Как агентства, использующие машинное обучение, меняют цифровой маркетинг

Опубликовано: 2019-12-05

30-секундное резюме:

  • Распространение технологий порождает еще одну тенденцию, которую маркетологи должны учитывать, - рост ожиданий потребителей. Это верно как для B2C, так и для B2B пространств.
  • QuanticMind подчеркивает необходимость привлечения людей, которые понимают сложную маркетинговую экосистему, например специалистов по данным, которые могут помочь принимать решения на основе данных.
  • Хотя платформы самообслуживания имеют встроенные инструменты оптимизации кампаний, они также создают конфликт интересов для рекламодателей.
  • Сложность цифрового маркетинга позволила специалистам нижнего уровня эффективно оптимизировать медиа.
  • Агентства должны стать высококвалифицированными консультантами, которые могут помочь компаниям ориентироваться в сложной экосистеме маркетинговых технологий. Они должны использовать машинное обучение для предоставления бизнес-решений, которые способствуют росту и защите бренда компании.

QuanticMind - это платформа для управления прогнозируемой рекламой, используемая ведущими брендами, включая HomeAdvisor, Hot Topic, Windstar Cruises и Rosetta Stone.

Их технология ориентирована на оптимизацию поисковых кампаний за счет автоматического управления ставками, управления издателями, унификации данных и машинного обучения.

Платформа также обеспечивает оптимизацию кормов и интеллектуальное управление покупками для розничных продавцов.

Компания QuanticMind недавно опубликовала новый отчет « Как оценить маркетинговые агентства на базе машинного обучения», в котором рассматривается рост числа агентств, использующих машинное обучение, и то, как они трансформируют индустрию перформативного маркетинга.

Этот 18-страничный буклет содержит отраслевую статистику, тенденции на основе данных и план того, как маркетологи могут оценить новое агентство, основанное на машинном обучении.

Контент создан в сотрудничестве с QuanticMind .

Состояние индустрии перфоманс-маркетинга

Инвестиции в цифровую рекламу продолжают расти: IAB сообщает, что инвестиции в цифровой маркетинг за четыре года увеличились вдвое с 13,2 млрд долларов в первом квартале 2015 года до 28,4 млрд долларов в первом квартале 2019 года.

Бюджеты директора по маркетингу делятся между различными маркетинговыми каналами, при этом наибольший процент идет на цифровую коммерцию, цифровую рекламу, маркетинг / аналитику клиентов и инфраструктуру веб-сайтов.

В отчете QuanticMind используются данные опроса Gartner за 2018 год, чтобы проиллюстрировать распределение бюджета директора по маркетингу следующим образом:

QuanticMind пишет: «Мы видим, что в 2018 году было много разных мест, где происходили инвестиции, но все чаще бюджеты распределялись на инструменты и технологии, которые используют всю мощь идей и аналитики клиентов, предоставляемых цифровыми технологиями».

В 2019 году действует более 7000 поставщиков маркетинговых технологий по сравнению со 150 в 2011 году. Этот все более переполненный рынок затрудняет, если не делает невозможным, оценку каждого отдельного инструмента.

Распространение технологий порождает еще одну тенденцию, которую маркетологи должны учитывать, - рост ожиданий потребителей.

Благодаря Amazon потребители ожидают, что взаимодействие с их брендом будет быстрым, плавным и максимально простым. Это верно как для B2C, так и для B2B пространств.

Обзор ожиданий бизнес-покупателей, проведенный Salesforce, показал, что более 70% покупателей ожидают персонализированного взаимодействия со стороны поставщиков, а 69% ожидают покупательского опыта, подобного Amazon.

QuanticMind пишет: «Эти B2B-компании начинают ожидать от своих поставщиков« покупательского опыта, подобного Amazon », и 67% людей сменили поставщиков на более« потребительский »».

Как маркетологи могут ориентироваться в меняющемся ландшафте

QuanticMind описывает три подхода, которые могут использовать маркетологи, чтобы ориентироваться в быстро меняющемся ландшафте индустрии цифрового маркетинга.

  • Создайте внутреннюю команду - многие директора по маркетингу уже делают это, как показывает исследование, проведенное Gartner по результатам опроса директоров по маркетингу. Бюджетные ассигнования для агентств снизились с 25% до 22% с 2017 по 2019 год, что свидетельствует о том, что директора по маркетингу стремятся привлечь команды внутри компании. QuanticMind подчеркивает необходимость привлечения людей, которые понимают сложную маркетинговую экосистему, например специалистов по данным, которые могут помочь принимать решения на основе данных. Даже в этом случае без соответствующих технологических знаний специалисты по обработке данных могут увязнуть в управлении, интеграции и форматировании данных.

«Мы лично были свидетелями ряда случаев, когда интеграция базовых данных, которая должна была занять максимум 30 дней, в конечном итоге заняла целый год, потому что в компаниях просто не было нужных людей с нужным опытом», - пишет QuanticMind.

  • Извлекайте выгоду из бесплатных опций - многие компании управляют своими медиафайлами с помощью бесплатных опций, которые включают модели на основе аукционов на ведущих платформах, таких как Google, Facebook, Bing и Amazon. Хотя в эти платформы самообслуживания встроены инструменты оптимизации кампаний, они также создают конфликт интересов для рекламодателей.

Согласно QuanticMind, «в динамике аукциона предоставление рекламной платформе возможности принимать решения о торгах создает некоторые долгосрочные проблемы, которые могут привести к увеличению затрат». Еще один риск, связанный с использованием исключительно автоматизированных платформ для управления маркетингом, заключается в том, что у вас нет полного контроля над своими данными.

  • Нанять агентство. Опрос директоров по маркетингу Gartner показал, что около 22% бюджетов директоров по маркетингу распределяются между агентствами. Агентская модель, как правило, представляет собой нисходящую модель, в которой лидерство и опыт сосредоточены на вершине пирамиды, а специалисты по планированию и стратеги более низкого уровня с опытом работы менее трех лет - внизу. Этот нижний уровень обычно составляет от 60 до 70% персонала, который маркетологи оплачивают при инвестировании в агентство. Сложность цифрового маркетинга позволила специалистам нижнего уровня эффективно оптимизировать медиа.

QuanticMind использует платный поиск в качестве примера: «Чтобы предложить некоторую перспективу в контексте платного поиска: если вы хотите оптимизировать каждое ключевое слово, имеющееся в вашей программе, по каждой из 210 прямых доступов к памяти, 24 часа в сутки, семь дней в неделю. на трех устройствах - это только 105 000 вариантов для каждого ключевого слова, каждая возможность, при которой вы можете изменить свою ставку, изменить свои сообщения и т. д. "

Единственный способ эффективно управлять портфелем из 100 000 или более ключевых слов - это машинное обучение и автоматизация.

Как пишет QuanticMind: «Это означает, что мощность основной команды традиционного агентства больше не так ценна, как опыт людей, которые знают, как управлять платформами на базе искусственного интеллекта и перемещаться по ним».

Новая модель агентства перфоманс-маркетинга

Взгляд QuanticMind на агентскую модель сосредоточен на смене парадигмы цифрового маркетинга в целом.

Агентства должны стать высококвалифицированными консультантами, которые могут помочь компаниям ориентироваться в сложной экосистеме маркетинговых технологий.

Они должны использовать машинное обучение для предоставления бизнес-решений, которые способствуют росту и защите бренда компании.

QuanticMind советует маркетологам требовать большего от своих агентств, нанимать консультантов, чтобы ускорить рост и ориентироваться в сложной экосистеме маркетинговых технологий, а также использовать машинное обучение для максимальной автоматизации.

«В конечном итоге смена парадигмы приводит нас в гибридный мир - мир, в котором правильные люди с правильными технологиями необходимы для получения превосходных результатов», - пишет QuanticMind.

Для получения дополнительной информации ознакомьтесь с полным техническим описанием « Как оценить маркетинговые агентства на основе машинного обучения ».