Bidding (RTB), unde spațiul publicitar online poate fi cumpărat sau vândut automat în timp real.

Algoritmii de auto-învățare, utilizați în mod obișnuit pentru derularea campaniilor online, oferă agenților de publicitate capacitatea de a identifica cei mai valoroși cumpărători electronici, apoi implementează anunțuri personalizate fiecărui client și îi încurajează să ia acțiunea dorită.

Nici măcar să mai vorbim de faptul că roboții nu dorm, ceea ce le permite să observe piața 24/7 și să ajusteze activitățile la fiecare mică schimbare de acolo.

L câștig adânc se schimbă modul în care calculăm clienților de cumpărare p otential

Toate acestea sunt deja bine cunoscute de e-marketing, dar o perspectivă interesantă în viitorul apropiat al învățării automate este aceea că algoritmii de învățare profundă (o ramură a învățării automate bazate pe un set de algoritmi care încearcă să modeleze abstracții la nivel înalt în date prin utilizarea unui grafic profund cu mai multe straturi de procesare) poate fi capabil în cele din urmă să creeze caracteristici care recunosc atitudinea, intenția și starea generală a fiecărui utilizator care vizitează un site web, chiar și utilizatorii care nu au dat clic încă pe un anunț. Cum functioneazã?

Predicția de conversie este probabilitatea estimată ca un utilizator să acționeze într-un mod dorit și joacă un rol crucial în multe activități de publicitate digitală.

Folosind acest tip de prognoză, algoritmii pot decide care persoane care au vizitat un site web au cel mai mare potențial de a cumpăra. În consecință, începe să câștige impuls și importanță pentru acești utilizatori, multiplicând șansa de a obține un ROI mai bun.

Funcționează în același mod în ecosistemul RTB, totuși evaluarea trebuie să fie incredibil de rapidă (milisecunde) și este nevoie de cunoștințe vaste despre istoricul potențialului clienți. Datorită tehnologiei care utilizează structuri matematice inspirate de neuronii biologici din creierul nostru (rețele neuronale recurente) este posibil să obținem descrieri mai fiabile, mai bogate, mai interpretabile de către utilizator ale potențialului de cumpărare al clienților fără nicio expertiză umană.

De obicei, istoricul activităților utilizatorilor într-un anumit site de comerț electronic este descris ca un număr fix de caracteristici create manual despre care se crede că ajută la prezicerea profitabilității conversiei. Astfel de informații pot fi mai continue (de exemplu, intervalul de timp dintre ultima vizită a utilizatorului pe site-ul agentului de publicitate și datele editorului despre audiență), sau mai mult cu caracter logic, ca un răspuns la întrebarea: utilizatorul a adăugat recent vreun produs în coș?

Cunoștințele despre utilizatori și probabilitatea acestora de a converti sunt, așa cum era de așteptat, esențiale pentru planificarea activităților publicitare. Din păcate, crearea manuală a fiecăruia necesită cantități substanțiale de muncă expertă umană.

Utilizabilitatea datelor poate depinde de caracteristicile agentului de publicitate, iar un set prestabilit de funcții nu va fi întotdeauna potrivit pentru fiecare campanie de retargeting, așa că pentru ca aceasta să funcționeze, un expert ar trebui să revizuiască și să reexploreze parțial informațiile pentru fiecare agent de publicitate nou.

Mai mult, caracteristicile sunt instantanee în momentul afișării, astfel încât modelele tipice ignoră datele utilizatorilor care nu au văzut niciodată vreun anunț. Aceasta înseamnă că informațiile sunt ascunse, deoarece marea majoritate a utilizatorilor nu efectuează conversii după ce fac clic pe un anunț. Aici intervine învățarea profundă.

Găsirea tiparelor în luarea deciziilor unui utilizator

Fiecare utilizator face sute de pași mici atunci când vizitează site-ul web al agentului de publicitate, iar algoritmii analizează fiecare eveniment care provine din activitățile utilizatorului.

Datorită algoritmilor auto-învățați, putem identifica fiecare dintre aceste amprente și găsim modele în luarea deciziilor unui utilizator, văzând un număr mai mare de date, nu numai cele legate de afișările pe care le-a făcut clic, dar și de răsfoirea anumitor oferte, categorii de interes. , comportament la coș, tactici de căutare etc.

Folosind învățarea profundă, putem face o încercare puternică de a răspunde la întrebările: Care este următorul eveniment prezis? Aceasta ar putea fi vizitarea paginii de pornire, răsfoirea listelor de produse, vizualizarea detaliilor produsului sau adăugarea unui produs în coș. Care este intervalul de timp până la următoarea conversie sau categoria următorului produs vizualizat?

În consecință, luarea în considerare a potențialului de cumpărare pentru fiecare utilizator se bazează aproape în întregime pe cunoștințe științifice și pe calcule dovedite, mai degrabă decât pe intuiția umană. Aceasta reprezintă o parte semnificativă a unei probleme persistente într-o abordare în care sunt utilizate modele statistice tipice sau algoritmi mai simpli de învățare automată.

Algoritmii de auto-învățare ajută la analizarea comportamentelor b rezistente la reclame

Cunoașterea este putere, așa se spune. Informațiile pe care agenții de publicitate le au este doar o parte din poveste fără o abordare inovatoare – ei știu doar despre cei care convertesc. Dar învățarea profundă ne permite să învățăm nu numai despre cumpărători, ci și despre cei care nu au cumpărat.

Cum obțin algoritmii informații relevante despre probabilitatea de conversie pentru utilizatorii care nu s-au arătat interesați de anunțul care le este difuzat?

Algoritmii tipici construiti conform ghidurilor clasice pot invata din date limitate, pregatite special. Acele metode de evaluare a ratei de conversie instantaneu datele bazate pe utilizatori în momentul unei afișări, dar înseamnă că, de obicei, atunci când ne gândim la Rata de conversie, luăm în considerare doar acei utilizatori care au văzut și au dat clic pe anunț.

Analiza cuprinzătoare a datelor, care vine cu învățare profundă, poate dezvălui o înțelegere mult mai extinsă a intențiilor vizitatorilor site-ului nostru web și poate îmbunătăți perspectiva noastră asupra grupurilor de oameni care vor fi cel mai bine vizate în situația particulară. În plus, vom ști unde să-i găsim, care sunt interesele lor și canalele lor preferate de interacțiune.

Aplicarea învățării profunde la predicția de conversie utilizată în activități personalizate RTB are ca rezultat campanii mai puternice. Având o soluție mai abundentă de informații, în timp real și inteligentă conștientă de context, agenții de publicitate pot aloca resurse la optimizare maximă.