Teknologi PengiklananAnalisis & UjianKepintaran BuatanVideo Pemasaran & Jualan

Retina AI: Menggunakan Predictive AI untuk Mengoptimumkan Kempen Pemasaran dan Mewujudkan Nilai Sepanjang Hayat Pelanggan (CLV)

Persekitaran berubah dengan pantas untuk pemasar. Dengan kemas kini iOS yang memfokuskan privasi baharu daripada Apple dan Chrome yang menghapuskan kuki pihak ketiga pada 2023 – antara perubahan lain – pemasar perlu menyesuaikan permainan mereka agar sesuai dengan peraturan baharu. Salah satu perubahan besar ialah peningkatan nilai yang terdapat dalam data pihak pertama. Jenama kini mesti bergantung pada data ikut serta dan pihak pertama untuk membantu mendorong kempen.

Apakah Nilai Sepanjang Hayat Pelanggan (CLV)?

Nilai Sepanjang Hayat Pelanggan (CLV) ialah metrik yang menganggarkan jumlah nilai (biasanya margin hasil atau keuntungan) yang akan dibawa oleh mana-mana pelanggan kepada perniagaan sepanjang tempoh masa mereka berinteraksi dengan jenama anda—masa lalu, sekarang dan masa hadapan.

Peralihan ini menjadikannya penting strategik untuk perniagaan memahami dan meramalkan nilai sepanjang hayat pelanggan, yang membantu mereka mengenal pasti segmen utama pengguna untuk jenama mereka sebelum titik pembelian dan mengoptimumkan strategi pemasaran mereka untuk bersaing dan berkembang maju.

Tidak semua model CLV dicipta sama, walau bagaimanapun – kebanyakan menjananya pada agregat dan bukannya peringkat individu, oleh itu, tidak dapat meramalkan CLV masa hadapan dengan tepat. Dengan CLV peringkat individu yang Retina jana, pelanggan dapat membezakan apa yang menjadikan pelanggan terbaik mereka berbeza daripada orang lain dan menggabungkan maklumat tersebut untuk meningkatkan keuntungan kempen pemerolehan pelanggan mereka yang seterusnya. Selain itu, Retina dapat memberikan ramalan CLV dinamik berdasarkan interaksi masa lalu pelanggan dengan jenama, membolehkan pelanggan mengetahui pelanggan yang harus mereka sasarkan dengan tawaran istimewa, diskaun dan promosi.  

Apakah Retina AI?

Retina AI menggunakan kecerdasan buatan untuk meramalkan nilai seumur hidup pelanggan sebelum transaksi pertama.

Retina AI ialah satu-satunya produk yang meramalkan CLV jangka panjang pelanggan baharu yang membolehkan pemasar pertumbuhan membuat keputusan pengoptimuman belanjawan kempen atau saluran dalam masa hampir nyata. Contoh platform Retina yang digunakan ialah kerja kami dengan Madison Reed yang sedang mencari penyelesaian masa nyata untuk mengukur dan mengoptimumkan kempen di Facebook. Pasukan di sana memilih untuk menjalankan ujian A/B yang berpusat pada CLV:CAC (kos pemerolehan pelanggan) nisbah. 

Kajian Kes Madison Reed

Dengan kempen ujian di Facebook, Madison Reed menyasarkan untuk mencapai matlamat berikut: Ukur ROAS dan CLV kempen dalam hampir masa nyata, peruntukkan semula belanjawan ke arah kempen yang lebih menguntungkan dan fahami kreatif iklan yang menghasilkan nisbah CLV:CAC tertinggi.

Madison Reed menyediakan ujian A/B menggunakan khalayak sasaran yang sama untuk kedua-dua segmen: wanita berumur 25 tahun ke atas di Amerika Syarikat yang tidak pernah menjadi pelanggan Madison Reed.

  • Kempen A ialah kempen perniagaan seperti biasa.
  • Kempen B telah diubah suai sebagai segmen ujian.

Menggunakan nilai sepanjang hayat pelanggan, segmen ujian telah dioptimumkan secara positif untuk pembelian dan secara negatif terhadap penyahlanggan. Kedua-dua segmen menggunakan kreatif iklan yang sama.

Madison Reed menjalankan ujian di Facebook dengan pembahagian 50/50 selama 4 minggu tanpa sebarang perubahan pada pertengahan kempen. Nisbah CLV:CAC meningkat sebanyak 5% serta-merta, sebagai hasil langsung daripada mengoptimumkan kempen menggunakan nilai sepanjang hayat pelanggan dalam pengurus iklan Facebook. Bersama-sama dengan nisbah CLV:CAC yang lebih baik, kempen ujian memperoleh lebih banyak tera, lebih banyak pembelian tapak web dan lebih banyak langganan, yang akhirnya membawa kepada peningkatan hasil. Madison Reed menjimatkan kos setiap tera dan kos setiap pembelian sambil juga memperoleh pelanggan jangka panjang yang lebih berharga.

Keputusan jenis ini adalah tipikal apabila menggunakan Retina. Secara purata, Retina meningkatkan kecekapan pemasaran sebanyak 30%, meningkatkan CLV tambahan sebanyak 44% dengan khalayak yang serupa dan memperoleh 8x Pulangan untuk Perbelanjaan Iklan (ROAS) pada kempen pemerolehan jika dibandingkan dengan kaedah pemasaran biasa. Pemperibadian berdasarkan ramalan nilai pelanggan pada skala dalam masa nyata akhirnya merupakan pengubah permainan dalam teknologi pemasaran. Fokusnya pada tingkah laku pelanggan dan bukannya demografi menjadikannya penggunaan data yang unik dan intuitif untuk menjadikan kempen pemasaran menjadi kemenangan yang berkesan dan konsisten.

Retina AI menawarkan keupayaan berikut

  • Markah Utama CLV – Retina menyediakan perniagaan dengan cara untuk menjaringkan semua pelanggan untuk mengenal pasti petunjuk yang berkualiti. Banyak perniagaan tidak pasti pelanggan mana yang akan menghasilkan nilai tertinggi sepanjang hayat mereka. Dengan menggunakan Retina untuk mengukur purata pulangan untuk perbelanjaan pengiklanan (ROAS) garis dasar merentas semua kempen dan terus menjaringkan petunjuk serta mengemas kini CPA dengan sewajarnya, ramalan Retina menjana ROAS yang lebih tinggi pada kempen yang dioptimumkan menggunakan eCLV. Penggunaan strategik kecerdasan buatan ini memberikan perniagaan cara untuk mengenal pasti dan mengakses pelanggan yang menunjukkan nilai sisa. Di luar pemarkahan pelanggan, Retina boleh menyepadukan dan membahagikan data melalui platform data pelanggan untuk pelaporan merentas sistem.
  • Pengoptimuman Belanjawan Kempen – Pemasar strategik sentiasa mencari cara untuk mengoptimumkan perbelanjaan iklan mereka. Isunya ialah kebanyakan pemasar perlu menunggu sehingga 90 hari sebelum mereka boleh mengukur prestasi kempen sebelumnya dan melaraskan belanjawan masa hadapan dengan sewajarnya. Retina Early CLV memperkasakan pemasar untuk membuat pilihan bijak tentang tempat untuk memfokuskan perbelanjaan iklan mereka dalam masa nyata, dengan menempah CPA tertinggi mereka untuk pelanggan dan prospek bernilai tinggi. Ini dengan cepat mengoptimumkan CPA sasaran bagi kempen bernilai lebih tinggi untuk menghasilkan ROAS yang lebih tinggi dan kadar penukaran yang lebih tinggi. 
  • Audience Lookalike – Retina kami dapati bahawa banyak syarikat mempunyai ROAS yang sangat rendah—biasanya sekitar 1 atau bahkan kurang daripada 1. Ini sering berlaku apabila perbelanjaan iklan syarikat tidak berkadar dengan nilai seumur hidup prospek atau pelanggan sedia ada mereka. Satu cara untuk meningkatkan ROAS secara mendadak ialah dengan mencipta khalayak kelihatan berasaskan nilai dan menetapkan had bida yang sepadan. Dengan cara ini, perniagaan boleh mengoptimumkan perbelanjaan iklan berdasarkan nilai yang akan dibawa oleh pelanggan mereka dalam jangka panjang. Perniagaan boleh menggandakan pulangan mereka untuk perbelanjaan iklan dengan khalayak seumur hidup berasaskan nilai pelanggan Retina.
  • Pembidaan Berasaskan Nilai – Pembidaan berasaskan nilai didasarkan pada idea bahawa pelanggan yang bernilai rendah pun berbaloi untuk memperoleh一selagi anda tidak berbelanja terlalu banyak untuk memperoleh mereka. Dengan andaian itu, Retina membantu pelanggan melaksanakan pembidaan berasaskan nilai (VBB) dalam kempen Google dan Facebook mereka. Menetapkan had bida boleh membantu memastikan nisbah LTV:CAC yang tinggi dan memberikan pelanggan lebih fleksibiliti untuk mengubah suai parameter kempen agar sesuai dengan matlamat perniagaan. Dengan had bidaan dinamik daripada Retina, pelanggan telah meningkatkan nisbah LTV:CAC mereka dengan ketara dengan mengekalkan kos pemerolehan di bawah 60% daripada had bida mereka.
  • Kesihatan Kewangan & Pelanggan – Laporkan kesihatan dan nilai asas pelanggan anda. Laporan Kualiti Pelanggan™ (QoC) menyediakan analisis terperinci tentang pangkalan pelanggan syarikat. QoC memfokuskan pada metrik pelanggan yang berpandangan ke hadapan dan akaun untuk ekuiti pelanggan yang dibina dengan gelagat pembelian berulang.

Jadualkan Panggilan Untuk Ketahui Lebih Lanjut

Emad Hasan

Emad ialah Ketua Pegawai Eksekutif dan Pengasas Bersama Retina AI. Sejak 2017 Retina telah bekerja dengan pelanggan seperti Nestle, Dollar Shave Club, Madison Reed dan banyak lagi. Sebelum menyertai Retina, Emad membina dan mengendalikan pasukan analitik di Facebook dan PayPal. Semangat dan pengalaman berterusan beliau dalam industri teknologi membolehkan beliau membina produk yang membantu organisasi dalam membuat keputusan perniagaan yang lebih baik melalui memanfaatkan data mereka sendiri. Emad memperoleh BS dalam Kejuruteraan Elektrik dari Penn State, Sarjana Kejuruteraan Elektrik dari Institut Politeknik Rensselaer, dan MBA dari UCLA Anderson School of Management. Di luar kerjanya dengan Retina AI, beliau ialah seorang blogger, penceramah, penasihat permulaan dan pengembara luar.

Artikel yang berkaitan

Kembali ke atas butang
Tutup

Adblock Dikesan

Martech Zone mampu memberikan anda kandungan ini tanpa sebarang kos kerana kami mengewangkan tapak kami melalui hasil iklan, pautan ahli gabungan dan tajaan. Kami amat menghargai jika anda akan mengalih keluar penyekat iklan anda semasa anda melihat tapak kami.