Предиктивный (или предсказательный) анализ позволяет предположить поведение пользователя, результаты рекламной кампании, построить сегменты аудитории для настройки точного таргетинга и в конечном счете повысить эффективность маркетинговых усилий. С помощью постов от AppsFlyer и Clickz разбираемся в том, что это и зачем нужно маркетологам.
Предиктивный маркетинг, согласно AppsFlyer, — подход, основанный на предиктивном анализе, который позволяет предсказать, какие маркетинговые стратегии будут успешными. В основе предиктивного маркетинга лежит аналитика.
Предиктивная реклама как часть маркетинга, соответственно, основывается на исторических данных, алгоритмах машинного обучения для точного определения целевой аудитории и понимания того, как пользователи будут взаимодействовать с рекламой и вести себя относительно нее.
Это не новые понятия: предиктивные технологии используются достаточно давно и позволяют оптимизировать рекламные бюджеты и достигать целей, которые бизнес ставит перед собой.
Согласно AppsFlyer, предиктивный маркетинг позволяет маркетологам мобильных приложений работать с тремя основными этапами: удержание, вовлечение пользователей и монетизация.
Есть конкретные примеры, с помощью которых будет понятнее о чем идет речь. Их тоже привел AppsFlyer. В мобильной игре алгоритм определил, что пользователи, которые завершают 10-й уровень в течение первых суток, с вероятностью 70% совершат покупку в приложении.
Или применимо к приложению e-commerce. Данные могут показать, что пользователи, совершившие покупку из раздела «Рекомендованные товары» в течение 24 часов, с большей вероятностью будут покупать повторно каждый месяц.
Эти выводы могут стать основой для поведенческих моделей, сегментации пользовательской базы и работы с ней. И это то, что сложно построить вручную.
Предиктивная аналитика уже давно и успешно используется в рекламе, и вот несколько примеров:
Таргетинг на «похожую» аудиторию позволяет расширить охват рекламной кампании. Сегменты «похожих» аудиторий строятся на основе данных о существующей базе пользователей — и реклама демонстрируется тем, кто имеет те же поведенческие характеристики и «признаки»: интересы, местоположение, активность и так далее.
Для построения этих сегментов используются предиктивные технологии.
Искусственный интеллект позволяет использовать данные пользователей для прогнозирования их будущего поведения. Да, это тоже предиктивные технологии.
Вот несколько примеров, которые приводит Clickz в этом контексте. Amazon — гигантская компания-ритейлер — использует предиктивные технологии для перекрестных и up-sell продаж. Например, с помощью данных cookies маркетологи определяют, что человек, который купил на сайте протеиновый батончик, сейчас читает статью в велнес-блоге. И Amazon может предложить покупателю фитнес-продукт на этом сайте.
В микромоменты пользователь обращается к устройству с определенными намерениями: что-то узнать, сделать, купить прямо сейчас. Собственно, ключевые микромоменты делятся на три вида: «я хочу узнать», «я хочу пойти», «я хочу сделать/купить».
В эти моменты можно контактировать с пользователем и демонстрировать ему персонализированное предложение. Помогает динамическая оптимизация: например, реклама может меняться на основе времени суток, в которое пользователь ее смотрит, или погоды в том регионе, где находится пользователь.
С помощью предиктивных технологий можно нацелиться на пользователя до того, как этот микромомент наступит.
AppsFlyer четко определил преимущества предиктивного маркетинга.
Во-первых, в эпоху ужесточения правил конфиденциальности данных становится меньше. И использование предиктивных технологий, которые основываются на предыдущих данных и моделях, позволяют маркетологам принимать взвешенные решения.
Во-вторых, предиктивный анализ и применение данных позволяют оставаться конкурентоспособным — предвидеть ожидаемые спады и пики активности пользователей в мобильном приложении, запускать рекламные кампании на ту аудиторию, которой эта реклама точно будет нужна и полезна.
И, в-третьих, все это нацелено на рациональный расход бюджета — не нужно будет тратить средства на привлечение нерелевантной аудитории в приложение или показ рекламы нецелевым пользователям.
Источники: appsflyer.com, clickz.com
Мы в BYYD используем предиктивные технологии для того, чтобы определить планируемые KPI рекламной кампании. Имеющийся опыт и данные позволяют нам предположить, каких результатов можно достичь, а также построить стратегию кампании, настроить таргетинги на целевую аудиторию, если необходимо, использовать собранную информацию по пользователям для построения «похожих» аудиторий (look-a-like таргетинг). Посмотрите, как работают наши рекламные кампании и присоединяйтесь к платформе для того, чтобы охватить целевую аудиторию в мобильных приложениях.
