5 Exemple care arată modul în care învățarea automată schimbă publicitatea digitală

Dintre toate progresele din publicitatea modernă, puține sunt mai interesante decât învățarea automată. Schimbă modul în care companiile colectează și analizează date și chiar lucrurile pe care datele le pot face.

Dar cu tehnologia revoluționară apar întrebări mari. Ce, de ce și cum funcționează? Astăzi răspundem la acestea și la mai multe.

Ce este învățarea automată în publicitate?

Învățarea automată în publicitate se referă la procesul prin care tehnologia publicitară preia date, le analizează și formulează concluzii pentru a îmbunătăți o sarcină. În termeni mai simpli: este modul în care învață tehnologia publicitară.

Ceea ce învață depinde de tehnologie. Ar putea fi orice legat de publicitate: cumpărarea mass-media, cartarea călătoriei clienților, segmentarea publicului etc.

Cu cât o tehnologie de învățare automată prelucrează mai multe date, cu atât învață mai multe despre acea sarcină și cu atât mai bine se finalizează. Așa cum ar face un om.

Diferența dintre învățarea automată și inteligența artificială

Veți auzi adesea termenii „învățare automată” și „inteligență artificială” folosiți în conversațiile despre cele mai sofisticate tehnologii actuale. Sunt înrudite, dar este important să știm că nu sunt interschimbabile.

În timp ce învățarea automată se referă la un proces specific: mașinile care folosesc date pentru a „învăța” și a-și îmbunătăți funcționarea, inteligența artificială este un termen mai larg. Se referă la tehnologii care pot îndeplini sarcini care necesită în mod tradițional inteligență umană. Prin urmare, învățarea automată este un aspect al inteligenței artificiale, dar nu este sinonim cu IA.

De ce învățarea automată?

De la tranzacții digitale și stoc de vânzare cu amănuntul până la temperatura camerelor de servere, afacerea modernă nu poate urmări puțin.

Și, deși mai multe date înseamnă mai multe oportunități de îmbunătățire, acest lucru este adevărat numai dacă aveți ceea ce aveți nevoie pentru a le analiza. Din păcate, majoritatea afacerilor nu.

Rapoartele arată că mai mult de jumătate din datele de astăzi sunt neutilizate. Cunoscute ca „date întunecate”, principalele motive pentru care nu sunt utilizate sunt următoarele:

Lipsa de instrumente, date lipsă, prea multe date și sisteme silențioase împiedică companiile să profite la maximum de audiența lor. La baza tuturor acestor obstacole se află o problemă simplă, dar majoră: oamenii nu mai pot face totul. Există doar prea multe de identificat, colectat și procesat.

Soluția?

Orchid Richardson, vicepreședinte și director general la Centrul de date de excelență al IAB, spune că este AI:

Deja, 95% dintre agenții de publicitate au terabytes pe petabytes de date demografice, inclusiv date cu caracter personal, informații despre locație și interese pe care le pot folosi pentru a viza potențialii despre care nu știu aproape nimic. Inteligența artificială este o modalitate de a îmblânzi aceste date și de a le duce la nivelul următor.

În timp ce îmblânzesc datele și le duc „la nivelul următor” cu AI pare un concept futurist, este ceva care se întâmplă de ani de zile. Totuși, agenții de publicitate încep doar să zgârie suprafața potențialului AI.

5 Exemple de învățare automată în publicitate

Învățarea automată în publicitate nu este întotdeauna ușor de observat, deoarece procesarea complexă are loc în culise. Există șanse mari ca unele dintre instrumentele dvs. preferate să profite de învățarea automată pentru a oferi ideile pe care le considerați de la sine.

Indiferent dacă sunt noi sau încercate și adevărate, aici câteva dintre cele mai mari lucruri de învățare automată le permit agenților de publicitate să facă:

1. Valorificați idei neașteptate

Dacă sunteți un bun agent de publicitate, difuzați anunțuri cu ajutorul datelor direcționate. Dar modul în care obțineți aceste date nu este perfect.

Deși vă recomandăm să analizați fiecare punct de date legat de oferta dvs., funcționați cu un buget limitat. Și acest lucru vă va obliga să acordați prioritate celor mai importante date necesare pentru a rula o campanie publicitară de succes. Prioritizarea, în funcție de bugetul dvs., poate însemna foarte puține date.

Cu toate acestea, o problemă mai puțin evidentă este că ipotezele pe care le faceți despre oferta dvs. și despre publicul acesteia vor limita, de asemenea, modul în care faceți publicitate. De exemplu: dacă produsul dvs. este un joc video, puteți difuza reclame către jucătorii tineri și părinții lor de vârstă mijlocie, dar nu luați în considerare bunicii sau jucătorii mai în vârstă. Aceste tipuri de ipoteze vă pot costa venituri.

La conferința VentureBeat Transform 2018 AI, acest scenariu a fost prezentat de Julie Shumaker, vicepreședinte pentru soluțiile de publicitate Unity. Este doar tipul de problemă care poate rezolva învățarea automată:

Agenții de publicitate ar putea avea obiective foarte specifice, cum ar fi vânzarea unui joc de 17 dolari instalat unui jucător în vârstă de 22 de ani, a spus ea. S-ar putea să nu se gândească la o femeie de 65 de ani. Însă învățarea automată ar putea dezvălui că această femeie va cheltui aproximativ 3,99 USD pe parcursul a trei zile. Și dacă costul de achiziție este de 75 de cenți, va obține un ROI la fel de bun ca obiectivele cu dolari mai mari pentru obiective publicitare mai obișnuite.

Pentru capacitatea lor rentabilă de a procesa seturi vaste de date, tehnologiile de învățare automată sunt excelente pentru a descoperi oportunități de venituri pe care presupunerile bugetare și umane le pot limita.

Fie că sunt informații despre audiențe, procese interne, strategii de licitare sau multe altele, potențialul de îmbunătățire poate fi mare.

Cu învățarea automată, „poți încerca lucrurile nebunești”, spune John Koetsier, vicepreședintele Insights la Singular, o platformă de date de marketing.

Unul dintre clienții Singular, de exemplu, a adoptat abordarea neconvențională a difuzării unui anunț pentru un joc video fără a arăta niciun joc real. Campania contraintuitivă a generat o mulțime de conversații despre produs în rândul publicului țintă.

„Puteți încerca multe, multe lucruri, pentru că puteți lăsa mașina să descopere în timp real ceea ce generează impactul”, a spus Koetsier. „Poți face chestii stupide, iar uneori chestii stupide sunt chestii inteligente.”

2. Îmbunătățiți reclama publicitară

Publicul răspunde diferit la reclamele publicitare. Mass-media, tipografie, îndemn - acestea sunt printre ingredientele creative care determină oamenii să facă clic sau să se adapteze.

În timp ce mulți consideră că învățarea automată implică date strict cantitative, nu este cazul. Rajiv Bhat, vicepreședinte senior în științe ale datelor și pieței la InMobi, spune că un sistem de analiză predictivă poate ajuta și la dezvoltarea unei creații mai bune:

Într-un astfel de sistem, datele despre reclamele anterioare și campaniile anterioare sunt restrânse pentru a determina cu exactitate ce ar funcționa pentru eforturile continue. Cu această aplicație de AI, mărcile pot avea o mai bună înțelegere a modului în care totul, de la mesagerie, fonturi, culori, imagini, dimensiuni de butoane sau formate, afectează performanța generală a campaniei. ”

Poate suna așa, dar un sistem ca acesta nu este ipotetic. Bidalgo, o platformă de automatizare a marketingului aplicațiilor mobile, oferă un instrument care face acest lucru exact. Denumit „AI creativ”, acest serviciu de învățare automată analizează mediile vizuale pentru a găsi abordări creative care vor avea succes. OCM-ul său, Rishi Shiva, spune:

Înainte de a investi sute de mii de dolari în dezvoltarea activelor video, puteți rula cu adevărat imaginile și videoclipurile dvs. istorice prin sistemul nostru și vă va oferi de fapt informații.

Puteți determina ce reclame au avut un impact pozitiv asupra publicului. Și acest sistem particular poate deveni la fel de specific ca și modul în care oamenii pozează în imagini. După ce a făcut acest lucru, software-ul oferă un rezumat creativ pentru echipele de conținut pe baza analizei.

O aplicație similară a învățării automate, detaliată în Journal of Consumer Psychology, implică un proiect de cercetare care se potrivește imaginilor cu tipurile de personalitate. În cadrul acestuia, cercetătorii au folosit algoritmi pentru a identifica 89 de caracteristici diferite pentru imagini, inclusiv nuanța, saturația, diversitatea culorilor, nivelul de detaliu, numărul de persoane și multe altele.

Cei 745 de participanți la studiu au fost rugați să evalueze imaginile pe o scară de 1-7. Când au terminat, au finalizat un test de personalitate care i-a evaluat în cinci domenii: deschidere, conștiinciozitate, extroversiune, agreabilitate și nevrotism. Apoi, au încercat să descopere ce imagini atrăgeau ce trăsături de personalitate. Printre altele, au descoperit:

• Oamenii extrovertiți preferau imagini simple și imagini care includeau oameni
• Persoanele deschise au favorizat fotografiile fără oameni și cu culori reci, cum ar fi albastru și negru
• Persoanelor bogate în nevrotism le-au plăcut scenele calme și minim stimulante

Într-un studiu de urmărire, cercetătorii au descoperit că subiecții preferau imagini publicitare care să se potrivească personalităților lor. Dar, mai important, algoritmul de învățare automată a constatat că relația dintre tipul de personalitate și tipul de imagine ar putea afecta interesul consumatorului față de un produs. Oamenii nu preferau doar imaginile care se potriveau cu personalitățile lor. Au raportat și atitudini mai favorabile și intenții de cumpărare față de aceste mărci.

3. Creșteți relevanța contextuală

În teorie, proiectarea unui anunț extraordinar ar trebui să fie suficientă pentru a genera un răspuns excelent din partea publicului țintă. Desigur, nu este niciodată atât de ușor.

Pe lângă faptul că este bine conceput, anunțul dvs. trebuie să ruleze pe platforma potrivită, cu direcționarea corectă, la momentul potrivit. Bhat spune că acesta este și un proces pe care învățarea automată îl îmbunătățește:

De exemplu, este posibil ca reclamele cu mai mult contrast de culoare să aibă performanțe mai bune pe timp de noapte sau ca anunțurile care prezintă vedete sportive să aibă cele mai bune rezultate în weekend. AI poate oferi acest nivel de detaliere și informații pentru dezvoltarea și performanța creativă a anunțurilor.

Relevanța contextuală devine din ce în ce mai importantă, acum, când autoritățile de reglementare împiedică utilizarea datelor. GDPR a impus restricții asupra datelor, iar alte țări urmează exemplul.

În loc să se bazeze strict pe datele despre audiență, tehnologiile de învățare automată sunt din ce în ce mai obișnuite cu prelucrarea datelor de pe pagină. Și o fac în moduri atât de complexe încât sunt aproape umane. Harmon Lyons, vicepreședinte senior pentru dezvoltarea afacerilor globale la IAS, spune:

Progresele actuale estompează liniile dintre om și mașină la fel de evidente în aplicații precum analiza sentimentelor - mașinile sunt din ce în ce mai capabile să identifice și să clasifice opiniile exprimate într-o bucată de text, pentru a determina dacă atitudinea scriitorului față de un anumit subiect sau produs este pozitiv, negativ sau neutru.

Nuanța aici evoluează întotdeauna pe măsură ce limbajul se extinde și include lucruri precum sarcasmul și emoticoanele pentru a exprima sensul. Progresele rapide în învățarea profundă permit computerelor să proceseze imagini și videoclipuri într-un mod mai uman.

La nivel fundamental, înțelegerea conținutului unei pagini poate ajuta agentul de publicitate și editor să difuzeze publicitate mai relevantă. La un nivel mai complex, le permite agenților de publicitate să facă unele lucruri impresionante.

Exemplu Vodafone

Luați în considerare un exemplu de la Vodafone din Marea Britanie, care a vrut să anunțe că va purta iPhone X. Ca urmare a liniilor directoare de utilizare extrem de restrictive ale companiei, companiei i-a fost greu să menționeze produsul.

Deci, au folosit tehnologia de învățare automată de la GumGum. Când a fost implementată, această tehnologie a analizat imaginile de pe pagină pentru a găsi reclame iPhone, apoi a plasat reclame Vodafone deasupra lor. Acest lucru a fost suficient de clar pentru consumatori, care au înțeles că compania va transporta iPhone-ul pe baza asociației de reclame.

Exemplu de Jeep

Jeep, un alt client GumGum, a decis să renunțe la modelarea comportamentală și să valorifice contextul. Cu tehnologia sa de învățare automată, compania a scanat paginile web pentru a găsi imagini de modele care concurau cu Cherokee, cum ar fi Toyota RAV4. Apoi, la fel ca Vodafone, și-au plasat anunțurile pe modele concurente.

Dincolo de aceste cazuri de utilizare, învățarea automată poate face lucruri extraordinare pentru reputația mărcii. Odată cu creșterea numărului de anunțuri programatice difuzate în destinații de plasare care nu sunt sigure pentru marcă (cum ar fi alături de conținut extremist, de exemplu), învățarea automată poate ajuta agenții de publicitate să prevină un coșmar PR înainte de a se întâmpla și să evite să boicoteze un site și publicul său potențial masiv. (așa cum mulți au fost obligați să facă cu YouTube.)

4. Vizați segmente mai definite

Obiectivul fiecărui agent de publicitate este relevanța maximă. Și calea către relevanță este segmentarea. Cu cât segmentele dvs. de public devin mai înguste, cu atât vă apropiați de personalizarea 1: 1 pe care o doresc clienții.

Dar pentru a ajunge aproape de personalizarea 1: 1, aveți nevoie de o cantitate masivă de date, pentru început. Apoi, aveți nevoie de un algoritm de învățare automată suficient de sofisticat pentru a trece prin date și a le transforma în ceva utilizabil.

Din fericire, acestea sunt ambele caracteristici ale rețelelor majore precum Facebook, Google și LinkedIn. Ele acumulează colecții vaste de date despre utilizatorii lor - hobby-uri, interese, locație, titluri de post etc. - pe care agenții de publicitate le pot folosi pentru a restrânge segmentele țintă. Gil Allouche, cofondator și CEO la Metadata.io, spune că astfel de date sunt atât de valoroase încât facilitează lucrul cu alte date:

Nu pentru a obține prea „meta” aici, dar metadatele sunt informații care oferă informații despre alte date. Să spunem asta din nou într-un mod diferit: Metadatele rezumă informațiile de bază despre date, ceea ce face mai ușoară găsirea și lucrul cu anumite instanțe de date. Potrivit Smart Insights, „metadatele pictează o imagine despre rutina zilnică a unui individ, interacțiunile, punctele de vedere și asociațiile, iar motivul pentru care este atât de util este că nu minte.

Când asamblați acest tip de date, obțineți ceea ce Gil și echipa de la Metadata.io numesc o „notă de dragoste” pentru perspectivele viitoare de afaceri ”, deoarece este„ o expresie a adevărului în formă scrisă ”.

Pentru companii, adevărul sub formă de informații despre clienți nu este ușor de găsit. Deci, atunci când este colectat din abundență și valorificat de rețele precum Facebook și Google, devine o modalitate valoroasă de a restrânge în mod semnificativ publicul țintă la unul mai probabil să vă revendice oferta.

Facebook colectează date și vă permite să creați segmente de public. Și mai important, platforma folosește învățarea automată pentru a determina cine dintre publicul respectiv este cel mai probabil să îndeplinească obiectivul pentru care licitați.

În același timp, această practică nu are valoare dacă pur și simplu vă restrângeți publicul țintă și oferiți aceeași experiență publicitară. Gil are dreptate când spune „Cele mai bune reclame de astăzi sunt conținut convingător și personalizat, cu semnificație reală pentru publicul unei mărci”.

Fiecare public ar trebui să aibă un anunț personalizat pe baza datelor sale. Și pentru a continua această experiență, fiecare anunț ar trebui să direcționeze utilizatorii către o pagină post-clic care este la fel de personalizată.

Luați acest exemplu de la Abreva, care a creat 119 anunțuri diferite pentru produsul lor pe baza contextului în care a fost vizionat. Când clienții au întâlnit anunțul într-un videoclip despre, să zicem, bârfe de vedete, li s-ar afișa un anunț de genul acesta:

Dar dacă ar vedea un anunț în timp ce vizionează un tutorial video, ar vedea așa ceva:

Campania personalizată a condus la un impuls major în conștientizare și considerare. Abreva a generat o creștere de 41% a rechemării anunțurilor și o creștere de 342% a interesului de căutare pe Google și YouTube.

În alte rețele, cum ar fi căutarea Google, învățarea automată face procesul mai rapid. Cu anunțurile adaptabile în rețeaua de căutare, puteți introduce mai multe versiuni ale titlului, copierii și descrierii, iar Google va testa și servi cel mai performant. În medie, agenții de publicitate care utilizează această caracteristică vor genera o creștere de 15% a clicurilor.

5. Licitați mai strategic

În publicitatea programatică, nu toate impresiile merită ceea ce sunteți dispus să le licitați. Unii sunt. Și unele merită și mai mult.

Datorită platformelor din partea cererii, evaluarea acestor impresii nu mai necesită presupuneri. Folosind tehnologia de învățare automată, aceste platforme pot face sume licitate și optimizări care, odată, cereau cumpărători experimentați.

Luați Smart Bidding de la Google, de exemplu: o strategie de licitare automată care utilizează învățarea automată pentru a optimiza conversiile sau valoarea conversiei, în fiecare licitație. Aceasta este cunoscută sub numele de „licitație la licitație”. Potrivit Google, există cinci tipuri de strategii de licitare inteligentă:

• Suma CPA vizată: suma CPA vizată setează sume licitate pentru a obține cât mai multe conversii posibil la sau sub costul pe acțiune (CPA) stabilit de dvs. sau sub.
• ROAS vizat : ROAS vizat vă permite să licitați pe baza unei rentabilități vizate a cheltuielilor publicitare (ROAS). Această strategie vă ajută să obțineți mai multă valoare a conversiei sau venituri la rentabilitatea-pe-cheltuială publicitară (ROAS) stabilită.
• Maximizați conversiile: maximizați conversiile setează automat sume licitate pentru a vă ajuta să obțineți cele mai multe conversii pentru campania dvs. în timp ce cheltuiți bugetul.
• Suma CPC îmbunătățită: cost-pe-clic îmbunătățit (ECPC) vă ajută să obțineți mai multe conversii din licitarea manuală. ECPC funcționează ajustând automat sumele licitate manuale pentru clicurile care par mai mult sau mai puțin susceptibile de a duce la o vânzare sau conversie pe site-ul dvs. web.

Ceea ce alegeți depinde de obiectivul campaniei dvs., de bugetul dvs. și de alți factori. Indiferent, puteți avea încredere că algoritmul Google Smart Bidding este bine instruit. Achiziționează și analizează în mod constant date, potrivit Google, pentru a înțelege care sunt ofertele și afișările cele mai eficiente pentru obiectivul ales. Aceste date conțin o gamă mult mai largă de parametri decât ar putea procesa orice echipă sau persoană.

Include factori de bază precum dispozitivul și locația, care pot fi reglate manual, precum și semnale automate care sunt unice pentru Smart Bidding. Acestea sunt mult mai mari ca număr. Puteți găsi mai multe aici, inclusiv comportamentul site-ului, atributele produsului, plasarea pe web și multe altele.

Deoarece Smart Bidding poate optimiza pe baza datelor din toate campaniile dvs., chiar și cele noi pot vedea performanțe sporite. Totuși, nu ar trebui să luați decizii comerciale pe baza rezultatelor campaniei până când nu aveți un eșantion suficient de mare: cel puțin 30 de conversii (50 pentru rentabilitatea vizată a cheltuielilor publicitare) și / sau peste o lună de timp.

Începeți să folosiți învățarea automată pentru a spori conversiile

Agenții de publicitate așteaptă întotdeauna cu nerăbdare aplicații mai bune ale tehnologiilor actuale. Acesta este cazul învățării automate la fel de mult ca oricare altul: chatbots mai buni, recunoaștere vocală, procesare a imaginilor etc.

Însă învățarea automată poate avea un impact pozitiv major asupra campaniilor dvs. de astăzi . Strategiile de licitare, creative și, mai ales, personalizarea, se pot îmbunătăți exponențial atunci când găsiți un model de învățare automată care funcționează pentru dvs. Fără îndoială, există ceva pentru toată lumea. Chiar dacă este vorba doar de Smart Bidding sau de anunțurile adaptabile din Rețeaua de căutare Google.

Aflați cum să profitați și mai mult de eforturile dvs. de învățare automată, conectând pagini de destinație personalizate după clic din Instapage. Obțineți o demonstrație aici.