paint-brush
ディープラーニング予測でデジタルマーケティングを強化する方法@lemonai
3,638 測定値
3,638 測定値

ディープラーニング予測でデジタルマーケティングを強化する方法

Lemon AI 9m2024/05/01
Read on Terminal Reader

長すぎる; 読むには

この記事では、AI とディープラーニング予測がデジタル マーケティングに与える影響について検討し、キャンペーンを成功させるための具体的なヒントを紹介します。
featured image - ディープラーニング予測でデジタルマーケティングを強化する方法
Lemon AI  HackerNoon profile picture
0-item
1-item

“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


現在、世界中の組織の 83% が AI を最優先事項として挙げており、AI 市場は 2030 年までに20 倍に急増すると予測されています。競争が激化する中、企業が AI テクノロジーをあえて無視できないのは当然のことです。


そのため、デジタル マーケティングがある程度進歩しているにもかかわらず、広告キャンペーンが最適な効率を達成できず、広告投資の収益が標準以下になり、キャンペーンがベンチマークや KPI を達成できず、ROI の測定が困難になっていることは、多くの人にとって非常に残念なことです。

AIの力で従来の広告を破壊する

長年にわたり、企業は膨大な量の生データを蓄積してきました。これは、十分に活用されておらず、過小評価されていることが多いマーケティングの洞察の真の金鉱です。広告キャンペーンに投資した後、企業は顧客とそのニーズをより深く理解できるようになりました。しかし、そのデータを効果的に収益化する方法はまだ多くありません。


利益を増やすために、企業は利益率の高い指標にもっと注意を払うようになりました。その結果、余剰人員の解雇や作業プロセスの自動化が進みました。多国籍企業やテスラのような大企業は、生産におけるミスを最小限に抑え、インフレにより上昇している人件費を削減するために、ロボット工学や自動化に多大なリソースを投資しています。


従来のメディア広告は、情報飽和やバナー盲視により効果が低下しています。そのため、企業はコンバージョン率とキャンペーン効率を高めるために、パーソナライゼーションやターゲット広告に積極的に取り組んでいます。その結果、企業はユーザー獲得にさらに投資していますが、そのリターンを確保する必要があります。


利害関係が大きく、ユーザーセグメントが狭い企業にとって、分析と過去のユーザーアクティビティデータは、どのユーザーがより多くの利益をもたらし、どのように効率的にそのユーザーを獲得するかを特定するのに役立ちます。これにより、広告キャンペーンを微調整し、パフォーマンスマーケティング指標を向上させることができます。


Google や Meta などのオークション プラットフォームのコストが上昇する中、企業はクリック コストと競争の増加に直面しています。そのため、ユーザー獲得への投資をどれだけ早く回収できるかを理解することが重要です。Lemon AI などの分析ソリューションは、企業が投資回収期間を判断し、広告予算の拡大や調整について情報に基づいた決定を下すのに役立ちます。

実際どのように機能するか

市場で起こっている 2 つのシナリオを見てみましょう。


  1. 非常に幅広いターゲット ユーザーから多数の購入があり、一部のユーザーは他のユーザーよりも多くの収益をもたらし、より長く利用し続けます。


それでも、幅広いオーディエンスのすべてのユーザーに対して支払う平均価格はほぼ同じです。ただし、ユーザーの生涯価値と維持率は大きく異なる可能性があります。これにより、キャンペーンの効率は当然低下します。したがって、各ユーザーの潜在的な収益性を考慮して、支出を最適化したいと考えるのは当然です。そのため、各セグメントが将来的にどれだけの利益をもたらすかに基づいてオーディエンスをセグメント化することが重要です。

この情報に基づいて、予測値に応じてセグメントごとに異なる金額を支払うことができます。たとえば、

  • セグメントAのユーザーには5ドルで、15ドルから20ドルの利益をもたらします。

  • セグメントBのユーザーには7.5ドルで、25ドルから30ドルの利益をもたらします。

  • 潜在的な生涯価値が 30 ドルを超えるセグメント C のユーザーには 10 ドル。


  1. ターゲット ユーザーが非常に少なく、現在の有料ユーザー層に似ているがまだ購入していないユーザーを見つける必要があると想像してください。


この場合、オーディエンスを拡大したいと考えるでしょう。ここでの課題は、発生するイベントが非常に少ないため、必要なユーザーを迅速に特定することが難しいことです。ここでできることは、可能な限り類似したオーディエンス向けに構築された予測を活用することです。その結果、ユーザー獲得ソースは、引き付けるターゲット ユーザーに関するより多くの知識を取得し、この知識に基づいて簡単に最適化できます。

たとえば、これまで購入するユーザーが 1% しかいなかったとすると、コンバージョン率を 5% に上げるだけでも大きな改善となり、収益に大きな影響を与えます。


これらの問題を解決する効果は、常に数学とデータ処理方法に依存することに留意することが重要です。データ収集方法は数多くありますが、すべての企業がそれらを正しく分析して収益化する方法を知っているわけではありません。

特定の業界にとってどの方法とアプローチが最も効果的かを理解することで、企業は優位に立つことができ、より良い結果を達成できるようになります。

広告キャンペーンを輝かせる

ここでの最初のステップは、キャンペーンの目標を定義することです。たとえば、新しいゲームやフィットネス アプリなど、新しい製品を紹介したい場合、最初の目標はブランド認知度を高めて、人々に口コミで広めてもらうことです。そこに到達するには、 ディスプレイ&ビデオ 360 (DV360) や Google のディスプレイ ネットワーク (GDN)などのさまざまなメディア チャネルを使用して、最も効率的なオーディエンス獲得のために費用を最適化する方法を探ります。


次に、ユーザー獲得 (UA)パフォーマンスについてですが、ここでは 2 つの重要な質問があります。


まず、さまざまなチャネルを使用して最適なマーケティング ミックスをどのように見つけるのでしょうか?

たとえば、Google、TikTok などのさまざまなチャネルに広告予算を効率的に配分することは、非常に難しい場合があります。目標を達成するには、これらのチャネルを最適に組み合わせる方法を決定することが重要です。マーケティング ミックス (さまざまなチャネルに投資される広告予算の割合) には、Google に 50%、Meta に 30%、TikTok に 10% などが含まれる場合があります。


各チャネルには独自の最適化メカニズムがあり、自社に最適なものを特定することが重要です。最適化エンジンの中には、オーディエンスや独自の統合に基づいて特定のチャネルでより効果的に機能するものもあります。たとえば、ゲーム会社は、標準的な広告ネットワークでは利用できないゲームや形式との統合を重視します。


各チャネル内で A/B テストを実施し、バナー、動画、ターゲティング設定など、最も効果的なクリエイティブ ソリューションを見つけます。適切なアセットは、目標を最も効率的に達成するのに役立ちます。


2 番目の質問は、クロスチャネル戦略に関するものです。これには、ユーザーの行動に基づいて、ユーザーをどこに誘導するかを決定することが含まれます。たとえば、一部のユーザーは通勤中にモバイル アプリでチェックアウト プロセスを開始し、その後 Web サイトで完了することがわかっている場合は、そのようなユーザー向けにプロセスを最適化するように広告を調整できます。


これには、一日のさまざまな時間帯にパーソナライズされた広告を表示したり、AI を活用したツールを利用してさまざまなバナーや広告設定の効果を予測したりすることも含まれます。

最終的に、あなたの仕事は、最適なチャネルの組み合わせを見つけ、各チャネルを最適化し、オーディエンスの行動を理解した上でクロスチャネル戦略を作成することです。

予測的ユーザー獲得と従来の入札手法

通常、十分な量の履歴データ(通常は 5,000 人以上のユニーク ユーザー)を収集します。次に、予測モデルはテキストではなく数値で動作するため、生のデータは数値形式に変換されます。プロセスは次のようになります。


  1. データの準備: モデルのトレーニングに使用する予定のデータは、数値形式に変換する必要があります。

  2. モデルのトレーニング: 過去のユーザー アクティビティ データを使用してモデルをトレーニングします。モデルは、アクティビティのパターンに基づいて、新規ユーザーがもたらす収益を予測するようにトレーニングされます。

  3. モデル評価: モデルは予測能力に基づいて評価されます。

  4. モデルのデプロイ: トレーニング後、モデルをリアルタイムでデプロイできるため、現在アプリを操作しているユーザーの値を予測できます。

  5. リアルタイムデータ収集: 新しいユーザーのアクティビティ データがリアルタイムで収集されます。


Lemon AI は、 90% 以上の予測精度を誇る特許取得済みのディープラーニング技術を使用して、これらの手順を完全に自動化します予測したいものを選択するだけで、従来のパフォーマンス マーケティング KPI (ROAS、LTV、リテンション、ARPU、CAC など) でも、ビジネスに重要なカスタム メトリックでもかまいません。ゲームで 20 レベルを完了した後に 100 個の宝石を消費したユーザーを特定する場合でも、e コマース プラットフォームで過去 30 日以内に 500 ドル相当の注文を 3 回以上行ったユーザーを特定する場合でも、当社のソリューションは、生のデータ分析に基づいて最も重要なメトリックを特定し、アプリや Web サイトのパフォーマンスを向上させるカスタム イベントを作成するのに役立ちます。


モデルのトレーニング、機能エンジニアリング、データ解析、実用的なインサイトへの変換など、残りのすべては自動的に行われるため、テクノロジーに深く関わる必要はありません。Pull & Push API によるコード不要のデータ転送には 30 分しかかからず、ディープラーニング モデルは 48 時間以内にトレーニングされます。Fast Track 機能を使用すると、SKAN の制限があっても、新規ユーザーがアプリを起動してから 15 秒以内に最初の予測を生成できます。主要なモバイル管理パートナーや分析サービスとのシームレスな統合により、プロセスがさらに効率化されます。


広告マネージャーでは、最適化されたキャンペーンのパフォーマンスをリアルタイムで監視し、実際の結果とモデル予測に基づいて調整できます。Lemon AI の直感的なインターフェースにより、専任のマネージャーやコーディング スキルが不要になり、キャンペーンの最適化はボタンを数回押すだけで簡単に実行でき、技術的な複雑さから解放されます。


当社のエンドツーエンドの分析ソリューションは、モバイル測定プラットフォーム (MMP)、CRM、バックエンド ストレージなど、さまざまなデータ ストレージ間でのデータのマッチングを自動化するのに役立ちます。これにより、企業は保有するあらゆる生データから実用的な洞察をシームレスに得ることができます。

上記のすべての手順を自動化すると、広告購入の効率が大幅に向上します。自動化されたキャンペーンと詳細な分析に基づいて広告活動を管理することで、従来の広告方法と比較して KPI を 30 ~ 40% 向上できます。

実際に機能します!

Lemon AI により、企業は目標に合わせて高度なディープラーニング テクノロジーを活用できます。つまり、コストを維持しながら KPI を向上させることも、その逆、つまり KPI を犠牲にせずにコストを削減することもできます。わずか 6 か月で、e コマース、銀行、ゲーム、配送、ホスピタリティ、旅行などの業界の 60 社を超えるクライアントに対して、合計 820 万ドルの広告費を最適化しました。

ここに 2 つの簡単な例を示します。

事例1: 電子商取引におけるLTVの49%増加

課題: インストール数 2,500 万、月間平均ユーザー数 65 万人を超える MENA 地域のトップ e コマース プラットフォームは、幅広い製品ラインナップにもかかわらず、LTV、AOV、維持率が低いという問題を抱えていました。モバイル アプリは予測的なユーザー獲得および分析ツールを活用していましたが、ほとんど効果はありませんでした。


目的は、包括的なデジタル マーケティング戦略を実装し、Google 広告と Meta Ads チャネルを最適化して価値の高いユーザーを引き付け、リピート購入を促し、予測的なパーソナル ダイナミック オファーを開発することで、ビジネス指標の持続的な成長を促進することでした。


3 つのステップでそこに到達した方法:

  1. データを分析して、購買習慣や解約の可能性を予測し、ユーザー獲得および維持戦略を最適化しました。

  2. 60 日以内に LTV が上位 35% のユーザーと、インストール後 30 日以内に 3 回以上購入するユーザーをターゲットにしました。3 か月後、CAC を 17.9% 削減し、バナー、テキスト、USP を最適化しました。

  3. 購入履歴に基づいてパーソナライズされた製品推奨を導入し、ショッピング体験を向上させ、5 か月間で AOV を 59% 増加させました。


結果

Android の場合: 60 日目にリテンション +35%、AOV +42%、LTV +49%

iOS: 60日目でリテンション+17%、AOV+33%、LTV+32%

事例2: カジュアルゲームのROASが42%上昇

課題: クライアントは、インストール数が 500 万を超え、月間平均ユーザー数が 70 万人を超えるカジュアル ゲームで、ユーザー エクスペリエンスとエンゲージメントのバランスを取りながら、MENA、ヨーロッパ、APAC 地域全体で収益を最大化するために広告戦略を最適化したいと考えていました。


目標は、AppsFlyer のデータを活用して、アプリ内購入による ROAS とリテンションを向上させることでした。


そこへ至った経緯:

  1. わずか 8 日間で、Lemon AI モデルはコードを必要とせずに完全にトレーニングされ、統合されました。

  2. 収益による上位 10%、20%、30% のプレイヤーについて ML ベースの予測を行いました。

  3. 「レベル 10」に到達し、合計 200 個の「ダイヤモンド」を消費したプレイヤー向けに、代理指標として機能し、効率性を高めるカスタマイズされたイベントを作成しました。


結果:

全体的な効率が 17% 向上(クライアントの社内ベンチマークと比較)

Androidの場合: ROAS +42%、広告収益 +28%

iOSの場合: ROAS +27%、広告収益 +16%