如何利用深度学习预测增强你的数字营销

“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

如今，全球有 83% 的企业将人工智能列为首要任务，预计到 2030 年人工智能市场规模将增长20 倍。在竞争日益激烈的背景下，企业不敢再忽视人工智能技术，这是有道理的。

因此，尽管数字营销取得了一定的进步，但让很多人感到失望的是，广告活动仍然未能达到最佳效率，广告投资的回报低于标准，广告活动未能达到基准和 KPI，而且投资回报率难以衡量。

利用人工智能的力量颠覆传统广告

多年来，公司积累了大量的原始数据，这是真正的营销洞察金矿，但这些数据往往未得到充分利用和低估。在投资广告活动后，企业对客户及其需求有了更好的了解。然而，许多企业尚未学会如何有效地将这些数据货币化。

为了增加利润，企业开始更加关注利润率更高的指标。这导致了裁员和工作流程自动化。跨国公司和特斯拉等巨头正在机器人和自动化方面投入大量资源，以最大限度地减少生产中的错误并降低因通货膨胀而上涨的劳动力成本。

传统媒体广告由于信息饱和和横幅失明而变得效果不佳。因此，公司正在积极致力于个性化和定向广告，以提高转化率和广告活动效率。因此，企业在用户获取方面投入更多，但他们的回报需要得到保障。

对于风险高、用户细分市场狭窄的公司，分析和历史用户活动数据可以帮助确定哪些用户能带来更多利润以及如何更有效地获取这些用户。这样，他们可以微调广告活动并提高绩效营销指标。

在 Google 和 Meta 等拍卖平台成本不断上涨的背景下，公司面临着点击成本增加和竞争加剧的问题。因此，了解用户获取投资的回收速度非常重要。Lemon AI 等分析解决方案可以帮助公司确定投资回收期，并做出明智的决定来扩大或调整广告预算。

具体如何运作

让我们来看看市场上正在发生的两种情况。

1. 您从非常广泛的目标受众那里获得了大量购买，其中一些用户为您带来了更多收入并且比其他用户与您保持了更长的时间。

   
   

尽管如此，您为广泛受众中的所有用户支付的平均价格大致相同，即使他们的终身价值和保留率可能有很大差异。当然，这会降低您的广告活动的效率。因此，考虑到每个用户的潜在盈利能力，优化您的支出是合理的。这就是为什么根据每个细分市场未来为您带来多少收益来细分受众至关重要。

根据这些信息，您可以根据预测值对不同细分市场支付不同的金额。例如，

• A 组用户支付 5 美元可为您带来 15 至 20 美元的收入，

• B 组用户支付 7.5 美元，可为您带来 25 至 30 美元的收入，

• 对于来自 C 段且潜在终身价值超过 30 美元的用户，收费 10 美元。

  
  

2. 想象一下，您的目标用户很少，并且您需要找到与您当前的付费受众相似但尚未进行购买的用户。

   
   

在这种情况下，你会想要扩大你的受众。这里的挑战是，由于发生的事件很少，很难迅速识别你需要的用户。我们可以做的是利用我们为尽可能相似的受众建立的预测；因此，你的用户获取来源会更多地了解要吸引的目标用户，并可以根据这些知识轻松进行优化。

假设您历史上只有 1% 的用户进行购买，那么将转化率提高到 5% 就已经是一个显著的进步，并且会对您的收入产生很大的影响。

值得注意的是，解决这些问题的有效性始终取决于数学和数据处理方法。数据收集方法多种多样，但并非所有公司都知道如何正确分析和货币化数据。

了解哪些方法和方式最适合特定行业可以为公司带来优势并帮助他们取得更好的结果。

让您的广告活动大放异彩

第一步是确定广告系列的目标。例如，如果您想推出一款新产品，无论是新游戏还是健身应用，您的初始目标都是建立品牌知名度，以便人们开始传播该品牌。为了实现这一目标，您可以使用各种媒体渠道，例如 Google 的Display & Video 360 (DV360) 或展示广告网络 (GDN) ，您可以在其中搜索以优化费用，从而最有效地吸引受众。

接下来，就要谈到用户获取（UA）和性能，这里我们有两个基本问题。

首先，我们如何利用各种渠道找到最佳的营销组合？

例如，在 Google、TikTok 等不同渠道之间有效分配广告预算可能是一项严峻的挑战。确定如何创建这些渠道的最佳组合以实现您的目标至关重要。您的营销组合（投资于不同渠道的广告预算百分比）可能包括 50% 在 Google 上、30% 在 Meta 上、10% 在 TikTok 上，等等。

每个渠道都有自己的优化机制，确定哪种机制最适合您的公司非常重要。某些优化引擎根据其受众和独特的集成在特定渠道上效果更好。例如，游戏公司重视与标准广告网络中没有的游戏和格式的集成。

在每个渠道中，您都会进行 A/B 测试以找到最有效的创意解决方案 - 横幅、视频和定位设置。合适的资产将帮助您最有效地实现目标。

第二个问题涉及跨渠道策略。这涉及根据受众的行为确定将他们引导到何处。例如，如果您了解到有些用户在上下班途中从移动应用中开始结账流程，然后在网站上完成结账，那么您可以调整广告以优化此类用户的流程。

这还涉及一天中不同时间的个性化广告，并利用人工智能工具来预测不同横幅和广告设置的有效性。

最后，您的任务是找到最佳的渠道组合，优化每个渠道，并根据对受众行为的理解制定跨渠道策略。

预测性 UA 与传统竞价实践

通常，您需要收集足够数量的历史数据，通常超过 5,000 个唯一用户。然后，您的原始数据将转换为数字格式，因为预测模型使用的是数字而不是文本。该过程如下所示：

1. 数据准备：您计划用于模型训练的数据必须转换为数字格式。

2. 模型训练：历史用户活动数据用于训练模型。该模型经过训练后，可以根据用户活动模式预测新用户能带来多少钱。

3. 模型评估：根据模型的预测能力进行评估。

4. 模型部署：训练后，模型可以实时部署，因此您可以预测当前与您的应用交互的用户的值。

5. 实时数据收集：实时收集新用户活动数据。

   
   

Lemon AI凭借其专利的深度学习技术为您完全自动化这些步骤，该技术的预测准确率超过 90%。您只需选择要预测的内容：这可以是传统的绩效营销 KPI（例如 ROAS、LTV、留存率、ARPU 和 CAC），也可以是任何对您的业务至关重要的自定义指标。无论是识别在您的游戏中完成 20 个关卡后花费 100 颗宝石的用户，还是识别在过去 30 天内在您的电子商务平台上至少下达 3 笔价值 500 美元的订单的用户，我们的解决方案都将帮助您根据原始数据分析确定最重要的指标，并创建自定义事件来提升您的应用或网站性能。

其余所有工作（模型训练、特征工程、数据解析和转换为可操作的见解）都是自动进行的，不需要您深入研究技术。通过 Pull & Push API 进行无代码数据传输仅需 30 分钟，深度学习模型可在 48 小时内完成训练。即使存在 SKAN 限制，快速通道功能也允许您在新用户启动应用后 15 秒内开始生成第一个预测。与领先的移动管理合作伙伴和分析服务的无缝集成进一步简化了流程。

在您的广告管理器中，您可以实时监控优化后的广告系列的效果，并根据实际结果和模型预测进行调整。Lemon AI 的直观界面消除了对专门的管理员或编码技能的需求，因此广告系列优化变得非常简单，只需按几个按钮即可，让您免于技术复杂性。

我们的端到端分析解决方案有助于自动匹配不同数据存储之间的数据，无论是移动测量平台 (MMP)、CRM、后端存储等。这使企业能够从他们拥有的全部原始数据中无缝地获得可操作的见解。

自动化上述所有步骤可使广告购买更加高效。通过基于自动化广告活动和详细分析来指导您的广告工作，与传统广告方法相比，您可以将 KPI 提高 30-40%。

它确实有效！

Lemon AI 使公司能够利用先进的深度学习技术来实现其目标，无论是在保持成本的同时提高 KPI，还是在不影响 KPI 的情况下降低成本。在短短六个月内，我们为来自电子商务、银行、游戏、配送、酒店和旅游等行业的 60 多家客户优化了总计 820 万美元的广告支出。

此处仅举两个简单的例子。

案例一：电商领域LTV增长49%

挑战：中东和北非地区顶级电子商务平台，安装量达 2500 万，每月平均用户数超过 65 万，尽管产品种类繁多，但 LTV、AOV 和留存率却很低。移动应用利用预测用户获取和分析工具收效甚微。

目标是通过实施全面的数字营销策略并优化 Google Ads 和 Meta Ads 渠道来吸引高价值用户、鼓励重复购买并开发预测性个人动态优惠，从而推动业务指标的可持续增长。

我们通过 3 个步骤实现这一目标：

1. 我们分析数据来预测购买习惯和流失可能性，并优化用户获取和保留策略。

2. 我们的目标是 60 天内 LTV 最高的 35% 的用户以及安装后 30 天内购买 3 次或以上产品的用户。3 个月后，我们将 CAC 降低了 17.9%，并优化了横幅、文字和 USP。

3. 我们根据购买历史实施了个性化的产品推荐，以增强购物体验，五个月内 AOV 提高了 59%。

   
   

结果：

Android 版：第 60 天留存率 +35%、AOV +42%、LTV +49%

iOS：第 60 天留存率 +17%，平均订单价值 +33%，生命周期价值 +32%

案例二：休闲游戏ROAS飙升42%

挑战：客户是一款休闲游戏，安装量超过 500 万，每月平均用户数为 70 万，他们试图优化广告策略，以便在平衡用户体验和参与度的同时，最大限度地提高中东和北非、欧洲和亚太地区的收入。

目标是使用 AppsFlyer 的数据，通过应用内购买来提高 ROAS 和保留率。

我们是如何实现这一目标的：

1. 仅用八天时间，Lemon AI 模型就完成了完全训练和集成，无需任何代码。

2. 我们对收入排名前 10%、20% 和 30% 的玩家进行了基于机器学习的预测。

3. 对于达到“10 级”并总共花费 200 颗“钻石”的玩家，我们创建了一个定制活动，作为替代指标并提高效率。

   
   

结果：

总体效率提高 17%（与客户内部基准相比）

Android 版：ROAS 增加 42%，广告收入增加 28%

对于 iOS：ROAS 增加 27%，广告收入增加 16%