Comment dynamiser votre marketing numérique avec les prédictions du Deep Learning

“We're at the beginning of a golden age of AI and are solving problems that were once in the realm of science fiction.” Jeff Bezos

Aujourd’hui, 83 % des organisations dans le monde citent l’IA comme une priorité absolue, et le marché de l’IA devrait être multiplié par vingt d’ici 2030. Dans un contexte de concurrence qui s’intensifie, il est logique que les entreprises n’osent plus négliger les technologies de l’IA.

Il est donc assez décevant pour beaucoup que, malgré certains progrès du marketing numérique, les campagnes publicitaires continuent de ne pas atteindre une efficacité optimale, les investissements publicitaires produisant des rendements inférieurs à la moyenne, les campagnes ne parvenant pas à répondre aux critères et aux KPI, et les retours sur investissement s'avérant difficiles à évaluer.

Bouleverser la publicité traditionnelle grâce à la puissance de l'IA

Au fil des années, les entreprises ont accumulé une quantité importante de données brutes – une véritable mine d’or d’informations marketing souvent sous-utilisées et sous-évaluées. Après avoir investi dans des campagnes publicitaires, les entreprises ont acquis une meilleure compréhension de leurs clients et de leurs besoins. Cependant, nombre d’entre eux n’ont pas encore appris à monétiser efficacement ces données.

Pour augmenter leurs bénéfices, les entreprises ont commencé à accorder davantage d’attention aux indicateurs de marge plus élevée. Cela a conduit au licenciement d’employés en surnombre et à l’automatisation des processus de travail. Les multinationales et les magnats comme Tesla investissent des ressources importantes dans la robotique et l’automatisation pour minimiser les erreurs de production et réduire les coûts de main-d’œuvre, qui augmentent en raison de l’inflation.

La publicité dans les médias traditionnels est devenue moins efficace en raison de la saturation de l’information et de la cécité des bannières. Par conséquent, les entreprises travaillent activement sur la personnalisation et la publicité ciblée pour augmenter les taux de conversion et l'efficacité des campagnes. En conséquence, les entreprises investissent davantage dans l’acquisition d’utilisateurs, mais leurs retours doivent être sécurisés.

Pour les entreprises ayant des enjeux élevés et des segments d’utilisateurs restreints, les analyses et les données historiques sur l’activité des utilisateurs peuvent aider à identifier quels utilisateurs génèrent le plus de bénéfices et comment les acquérir plus efficacement. De cette façon, ils peuvent affiner leurs campagnes publicitaires et améliorer les indicateurs de performance marketing.

Dans le contexte de hausse des coûts sur les plateformes d’enchères comme Google et Meta, les entreprises sont confrontées à une augmentation des coûts de clic et à une concurrence accrue. Il est donc important de comprendre à quelle vitesse les investissements en matière d’acquisition d’utilisateurs peuvent être récupérés. Les solutions d'analyse telles que Lemon AI peuvent aider les entreprises à déterminer la période de récupération et à prendre des décisions éclairées sur l'augmentation ou l'ajustement de leurs budgets publicitaires.

Comment cela fonctionne réellement

Jetons un coup d'œil à deux scénarios qui se déroulent sur le marché.

1. Vous effectuez un grand nombre d'achats auprès d'un public cible très large , certains utilisateurs vous apportant plus de revenus et restant avec vous plus longtemps que d'autres.

   
   

Néanmoins, vous payez plus ou moins le même prix moyen pour tous les utilisateurs de votre large public, même si leur valeur à vie et leur taux de rétention peuvent varier considérablement. Bien entendu, cela rend vos campagnes moins efficaces qu’elles pourraient l’être. Il est donc raisonnable de vouloir optimiser ses dépenses, compte tenu de la rentabilité potentielle de chaque utilisateur. C'est pourquoi il est crucial de segmenter votre audience en fonction de ce que chaque segment vous apportera à l'avenir.

Sur la base de ces informations, vous pouvez payer différents montants pour différents segments en fonction de leur valeur prédictive. Par exemple, cela pourrait être

• 5$ pour les utilisateurs du segment A qui vous rapporteront 15$ à 20$,

• 7,5 $ pour les utilisateurs du segment B, ce qui vous rapportera entre 25 et 30 $, et

• 10 $ pour les utilisateurs du segment C avec plus de 30 $ de valeur potentielle à vie.

  
  

2. Imaginez que vous avez très peu d'utilisateurs cibles et que vous devez trouver des utilisateurs similaires à votre audience payante actuelle mais qui n'ont pas encore effectué d'achat.

   
   

Dans ce cas, vous souhaiteriez élargir votre audience. Le défi ici est qu'avec très peu d'événements qui se produisent, il est difficile d'identifier rapidement les utilisateurs dont vous avez besoin. Ce que nous pouvons faire ici, c'est exploiter nos prédictions conçues pour un public aussi similaire que possible ; en conséquence, votre source d’acquisition d’utilisateurs obtient beaucoup plus de connaissances sur les utilisateurs cibles à attirer et peut être facilement optimisée sur la base de ces connaissances.

Si historiquement vous n'avez eu, disons, que 1 % d'utilisateurs qui effectuent des achats, augmenter votre taux de conversion à seulement 5 % est déjà une amélioration significative qui a un grand impact sur vos revenus.

Il est important de noter que l’efficacité de la résolution de ces problèmes dépend toujours des mathématiques et des méthodes de traitement des données. Il existe de nombreuses méthodes de collecte de données, mais toutes les entreprises n’ont pas appris à les analyser et à les monétiser correctement.

Comprendre quelles méthodes et approches fonctionnent le mieux pour un secteur spécifique peut donner un avantage aux entreprises et les aider à obtenir de meilleurs résultats.

Faire briller vos campagnes publicitaires

La première étape ici consiste à définir l’objectif de votre campagne. Par exemple, si vous souhaitez présenter un nouveau produit, qu'il s'agisse d'un nouveau jeu ou d'une application de fitness, votre objectif initial serait de créer une notoriété de marque afin que les gens commencent à passer le mot. Pour y arriver, vous pouvez utiliser différents canaux médiatiques comme Display & Video 360 (DV360) ou Display Network (GDN) de Google, où vous recherchez pour optimiser les dépenses pour l'acquisition d'audience la plus efficace.

Ensuite, il s’agit de l’acquisition d’utilisateurs (UA) et des performances , et nous avons ici deux questions essentielles.

Premièrement, comment trouver le mix marketing optimal en utilisant différents canaux ?

Par exemple, répartir efficacement votre budget publicitaire sur différents canaux, tels que Google, TikTok et autres, peut constituer un défi de taille. Il est crucial de déterminer comment créer la meilleure combinaison de ces canaux pour atteindre vos objectifs. Votre mix marketing (le pourcentage des budgets publicitaires investis dans différents canaux) peut inclure 50 % sur Google, 30 % sur Meta, 10 % sur TikTok, etc.

Chaque canal possède ses propres mécanismes d'optimisation, et il est important d'identifier lequel d'entre eux est le mieux adapté à votre entreprise. Certains moteurs d'optimisation fonctionnent mieux sur des canaux spécifiques en fonction de leur audience et de leurs intégrations uniques. Par exemple, les sociétés de jeux apprécient les intégrations avec des jeux et des formats non disponibles dans les réseaux publicitaires standards.

Au sein de chaque canal, vous effectuez des tests A/B pour trouver les solutions créatives les plus efficaces : bannières, vidéos et paramètres de ciblage. Des actifs appropriés vous aideront à atteindre vos objectifs le plus efficacement possible.

La deuxième question concerne les stratégies cross-canal. Cela implique de déterminer où diriger votre public en fonction de son comportement. Par exemple, si vous comprenez que certains utilisateurs démarrent le processus de paiement dans une application mobile alors qu'ils se rendent au travail, puis le terminent sur le site Web, vous pouvez adapter votre publicité pour optimiser le processus pour ces utilisateurs.

Cela implique également une publicité personnalisée à différents moments de la journée et l'utilisation d'outils basés sur l'IA pour prédire l'efficacité de différentes bannières et paramètres publicitaires.

En fin de compte, votre tâche consiste à trouver la combinaison optimale de canaux, à optimiser chaque canal et à créer une stratégie cross-canal basée sur une compréhension du comportement de votre audience.

UA prédictive et pratiques d’appel d’offres conventionnelles

En règle générale, vous collectez une quantité suffisante de données historiques, généralement plus de 5 000 utilisateurs uniques. Ensuite, vos données brutes sont converties au format numérique, car les modèles prédictifs fonctionnent avec des chiffres plutôt qu'avec du texte. Le processus ressemble à ceci :

1. Préparation des données : Les données que vous prévoyez d'utiliser pour la formation du modèle doivent être transformées dans un format numérique.

2. Formation du modèle : les données historiques sur l'activité des utilisateurs sont utilisées pour entraîner le modèle. Le modèle est formé pour prédire combien d’argent les nouveaux utilisateurs peuvent rapporter en fonction des modèles de leur activité.

3. Évaluation du modèle : Le modèle est évalué en fonction de sa capacité à faire des prédictions.

4. Déploiement du modèle : après la formation, le modèle peut être déployé en temps réel, afin que vous puissiez prédire les valeurs des utilisateurs qui interagissent actuellement avec votre application.

5. Collecte de données en temps réel : les nouvelles données d'activité des utilisateurs sont collectées en temps réel.

   
   

Lemon AI automatise entièrement ces étapes pour vous grâce à sa technologie brevetée d'apprentissage en profondeur qui offre une précision de prédiction de plus de 90 %. Il vous suffit de choisir ce que vous souhaitez prédire : il peut s'agir soit d'un KPI de marketing de performance conventionnel (par exemple, ROAS, LTV, rétention, ARPU et CAC), soit de toute mesure personnalisée cruciale pour votre entreprise. Qu'il s'agisse d'identifier les utilisateurs qui dépensent 100 gemmes après avoir terminé 20 niveaux de votre jeu ou ceux qui ont passé au moins 3 commandes d'une valeur de 500 $ au cours des 30 derniers jours sur votre plateforme de commerce électronique, notre solution vous aidera à identifier les métriques les plus importantes en fonction de analysez les données brutes et créez un événement personnalisé pour améliorer les performances de votre application ou de votre site Web.

Tout le reste : la formation des modèles, l'ingénierie des fonctionnalités, l'analyse des données et la conversion en informations exploitables se font automatiquement et ne nécessitent pas que vous approfondissiez la technologie. Le transfert de données sans code via l'API Pull & Push ne prend que 30 minutes, avec des modèles d'apprentissage profond formés dans les 48 heures. La fonction Fast Track vous permet de commencer à générer les premières prédictions dans les 15 secondes suivant le lancement de l'application d'un nouvel utilisateur, même avec les limitations SKAN. L'intégration transparente avec les principaux partenaires de gestion mobile et services d'analyse rationalise davantage le processus.

Dans votre gestionnaire de publicités, vous pouvez surveiller en temps réel les performances de vos campagnes optimisées et les ajuster en fonction des résultats réels et des prédictions du modèle. L'interface intuitive de Lemon AI élimine le besoin de gestionnaires dédiés ou de compétences en codage, de sorte que l'optimisation des campagnes devient aussi simple que d'appuyer sur quelques boutons, vous épargnant ainsi les subtilités techniques.

Notre solution d'analyse de bout en bout permet d'automatiser la mise en correspondance des données sur différents stockages de données, qu'il s'agisse de plates-formes de mesure mobiles (MMP), de CRM, de stockages back-end, etc. Cela permet aux entreprises d'obtenir de manière transparente des informations exploitables à partir de toute la gamme de données brutes qu'elles utilisent. posséder.

L'automatisation de toutes les étapes mentionnées ci-dessus rend l'achat d'annonces beaucoup plus efficace. En orientant vos efforts publicitaires sur la base de campagnes automatisées et d'analyses détaillées, vous pouvez améliorer les KPI de 30 à 40 % par rapport aux méthodes publicitaires traditionnelles.

Effectivement, ça marche !

Lemon AI permet aux entreprises d'exploiter une technologie avancée d'apprentissage profond en fonction de leurs objectifs, qu'il s'agisse d'améliorer les KPI tout en maintenant les coûts ou vice versa, de réduire les coûts sans compromettre les KPI. En seulement six mois, nous avons optimisé des dépenses publicitaires totales de 8,2 millions de dollars pour plus de 60 clients issus de secteurs tels que le commerce électronique, la banque, les jeux, la livraison, l'hôtellerie et les voyages.

Voici seulement deux brefs exemples.

Cas 1 : Croissance du LTV de 49 % dans le e-commerce

Défi : Une plateforme de commerce électronique de premier plan dans la région MENA, avec 25 millions d'installations et plus de 650 000 utilisateurs mensuels moyens, a été confrontée à de faibles taux de LTV, d'AOV et de rétention malgré une large gamme de produits. L’application mobile exploitait sans grand effet les outils d’acquisition prédictive d’utilisateurs et d’analyse.

L'objectif était de générer une croissance durable des indicateurs commerciaux en mettant en œuvre une stratégie de marketing numérique complète et en optimisant les canaux Google Ads et Meta Ads pour attirer des utilisateurs à forte valeur ajoutée, encourager les achats répétés et développer des offres dynamiques personnelles prédictives.

Comment nous y sommes arrivés en 3 étapes :

1. Nous avons analysé les données pour prévoir les habitudes d'achat et la probabilité de désabonnement, ainsi que pour optimiser les stratégies d'acquisition et de fidélisation des utilisateurs.

2. Nous avons ciblé les utilisateurs ayant les 35 % de LTV les plus élevés dans les 60 jours et ceux effectuant plus de 3 achats dans les 30 jours suivant l'installation. Après 3 mois, nous avons réduit le CAC de 17,9 %, optimisé les bannières, les textes et les USP.

3. Nous avons mis en œuvre des recommandations de produits personnalisées basées sur l'historique des achats pour améliorer l'expérience d'achat, augmentant l'AOV de 59 % sur cinq mois.

   
   

Résultats :

Pour Android : +35 % de rétention, +42 % d'AOV, +49 % de LTV au jour 60

Pour iOS : +17 % de rétention, +33 % d'AOV, +32 % de LTV au jour 60

Cas 2 : le ROAS a augmenté de 42 % pour un jeu occasionnel

Défi : Le client - un jeu grand public avec plus de 5 millions d'installations et 700 000 utilisateurs mensuels moyens - cherchait à optimiser sa stratégie publicitaire afin de maximiser ses revenus dans les régions MENA, Europe et APAC tout en équilibrant l'expérience utilisateur et l'engagement.

L' objectif était d'augmenter le ROAS et la rétention grâce aux achats intégrés en utilisant les données d'AppsFlyer.

Comment nous y sommes arrivés :

1. En seulement huit jours, le modèle Lemon AI a été entièrement formé et intégré, sans aucun code requis.

2. Nous avons effectué des prédictions basées sur le ML pour les 10 %, 20 % et 30 % des meilleurs joueurs en termes de revenus.

3. Pour les joueurs ayant atteint le « niveau 10 » et dépensé un total de 200 « diamants », nous avons créé un événement sur mesure qui a servi de mesure proxy et amélioré l'efficacité.

   
   

Résultats:

+17% d'efficacité globale cf. benchmark interne du client

Pour Android : +42 % de ROAS, +28 % de revenus publicitaires

Pour iOS : +27 % de ROAS, +16 % de revenus publicitaires