Машинное обучение: революция в продвижении приложений

Jason Spero Ноя 2017 Мобильная реклама

Искусственный интеллект и технологии машинного обучения могут полностью изменить маркетинг, как когда-то это сделали мобильные устройства, Интернет и телевидение.

Многие передовые компании начали использовать в маркетинге инструменты машинного обучения. Это помогает упростить работу с данными, собирать больше информации о пользователях, наладить взаимодействие с ними и сделать рекламу более релевантной. По статистике The Boston Consulting Group1, 85% руководителей полагают, что искусственный интеллект поможет компаниям получить или сохранить конкурентное преимущество.

Apps-Machine-Learning

Разработчики приложений и маркетологи уже используют машинное обучение, чтобы изменять привычные бизнес-модели, переопределять категории и переосмысливать подход к маркетингу в целом. Это позволяет им получить ряд преимуществ. 

Обработка больших объемов данных 

Современные пользователи постоянно переключаются между разными устройствами и цифровыми медиаресурсами. Мобильные приложения привлекают аудиторию и позволяют маркетологам укрепить взаимоотношения с клиентами. 

Однако маркетологам по-прежнему приходится обрабатывать огромное количество данных, чтобы узнать, какие сегменты аудитории наиболее ценны, откуда приходят такие пользователи и как заставить их возвращаться снова и снова. 

Данных становится все больше, как и способов их обработки, поэтому маркетологам сложно понять, как именно добиться высокой рентабельности инвестиций в рекламу. По данным McKinsey & Company, сбор и обработка данных суммарно занимают треть рабочего времени в США2.

Apps-Machine-Learning

Обработка данных отнимает время и силы, которые можно было бы уделить более сложным и важным задачам, таким как создание маркетинговой стратегии или повышение качества товаров. 

Технологии машинного обучения позволяют анализировать миллионы показателей в реальном времени и принимать оптимальные решения на основе статистики, чтобы повысить эффективность бизнеса. 

В результате маркетинг в целом становится проще. Вы решаете, каких бизнес-целей хотите достичь и какова ваша целевая аудитория (например, игроки, которые достигнут 10 уровня, или покупатели, готовые тратить в приложении более 50 долларов в месяц), а затем система автоматически определяет, где и когда показывать рекламу. 

Оптимизация с учетом ценности клиентов 

Одна из самых важных задач для маркетолога – определить, каким именно клиентам бренд нравится настолько, что они готовы возвращаться. Однако ещё важнее найти аудиторию, которая принесет высокую прибыль. Благодаря машинному обучению вам будет проще найти и заинтересовать наиболее ценных клиентов, показывая рекламу там, где вы сами не догадались бы. 

Вместо узких рамок в духе "женщины 35–54 лет" при машинном обучении применяются гораздо более широкие критерии ценности, например покупки в магазинах и приложении, пройденные уровни в игре и т. п. Учитываются миллионы сигналов, которые помогают найти тех, кто с высокой вероятностью совершит нужные вам действия.

Сначала необходимо изучить клиентов, которые у вас уже есть: самых ценных пользователей приложения или тех, кто приносит максимальный доход. После этого система будет искать пользователей с похожими профилями. Например, если у вас приложение для туристов, система найдет тех, кто совершал покупки в других подобных приложениях, смотрел видео о туризме или искал авиабилеты и гостиницы. 

Рассмотрим пример туристической компании Trivago. Целью компании было побудить наиболее ценных пользователей совершать транзакции в приложении. Специалисты создали универсальные кампании для приложений, в которых применяется машинное обучение Google. Это помогло обратиться к аудитории, которая с высокой вероятностью совершит покупки в приложениях. В результате у компании стало на 20% больше ценных пользователей (суммарно для iOS и Android). 

Персонализированное обращение 

Технология машинного обучения не просто помогает находить ценных пользователей, но и определяет, что может их заинтересовать. Каждое ваше рекламное сообщение вовремя попадет в поле зрения нужной аудитории. В ходе опроса 81% ведущих маркетологов согласились, что машинное обучение крайне важно для того, чтобы персонализировать обращение к потенциальным клиентам на всем пути к покупке3.

Apps-Machine-Learning

Компания Pocket Gems, выпускающая мобильные игры, делает ставку на видеорекламу в приложениях. Маркетологи компании сравнили пользователей их приложения Episode с определенными аудиториями по интересам (увлеченные модой, знатоки индустрии красоты, любители драматических и романтических фильмов и т. п.). Благодаря подбору сообщений и вариантов рекламы с учетом интересов аудитории общая ценность пользователей YouTube для компании выросла на 50%. 

Новые инструменты для маркетологов и агентств 

Хотя машинное обучение и упрощает работу с рекламой, основную роль по-прежнему играют люди. Эффективность технологии напрямую зависит от данных, которые предоставляете вы. Маркетологи и представители агентств должны получать актуальные данные, определять самые значимые бизнес-цели (такие как общая ценность клиента), а также постоянно оптимизировать рекламу на всем протяжении пути к покупке. В частности, необходимо постоянно улучшать целевые страницы в магазине приложений, ваш сайт, путь пользователя и события в приложении. 

Агентство цифрового маркетинга Incipia применяет машинное обучение, чтобы помогать своим клиентам развивать бизнес. Например, для игры WordScapes удалось не только достичь недельной цели по удержанию, но и превысить ее на 60%. Маркетологи оптимизировали стратегию назначения ставок, чтобы обратиться к самым ценным пользователям, а также создали разные варианты видеообъявлений в рамках универсальных кампаний для приложений. 

Такие компании, как Incipia, понимают, что развитие – не просто маркетинговая задача или цель по развитию товара, но и возможность для бизнеса в целом. Технологии помогают принимать решения на основе данных, находить перспективных пользователей и обращаться к ним, а также показывать наиболее эффективную рекламу. 

Маркетологи, которые вкладывают ресурсы в инновационные технологии, обязательно достигнут успеха в новой эре рекламы.

Trivago применяет технологию PWA, чтобы охватить растущую мобильную аудиторию