Защо рекламата, задвижвана от изкуствен интелект е толкова точна?
Хиляди реклами бомбардират хората всеки ден, както онлайн, така и извън интернет. С нарастващата популярност на ад блокърите се вижда ясно, че хората търсят начини да намалят показваните реклами.
Дигиталният маркетинг достигна повратен момент, в който прекомерното обстрелване с информация влияе негативно върху целта за привличане на потребителското внимание. Ключов е и фактът и че по-голямата част от съдържанието често не е релевантно към конкретния потребител.
Маркетинг специалистите могат да преодолеят дистанцията, като използват технологии за дълбока персонализация, която ще им позволи да увеличат влиянието на рекламите си, като ги покажат на точните потребители.
Изключително важно е интегрирането и на изкуствен интелект в персонализирането на рекламни препоръки. Именно той донесе успеха на Netflix или Amazon и ще бъде ключ към все по-доброто представяне на рекламите в бъдеще.
Първата стъпка за един дигитален маркетинг специалист е да се запознае и възползва по най-добрия начин от съществуващите технологии. Първоначално – с машинно учене, а след това – и с дълбоко учене – най-перспективното подразделение на изкуствения интелект. В момента съществуват напредничави алгоритми и модели за данни, които анализират и откриват потребителските нужди с по-голяма точност.
Този вид решение е от особена важност за електронната търговия, където инвентарите от продукти са големи и разнообразни. Решенията трябва да се вземат с бързина до милисекунди и да подхождат на персоналния вкус на всеки потребител. Задълбочените анализи на алгоритмите с дълбоко учене позволяват персонализираните оферти да се появяват бързо и настроени отделно към нуждите и интересите на всеки уникален потребител. Крайният резултат е кампания, която предлага само релевантни препоръки. Едно приятно преживяване за потребителя и по-голяма ефективност за рекламодателите.
Различните технологии означават различни резултати
В повечето случаи на ретаргетинг, процесът започва когато потребителят премине през няколко магазина в търсене на сходни продукти, но не осъществява покупка. За да се свърже с потребителя и да го върне обратно, дигиталният маркетинг специалист ще използва ретаргетинг кампания.
Има два големи въпроса, пред които ретаргетинг стратегията в електронната търговия е изправена в момента: каква оферта да покаже и как да я покаже на определен потребител. Рекламодателите пробват различни подходи, за да приспособят рекламното съобщение, така че то да е достатъчно персонализирано и привлекателно, за да убеди клиента да направи поръчка. Ретаргетинг специалистите след това локализират индивидуалните потребители с правилното съобщение (криейтив) и след това показват уникални оферти (персонализирани продукти).
Това, което отличава подхода на дълбокото учене от този на традиционното машинно учене, е самият метод на учене. Стандартното машинно учене е настроено да използва огромни количества данни. Обаче трябва да му бъде показано как да учи, какво да анализира и какъв е желаният резултат.
Когато се прилага технологията „дълбоко учене“, методът на учене се променя. Той имитира начина, по който човешкият мозък работи при обработването на информация и вземането на решения. Подобно на начина, по който хората се учат чрез практиката, моделът за дълбоко учене пробва различни неща преди да вземе крайно решение. В електронната търговия, самообучаващата се процедура се ръководи от натрупания опит или симулации в интуитивните си решения, което води до по-точно и бързо определяне на потребителския потенциал за покупки. Всичко това се случва без каквато и да е била човешка намеса или ръчно въведени правила.
Разкриване на скритите намерения
Технологията на дълбокото учене даде възможност на ретаргетинг специалистите не само да анализират основните потребителски поведения от типа на какви продукти или какви продуктови категории са били посетени, но също и данни за „по-скрити слоеве“. Както при езика на тялото, микроизраженията могат да разкрият нашите истински, понякога неосъзнавани намерения. Високотехнични алгоритми, които използват дълбоко учене, дадоха възможност за анализиране на времето, прекарано между разгледаните продукти, цената на прегледаните продукти, или дори поредността на посетените подрубрики в сайта на магазина, например. Снабдени с тази информация, машините могат да изтълкуват точно какво е правил потребителят в магазина и се опитват да предскажат истинските му намерения по отношение на пазаруването. Благодарение на множеството алгоритми, които анализират данните в историята на търсенията, машините могат да предположат от кои продукти потребителят ще бъде най-заинтересован.
Въпреки това, в зависимост от категорията на продукта и характеристиките на потребителя, процесът по вземането на решение за крайна покупка може да отнеме няколко седмици. На пръв поглед нерелевантна, скрита информация, от типа на честотата, с която всеки потребител посещава даден магазин и ползва електронното си устройство, може да подскаже много по-рано на механизмите за препоръки какви продукти потребителят ще търси в близко бъдеще.
Оптимизация на оценяването на офертите
При наличието на целия този интелект, следващата стъпка е да се определи как (и в какъв ред) трябва да се представят офертите в банерите. Благодарение на т.нар. “оценяване на офертите”, всеки продукт във фийда на магазина се преоценява постоянно. Алгоритмите на дълбокото учене анализират оферти и оценяват колко са атрактивни от гледната точка на конкретен потребител, без да се ползват генерични клъстери.
При стандартния подход, в който не се ползва дълбоко учене, ретаргетинг специалистите използват машинно учене за банерите си, за да смесят няколко прости сегмента, например продуктите, видяни от потребителя, подобни продукти от същата категория (тоест базирани на историята за търсене на други потребители), и най-продаваните продукти в даден магазин.
Дълбокото учене е доста по-комплексно. Процесът на избиране е по-гъвкав, има повече възможности за комбиниране на продуктите, и крайният списък от показаните продукти на банера е дори още по-персонализиран. Този подход позволява на ретаргетинг специалистите да въведат правило, според което няма един единствен работещ сценарий за група от потребители. Тези алгоритми винаги се целят по-дълбоко, спрямо индивидуалните потребители и търсят най-добрите оферти или ред, в който офертите трябва да бъдат показани върху банерите.
Персонализиране на дисплей рекламите в реално време
Никой потребител не живее във вакуум, следователно техните поведенчески профили се променят постоянно. Ретаргетинг система за препоръки, базирана на дълбоко учене, трябва да може да построи поведенчески профил в реално време, като приспособява какво се представя на банера всеки път когато се появи реклама.
Mеханизмите с по-стара технология за изкуствен интелект обикновено съставят и преформулират поведенческите профили през фиксирани интервали от време. Това означава, че рекламите показват много продукти, от които потребителят вече не се интересува. Вземането на решение за това какво трябва да се представи всеки път, когато се появи банер, позволява на алгоритмите да отговарят и да се приспособяват, съответно, към реакцията на даден потребител към по-рано показани оферти. В резултат, поведенческият профил се съставя в реално време и се основава не само на това какво е правил потребителят в магазина, но и как е отговорил на рекламното съобщение. Това е трудно постижимо, защото времевата рамка, между момента, в който получите информация за възможността да се покаже банер, и момента на показването му, е много по-кратка от секунда.
Благодарение на мощните алгоритми и постоянния анализ, механизмите за ретаргетинг, основани на технологията за дълбоко учене, могат да пренастройват поведенческите профили на потребителите в реално време. Данните на RTB House показват, че след въвеждането на дълбокото учене в механизмите за препоръки, потребителите кликват върху реклами до 41% по-често отколкото обикновено. Такъв ръст се вижда особено в сектори като мода и при електронните магазини, които предлагат широк обхват от категории. В тях възможностите за използване на препоръки, които обхващат и смесват много категории, са почти безкрайни.
Накратко
Когато прекаленото използване на реклами понижава тяхната ефективност, рекламодателите и техните партньори следва да се обърнат към водещите технологии за изкуствен интелект, за да дадат възможност на маркетинга си да се отличи и да гарантират ефикасността на кампаниите си. Опростеният модел на ретаргетинг кампаниите вече не е достатъчен. Инвестирането в по-нови решения дава възможност на марките да се справят с бъдещата си конкуренция. Дълбокото учене става все по-популярно и трансформира много различни бизнес сектори – от автомобилния, през развлекателния сектор, до маркетинга. Благодарение на дълбокото учене рекламната индустрия може да се възползва от добре пригодени и персонализирани съобщения насочени към потребителите, по-голямо потребителско удовлетворение и дори още по-ефективни кампании.
Автор: Каталин Емилиан е мениджър за България и Румъния на RTB House – технологична компания, която предлага модернистични ретаргетинг технологии за най-големите търговски марки в над 1000 кампании на 40 световни пазара.