Svenskarna bombarderas med tusentals reklambudskap varje dag, såväl online som offline.
Med allt fler som använder adblocking är det tydligt att vi letar efter sätt att avskärma oss från reklamen.
Karolina Klijer, Business Development Manager på RTB House hävdar att det främst handlar om att den reklam vi möts av saknar relevans. Här reder hon ut hur marknadsförare kan öka effektiviteten på sina annonser med hjälp av deep learning.
Digital marknadsföring har nått en punkt där syftet med reklamen ofta får motsatt effekt hos mottagaren. Ett tydligt exempel på det är att adblocking har ökat de senaste åren, främst på mobilen. Samtidigt är individualisering en växande trend.
Konsumenter vill ha skräddarsydda erbjudanden som passar just deras preferenser. Det handlar om att få ut rätt budskap till rätt person vid rätt tillfälle. Med hjälp av deep learning kan din marknadsföringsstrategi förbättra effektiviteten med vilken du genererar kundintresse och skapar kontakt med dina potentiella kunder.
– Vi möts av allt mer reklam i vår vardag, vilket gör att den urvattnas och effektiviteten minskar. Detta ställer i sin tur krav på annonsörer att skapa marknadsföring som sticker ut. Enkla retargetingkampanjer räcker inte längre och allt fler annonsörer ser sig om efter nya tekniska lösningar, deep learning är en sådan. Tack vare djuplärande individualiseringsteknik kan annonsörer rikta relevanta kampanjer, erbjudanden och budskap till rätt målgrupp som med större sannolikhet kommer att ta till sig budskapet. Data visar att deep learning kan generera upp till 50 procent fler klick än vid vanligt retargetingannonsering, säger Karolina Klijer, Business Development Manager Nordics på RTB House
Därför är deep learning så effektivt Bättre rekommendationer:
Det finns två problem med retargeting idag: vilket erbjudande som ska visas och hur det ska visas. Annonsörer försöker på olika sätt anpassa reklambudskapet så att det känns personligt och attraktivt för kunden. Till skillnad från machine learning, som syftar till att utveckla maskiners förmåga att förstå och hantera stora mängder data, är deep learning ett artificiellt nätverk där algoritmerna fungerar likt när den mänskliga hjärnans neuroner kommunicerar med varandra. När deep learning används vid e-handel lär den sig av erfarenhet, vilket resulterar i en snabbare och mer exakt identifiering av potentiella köp. Faktum är att rekommendationernas effektivitet ökar med upp till 41 procent jämfört med kampanjer som inte använder deep learning.
Blottar det dolda:
Deep learning vid retargeting har inte bara möjliggjort att analysera grundläggande användarbeteenden, såsom vilka produkter eller produktkategorier som besöks, men också annan dolda data. Med deep learning är det nämligen möjligt att analysera besökstiden på produkter och sekvensen av besökta undersidor i butiken. Med hjälp av den här informationen tolkar maskiner exakt vad användaren gjorde i butiken och kan därigenom förutsäga deras faktiska köpintentioner. Tack vare den här typen av data går det att utläsa vilka produkter användaren är mest intresserad av och därigenom skicka anpassade erbjudanden till dem.
Anpassad optimering:
Med all denna data är nästa steg hur, samt i vilken ordning som erbjudandet ska presenteras i en annons. Deep learning-algoritmer analyserar erbjudanden och hur attraktiva de är från användarens perspektiv. Deep learning-teknologin är mycket mer sofistikerad än klassisk retargeting då de produkter som visas på en banner är mer personligt anpassade. Detta tillvägagångssätt gör det möjligt att genomföra en regel där det annars inte finns ett tydligt mönster för en viss grupp användare. Dessa algoritmer går in på en djupare nivå hos varje enskild användare och letar efter de bästa erbjudandena samt den ordning som erbjudanden bör visas på annonserna för dem.
Realtidsuppdatering:
Våra beteendeprofiler ändras hela tiden. Deep learning kan bygga en beteendeprofil i realtid och justera vad som presenteras på bannern varje gång en annons visas. Algoritmer avgör vad som ska presenteras på respektive banner, som justeras baserat på hur kunden reagerat på tidigare erbjudanden. Tack vare kraftfulla algoritmer och ständig analys kan deep learning återuppbygga användarnas beteendeprofil i realtid.
