Использование искусственного интеллекта для рекламных кампаний позволяет бизнесу привлекать внимание своей целевой аудитории, устанавливать доверительные отношения с потребителями и стимулировать рост продаж.
По данным исследования компании KPMG, уже ⅔ российских компаний активно используют анализ больших данных и ⅓ активно внедряют искусственных интеллект в процессы.
В общем, вещь очень перспективная и многоплановая. Далее рассказываем, как адаптировать искусственный интеллект для подготовки рекламных кампаний.
Искусственный интеллект в маркетинге сегодня
Существующие инструменты
С развитием искусственного интеллекта (ИИ) маркетологи получили доступ к широкому спектру инновационных инструментов, которые значительно улучшают эффективность и результативность рекламных кампаний (РК).
Вот некоторые из существующих инструментов ИИ, которые успешно применяются в маркетинговых стратегиях.
Анализ данных и большие данные (Big Data)
Искусственный интеллект может обрабатывать огромные объемы данных и извлекать из них ценные инсайты о поведении аудитории, предпочтениях клиентов, трендах на рынке и другой важной информации.
Анализ больших данных помогает определить наилучшие стратегии, оптимизировать контент и персонализировать взаимодействие с клиентами.
Рекомендательные системы на основе искуственного интеллекта
В рамках рекламных кампаний искусственный интеллект используется для создания рекомендательных систем, которые предлагают пользователям персонализированные подборки продуктов и услуг на основе их предпочтений и истории покупок.
Автоматизация электронной почты и персонализация рассылок
ИИ упрощает процесс отправки электронных писем, смс и телезвонков и создавать персонализированные рассылки для каждого получателя.
Таргетирование рекламы
ИИ может фокусно таргетировать рекламные кампании на основе данных о поведении пользователей, интересах и демографических характеристиках.
Аналитика и прогнозирование
Искусственный интеллект прогнозирует результаты рекламных кампаний, анализирует эффективность стратегий и определяет ключевых метрик успеха.
Как посчитать эффективность ИИ-модели
Наиболее эффективный способ расчета эффективности внедрения ИИ модели или инструмента – это A/B аналитика.
Внедряя новые технологии, запускайте кампании деля объем 50/50. 50% клиентов запустите по вашему предыдущему экспертному методу. 50% запустите с использованием выбранного ваши ИИ.
Важно! Клиенты в кампании должны быть релевантны друг другу – то есть, к ним должны применяться одинаковые фильтры. И объем разделен рандомно.
После того, как кампания будет завершена, сравните эти две группы, принимая одну из них, как контрольную.
Давайте рассмотрим на примере.
Компания решила привлечь ИИ и запустила рекламную кампанию в email на 100 000 человек.
Все клиенты отобраны по критериям:
- возраст от 18 до 55;
- жители РФ;
- интересуются покупкой недвижимости;
- семейные.
РК разделена на 2 сегмента:
- 50 000 человек получили email по стандартной схеме: рассылка с 10 до 19 с пн по пт.
- 50 000 человек получали email только после прохождения цепочки событий, которую выстроила предиктивная модель, проанализировав поведение текущий клиентов компании.
По завершению кампании аналитик сравнивает два сегмента.
РК 1: отправили 50 000 писем, дошло 45 000, открыли 25 000, перешли по ссылке 2 500, приобрели продукт 25. Конверсия из отправленных – 0,05%.
РК 2: отправили 50 000 писем, дошло 45 000, открыли 35 000, перешли по ссылке 4 500, приобрели продукт 75. Конверсия из отправленных – 0,15%.
Дополнительный эффект, который принесла ИИ модель – 0,10%.
Но на этом расчеты не заканчиваются. Дальше вам необходимо перевести % в денежный эквивалент – рассчитать, какой доход вы получили в рублях и вычесть те затраты что принесли.
Тогда вы уже получается NPV (net profit value) и можете оценить реальные доходы от использования инструментов ИИ в рекламе.
Для простого расчета эффективности можно использовать Калькулятор достоверности A/B тестирования от Яндекс Директ.
Как будет выглядеть расчет можно увидеть ниже.
От вас потребуется только заполнить количество сегментов, их размеры, расходы и показатели конверсии и кликов (вместо кликов заполните тот показатель, который релевантный для вас) и дальше система рассчитает вам самостоятельно, показывая какой сегмент более прибыльный.
ИИ в маркетинге у известных компаний
Sberbank
Для своей рекламы российский банк использует искусственный интеллект для анализа поведения клиентов, чтобы предоставлять персонализированные предложения и рекомендации через свои приложения и онлайн-платформы.
Если вы получаете рекламной SMS от Сбера, будьте уверены, система ИИ определяет вас как склонного на текущий момент к предложенному продукту. Более того, в случае с некоторыми продуктами даже сумма и ставка будет рассчитана для вас ИИ.
S7 Airlines
Они применяют искусственный интеллект в рекламных кампаниях для персонализации рекламных сообщений и предложений на своем веб-сайте и в электронных письмах, чтобы улучшить опыт клиентов.
Ozon
Этот крупный интернет-ритейлер использует ИИ для анализа поведения покупателей и рекомендаций товаров, что помогает увеличить конверсию и продажи.
Ozon анализирует не только ваши покупки, но и товары, на которые мы кликали в последнее время, тем самым подбирая для вас релевантные предложения в разделе “Рекомендуем”.
Mail.ru Group
Один из крупнейших интернет-холдингов России анализирует данные о пользователях с применением ИИ, чтобы предоставлять более релевантную и интересную рекламу на своих платформах.
Dodo Pizza
Сеть пиццерий использует искусственный интеллект для анализа заказов и предпочтений клиентов, чтобы предоставлять персонализированные предложения и акции.
Анализ данных о ЦА и конкурентах с помощью ИИ
Сбор и обработка данных
Искусственный интеллект позволяет автоматизировать процессы сбора и обработки данных из различных источников, таких как социальные сети, веб-сайты, покупки пользователей и т.д.
Анализируя большие объемы информации, ИИ выявляет важные тренды, предпочтения и поведенческие паттерны аудитории, что помогает компаниям лучше понять своих клиентов.
Кто уже внедрил:
Yandex. Компания Yandex применяет искусственный интеллект для обработки больших объемов данных, включая анализ поисковых запросов, поведения пользователей и рекламных кампаний на своих платформах.
Rambler Group. Этот холдинг использует искусственный интеллект для анализа данных о поведении пользователей на своих медийных платформах, что помогает предоставлять более релевантный контент и рекламу.
Tinkoff Bank анализирует данные о финансовых операциях и поведении клиентов с ИИ, что помогает предоставлять персонализированные финансовые услуги и рекомендации.
Сегментация аудитории
Используя алгоритмы машинного обучения, искусственный интеллект способен автоматически сегментировать аудиторию на группы с общими характеристиками.
Это позволяет компаниям создавать персонализированные рекламные кампании, нацеленные на уникальные потребности и интересы каждой группы пользователей.
Кто уже внедрил:
Alfa-Bank. Банк использует искусственный интеллект для анализа данных о поведении клиентов и их финансовых потребностях. Это помогает банку более точно сегментировать аудиторию и предоставлять персонализированные банковские услуги.
M.Video-Eldorado Group. Этот ритейлер электроники применяет искусственный интеллект для анализа данных о покупках и интересах клиентов. Такая сегментация помогает им предлагать релевантные товары и акции.
Ozon. Онлайн-магазин Ozon использует искусственный интеллект для анализа данных о поведении покупателей. Это позволяет им более точно определить интересы и потребности клиентов для более эффективной сегментации.
Предсказание потребительского поведения
Благодаря анализу данных искусственный интеллект способен предсказывать будущее поведение аудитории.
Это важно для определения оптимального времени и канала доставки рекламных сообщений, а также для адаптации стратегий под изменяющиеся потребности рынка.
Кто уже внедрил:
Lenta. Ритейлер Lenta использует искусственный интеллект для анализа данных о покупках и предпочтениях клиентов. Они предсказывают, какие товары будут интересны клиентам, и адаптируют свои запасы и акции соответственно.
Citymobil. Служба такси Citymobil применяет искусственный интеллект для анализа данных о заказах и перемещениях клиентов. Это позволяет им предсказывать пиковые нагрузки и оптимизировать распределение автомобилей.
Sberbank. Крупнейший банк России применяет искусственный интеллект для анализа данных о финансовых транзакциях и поведении клиентов. Это позволяет им предсказывать финансовые потребности клиентов и предлагать соответствующие продукты и услуги.
Анализ конкурентов
Искусственный интеллект может проанализировать данные о конкурентах и выявить их сильные и слабые стороны в маркетинговых усилиях.
Это дает компаниям возможность разрабатывать более эффективные и инновационные стратегии, которые выделяют их на фоне конкурентов.
Кто уже внедрил:
Mango Telecom. Этот телекоммуникационный оператор использует искусственный интеллект для анализа данных о конкурентных тарифах и предложениях на рынке. Это помогает им оптимизировать свои собственные цены и услуги.
Какими инструментами можно воспользоваться уже сейчас
В идеале в вашей компании должен быть свой аналитик, обладающий навыками использования ИИ для анализа данных.
Но такое удовольствие может стоить не маленьких денег, тем более что для обучения ИИ вам потребуются данные, которых может у вас не быть, и вы снова будете вынуждены вкладывать средства в их покупку.
В случаях, когда вы не готовы тратить значимые суммы для более точечного анализа, можно воспользоваться уже существующими инструментами.
Инструменты с искуственным интеллектом для анализа конкурентов
Socialbakers. Платформа для анализа трафика и ключевых слов конкурентов, а также для получения информации о их рекламных стратегиях.
SEMrush. Инструмент для исследования ключевых слов, анализа SEO и PPC-стратегий конкурентов.
DataLocator. Позволяет анализировать активность конкурентов в социальных сетях и их взаимодействие с аудиторией.
Инструменты ИИ для анализа целевой аудитории
Google Analytics. Служит для анализа данных о поведении пользователей на сайте, получения информации о посещениях, взаимодействии и конверсиях.
Яндекс.Вебмастер. Помогает анализировать данные о популярности и видимости сайта в поисковой выдаче Яндекс.
Yandex.Metrica. Похож на Google Analytics, но предоставляет информацию о посещениях и активности пользователей на сайте поисковика Яндекс.
Таргетирование рекламы с помощью нейросетей
Модели ИИ, доказавшие свою эффективность
Искусственный интеллект предоставляет различные модели таргетирования, которые помогают компаниям находить правильные аудитории и предлагать им наиболее интересные продукты или услуги.
Использование этих моделей таргетирования рекламы в сочетании с данными, собранными с помощью искусственного интеллекта, дает компаниям возможность создавать более точные и персонализированные рекламные кампании.
Ниже я приведу те модели, которые мы активно используем и которые на примере нашей и других команд доказали свою эффективность в продвижении продуктов:
Модель склонности с ИИ
Эта модель использует алгоритмы машинного обучения для определения вероятности, с которой определенный пользователь или клиент совершит конкретное действие. Например, сделает покупку или подпишется на рассылку.
Модель склонности позволяет предсказать потребительское поведение и нацелить рекламные кампании на наиболее подходящих потребителей.
Наша команда ушла от массовых рассылок и перешла на рассылки по клиентам по модели склонности.
Под каждый продукт и канал специалистами создается своя модель, определяющая пул клиентов для коммуникации. Такие кампании показывают результат в среднем на 20% больше, чем рассылки по экспертным критериям.
Например, в случае с смс-рассылками страховых продуктов Сбербанк Страхование, была подготовлена модель склонности к продукту (к каждому своя, отдельно на Защиту карт, Защиту от травм и т. д).
Ежемесячно модель скорит весь пул клиентов, проставляя для каждого клиента склонность от 0 до 1. Где 1 = 100% склонности.
В рассылку пойдут только те клиенты, у которых скор выше 0,5, а значит его склонность к продукту не менее 50%.
Таким образом, мы сокращаем расходы не отправляя коммуникации клиентам, которые не возьмут продукт. И увеличиваем конверсию, направляя смс только склонным клиентам.
1. Благодаря предсказаниям склонности, банк смог улучшить таргетирование своих маркетинговых кампаний. Это привело к увеличению CTR (кликабельности) рекламных объявлений на 25%.
2. Применение моделей склонности позволило банку увеличить конверсию на 15% при продвижении новых финансовых продуктов, так как более аккуратно подходили к тем клиентам, которые уже имели склонность к подобным услугам.
3. Благодаря моделям склонности банк смог сократить свой маркетинговый бюджет на 20%, сосредотачиваясь на наиболее перспективных клиентах и эффективно распределяя ресурсы.
Предиктивные модели ИИ
Эти модели используют статистические методы и машинное обучение для прогнозирования будущих событий или результатов.
Результат от такой модели будет выглядеть как цепочка событий, которая предрасполагает клиента к покупке вашего продукт или целевому действию.
Например, модель может сообщить вам, что клиенты наиболее склонны к покупке после:
Получение заработной платы не менее 25 000 рублей → использования такси на сумму не менее 300 рублей → покупка в супермаркете на любую сумму → оплата мобильной связи → подключение автоплатежа.
Далее есть два варианта использования этих данных:
- Использовать ретро данные и направлять коммуникации тем, у кого уже произошла цепочка событий.
- Настроить NRT (near real time) инструмент, который будет отслеживать происходящие с вашими клиентами события и направлять коммуникацию в момент, когда вся цепочка схлопнется.
Второй вариант более эффективен, но он требует использование дополнительных инструментов, на которых подобную механику можно будет настроить.
1. Благодаря предиктивным моделям "МТС" смогла снизить количество перегрузок сети на 25% и улучшить качество обслуживания для абонентов в перегруженных зонах.
2. Применение предиктивных моделей позволило "МТС" снизить отток абонентов на 20% благодаря более точным усилиям по удержанию.
3. Благодаря предиктивным моделям "МТС" увеличила конверсию рекламных акций на 30%, нацеливая их на более релевантные сегменты абонентов.
Рекомендательные модели ИИ
Эти модели основываются на анализе данных о предпочтениях и поведении пользователей и предлагают персонализированные рекомендации продуктов или услуг.
В таргетировании рекламы рекомендательные модели помогают предоставить пользователям релевантные и интересные предложения, повышая вероятность привлечения их внимания и конверсии.
1. Увеличение продаж: Согласно данным, в некоторых категориях товаров увеличение продаж составило до 30% благодаря персонализированным рекомендациям, предоставляемым пользователям на платформе.
2. Повышение удовлетворенности клиентов: Благодаря точным рекомендациям, удовлетворенность клиентов увеличилась на 15%, так как пользователи легче находили интересующие их товары.
3. Увеличение среднего чека: Средний чек заказов, сделанных с использованием рекомендаций, вырос на 25% по сравнению с заказами без персонализированных рекомендаций.
4. Более эффективное использование ассортимента: Благодаря рекомендательным моделям, более 20% менее популярных товаров получили повышенный спрос со стороны клиентов.
Персонализация и результаты от нее
И здесь же я хотела бы поднять не менее важный пункт – персонализация.
Индивидуальные сообщения или звонки, адресованные клиенту, могут создать ощущение важности и заботы о его потребностях.
Практика показывает, что в среднем только на использовании персонализированного подхода (использование ФИО и индивидуального предложения -цена, ставка, скидка) можно поднять конверсию на 7-9%.
Результаты одной из рекламных кампаний в канале емейл, в первом сегменте использовали стандартное предложение – во втором указали персональный лимит и по кредитному продукту.
Приведу пример эффективности персонализации на своем опыте:
Инструменты, которыми вы можете воспользоваться для персонализации:
Adobe Target. Используется для динамической персонализации контента на сайте и в рекламных объявлениях.
Monetate. Позволяет создавать персонализированные опыты для клиентов на основе данных о поведении пользователей.
Dynamic Yield. Используется для динамической персонализации веб-сайтов, рекламных кампаний и электронных писем.
Оптимизация рекламных кампаний
Оптимизация рекламных кампаний помогает достичь максимальной эффективности и экономии ресурсов. Для этой задачи ИИ также может предложить ряд методов и инструментов.
Автоматическая оптимизация бюджетов
Используя искусственный интеллект, компании могут настроить автоматическую оптимизацию бюджетов рекламных кампаний.
Алгоритмы машинного обучения анализируют прошлые данные и реагируют на изменения рыночных условий, распределяя бюджет между различными каналами и объявлениями таким образом, чтобы максимизировать отдачу от инвестиций.
A/B-тестирование
О нем мы немного поговорили уже выше.
Помимо подведения результатов внедрения самого ИИ, A/B тестирование также может быстро проанализировать различные варианты рекламных материалов или стратегий и определить, какие из них работают наилучшим образом.
Реал-тайм оптимизация
Искусственный интеллект позволяет бизнесу проводить мониторинг результатов РК в реальном времени и быстро реагировать на изменения ситуации.
Благодаря этому, компании могут быстро корректировать стратегии и управлять кампаниями в режиме реального времени для максимального эффекта.
Примеры инструментов, которыми можно воспользоваться для оптимизации
Оптимизация конкретной рекламы:
Яндекс.Direct. Это платформа контекстной рекламы от поисковика Яндекс, которая позволяет рекламодателям создавать и оптимизировать рекламные объявления, а также настраивать таргетинг на основе интересов и поведения пользователей.
Google Ads. Это инструмент от Google для создания и управления рекламными кампаниями в поисковой выдаче Google, на партнерских сайтах и в YouTube. Платформа предоставляет множество возможностей для таргетинга и анализа результатов рекламы.
Маркетинговые автоматизации:
HubSpot. Это маркетинговая платформа, которая позволяет автоматизировать рекламные кампании, управлять лидами, анализировать взаимодействие с клиентами и многое другое.
DashaMail. Популярная платформа для автоматизации электронной почты, которая также предоставляет инструменты для управления рекламными кампаниями и анализа данных.
Используя данный сервис, вы можете как загрузить вам список клиентов для рассылки, так и настроить автоматический экспорт подписчиком или пользователей с вашего сайта.
Аналитика и мониторинг:
Google Analytics. Бесплатный инструмент для анализа поведения пользователей на сайте и мониторинга результатов рекламных кампаний.
Яндекс.Метрика. Похож на Google Analytics, но предоставляет данные о трафике и поведении пользователей на сайте с поисковой выдачи Яндекс.
См. рисунок ниже.
Яндекс.Метрика позволяет не только оценить посещаемость вашей основной страницы, но и каждой подстраницы и гиперссылки, размещенной на корневой.
Сколько времени посетители проводят на вашей сайте, сколько в среднем страниц просматривают, на чем останавливаются, все это, как и ЦА дает возможность проанализировать данная платформа.
Для внедрения большинства инструментов вам все же потребуется нанять профильного специалиста.
Однако некоторыми из процессов может воспользоваться и маркетолог, примеры готовых приложений с понятным функционалом я постаралась дать вам выше.
Заключение
Искусственный интеллект позволяет повысить эффективность рекламных кампаний благодаря точному таргетингу, персонализации контента и оптимизации рекламных бюджетов на основе данных.
Больше компаний, особенно компаний-гигантов, осознают значимость ИИ и его преимущества, и поэтому мы наблюдаем тренд к увеличению числа организаций, использующих искусственный интеллект в своих рекламных кампаниях.
Это означает, что вскоре использование ИИ может стать стандартной практикой в маркетинге.
12+ лет опыта в маркетинге. Руковожу IT-командой, в задачи которой входит продвижение кредитных и экосистемых продуктов для массового и высокодоходного сегмента с использованием AI технологий. До недавнего времени: руководитель направления продвижения продуктов в Sberbank
