How brands are maximizing engagement with AI?

因为智能分段作为底漆个性化,这是至关重要着手您的参与策略之前创建相关和准确的细分。
technology

The Double Whammy Staring at Marketers
曾几何时,只有大规模的金融影响力的品牌有能力运行显著的营销活动,仅仅是因为上面的线(ATL)销售时间是资源密集型的。所有这一切与数字爆炸发生变化;现在你的邻居夫妻店商店可以推出一个Facebook或运动的AdWord低至$ 50。

这导致在竞争中处于指数上升为心灵占有率和客户忠诚度的数字空间。不幸的是,数字涌入也痛宰消费者注意力的缺乏8秒(12秒2000的急剧下降)。其结果是,今天的营销发现自己在成千上万的品牌争夺它为消费者不断缩小的注意力竞争激烈的宇宙。

The Rise of Digital Marketing
在新的数字世界,消费者的关注度和忠诚度很快成为一个非常宝贵的和令人垂涎的资源。和品牌开始涌入数以百万计的营销资金来捕捉消费者的心理份额。一会儿,这个工作,但人类的心灵是过滤掉无关信息令人难以置信的好,并开始在线广告越来越厌恶。期间2015年至2019年期间,使用广告阻滞剂美国人的数量从15%上升到26%。 

Marketing 2: 0: Engaging the Connected & Empowered Consumer
聪明的商家很快就意识到,爆破消费者提供通用的,不相关的通信的攻势是双重伤害他们:它迅速水渠珍贵的营销预算,也传播的意愿,认为品牌是精神萎靡,以消费者的需求。获得传立媒体在注意力不集中的消费,商家需要做出个性化的通信中这种改革营销理念的重要支柱是个性化的,因为它设置阶段,并给出了相关的和价值驱动的参与语境框架。

对于营销的圣杯:hyperpersonalisation大规模
在其最纯粹的意义上说,个性化是有针对性的方法,以客户互动,提供量身定制的,为每一位客户有用的相关通讯。对于中小型客户群规模较小的企业,个人化的努力都比较简单,可实现具有良好的分析团队。但它变得越来越复杂,在数据和消费者集企业级一个艰巨的任务。事实上,顶级零售商的不到10%的人说他们善于有效的个性化。

如果做得好的,个性化加速销售和业务增长的品牌,同时提高整体客户满意度水平。个性化更是大跌70%,提高了转化率,以及在整个生命周期中消费它会影响涟漪:从收购成本,参与度,平均订单价值重复购买。

在规模实现个性化的挑战,基本上可以归结为两点:消费者行为和数据量的指数上升变化的步伐。结合这两种,你会得到快速变化的数据,不断变化的客户群体和频繁变化,从数据所需的见解的类型。

智能分割与AI:新的个性化模式供电
因为智能分段作为底漆个性化,这是至关重要着手您的参与策略之前创建相关和准确的细分。

The Need for Smart Segmentation

而像人口统计和位置基本分割可以手动完成,创建复杂的角色和购买模式段可以是乏味且耗时的。此外,这些通用的分割不能用于构建高级购买倾向模型。

对于成功的智能分割,品牌需要层顾客的“行为方面的”基础段属性。这些包括具体行为方面,例如购买历史,搜索历史记录等,并隐含行为方面,例如停留时间,特定的产品页面上,热图和其他店面的相互作用。此外,这些行为细分需要根据不断变化的客户需求是动态的和适应性。这就是像人工智能和机器学习的新兴技术可以帮助品牌优化其数据和资源,以实现其业务目标。

AI-Powered Adaptive Segmentation

人工智能的真正力量在于它能够发现复杂和不同的相关性这几乎是不可能通过人工干预揭开能力。小时为品牌需要的是价值驱动的经验,在客户购买过程的每一个阶段。然而,多个数据源和非线性的客户历程,目前已经难以为品牌创造一个无缝的客户体验。自适应分割是基于多种因素,如人口统计数据,行为指标和时间制定集中分割的好方法。

自适应分割是通过一套智能算法,不断“学习”供电更多客户每次他/她与品牌上的时间 - 无论是在社交媒体,电子邮件,网站或店内。自适应分段还使得品牌基于更高的转换概率而不是简单的人口统计度量以优化段

A 4 Step Process to Smart Segmentation

基于AI分割典型地包括4个阶段:
前处理:初始验证和数据集的清洁。一个“黄金标准”训练组将需要在此阶段,这将作为今后使用情况的底漆被识别。

造型:这是你找出让你的细分变量。那么这些变量是基于重要性的顺序和应用设置,以帮助机器理解为您的细分特征性的“黄金标准”的培训堆叠。

The accessible segmentation attributes are :

流量来源(网站,竞价排名,电子邮件广告,社交媒体等)
New or returning customer
Platform (mobile, desktop)
Location
Average Order Value
Demographic, Likes and preferences
Search Behaviour
过去内容的交互(产品页面,博客文章)


评价:在此阶段,一个混淆矩阵被用于标识先前不正确接触,并且还评价模型的准确性。如果有跨段的不平衡数据集,一个统计系数被施加到占类不平衡。

转型:输出数据就达到了,你的客户现在巧妙地按照“黄金标准”训练集分割。

Benefits of AI-Powered Segmentation
杜绝人为偏差和成见,同时分割
创建段和子段的几乎无限数目的
根据目前的行为和市场趋势段的实时更新用
揭示隐藏的模式和趋势(即违背了当时的假设)
Highly scalability
Higher engagement rates and ROI
尽管在推动个性化的AI动力分割的巨大成功率,其通过率,由于孤立的数据源,并在某些情况下,缺乏足够的数据本身已经具有低营销承认没有实现它的55%。要保持领先的数字革命和以消费者为准备好,品牌必须用全方位渠道分析平台,建立集中,数据池和交付使用AI-供电营销解决方案更加个性化的客户体验。

文章已被维克拉姆泰铢,其首席产品官,毛细管技术操刀下

Publish Date
Not Sponsored
Live: People Reading Now
 
 
 
 
TRENDING ARTICLE
RECOMMENDED FOR YOU