Akvizicija kupaca 3.0

Pojava novih algoritama, brža obrada i masivni skupovi podataka zasnovani na cloudu omogućavaju glavnim provajderima digitalnih medija koji prodaju oglašavanje da eksperimentišu sa veštačkom inteligencijom (AI) kako bi se postigle bolje performanse njihovih oglašivača. I dok su sve oblasti marketinga zrele za transformaciju, ovaj članak će se fokusirati na oblast akvizicije novih kupaca i rast prihoda, jer upravo tamo većina startupa troši najviše novca. Ove oblasti - koje ćemo zajednički nazvati Akvizicija kupaca 3.0 - imaju najveći uticaj na skaliranje rasta vašeg poslovanja i moć otključavanja budućih finansiranja.

Nove dimenzije za skaliranje i učenje

U svetu akvizicije kupaca 3.0, više se neće predstavljati tradicionalna vrednost dostizanja liderstva u troškovima i optimizacije pružanja stabilne ponude. Umesto toga, skaliranje će stvoriti vrednost na nove načine kroz više dimenzija: skaliranje u količini relevantnih podataka koje kompanije mogu da generišu i da im pristupe, skaliranje u količini učenja koja se može izvući iz ovih podataka, skaliranje smanjenja rizika eksperimentiranja, skaliranje veličina i vrednosti kolaborativnih ekosistema, skaliranje u količini novih ideja koje mogu da se generišu kao rezultat ovih faktora i skaliranje u sprečavanju rizika nepredviđenih potresa.

Učenje je u poslu oduvek bilo važno. Kao što je primetio Bruce Henderson pre više od 50 godina, kompanije generalno mogu umanjiti svoje granične troškove proizvodnje predvidivom brzinom kako raste njihovo ukupno iskustvo. Ali u tradicionalnim modelima učenja, znanje koje je važno—učenje kako napraviti jedan proizvod ili efikasnije izvršiti jedan proces—je statično i traje. Da bi se išlo napred, umesto toga potrebno je izgraditi organizacione sposobnosti za dinamično učenje—učenje kako raditi nove stvari i „učenje kako da se nauči“ koristeći novu tehnologiju i ogromne skupove podataka.

Danas su veštačka inteligencija, senzori i digitalne platforme već povećale mogućnost za efikasnije učenje—ali prema BCG-u, takmičenje u brzini učenja postaće neophodnost. Dinamično, nesigurno poslovno okruženje zahtevaće da se kompanije više fokusiraju na otkrivanje i prilagođavanje, a ne samo na predviđanje i planiranje. Zbog toga, kompanije će sve više usvajati i proširivati upotrebu veštačke inteligencije, podižući konkurentski nivo učenja. A koristi će stvoriti efekat „zamajca podataka“—kompanije koje brže uče imaće bolju ponudu, privlačeći više kupaca i više podataka, povećavajući svoju mogućnost da uče.

Međutim, postoji ogroman jaz između tradicionalnog izazova učenja kako da se poboljša statički proces i novog imperativa da se neprestano uče nove stvari u organizaciji. Zato će uspešno takmičenje u učenju zahtevati više od pukog uključivanja AI u današnje procese i strukture. Umesto toga, kompanije će trebati da:

• prate digitalnu agendu koja obuhvata sve metode tehnologije relevantne za učenje—uključujući senzore, platforme, algoritme, podatke i automatizovano donošenje odluka;
• ih povežu u integrisane arhitekture učenja koje mogu brže da uče iz podataka, umesto da ih zasipaju sporim hijerarhijskim odlučivanjem;
• razviju poslovne modele koji su u stanju da kreiraju i deluju na dinamične, personalizovane uvide u kupca.

Nikada ranije trgovci nisu imali pristup većem broju podataka o klijentima. Kompanije koje se bave podacima prikupljaju sa profila korisnika osnovne podatke (imena i demografske podatke), mogu otići i dalje od toga i mogu uključivati niz drugih podataka o vernosti, zadržavanju, monetizaciji i još mnogo toga; kompanije to mogu iskoristiti za stvaranje sjajnih segmenata korisnika za vođenje istraživačkih i retargeting kampanja za rast timova. Prihvatanje i obrada ovih first-party podataka omogućava medijskim partnerima da izvrše sofisticirano modeliranje i analize uz mašinsko učenje koje nije bilo moguće pre nekoliko godina. To rezultuje boljim targetiranjem sa novim uvidima i analizom podataka.

Ako i dalje manuelno optimizujete kampanje na isti način kao što je to rađeno pre pola decenije, možda ćete se naći među brzo rastućim nestankom u igri akvizicije kupaca. Svaki manuelni postupak je verovatno mnogo manje efikasan i daleko podložniji ljudskim greškama nego što se novo rešenje brzo pojavljuje i napada neefikasnost.

AI i akvizicija kupaca

Ubrzano prihvatanje AI-ja za akviziciju kupaca od strane velikih medijskih platformi kao što su Google, Facebook, programske oglasne mreže i mnoge druge, predstavlja fundamentalnu i ključnu tranziciju u načinu na koji se marketinški dolari ulažu u mobilne marketinške kampanje. Trgovci koji rastu, više nemaju mogućnost izbora gde i na koji način se njihovi oglasi prikazuju korisnicima—umesto toga, algoritmi odlučuju o logistici, vođeni sa nekoliko inputa, kao što su ponude i budžet. Iako je to dobro za većinu timova za rast, neki od najinteligentnijih trgovaca koji rastu u industriji gledaju van očiglednih načina na koje AI može poboljšati rezultate da se fokusira na oštricu „izvan okvira“ na koju AI može dodatno napuniti svoje performanse akvizicije kupaca.

Kompanije poput IMVU, Netflix, Lyft i druge su vodeći pioniri iz oblasti AI-ja, kako po svojoj osnovnoj ponudi (zabava, preporuke, efikasno usmeravanje, itd.), tako i na polju akvizicije kupca. Oni su na čelu upotrebe inteligentnih mašina za automatizaciju delotvornih uvida kako bi u potpunosti upravljali svojim plaćenim kampanjama akvizicije sa manje ljudskih zavisnosti.

Vreme je da uključimo inteligentne mašine

Na kraju dana, najbolji način za procenu bilo koje tehnologije u nastajanju je da shvatite njenu praktičnu upotrebu u vašem poslu ili industriji. Baš kao što je dobro korisničko iskustvo prilagođeno individualnim potrebama, budućnost skaliranja akvizicije kupaca će osvojiti startupovi koji mogu prilagoditi svoja rešenja za veštačku inteligenciju svake platforme u skladu sa svojim potrebama i ciljevima. Uspešni startupovi su naučili koliko je važno fokusiranje na ispravnu metriku i ključne pokazatelje performansi (KPI), što je merljiva vrednost koja pokazuje koliko efikasno kompanija postiže kritične poslovne ciljeve. Primeri KPI-ova su troškovi akvizicije kupca (CAC), povrat troškova za oglase (ROAS), dnevno aktivni korisnici (DAU), mesečni aktivni korisnici (MAU), zadržavanje, stopa rasta i tako dalje.

Mašine koje pokreću AI mogu pomoći u orkestriranju kampanja za akviziciju koje se efikasnije kreću ka tim ciljevima u poređenju sa relativno krhkim procesom intervencije kod manuelne kampanje. Ovo zahteva holistički višekanalni pristup, koji masovno povećava operativnu složenost—od ciljanja zasnovanog na podacima, preko kreativnog povećanja do optimizacije atributa i performansi. A sa složenošću se dobija upravo ono što ne želite: rizik i nesigurnost.

Kad tad, napori vaše akvizicije kupaca će se oslanjati na veštačku inteligenciju, mašinsko učenje i automatizaciju da biste prilagodili i personalizovali putovanje kroz više kanala i postigli optimalne rezultate na načine na koje bilo bi nemoguće koristiti poslednju generaciju poslovne inteligencije i kontrolne table (dashboards). Za upravljanje složenim, višekanalnim kampanjama sa više ciljeva, oglasa i nastavka biće potreban inteligentan mašinski operativni sloj van okvira rešenja za postizanje sjajnih rezultata—ili ćete možda morati da da prihvatite prosečnost.

Većina kompanija pronalazi zonu komfora sa jednim ili dva glavna kanala, a ostatak preskaču. Ali svaka od velikih platformi ima različite prednosti:

Snap skews kod mladih.
Pinterest ima više žena u svojoj publici.
LinkedIn je mesto gde ljudi obavljaju poslovne aktivnosti.
• Osnovna publika Instagrama je veoma privržena i sklonija je interakciji na platformi, što je odlično za edukaciju potrošača i izgradnju publike.
Pretraga se odnosi na namere donjeg dela levka.
Platforme za potražnje (Demand-side platforms - DSP) mogu da dosegnu ljude van ovde navedenih platformi.

Uzimanje ovih faktora u obzir je važno tokom razvoja strategije. Uvek preporučujem upravljanje širokim, raznolikim miksom različitih platformi za akviziciju kupaca, kako biste umanjili rizik poslovanja da budete visoko zavisni od bilo kog pojedinačnog izvora, poput duopola Googlea i Facebooka. Previše startupa troši ceo budžet na crne kutije Googlea i Facebooka uz vrlo ograničenu vidljivost i loše razumevanje kako algoritmi funkcionišu ili kako se menjaju. Zamislite šta bi se dogodilo kada bi sav vaš budžet odlazio samo u Facebook ili Google, a njihovi se algoritmi menjaju bez ikakvog obaveštenja na način koji bi mogao značajno da utiče na vašu sposobnost da akvizirate nove kupce?

Uvek ulažete najmanje 5% do 10% svog mesečnog budžeta za akviziciju korisnika preko novih kanala svakog meseca. Korišćenjem portfolija platformi za istraživanje možete dobiti raznovrstan miks korisnika u sistemu, kojim potom, veštačka inteligencija može da upravlja za retargeting—levak ispunjen sa mnogo manje napora na raznim platformama.

Takođe je važno primetiti da će biti jasne i promenljive dinamike ponuda na različitim mrežama čak i tokom mesečnih kampanja (naravno, sve su podložne sezonalnosti). Veoma je teško u potpunosti iskoristiti ove promene u pritiscima licitacija tokom celog korisničkog puta od traženja do retargetinga bez korišćenja sopstvene, u potpunosti prilagođene inteligentne mašine koja može biti obučena za rad i automatizaciju budžeta slojem iznad svakog pojedinog kanala za istinsku višekanalnu optimizaciju.

Nijedan menadžer za akviziciju kupaca niti trgovci zaduženi za rast nikada ne mogu nadmašiti potpuno automatizovanu inteligentnu mašinu, jer mašine mogu obrađivati, analizirati i preduzimati prediktivne akcije 24 sata dnevno, 7 dana u nedelji, a da pritom ne moraju da imaju slobodan dan. Ljudi su skloni greškama, menjanju poslova i/ili potrebi da spavaju, što inteligentnim mašinama uvek daje prednost. AI mašine bi se poboljšale samo sa više podataka kako bi se usavršavali njihovi algoritmi tokom vremena.

Morate da naučite kako da trenirate algoritme za kontrolu ključnih poluga za optimizaciju kampanja, da se fokusirate na kreativnost i strategiju, da pokrenete napor i matematiku prebacite na mašine da biste dobili rezultate zasnovane na podacima daleko iznad manuelnih mogućnosti .

Na primer, IMVU ima stroge KPI-jeve oko CAC-a i ROAS-a. Pomoću AI uspeli su da iskoriste efikasnost između kanala i drastično poboljšaju KPI. Iako će se kanali menjati u CAC-u i ROAS-u svakog meseca, upotrebom pametnih mašina za upravljanje ciljevima, uspeli su da efikasno alociraju svoje resurse kako bi iskoristili što više prednosti svakog kanala, zadržavajući performanse u ključnim metričkim zonama. Pretražujući na različitim kanalima, stope retargetinga za inkrementalne kupovine putem aplikacija dramatično su porasle.

Budućnost akvizicije kupca 3.0 počiva na osloncu na inteligentne mašine, orkestrirajući složene kampanje preko i među ključnim marketinškim platformama—dinamičkom alokacijom budžeta, obrezivanjem oglasa, poliranjem uvida i autonomnim aktivnostima. Ove mašine poseduju potencijal za postizanje sjajnih performansi sa daleko efikasnijim Lean timom, praktičnim pristupom upravljanja podržanim veštačkom inteligencijom.