banner_left
banner_right
Marketing

Hloubkové učení posouvá reklamní kampaně na novou úroveň

V nedávné době se s debatami o umělé inteligenci v technologické oblasti roztrhl pytel. K účastníkům této diskuse patří také špičky v oboru jako Mark Zuckerberg. Nejen on je přesvědčen, že díky využití umělé inteligence mohou mít lidé pohodlnější a hodnotnější životy.

Globální obři jako Google nebo Microsoft rovněž integrovali technologie umělé inteligence do svých reklamních systémů motivováni snahou o zlepšení ziskovosti reklamy. Společnost RTB House, která patří k jedněm z prvních poskytovatelů retargetingu, kteří využívají principů hloubkového učení ve všech oblastech své technologie, dokazuje, že díky tomuto novému přístupu se reklamní průmysl vyvíjí správným směrem.

Uplynulo 20 let od doby, kdy super-počítač od IBM nazvaný Deep Blue porazil světového šampiona v šachu Garyho Kasparova v historicky prvním souboji, který dopadl ve prospěch umělé inteligence. Co ale bylo v roce 1997 hudbou budoucnosti, se do dnešních dní stalo součástí reality. Současné počítače dokáží nejen napodobovat činnost lidských mozků, ale v porovnání s lidmi zvládají řešit problémy rychleji a efektivněji.

Existuje mnoho způsobů, jak lze umělou inteligenci využít nejen v oblasti vědy a technologií, ale také v nejrůznějších oborech lidské činnosti. V oblasti reklamy se řešení založená na umělé inteligenci stávají nezbytností v případě, že je potřeba zpracovávat velká množství dat. Pokročilé algoritmy se staly odpovědí na nejpalčivější problémy, se kterými se marketéři setkávají – na potřebu získat strojově interpretovatelná data o nákupním potenciálu zákazníků a o tom, jak moc se do nich vyplatí investovat.

RTB House v nedávné době implementovala algoritmy hloubkového učení. Díky tomu mohou marketéři překonávat při realizaci reklamních kampaní tyto tři výzvy.

Výzva #1: Přesný odhad zákazníkovy hodnoty

Hodnota potenciálních zákazníků se mění s každou jejich návštěvou e-shopu. Je odvislá od různých osobních faktorů: produkty, o které mají zájem, to, nakolik potřebují nakoupit a také fáze zákaznického cyklu. Otázka, kterou se zabývají všichni marketéři, je následující: Jak odhadnout a změřit nákupní potenciál daného člověka? Tato otázka vždy byla jednou z největších výzev pro marketéry, protože přímo souvisí s tím, kolik peněz je nutné do zákazníka investovat. Nejlepší odhad je takový, který dokáže správně předpovědět možnost dokončení nákupu a jeho možnou hodnotu. Tyto dva parametry určují, jaká bude návratnost investice do reklamy.

Cílem RTB House bylo optimalizovat proces nákupu reklamy tak, aby zaujal zejména zákazníky, kteří z pohledu klienta mají největší hodnotu, a automaticky na ně bidduje výše. Díky implementaci algoritmů hloubkového učení dokázaly interní firemní mechanismy začít sbírat a interpretovat nejen data o klicích (typický přístup), ale také zohledňovat to, jak uživatelé procházejí konkrétní nabídky, srovnávají zájem o jednotlivé kategorie, jak se chovají v košíku a jakým způsobem vyhledávají. Díky tomu získávají širší obrázek ohledně nákupního potenciálu každého jednotlivce. Využitím tohoto širokého spektra informací dokázala RTB House pomocí hloubkového učení zvýšit celkový výkon z retargetingu o 29 %.

Výzva #2: Přesný odhad přání zákazníků (doporučení)

Stále se opakující výzvou v digitální reklamě je, co by mělo být zobrazováno na bannerech, aby byl potenciál nákupu co nejvyšší. Čím lépe se vám podaří odhadnout, co si lidé přejí, tím vyšší je šance, že nákup dokončí.

V průběhu “real-time aukce” v personalizovaném retargetingu má doporučovací mechanismus pouze milisekundy na výběr jedné kreativy z miliard kombinací. V tomto čase musí rozhodnout, co se na banneru zobrazí. Díky využití algoritmů hloubkového učení a počítačového vidění (computer vision), zobrazuje RTB House reklamu na základě rozhodnutí, která berou v potaz nejen rozhodování ostatních uživatelů s podobným nákupním profilem, ale také zohlední to, co již bylo zobrazeno na kreativách a jaká byla reakce zákazníků na předcházející nabídky. Díky analýze dat o klicích, informací o daném produktu, kategorií zájmu, nákupním chování a taktik vyhledávání, vzrostla efektivita doporučování produktů o 41 % ve srovnání s kampaněmi, které nevyužívaly mechanismu hloubkového učení.

Výzva #3: Posouzení míry proklikovosti, které jde do hloubky

Často využívanou metrikou úspěchu reklamních kampaní je míra proklikovosti (CTR) – počet kliků na banner vztažený k celkovému počtu impresí. Cíl každého marketéra je zřejmý – přitáhnout potenciálního zákazníka tím, že mu zobrazí kreativu, u níž je vysoká pravděpodobnost kliku.

Algoritmy hloubkového učení využívané v RTB House vybírají, které umístění banneru bude nejefektivnější a na tomto místě zobrazují nejefektivnější bannery. Lepší předpověď míry proklikovosti vede k vyšší viditelnosti a rychlejší návratnosti investic.

Díky využití algoritmů hloubkového učení RTB House dokázala zvýšit celkovou míru proklikovosti o 16 % s využitím totožných rozpočtů svých klientů.

Shrnutí

Ať jste se nechali vyděsit černými scénáři a věříte, že roboti ovládnou náš svět, anebo se těšíte, jak nám budou sloužit a ulehčovat životy, je zřejmé, že umělá inteligence bude v nejbližší budoucnosti udávat směr. RTB House je příkladem inovátora, který využívá hloubkového učení a důkazem toho, že to, co bylo před několika lety sci-fi, je dnes běžnou součástí snah o zefektivnění reklamních aktivit. Vývoj v reklamě je patrný jak z pohledu zadavatelů, tak uživatelů zejména v takových oborech jako je například cestování, v němž se bere v potaz celá řada metrik a zákaznické chování se pouze velmi těžko odhaduje. A to je pouze začátek. Díky dostupnosti vysoce efektivní technologie jsou možnosti nekonečné.

Čtěte také

Napsat komentář

Vaše emailová adresa nebude zveřejněna. Vyžadované informace jsou označeny *