Công nghệ quảng cáoPhân tích & Thử nghiệmTrí tuệ nhân tạoVideo Tiếp thị & Bán hàng

Retina AI: Sử dụng AI dự đoán để tối ưu hóa các chiến dịch tiếp thị và thiết lập giá trị lâu dài cho khách hàng (CLV)

Môi trường đang thay đổi nhanh chóng đối với các nhà tiếp thị. Với các bản cập nhật iOS tập trung vào quyền riêng tư mới từ Apple và Chrome, loại bỏ cookie của bên thứ ba vào năm 2023 - trong số các thay đổi khác - các nhà tiếp thị đang phải điều chỉnh trò chơi của họ để phù hợp với các quy định mới. Một trong những thay đổi lớn là giá trị ngày càng tăng được tìm thấy trong dữ liệu của bên thứ nhất. Giờ đây, các thương hiệu phải dựa vào dữ liệu chọn tham gia và dữ liệu của bên thứ nhất để giúp thúc đẩy các chiến dịch.

Giá trị trọn đời của khách hàng (CLV) là gì?

Giá trị trọn đời của khách hàng (CLV) là chỉ số ước tính giá trị (thường là doanh thu hoặc tỷ suất lợi nhuận) mà bất kỳ khách hàng nhất định nào sẽ mang lại cho doanh nghiệp trong tổng thời gian họ tương tác với thương hiệu của bạn — quá khứ, hiện tại và tương lai.

Những thay đổi này khiến các doanh nghiệp phải hiểu và dự đoán giá trị lâu dài của khách hàng trở thành cấp bách chiến lược, giúp họ xác định các phân khúc người tiêu dùng quan trọng đối với thương hiệu của mình trước thời điểm mua hàng và tối ưu hóa các chiến lược tiếp thị của họ để cạnh tranh và phát triển.

Tuy nhiên, không phải tất cả các mô hình CLV đều được tạo ra như nhau - hầu hết tạo ra nó ở cấp độ tổng hợp thay vì cấp độ riêng lẻ, do đó, không thể dự đoán chính xác CLV trong tương lai. Với CLV cấp độ cá nhân mà Retina tạo ra, khách hàng có thể phân biệt điều gì khiến khách hàng tốt nhất của họ khác biệt với những người khác và kết hợp thông tin đó để tăng thêm lợi nhuận cho chiến dịch mua lại khách hàng tiếp theo của họ. Ngoài ra, Retina có thể cung cấp dự đoán CLV động dựa trên các tương tác trong quá khứ của khách hàng với thương hiệu, cho phép khách hàng biết họ nên nhắm mục tiêu khách hàng nào với các ưu đãi, giảm giá và khuyến mại đặc biệt.  

Retina AI là gì?

Retina AI sử dụng trí thông minh nhân tạo để dự đoán giá trị lâu dài của khách hàng trước giao dịch đầu tiên.

AI võng mạc là sản phẩm duy nhất dự đoán CLV dài hạn của khách hàng mới cho phép các nhà tiếp thị tăng trưởng đưa ra quyết định tối ưu hóa ngân sách chiến dịch hoặc kênh trong thời gian gần thực. Một ví dụ về nền tảng Retina đang được sử dụng là công việc của chúng tôi với Madison Reed, người đang tìm kiếm giải pháp thời gian thực để đo lường và tối ưu hóa các chiến dịch trên Facebook. Nhóm ở đó đã chọn chạy thử nghiệm A / B tập trung vào CLV: CAC (chi phí mua lại khách hàng). 

Nghiên cứu điển hình về Madison Reed

Với chiến dịch thử nghiệm trên Facebook, Madison Reed nhằm đạt được các mục tiêu sau: Đo lường ROAS và CLV của chiến dịch trong thời gian gần thực, phân bổ lại ngân sách cho các chiến dịch có lợi hơn và hiểu quảng cáo nào dẫn đến tỷ lệ CLV: CAC cao nhất.

Madison Reed đã thiết lập thử nghiệm A / B sử dụng cùng một đối tượng mục tiêu cho cả hai phân khúc: phụ nữ từ 25 tuổi trở lên ở Hoa Kỳ chưa bao giờ là khách hàng của Madison Reed.

  • Chiến dịch A là chiến dịch kinh doanh như thường lệ.
  • Chiến dịch B đã được sửa đổi làm phân đoạn thử nghiệm.

Bằng cách sử dụng giá trị lâu dài của khách hàng, phân đoạn thử nghiệm được tối ưu hóa tích cực cho việc mua hàng và tiêu cực chống lại người không đăng ký. Cả hai phân đoạn đều sử dụng cùng một quảng cáo.

Madison Reed đã chạy thử nghiệm trên Facebook với tỷ lệ chia 50/50 trong 4 tuần mà không có bất kỳ thay đổi nào giữa chiến dịch. Tỷ lệ CLV: CAC tăng 5% ngay lập tức, là kết quả trực tiếp của việc tối ưu hóa chiến dịch bằng cách sử dụng giá trị lâu dài của khách hàng trong trình quản lý quảng cáo Facebook. Cùng với tỷ lệ CLV: CAC tốt hơn, chiến dịch thử nghiệm đã kiếm được nhiều hiển thị hơn, nhiều lượt mua trên trang web và nhiều đăng ký hơn, cuối cùng dẫn đến tăng doanh thu. Madison Reed đã tiết kiệm chi phí cho mỗi lần hiển thị và giá mỗi lần mua hàng đồng thời có được nhiều khách hàng lâu dài có giá trị hơn.

Những loại kết quả này là điển hình khi sử dụng Retina. Trung bình, Retina tăng hiệu quả tiếp thị lên 30%, tăng CLV gia tăng lên 44% với đối tượng ưa nhìn và kiếm được Lợi tức chi tiêu quảng cáo gấp 8 lần (ROAS) về các chiến dịch mua lại khi so sánh với các phương pháp tiếp thị điển hình. Cá nhân hóa dựa trên giá trị dự đoán của khách hàng trên quy mô lớn trong thời gian thực cuối cùng là yếu tố thay đổi cuộc chơi trong công nghệ tiếp thị. Tập trung vào hành vi của khách hàng hơn là nhân khẩu học làm cho nó trở thành một cách sử dụng dữ liệu trực quan và độc đáo để biến các chiến dịch tiếp thị thành những chiến thắng hiệu quả và nhất quán.

Retina AI cung cấp các khả năng sau

  • Điểm dẫn đầu CLV - Retina cung cấp cho các doanh nghiệp các phương tiện để ghi điểm tất cả các khách hàng để xác định các khách hàng tiềm năng chất lượng. Nhiều doanh nghiệp không chắc chắn về việc khách hàng nào sẽ mang lại giá trị cao nhất trong suốt thời gian của họ. Bằng cách sử dụng Retina để đo lường lợi tức chi tiêu quảng cáo (ROAS) trung bình cơ bản trên tất cả các chiến dịch và liên tục tính điểm khách hàng tiềm năng và cập nhật CPA cho phù hợp, các dự đoán của Retina tạo ra ROAS cao hơn nhiều trên chiến dịch được tối ưu hóa bằng eCLV. Việc sử dụng trí tuệ nhân tạo một cách chiến lược này mang lại cho các doanh nghiệp phương tiện để xác định và tiếp cận những khách hàng chỉ ra giá trị còn lại. Ngoài tính năng cho điểm khách hàng, Retina có thể tích hợp và phân đoạn dữ liệu thông qua nền tảng dữ liệu khách hàng để báo cáo trên các hệ thống.
  • Tối ưu hoá Ngân sách Chiến dịch - Các nhà tiếp thị chiến lược luôn tìm cách tối ưu hóa chi tiêu quảng cáo của họ. Vấn đề là hầu hết các nhà tiếp thị phải đợi đến 90 ngày trước khi họ có thể đo lường hiệu suất chiến dịch trước đó và điều chỉnh ngân sách tương lai cho phù hợp. Retina Early CLV cho phép các nhà tiếp thị đưa ra lựa chọn thông minh về nơi tập trung chi tiêu cho quảng cáo của họ trong thời gian thực, bằng cách dành CPA cao nhất của họ cho những khách hàng có giá trị cao và khách hàng tiềm năng. Điều này nhanh chóng tối ưu hóa CPA mục tiêu của các chiến dịch có giá trị cao hơn để mang lại ROAS cao hơn và tỷ lệ chuyển đổi cao hơn. 
  • Đối tượng trông giống - Retina, chúng tôi nhận thấy rằng nhiều công ty có ROAS rất thấp — thường khoảng 1 hoặc thậm chí ít hơn 1. Điều này thường xảy ra khi chi tiêu cho quảng cáo của một công ty không tỷ lệ thuận với giá trị lâu dài của khách hàng tiềm năng hoặc khách hàng hiện tại. Một cách để tăng đáng kể ROAS là tạo các đối tượng trông giống nhau dựa trên giá trị và đặt giới hạn giá thầu tương ứng. Bằng cách này, doanh nghiệp có thể tối ưu hóa chi tiêu quảng cáo dựa trên giá trị mà khách hàng sẽ mang lại cho họ về lâu dài. Các doanh nghiệp có thể tăng gấp ba lần lợi tức chi tiêu cho quảng cáo với đối tượng khách hàng dựa trên giá trị lâu dài của Retina.
  • Đặt giá thầu dựa trên giá trị - Đặt giá thầu dựa trên giá trị được dự đoán dựa trên ý tưởng rằng ngay cả những khách hàng có giá trị thấp hơn cũng đáng có được 一 miễn là bạn không chi quá nhiều để có được họ. Với giả định đó, Retina giúp khách hàng thực hiện đặt giá thầu dựa trên giá trị (VBB) trong các chiến dịch Google và Facebook của họ. Đặt giới hạn giá thầu có thể giúp đảm bảo tỷ lệ LTV: CAC cao và giúp khách hàng linh hoạt hơn trong việc sửa đổi các thông số chiến dịch để phù hợp với mục tiêu kinh doanh. Với giới hạn giá thầu động từ Retina, khách hàng đã cải thiện đáng kể tỷ lệ LTV: CAC bằng cách giữ cho chi phí chuyển đổi dưới 60% giới hạn giá thầu của họ.
  • Sức khỏe tài chính & khách hàng - Báo cáo về sức khỏe và giá trị của cơ sở khách hàng của bạn. Báo cáo Chất lượng Khách hàng ™ (QoC) cung cấp phân tích chi tiết về cơ sở khách hàng của công ty. QoC tập trung vào các chỉ số khách hàng hướng tới tương lai và tài khoản cho vốn khách hàng được xây dựng bằng hành vi mua hàng lặp lại.

Lên lịch cuộc gọi để tìm hiểu thêm

emad hasan

Emad là Giám đốc điều hành và Đồng sáng lập của AI võng mạc. Kể từ năm 2017, Retina đã làm việc với các khách hàng như Nestle, Dollar Shave Club, Madison Reed, v.v. Trước khi gia nhập Retina, Emad đã xây dựng và điều hành các nhóm phân tích tại Facebook và PayPal. Niềm đam mê và kinh nghiệm không ngừng trong ngành công nghệ đã giúp anh ấy xây dựng các sản phẩm giúp các tổ chức đưa ra quyết định kinh doanh tốt hơn thông qua việc tận dụng dữ liệu của chính họ. Emad lấy bằng Cử nhân Kỹ thuật Điện từ Penn State, bằng Thạc sĩ Kỹ thuật Điện từ Học viện Bách khoa Rensselaer và bằng Thạc sĩ Quản trị Kinh doanh tại Trường Quản lý UCLA Anderson. Ngoài công việc với Retina AI, anh ấy còn là một blogger, diễn giả, cố vấn khởi nghiệp và nhà thám hiểm ngoài trời.

Bài viết liên quan

Back to top
Đóng

Đã phát hiện ra khối quảng cáo

Martech Zone có thể cung cấp cho bạn nội dung này miễn phí vì chúng tôi kiếm tiền từ trang web của mình thông qua doanh thu quảng cáo, liên kết đơn vị liên kết và tài trợ. Chúng tôi sẽ đánh giá cao nếu bạn xóa trình chặn quảng cáo của mình khi bạn xem trang web của chúng tôi.