Az online keresési és vásárlási szokások összetettebbek, mint valaha. A böngészésből és az állandó összehasonlításokból fakadóan elképesztő mennyiségű adat áll elő, rengeteg touchpoint mentén. A kérdés, hogy miként tudunk ténylegesen hasznos insightokat kinyerni ebből az egyre növekvő adathalmazból.
Ez a kihívás a kiskereskedelmi szektorban még komplexebb. A kiskereskedőknek nem csak olyan változókkal kell számolniuk, mint a napszak, az eszköz vagy az üzenet - a változó termékportfólió, a termékkategóriák, a készlet, a szállítási távolságok, a kedvezmények mind bonyolítják a képet. Ráadásul ezek naponta, néha óránként változnak.
Ilyenkor érdemes a gépekhez fordulni segítségért. A Boston Consulting Group szerint viszont a vállalkozások csupán 2%-a végez igazi „multi-moment” marketinget, ennyien használják csak ki az attribúcióban, az automatizálásban és a valós idejű audience insightokban rejlő lehetőségeket.
Ebben a két százalékban megtalálható a Mito Performance üzletága is, akik az ügyfeleikkel közösen olyan, adatalapú kampányokat hoznak létre, amelyekben botok csinálják a munka monoton részét, és gépi tanuláson alapuló megoldások segítik a folyamatos finomhangolást.
Még relevánsabb hirdetések a vásárlóknak
66 üzletével országszerte az Euronics Magyarország egyik vezető elektronikai üzletlánca. Online áruházukat több mint egy évtizede indították el, a Mitóhoz pedig a keresőből származó bevétel növeléséért és a megtérülés javításáért fordultak.
Nem csak az volt a kihívás, hogy a megfelelő felhasználókat találják meg - hanem, hogy a hirdetések valóban tükrözzék az aktuális árukészletet. 15.000, óránként változó terméknél ezt manuálisan bizony nem nagyon lehet megcsinálni. A Mito és az Euronics ezért azon dolgoztak, hogy a megfelelő felhasználót a megfelelő termékkel találják meg - úgy, hogy az valóban készleten is legyen az adott pillanatban. Ehhez Dinamikus Keresési kampányokat indítottak, amelyeket a fő termékcsoportok alapján szegmentáltak egyedi címkék segítségével egy automatikusan frissülő a oldalfeedben - míg a legjobban teljesítő termékoldalak egy önálló kampányba is bekerültek, magasabb költés mellett, hogy a legtöbbet értékesített termékekből a maximumot hozzák ki.
Gépi tanulás segítségével már egyszerű volt meghatározni, hogy mely hirdetések jelenjenek meg és azok hova mutassanak a weboldalon az oldalfeedben megadott termékoldalak közül. Ezen kívül az új termékek hirdetései automatikusan készülnek el - és automatikusan is állnak le, ha a készlet kifogy. Ennek köszönhetően a felhasználó biztos lehet benne, hogy amire kattint, valóban kapható is - ami a konverziót növeli, a frusztrációt pedig lényegesen csökkenti.
Az átfedéseket elkerülendő egyedi szkriptek segítségével a dinamikus kampányokból automatikusan kizárták azokat a kulcsszavakat, amelyek nem dinamikus kereső kampányokban futnak, a DSA kampányok pedig remek alapot biztosítanak a kulcsszó-kutatásokhoz és a keresőkampányok bővítéséhez.
A stratégia mindkét fél szerint remekül működik. A search kampányokból keletkező árbevétel 336%-kal, az online tranzakciók száma 247%-kal, míg a megtérülés 300%-kal emelkedett. Egyértelmű, hogy a gépi tanulás hasznos technológia, de kellenek mellé a megfelelő szakemberek, hogy irányítsák és teszteljék azt.
Források:
1. Boston Consulting Group (BCG) Google Data-Driven Marketing Assessment, 2017.
Az esettanulmányt eredeti, angol nyelven itt tekintheti meg.