Tecnoloxía de publicidadeAnálise e probasIntelixencia ArtificialVídeos de mercadotecnia e vendas

Retina AI: Usando a IA preditiva para optimizar as campañas de mercadotecnia e establecer o valor de por vida do cliente (CLV)

O ambiente está cambiando rapidamente para os comerciantes. Coas novas actualizacións de iOS centradas na privacidade de Apple e Chrome eliminando as cookies de terceiros en 2023, entre outros cambios, os comerciantes teñen que adaptar o seu xogo para adaptarse ás novas normativas. Un dos grandes cambios é o aumento do valor que se atopa nos datos propios. Agora as marcas deben confiar nos datos propios e de aceptación para axudar a impulsar campañas.

Que é o valor de vida do cliente (CLV)?

Valor de por vida do cliente (CLV) é unha métrica que estima o valor (normalmente ingresos ou marxe de beneficio) que un determinado cliente aportará a unha empresa ao longo do tempo total que interactúa coa túa marca (pasado, presente e futuro).

Estes cambios converten nun imperativo estratéxico que as empresas comprendan e prevean o valor da vida do cliente, o que lles axuda a identificar segmentos clave de consumidores para a súa marca antes do punto de compra e optimizar as súas estratexias de mercadotecnia para competir e prosperar.

Non obstante, non todos os modelos de CLV se crean iguais; a maioría xérao a nivel agregado en lugar de individual, polo que non son capaces de prever con precisión o CLV futuro. Co CLV a nivel individual que xera Retina, os clientes poden distinguir o que fai que os seus mellores clientes sexan diferentes dos demais e incorporar esa información para aumentar a rendibilidade da súa próxima campaña de adquisición de clientes. Ademais, Retina é capaz de proporcionar unha predición CLV dinámica baseada nas interaccións pasadas do cliente coa marca, o que permite que os clientes saiban a que clientes deben orientarse con ofertas especiais, descontos e promocións.  

Que é Retina AI?

Retina AI usa intelixencia artificial para predecir o valor da vida do cliente antes da primeira transacción.

Retina AI é o único produto que prevé o CLV a longo prazo dos novos clientes, o que permite aos comerciantes de crecemento tomar decisións de optimización do orzamento de campaña ou canle en tempo case real. Un exemplo da plataforma Retina en uso é o noso traballo con Madison Reed que buscaba unha solución en tempo real para medir e optimizar campañas en Facebook. O equipo alí optou por realizar unha proba A/B centrada no CLV:CAC (costos de adquisición de clientes). 

Estudo de caso de Madison Reed

Cunha campaña de proba en Facebook, Madison Reed pretendía acadar os seguintes obxectivos: medir o ROAS e o CLV das campañas en tempo case real, reasignar os orzamentos a campañas máis rendibles e comprender que anuncio publicitario deu como resultado os ratios CLV:CAC máis altos.

Madison Reed creou unha proba A/B utilizando o mesmo público obxectivo para ambos os segmentos: mulleres de 25 anos ou máis nos Estados Unidos que nunca foran cliente de Madison Reed.

  • A campaña A foi a campaña de sempre.
  • A campaña B modificouse como o segmento de proba.

Usando o valor vitalicio do cliente, o segmento de proba optimizouse positivamente para as compras e negativamente contra os que se dan de baixa. Ambos segmentos utilizaron o mesmo anuncio publicitario.

Madison Reed realizou a proba en Facebook cunha división 50/50 durante 4 semanas sen ningún cambio a mediados da campaña. Relación CLV:CAC aumentou un 5% inmediatamente, como resultado directo da optimización da campaña utilizando o valor vitalicio do cliente dentro do xestor de anuncios de Facebook. Xunto cunha mellor relación CLV:CAC, a campaña de proba obtivo máis impresións, máis compras de sitios web e máis subscricións, o que finalmente levou a aumentar os ingresos. Madison Reed aforrou o custo por impresión e o custo por compra á vez que conseguiu clientes máis valiosos a longo prazo.

Este tipo de resultados son típicos cando se usa Retina. De media, Retina aumenta a eficiencia do márketing nun 30 %, aumenta o CLV incremental nun 44 % con audiencias parecidas e obtén 8 veces o retorno do gasto publicitario (ROAS) sobre campañas de adquisición en comparación cos métodos típicos de marketing. A personalización baseada no valor previsto para o cliente a escala en tempo real é, en definitiva, un cambio de xogo na tecnoloxía de mercadotecnia. O seu foco no comportamento do cliente en lugar da demografía fai que sexa un uso único e intuitivo dos datos para converter as campañas de mercadotecnia en vitorias efectivas e consistentes.

Retina AI ofrece as seguintes capacidades

  • Puntuacións de leads CLV – Retina ofrece ás empresas os medios para puntuar a todos os clientes para identificar clientes potenciais de calidade. Moitas empresas non están seguras de cales son os clientes que producirán o maior valor ao longo da súa vida. Ao usar Retina para medir o retorno medio de referencia do gasto en publicidade (ROAS) en todas as campañas e puntuar continuamente clientes potenciales e actualizar os CPA en consecuencia, as predicións de Retina xeran un ROAS moito maior na campaña que foi optimizada mediante eCLV. Este uso estratéxico da intelixencia artificial dá ás empresas os medios para identificar e acceder aos clientes que son indicativos do valor residual. Ademais da puntuación dos clientes, Retina pode integrar e segmentar datos a través dunha plataforma de datos de clientes para informar en todos os sistemas.
  • Optimización do orzamento da campaña – Os comerciantes estratéxicos sempre buscan formas de optimizar o seu gasto publicitario. O problema é que a maioría dos comerciantes teñen que esperar ata 90 días antes de poder medir o rendemento da campaña anterior e axustar os orzamentos futuros en consecuencia. Retina Early CLV permite aos comerciantes tomar decisións intelixentes sobre onde concentrar o seu gasto publicitario en tempo real, reservando os seus CPA máis altos para clientes e clientes potenciales de alto valor. Isto optimiza rapidamente os CPA obxectivo das campañas de maior valor para obter un maior ROAS e taxas de conversión máis altas. 
  • O público Lookalike – Retina observamos que moitas empresas teñen un ROAS moi baixo, normalmente ao redor de 1 ou incluso inferior a 1. Isto ocorre a miúdo cando o gasto en publicidade dunha empresa non é proporcional ao valor vital dos seus clientes potenciais ou existentes. Unha forma de aumentar drasticamente o ROAS é crear audiencias semellantes baseadas no valor e establecer límites de poxa correspondentes. Deste xeito, as empresas poden optimizar o gasto publicitario en función do valor que lles aportarán os seus clientes a longo prazo. As empresas poden triplicar o seu retorno do gasto en publicidade coas audiencias de Retina baseadas no valor de por vida dos clientes.
  • Licitación baseada en valor – As licitacións baseadas en valor baséanse na idea de que vale a pena adquirir incluso clientes de menor valor, sempre que non gastes demasiado para adquirilos. Con ese suposto, Retina axuda aos clientes a implementar licitacións baseadas en valor (VBB) nas súas campañas de Google e Facebook. Establecer límites de poxa pode axudar a garantir unhas ratios LTV:CAC elevadas e ofrecer aos clientes máis flexibilidade para modificar os parámetros da campaña para que se axusten aos obxectivos comerciais. Cos límites de poxa dinámicos de Retina, os clientes melloraron significativamente os seus cocientes LTV:CAC ao manter os custos de adquisición por debaixo do 60 % dos seus límites de poxa.
  • Saúde financeira e do cliente – Informe sobre a saúde e o valor da súa base de clientes. Quality of Customers Report™ (QoC) ofrece unha análise detallada da base de clientes dunha empresa. O QoC céntrase nas métricas de futuro dos clientes e nas contas da equidade dos clientes construídas cun comportamento de compra repetida.

Agende unha chamada para saber máis

Emad Hasan

Emad é o CEO e cofundador de Retina AI. Desde 2017, Retina traballa con clientes como Nestlé, Dollar Shave Club, Madison Reed e outros. Antes de unirse a Retina, Emad creou e dirixiu equipos de análise en Facebook e PayPal. A súa continua paixón e experiencia na industria tecnolóxica permitiulle crear produtos que axuden ás organizacións a tomar mellores decisións comerciais aproveitando os seus propios datos. Emad obtivo unha licenciatura en Enxeñaría Eléctrica de Penn State, un máster en Enxeñaría Eléctrica polo Instituto Politécnico Rensselaer e un MBA pola UCLA Anderson School of Management. Ademais do seu traballo con Retina AI, é blogueiro, orador, asesor de startups e aventureiro ao aire libre.

artigos relacionados

Botón de volta ao principio
preto

Adblock detectado

Martech Zone pode fornecerche este contido sen ningún custo porque monetizamos o noso sitio mediante ingresos publicitarios, ligazóns de afiliados e patrocinios. Agradeceríamos que elimines o teu bloqueador de anuncios mentres visitas o noso sitio.