Maschinelles Lernen schafft neue Impulse für das App-Marketing

Vor nicht allzu langer Zeit haben Mobilgeräte, Internet und Fernsehen das Marketing revolutioniert. Künstliche Intelligenz und maschinelles Lernen haben ein ähnliches Potenzial.

Zukunftsorientierte Unternehmen setzen die Tools für maschinelles Lernen als Turboantrieb für ihr Marketing ein. Sie schöpfen das Potenzial der Technologie aus, um Daten zu optimieren, Nutzerinformationen zu gewinnen und mit äußerst relevanten Inhalten das Interesse der Zielgruppe zu wecken. Laut einer Studie der Boston Consulting Group sind 85 % der Führungskräfte der Ansicht, dass ihre Unternehmen mit künstlicher Intelligenz (KI) einen Wettbewerbsvorteil erzielen oder ihre Marktposition behaupten können1.

Apps-Machine-Learning

App-Werbetreibende und -Entwickler nutzen maschinelles Lernen, um klassische Geschäftsmodelle aufzubrechen, Kategorien neu zu definieren und das Marketing aus einem ganz anderen Blickwinkel zu betrachten. Das macht sich auf verschiedenen Ebenen bezahlt. 

Unmengen an Daten analysieren 

Heutzutage verwenden Nutzer mehrere Geräte und sind in verschiedenen digitalen Medien aktiv. Mobile Apps bieten den Kunden Vorteile und ermöglichen Werbetreibenden, eine nachhaltige Kundenbeziehung aufzubauen. 

Werbetreibende müssen aber immer noch Unmengen an Daten analysieren, um Antworten auf die drängendsten Fragen zu finden: Welche Nutzer sind für mein Unternehmen am wertvollsten? Woher kommen sie? Wie kann ich ihr Interesse aufrechterhalten? 

Angesichts all dieser Daten und der ständig zunehmenden Analysemöglichkeiten wird es für Werbetreibende immer schwieriger, den besten Return on Investment für ihre Marketingausgaben zu erzielen. Laut einer Studie von McKinsey & Company, die unter Angehörigen aller Berufsgruppen in der US-Wirtschaft durchgeführt wurde, entfällt ein Drittel der insgesamt am Arbeitsplatz verbrachten Zeit auf das Erfassen und Verarbeiten von Daten.2

Apps-Machine-Learning

Je mehr Arbeit und Ressourcen für die Datenanalyse aufgewendet werden, desto weniger Zeit steht für wichtige Aufgaben wie das Optimieren der Marketingstrategie oder das Verbessern der Produkterfahrung zur Verfügung. 

Mithilfe des maschinellen Lernens lassen sich Millionen von Datenpunkten in Echtzeit analysieren, um durch fundierte, optimierte Entscheidungen den Geschäftserfolg zu steigern. Werbetreibende können so deutlich effizienter arbeiten und haben mehr Zeit, sich auf strategische Aufgaben zu konzentrieren. 

Auch der Marketingprozess wird vereinfacht. Sie legen Ihre Geschäftsziele fest und definieren die relevante Zielgruppe, z. B. Gamer, die wahrscheinlich Level 10 in Ihrem Spiel erreichen, oder Käufer, die voraussichtlich mehr als 50 $ pro Monat in Ihrer App ausgeben. Dann können Sie es dem System überlassen, die entsprechenden Nutzer zu erreichen und ihr Interesse zu wecken. 

Im Hinblick auf den Kundenwert optimieren 

Eine der größten Herausforderungen für Werbetreibende besteht darin, die Nutzer zu finden, die Kunden werden und dem Unternehmen treu bleiben. Noch wichtiger ist es jedoch, gewinnbringende Kunden zu finden. Mithilfe des maschinellen Lernens ist es einfacher, die für ein Unternehmen relevantesten Nutzer zu ermitteln und zu erreichen, denn die Suche erstreckt sich auf einen größeren Bereich.

Anstatt ein zu eng gefasstes Zielsegment zu definieren, z. B. Frauen im Alter von 35 bis 54 Jahren, können Sie mit maschinellem Lernen ein wesentlich breiteres Spektrum an potenziellen Kunden unter Berücksichtigung des jeweiligen Geschäftsziels erreichen – etwa ein Verkauf, ein In-App-Kauf oder ein bestimmtes Level in einem Spiel. Es werden Millionen von Signalen berücksichtigt, um in großem Maßstab Nutzer zu finden, die wahrscheinlich eine dieser Aktionen ausführen. 

Der erste Schritt beim Einsatz des maschinellen Lernens ist, Ihren Kundenstamm zu analysieren, das heißt die Nutzer, die für Ihr Unternehmen am relevantesten oder profitabelsten sind. Das System sucht dann nach ähnlichen Profilen. Wenn Sie etwa eine Reise-App entwickelt haben, wird unter anderem nach Einzelpersonen gesucht, die in anderen Reise-Apps einen Urlaub gebucht haben, die sich online Reisevideos ansehen oder die sich für Flug- und Hotelangebote interessieren.

Nehmen wir Trivago als Beispiel. Das Onlinereiseunternehmen wollte relevante Nutzer zu mehr In-App-Transaktionen bewegen. Es nutzte universelle App-Kampagnen, die auf der Google-Technologie für maschinelles Lernen basieren, um die Kampagne im Hinblick auf Käufer zu optimieren, die wahrscheinlich In-App-Conversions durchführen. Das war ein voller Erfolg: Das Unternehmen konnte die Zahl der relevanten Nutzer auf iOS- und Android-Geräten um 20 % steigern. 

Intelligentes Storytelling 

Mithilfe des maschinellen Lernens lassen sich nicht nur gewinnbringende Nutzer finden, sondern Sie erfahren auch, wie Sie am effektivsten mit ihnen interagieren. Dazu wird die richtige Werbebotschaft mit der passenden Anzeige kombiniert und für den geeigneten Nutzer im richtigen Moment ausgeliefert. Tatsächlich stimmen 81 % der führenden Werbetreibenden überein, dass maschinelles Lernen unverzichtbar ist, um personalisierte Inhalte im Kaufprozess bereitzustellen.3

 

Apps-Machine-Learning

Das Unternehmen Pocket Gems, das mobile Spiele entwickelt, nutzt App-Anzeigen in Videos, um seine Zielgruppe zu erreichen. Hierzu ordnet es die Nutzer seiner App Episode den sehr relevanten Gruppen mit gemeinsamen Interessen zu, z. B. "Modefans", "Schönheitsexpertinnen", "Fans romantischer und dramatischer Filme". Diese Kombination aus der richtigen Botschaft, der passenden Anzeige und der richtigen Zielgruppe erhöhte den Lifetime-Wert der YouTube-Nutzer um 50 %. 

Neue Steuerungsmöglichkeiten für Werbetreibende und Agenturen 

Maschinelles Lernen vereinfacht zwar den Marketingprozess, aber die Qualität der Ergebnisse ist von den Daten abhängig, mit denen das System gespeist wird. Daher spielen Menschen immer noch eine entscheidende Rolle. Es obliegt den Werbetreibenden und Agenturen, auf die richtigen Daten zuzugreifen, die wichtigsten Geschäftsziele – z. B. Customer Lifetime Value – zu definieren und den gesamten Kaufprozess zu optimieren. Dies umfasst auch die Optimierung der Zielseite des App-Shops, der App-Startseite, der Aufrufabfolge von Webseiten und der In-App-Ereignisse.

Die Onlinemarketing-Agentur Incipia nutzt maschinelles Lernen, um Kunden beim Ausbau ihres Geschäfts zu unterstützen. Sie verhalf dem Anbieter der Spiele-App WordScapes dazu, sein Sieben-Tage-Ziel in Bezug auf die Kundenbindung um unglaubliche 60 % zu steigern. Dazu wurde die Gebotseinstellung verbessert, um sich auf vielversprechende Nutzer zu konzentrieren. Zudem wurde der kreative Prozess weiterentwickelt, um Varianten von Videoanzeigen zu entwickeln und so die universellen App-Kampagnen von Google zu optimieren.

Unternehmen wie Incipia haben erkannt, dass Wachstum keine Produkt- oder Marketingfrage ist, sondern eine primäre Unternehmensaufgabe. App-Werbetreibende nutzen Technologien, um basierend auf Daten fundiertere Entscheidungen zu treffen, profitablere Kunden zu finden und zu erreichen und effektivere Anzeigen zu schalten. 

Werbetreibende, die in intelligentes Wachstum investieren, sind optimal für die neue Ära des Marketings gewappnet, um auch in Zukunft auf Erfolgskurs zu bleiben. 

Messungen: der Schlüssel zu mehr Wachstum in der mobilen Welt