Введение
В предыдущей статье я написал об общих сценариях использования машинного обучения, которые маркетолог может рассмотреть для персонализации опыта потребителя. Один из распространенных вариантов использования машинного обучения для маркетологов - Сегментация и таргетинг. Этот вариант использования позволит маркетологам ответить на следующие острые вопросы.
1. Какие клиентские сегменты наиболее прибыльны?
2. Как конкретные продукты работают в различных группах клиентов?
3. Какие каналы самые прибыльные?
4. Какие существуют возможности для увеличения расходов клиентов на разные категории?
5. Каких клиентов мне следует включить в свою кампанию, чтобы увеличить количество откликов?
Сегментация и таргетинг
Большая идея: персонализация может в пять-восемь раз увеличить рентабельность инвестиций (ROI) на маркетинговые расходы и поднять продажи на 10 и более процентов [1]
Маркетологи традиционно полагались на спрей и молитву подход [2] в маркетинге. Сегментация позволяет маркетологам идентифицировать сегменты клиентов, такие как ценные клиенты, клиенты, проживающие в определенном месте, клиенты, которые приходят из определенного канала и т. Д. маркетологи. Это помогает маркетологам находить крупных спонсоров, лояльных спонсоров и спящих клиентов.
Сама по себе сегментация может быть очень целенаправленной. Но если маркетологи могут комбинировать сегменты с индивидуализированным поведенческим профилированием для этого сегмента, это выводит покупательский опыт на совершенно новый уровень. Настоящая персонализация достигается за счет использования данных об использовании нескольких каналов (веб, мобильные устройства, социальные сети и т. Д.), Контекстной информации (например, геолокации, погоды, времени суток или дня недели) и активности в реальном времени для каждого покупателя. Сегментация и таргетинг позволяют маркетологам отправлять контекстную и персонализированную информацию клиентам в дни их рождения или в других случаях, когда они могут подумать о покупке.
Сегментация в сочетании с другими вариантами использования машинного обучения, такими как продолжительность жизни клиента (CLTV) и отток клиентов, позволяет маркетологам сосредоточить свои усилия на нацеливании на нужный сегмент клиентов.
Одним из классических примеров сегментации является недавняя рекламная акция Burger King [4] по продаже огромных ценностей за 1 пенни после того, как пользователи загрузили приложение и сделали заказ через приложение. Burger King сообщает [5], что после проведения акции его приложение было загружено на 5,9 млн устройств. Burger King грамотно нацелился на покупателей, которые делают покупки в McDonald, и побудил их загрузить приложение Burger King.
Один из директоров по маркетингу, с которым мы разговаривали, сказал нам, что хочет сегментировать клиентов таким образом, чтобы его маркетинговая команда знала, что покупатель потенциально купит поло весной, верхнюю одежду осенью и зимние ботинки зимой. Этот уровень сегментации позволяет маркетологам определить, какие продукты / артикулы будут привлекательными для этих клиентов.
Сегментация обычно использует модели [6] обучения без учителя. Самая популярная модель обучения без учителя, используемая для кластеризации, - это K-means. С появлением глубоких нейронных сетей [7] (DNN) в области обучения без учителя произошел значительный прогресс.
Ключевые показатели для отслеживания: Сегментация по группам клиентов, структуре расходов, типам продуктов и каналам.
Примечание. Полный технический документ со всеми примерами маркетингового использования доступен здесь - https://www.elementsolutions.com/machine-learning-for-retail-marketers-white-paper
Ссылка
Это первая часть серии статей, посвященных машинному обучению для маркетологов. Сводная статья находится здесь - https://towardsdatascience.com/machine-learning-for-marketers-78bff070cbd6
Об авторе
Ясим Колатайил - практикующий специалист в области аналитики и обработки данных с более чем 20-летним опытом работы в отрасли, обслуживающей клиентов из списка Fortune 500. Ясим особенно интересуется клиентской аналитикой и очень долгое время внимательно изучает ее.
[1] https://www.mckinsey.com/business-functions/marketing-and-sales/our-insights/personalizing-at-scale
[2] http://www.themarketingsite.com/knowledge/36280/is-your-marketing-guilty-of-the-spray-and-pray-tactic
[3] https://en.wikipedia.org/wiki/RFM_(customer_value)
[4] https://www.cnbc.com/2018/12/04/burger-king-sells-whoppers-for-a-penny-at-mcdonalds-locations.html
[5] https://adage.com/article/cmo-strategy/burger-king-s-whopper-offer-a-mcdonald-s-related-catch/315822/
