5 esempi che mostrano come il machine learning sta cambiando la pubblicità digitale

Di tutti i progressi della pubblicità moderna, pochi sono più entusiasmanti dell'apprendimento automatico. Sta cambiando il modo in cui le aziende raccolgono e analizzano i dati e persino automatizzando il copywriting degli annunci con l'intelligenza artificiale.

Ma con la tecnologia rivoluzionaria arrivano grandi domande. Cosa, perché e come funziona? Oggi rispondiamo a questo e altro.

Che cos'è l'apprendimento automatico nella pubblicità?

L'apprendimento automatico nella pubblicità si riferisce al processo mediante il quale la tecnologia pubblicitaria acquisisce i dati, li analizza e formula conclusioni per migliorare un'attività. In termini più semplici: è così che la tecnologia pubblicitaria impara.

Ciò che apprende dipende dalla tecnologia. Potrebbe essere qualsiasi cosa relativa alla pubblicità: acquisto di media, mappatura del percorso del cliente, segmentazione del pubblico, ecc.

Più dati elabora una tecnologia di apprendimento automatico, più impara su quell'attività e meglio riesce a completarla. Proprio come farebbe un essere umano.

La differenza tra apprendimento automatico e intelligenza artificiale

Sentirai spesso i termini "apprendimento automatico" e "intelligenza artificiale" usati nelle conversazioni sulle tecnologie più sofisticate di oggi. Sono correlati, ma è importante sapere che non sono intercambiabili.

Mentre l'apprendimento automatico si riferisce a un processo specifico: le macchine che utilizzano i dati per "apprendere" e migliorare il proprio funzionamento, l'intelligenza artificiale è un termine più ampio. Si riferisce a tecnologie in grado di eseguire compiti che tradizionalmente richiedono intelligenza umana. Il machine learning, quindi, è un aspetto dell'intelligenza artificiale, ma non è sinonimo di AI.

Perché l'apprendimento automatico?

Dalle transazioni digitali e le scorte al dettaglio alla temperatura delle sale server, c'è poco che il business moderno non possa monitorare.

E sebbene più dati significhino maggiori opportunità di miglioramento, questo è vero solo se hai ciò che ti serve per analizzarli. Sfortunatamente, la maggior parte delle aziende non lo fa.

I rapporti mostrano che più della metà dei dati odierni non vengono utilizzati. Conosciuti come "dati oscuri", i motivi principali per cui non vengono utilizzati sono i seguenti:

Mancanza di strumenti, dati mancanti, troppi dati e sistemi isolati impediscono alle aziende di ottenere il massimo dal loro pubblico. Alla radice di tutti questi ostacoli c'è un problema semplice ma importante: gli esseri umani non possono più fare tutto. C'è davvero troppo da identificare, raccogliere ed elaborare.

La soluzione?

Orchid Richardson, vicepresidente e amministratore delegato del Data Center of Excellence di IAB, afferma che si tratta di AI:

Già il 95% degli inserzionisti dispone di terabyte su petabyte di dati demografici, inclusi dati personali, informazioni sulla posizione e interessi che possono utilizzare per rivolgersi a potenziali clienti di cui non sanno quasi nulla. L'intelligenza artificiale è un modo per domare quei dati e portarli al livello successivo.

Mentre addomesticare i dati e portarli "al livello successivo" con l'intelligenza artificiale sembra un concetto futuristico, è qualcosa che accade da anni. Tuttavia, gli inserzionisti stanno solo iniziando a grattare la superficie del potenziale dell'IA.

5 Esempi di machine learning nella pubblicità

L'apprendimento automatico nella pubblicità non è sempre facile da individuare poiché l'elaborazione complessa avviene dietro le quinte. C'è una buona probabilità che alcuni dei tuoi strumenti preferiti sfruttino l'apprendimento automatico per fornire le informazioni che dai per scontate.

Che siano nuove o collaudate, ecco alcune delle cose più importanti che il machine learning consente agli inserzionisti di fare:

1. Sfrutta intuizioni inaspettate

Se sei un buon inserzionista, pubblichi annunci con l'aiuto di dati mirati. Ma il modo in cui ottieni quei dati non è perfetto.

Anche se potresti voler analizzare ogni punto dati relativo alla tua offerta, stai operando con un budget limitato. E questo ti costringerà a dare la priorità ai dati più importanti necessari per eseguire una campagna pubblicitaria di successo. La definizione delle priorità, a seconda del budget, può significare pochissimi dati.

Un problema meno ovvio, tuttavia, è che le ipotesi che fai sulla tua offerta e sul suo pubblico limiteranno anche il modo in cui fai pubblicità. Ad esempio: se il tuo prodotto è un videogioco, potresti pubblicare annunci per i giovani giocatori e i loro genitori di mezza età, ma non considerare i nonni o i giocatori più anziani. Questi tipi di ipotesi possono costare entrate.

Alla VentureBeat Transform 2018 AI Conference, questo scenario è stato presentato da Julie Shumaker, Unity Advertiser Solutions VP. È solo il tipo di problema che l'apprendimento automatico può risolvere:

Gli inserzionisti potrebbero avere obiettivi molto specifici, come vendere un'installazione di gioco da $ 17 a un giocatore di 22 anni, ha affermato. Potrebbero non pensare a una donna di 65 anni. Ma l'apprendimento automatico potrebbe rivelare che è probabile che questa donna spenda circa $ 3,99 nel corso di tre giorni. E se il costo di acquisizione è di 75 centesimi, produce un ROI buono quanto obiettivi di dollari più alti per obiettivi pubblicitari più tipici.

Per la loro capacità economica di elaborare vasti set di dati, le tecnologie di apprendimento automatico sono ottime per scoprire opportunità di guadagno che il budget e le ipotesi umane possono limitare.

Che si tratti di informazioni sul pubblico, processi interni, strategie di offerta o altro, il potenziale di miglioramento può essere notevole.

Con l'apprendimento automatico, "sei in grado di provare cose folli", afferma John Koetsier, VP of Insights presso Singular, una piattaforma di dati di marketing.

Uno dei clienti di Singular, ad esempio, ha adottato l'approccio non convenzionale di pubblicare un annuncio per un videogioco senza mostrare alcun gameplay effettivo. La campagna controintuitiva ha generato molte conversazioni sul prodotto tra il pubblico di destinazione.

"Puoi provare molte, molte cose perché puoi lasciare che la macchina capisca in tempo reale cosa sta generando impatto", ha detto Koetsier. "Puoi fare cose stupide, e a volte le cose stupide sono cose intelligenti."

2. Migliora la creatività dell'annuncio

I segmenti di pubblico rispondono in modo diverso alla creatività dell'annuncio. Media, carattere tipografico, invito all'azione: questi sono tra gli ingredienti creativi che inducono le persone a fare clic o a ignorare.

Sebbene molti considerino che l'apprendimento automatico implichi dati strettamente quantitativi, non è così. Rajiv Bhat, Senior Vice President of Data Sciences and Marketplace presso InMobi, afferma che un sistema di analisi predittiva può aiutare anche nello sviluppo di creatività migliori:

In un tale sistema, i dati sulle creatività passate e sulle campagne passate vengono sgretolati per determinare con precisione cosa funzionerebbe per gli sforzi in corso. Con questa applicazione dell'intelligenza artificiale, i marchi possono avere un'idea migliore di come tutto, dai messaggi, ai caratteri, ai colori, alle immagini, alle dimensioni dei pulsanti o ai formati, influisce sulle prestazioni complessive della campagna".

Può sembrare così, ma un sistema come questo non è ipotetico. Bidalgo, una piattaforma di automazione del marketing per app mobili, fornisce uno strumento che fa esattamente questo. Chiamato "Creative AI", questo servizio di machine learning analizza i media visivi per trovare approcci creativi che potrebbero avere successo. Il suo CMO, Rishi Shiva, afferma:

Prima di investire centinaia di migliaia di dollari nello sviluppo di risorse video, puoi effettivamente eseguire le tue immagini e i tuoi video storici attraverso il nostro sistema e ti fornirà effettivamente approfondimenti.

Puoi determinare quale creatività ha avuto un impatto positivo sul pubblico. E questo particolare sistema può diventare tanto specifico quanto il modo in cui le persone posano nelle immagini. Al termine, il software fornisce un brief creativo per i team dei contenuti in base all'analisi.

Un'applicazione simile dell'apprendimento automatico, dettagliata nel Journal of Consumer Psychology, prevede un progetto di ricerca che abbina le immagini ai tipi di personalità. In esso, i ricercatori hanno utilizzato algoritmi per identificare 89 diverse caratteristiche per le immagini, tra cui tonalità, saturazione, diversità cromatica, livello di dettaglio, numero di persone e altro.

Ai 745 partecipanti allo studio è stato chiesto di valutare le immagini su una scala da 1 a 7. Quando hanno finito, hanno completato un test della personalità che li ha valutati in cinque aree: apertura, coscienziosità, estroversione, gradevolezza e nevroticismo. Quindi, hanno tentato di scoprire quali immagini facevano appello a quali tratti della personalità. Tra l'altro hanno scoperto:

• Le persone estroverse preferivano immagini semplici e immagini che rappresentassero persone
• Le persone di mentalità aperta prediligevano le immagini senza persone e con colori freddi come il blu e il nero
• Alle persone ad alto livello di nevroticismo piacevano le scene calme e minimamente stimolanti

In uno studio di follow-up, i ricercatori hanno scoperto che i soggetti preferivano immagini pubblicitarie che si adattassero alla loro personalità. Ma ancora più importante, l'algoritmo di apprendimento automatico ha scoperto che la relazione tra il tipo di personalità e il tipo di immagine potrebbe influenzare l'interesse di un consumatore per un prodotto. Le persone non si limitavano a preferire immagini che corrispondessero alla loro personalità. Hanno segnalato atteggiamenti e intenzioni di acquisto più favorevoli anche nei confronti di questi marchi.

3. Aumenta la pertinenza contestuale

In teoria, la progettazione di un ottimo annuncio dovrebbe essere sufficiente per generare un'ottima risposta dal tuo pubblico di destinazione. Certo, non è mai così facile.

Oltre ad essere ben progettato, il tuo annuncio deve essere pubblicato sulla piattaforma giusta, con il targeting giusto, al momento giusto. Bhat afferma che anche questo è un processo che l'apprendimento automatico sta migliorando:

Ad esempio, è possibile che le creatività con maggiore contrasto cromatico abbiano un rendimento migliore di notte o che gli annunci che presentano star dello sport abbiano un rendimento migliore durante il fine settimana. L'intelligenza artificiale può fornire questo livello di granularità e approfondimenti allo sviluppo e al rendimento delle creatività pubblicitarie.

La rilevanza contestuale sta diventando più importante ora che le autorità di regolamentazione stanno reprimendo l'utilizzo dei dati. Il GDPR ha imposto restrizioni sui dati e altri paesi stanno seguendo l'esempio.

Invece di fare affidamento esclusivamente sui dati del pubblico, le tecnologie di apprendimento automatico sono sempre più utilizzate per elaborare i dati on-page. E lo stanno facendo in modi così complessi da essere quasi umani. Harmon Lyons, Senior Vice President of Global Business Development presso IAS, afferma:

I progressi attuali stanno offuscando i confini tra uomo e macchina, come è evidente in applicazioni come l'analisi dei sentimenti: le macchine sono sempre più in grado di identificare e classificare le opinioni espresse in un pezzo di testo, al fine di determinare se l'atteggiamento dello scrittore nei confronti di un particolare argomento o prodotto è positivo, negativo o neutro.

La sfumatura qui è sempre in evoluzione man mano che il linguaggio si espande e include cose come il sarcasmo e le emoticon per esprimere il significato. I rapidi progressi nel deep learning stanno consentendo ai computer di elaborare immagini e video in un modo più umano.

A un livello fondamentale, la comprensione del contenuto di una pagina può aiutare l'inserzionista e l'editore a pubblicare annunci più pertinenti. A un livello più complesso, consente agli inserzionisti di fare cose impressionanti.

Esempio Vodafone

Considera un esempio di Vodafone nel Regno Unito, che voleva pubblicizzare che avrebbe portato l'iPhone X. A causa delle linee guida di utilizzo del marchio altamente restrittive di Apple, la società ha avuto difficoltà a menzionare effettivamente il prodotto.

Quindi, hanno sfruttato la tecnologia di apprendimento automatico di GumGum. Una volta implementata, questa tecnologia ha analizzato le immagini sulla pagina per trovare gli annunci per iPhone, quindi ha posizionato gli annunci Vodafone sopra di essi. Questo era abbastanza chiaro per i consumatori, che capivano che l'azienda avrebbe portato l'iPhone in base all'associazione degli annunci.

Esempio Jeep

Jeep, un altro cliente di GumGum, ha deciso di saltare la modellazione comportamentale e di capitalizzare invece sul contesto. Con la sua tecnologia di apprendimento automatico, l'azienda ha scansionato le pagine Web alla ricerca di immagini di modelli che competevano con il loro Cherokee, come la Toyota RAV4. Quindi, come Vodafone, hanno posizionato i loro annunci sopra i modelli concorrenti.

Al di là di questi casi d'uso, l'apprendimento automatico può fare grandi cose per la reputazione del marchio. Con l'aumento del numero di annunci programmatici pubblicati in posizionamenti che non sono sicuri per il brand (ad esempio accanto a contenuti estremisti), il machine learning può aiutare gli inserzionisti a prevenire un incubo di pubbliche relazioni prima che si verifichi ed evitare di dover boicottare un sito e il suo pubblico potenzialmente enorme (come molti sono stati costretti a fare con YouTube.)

4. Scegli come target segmenti più definiti

L'obiettivo di ogni inserzionista è la massima pertinenza. E la strada per la pertinenza è la segmentazione. Più i tuoi segmenti di pubblico diventano ristretti, più ti avvicini a fornire la personalizzazione 1:1 che i clienti desiderano.

Ma per avvicinarsi alla personalizzazione 1:1, è necessaria un'enorme quantità di dati, tanto per cominciare. Quindi, hai bisogno di un algoritmo di apprendimento automatico abbastanza sofisticato per vagliare i dati e trasformarli in qualcosa di utilizzabile.

Fortunatamente, queste sono entrambe caratteristiche delle principali reti come Facebook, Google e LinkedIn. Accumulano vaste raccolte di dati sui propri utenti (hobby, interessi, posizione, titoli di lavoro, ecc.) che gli inserzionisti possono utilizzare per restringere i propri segmenti target. Gil Allouche, co-fondatore e CEO di Metadata.io, afferma che dati come questo sono così preziosi da rendere più facile lavorare con altri dati:

Non per diventare troppo "meta" qui, ma i metadati sono informazioni che forniscono informazioni su altri dati. Diciamolo ancora in un modo diverso: i metadati riassumono le informazioni di base sui dati, il che rende più facile trovare e lavorare con particolari istanze di dati. Secondo Smart Insights, “i metadati dipingono un'immagine della routine quotidiana, delle interazioni, dei punti di vista e delle associazioni di un individuo, e il motivo per cui sono così utili è che non mentono.

Quando si assemblano questo tipo di dati, si ottiene quello che Gil e il team di Metadata.io chiamano una "'nota d'amore' per future intuizioni aziendali" perché è "un'espressione della verità in forma scritta".

Per le aziende, la verità sotto forma di informazioni sui clienti non è facile da ottenere. Quindi, quando viene raccolto in abbondanza e sfruttato da reti come Facebook e Google, diventa un modo prezioso per restringere in modo significativo il tuo pubblico di destinazione a uno più propenso a rivendicare la tua offerta.

Facebook raccoglie dati e ti consente di creare segmenti di pubblico. Ancora più importante, la piattaforma utilizza l'apprendimento automatico per determinare chi tra quel pubblico ha maggiori probabilità di completare l'obiettivo per cui stai facendo un'offerta.

Allo stesso tempo, questa pratica è inutile se restringi semplicemente il tuo pubblico di destinazione e offri la stessa esperienza pubblicitaria. Gil ha ragione quando afferma: "I migliori annunci oggi sono contenuti accattivanti e personalizzati con un significato reale per il pubblico di un marchio".

Ogni pubblico dovrebbe avere un annuncio personalizzato in base ai suoi dati. E per continuare quell'esperienza, ogni annuncio dovrebbe indirizzare gli utenti a una pagina post-clic altrettanto personalizzata.

Prendi questo esempio da Abreva, che ha creato 119 annunci diversi per il loro prodotto in base al contesto in cui è stato visualizzato. Quando i clienti incontravano l'annuncio in un video su, ad esempio, gossip di celebrità, veniva mostrato loro un annuncio come questo:

Ma se vedessero un annuncio durante la visione di un tutorial video, vedrebbero qualcosa del genere:

La campagna personalizzata ha portato a un notevole aumento della consapevolezza e della considerazione. Abreva ha generato un aumento del 41% del ricordo dell'annuncio e del 342% dell'interesse di ricerca su Google e YouTube.

Su altre reti, come la ricerca Google, l'apprendimento automatico rende il processo ancora più rapido. Con gli annunci di ricerca reattivi, puoi inserire più versioni di titolo, copia e descrizione e Google testerà e offrirà l'unico con le migliori prestazioni. In media, gli inserzionisti che utilizzano questa funzione genereranno un aumento del 15% dei clic.

5. Fai offerte più strategiche

Nella pubblicità programmatica, non tutte le impressioni valgono quanto sei disposto a offrire per esse. Alcuni sono. E alcuni valgono ancora di più.

Grazie alle piattaforme lato domanda, la valutazione di queste impressioni non richiede più congetture. Utilizzando la tecnologia di apprendimento automatico, queste piattaforme possono fare offerte e ottimizzazioni che una volta richiedevano acquirenti esperti.

Prendi Smart Bidding di Google, ad esempio: una strategia di offerta automatica che utilizza l'apprendimento automatico per ottimizzare le conversioni, o il valore di conversione, in ogni asta. Questo è noto come "offerta al momento dell'asta". Secondo Google, esistono cinque tipi di strategie Smart Bidding:

• • CPA target: il CPA target imposta le offerte per ottenere il maggior numero possibile di conversioni pari o inferiori al costo per azione (CPA) target da te impostato.

• • ROAS target: il ROAS target ti consente di fare offerte in base a un ritorno sulla spesa pubblicitaria (ROAS) target. Questa strategia ti aiuta a ottenere più valore di conversione o entrate in base al ritorno sulla spesa pubblicitaria (ROAS) target che hai impostato.

• • Massimizza le conversioni: Massimizza le conversioni imposta automaticamente le offerte per aiutarti a ottenere il maggior numero di conversioni per la tua campagna mentre spendi il tuo budget.

• CPC ottimizzato: il costo per clic ottimizzato (CPCO) consente di ottenere più conversioni dall'offerta manuale. L'ECPC funziona aggiustando automaticamente le offerte manuali per i clic che sembrano avere maggiori o meno probabilità di generare una vendita o una conversione sul tuo sito web.

Quello che scegli dipende dall'obiettivo della tua campagna, dal tuo budget e da altri fattori. Indipendentemente da ciò, puoi essere certo che l'algoritmo Smart Bidding di Google sia ben addestrato. Acquisisce e analizza costantemente i dati, secondo Google, per capire quali offerte e impressioni sono più efficaci per l'obiettivo prescelto. Questi dati contengono una gamma di parametri molto più ampia di quella che qualsiasi singolo team o persona potrebbe elaborare.

Include fattori di base come il dispositivo e la posizione, che possono essere regolati manualmente, nonché indicatori automatici esclusivi di Smart Bidding. Questi sono di gran lunga più numerosi. Puoi trovarne diversi qui, tra cui il comportamento del sito, gli attributi del prodotto, il posizionamento sul Web e altro ancora.

Poiché Smart Bidding è in grado di eseguire l'ottimizzazione in base ai dati di tutte le tue campagne, anche quelle nuove possono registrare un aumento del rendimento. Tuttavia, non dovresti prendere decisioni aziendali basate sui risultati della campagna finché non disponi di un campione sufficientemente ampio: almeno 30 conversioni (50 per il ritorno sulla spesa pubblicitaria target) e/o più di un mese di esecuzione.

Inizia a utilizzare il machine learning per aumentare le conversioni

Gli inserzionisti attendono sempre con impazienza migliori applicazioni delle tecnologie attuali. Questo è il caso dell'apprendimento automatico tanto quanto di qualsiasi altro: migliori chatbot, riconoscimento vocale, elaborazione delle immagini, ecc.

Ma l'apprendimento automatico può avere un impatto positivo importante sulle tue campagne oggi . Le strategie di offerta, la creatività e, soprattutto, la personalizzazione possono migliorare in modo esponenziale quando trovi un modello di machine learning adatto a te. Indubbiamente, c'è qualcosa per tutti. Anche se si tratta solo di Smart Bidding o degli annunci di ricerca reattivi di Google.

Scopri come ottenere ancora di più dai tuoi sforzi di machine learning collegando pagine di destinazione post-clic personalizzate da Instapage. Ottieni una demo qui.