Retina AI: Brug af prædiktiv kunstig intelligens til at optimere marketingkampagner og etablere kundelevetidsværdi (CLV)

Retina AI Persona Predictive Customer Lifetime Value CLV

Miljøet ændrer sig hurtigt for marketingfolk. Med de nye privatlivsfokuserede iOS-opdateringer fra Apple og Chrome, der eliminerer tredjepartscookies i 2023 – blandt andre ændringer – er marketingfolk nødt til at tilpasse deres spil til at passe med nye regler. En af de store ændringer er den stigende værdi, der findes i førstepartsdata. Mærker skal nu stole på opt-in og førstepartsdata for at hjælpe med at drive kampagner.

Hvad er Customer Lifetime Value (CLV)?

Kundens levetidsværdi (CLV) er en metrik, der estimerer, hvor meget værdi (normalt omsætning eller fortjenstmargen) en given kunde vil tilføre en virksomhed i løbet af den samlede tid, de interagerer med dit brand – fortid, nutid og fremtid.

Disse skift gør det til en strategisk nødvendighed for virksomheder at forstå og forudsige kundernes levetidsværdi, hvilket hjælper dem med at identificere nøglesegmenter af forbrugere for deres brand før købsstedet og optimere deres marketingstrategier for at konkurrere og trives.

Ikke alle CLV-modeller er skabt ens - de fleste genererer det på det samlede niveau snarere end på det individuelle niveau, så derfor er de ikke i stand til nøjagtigt at forudsige fremtidig CLV. Med det individuelle niveau CLV, som Retina genererer, er kunderne i stand til at skille sig af med, hvad det er, der gør deres bedste kunder anderledes end alle andre, og inkorporerer den information for at øge rentabiliteten af ​​deres næste kundehvervelseskampagne. Derudover er Retina i stand til at levere en dynamisk CLV-forudsigelse baseret på kundens tidligere interaktioner med brandet, hvilket giver kunderne mulighed for at vide, hvilke kunder de skal målrette mod med særlige tilbud, rabatter og kampagner.  

Hvad er Retina AI?

Retina AI bruger kunstig intelligens til at forudsige kundens levetidsværdi før den første transaktion.

Retina AI er det eneste produkt, der forudsiger den langsigtede CLV for nye kunder, hvilket gør det muligt for vækstmarkedsførere at træffe beslutninger om kampagne- eller kanalbudgetoptimering i næsten realtid. Et eksempel på Retina-platformen i brug er vores arbejde med Madison Reed, som ledte efter en realtidsløsning til at måle og optimere kampagner på Facebook. Holdet der valgte at køre en A/B-test centreret om CLV:CAC (kundeanskaffelsesomkostninger) forhold. 

Madison Reed Case Study

Med en testkampagne på Facebook sigtede Madison Reed mod at nå følgende mål: Mål kampagne-ROAS og CLV i næsten realtid, omfordel budgetter til mere profitable kampagner og forstå, hvilken annoncemateriale der resulterede i de højeste CLV:CAC-forhold.

Madison Reed oprettede en A/B-test ved at bruge den samme målgruppe for begge segmenter: kvinder på 25 år eller ældre i USA, som aldrig havde været en Madison Reed-kunde.

  • Kampagne A var business as usual-kampagnen.
  • Kampagne B blev ændret som testsegment.

Ved at bruge kundelevetidsværdi blev testsegmentet optimeret positivt for køb og negativt over for afmeldte. Begge segmenter brugte det samme annoncemateriale.

Madison Reed kørte testen på Facebook med en 50/50-deling i 4 uger uden ændringer i midten af ​​kampagnen. CLV:CAC-forholdet steg med 5 % øjeblikkeligt, som et direkte resultat af optimering af kampagnen ved hjælp af kundelevetidsværdi i Facebook-annoncemanageren. Sammen med et bedre CLV:CAC-forhold tjente testkampagnen flere visninger, flere webstedskøb og flere abonnementer, hvilket i sidste ende førte til øget omsætning. Madison Reed sparede på pris pr. indtryk og pris pr. køb, samtidig med at det erhvervede mere værdifulde langsigtede kunder.

Denne slags resultater er typiske, når du bruger Retina. I gennemsnit øger Retina marketingeffektiviteten med 30 %, øger den trinvise CLV med 44 % med lookalike-målgrupper og tjener 8x afkast af annonceudgifter (ROAS) på anskaffelseskampagner sammenlignet med typiske markedsføringsmetoder. Personalisering baseret på forudsagt kundeværdi i stor skala i realtid er i sidste ende en game-changer inden for marketingteknologi. Dens fokus på kundeadfærd frem for demografi gør det til en unik og intuitiv brug af data til at omdanne marketingkampagner til effektive, konsekvente gevinster.

Retina AI tilbyder følgende muligheder

  • CLV Lead Scores – Retina giver virksomheder midlerne til at score alle kunder for at identificere kvalitets leads. Mange virksomheder er usikre på, hvilke kunder der vil give den højeste værdi i løbet af deres levetid. Ved at bruge Retina til at måle baseline gennemsnitligt afkast på annonceudgifter (ROAS) på tværs af alle kampagner og løbende score leads og opdatere CPA'er i overensstemmelse hermed, genererer Retinas forudsigelser et meget højere ROAS på kampagnen, der blev optimeret ved hjælp af eCLV. Denne strategiske brug af kunstig intelligens giver virksomheder mulighed for at identificere og få adgang til kunder, der er tegn på restværdi. Ud over kundescoring kan Retina integrere og segmentere data gennem en kundedataplatform til rapportering på tværs af systemer.
  • Kampagnebudgetoptimering – Strategiske marketingfolk leder altid efter måder at optimere deres annonceudgifter på. Problemet er, at de fleste marketingfolk skal vente op til 90 dage, før de kan måle tidligere kampagneydelser og justere fremtidige budgetter i overensstemmelse hermed. Retina Early CLV giver marketingfolk mulighed for at træffe smarte valg om, hvor de vil fokusere deres annonceudgifter i realtid, ved at reservere deres højeste CPA'er til kunder og kundeemner af høj værdi. Dette optimerer hurtigt mål-CPA'er for kampagner med højere værdi for at give højere ROAS og højere konverteringsrater. 
  • Lookalike publikum – Retina vi har bemærket, at mange virksomheder har meget lavt ROAS—normalt omkring 1 eller endda mindre end 1. Dette sker ofte, når en virksomheds annonceudgifter ikke er proportional med deres kundeemner eller eksisterende kunders levetidsværdi. En måde at øge ROAS dramatisk på er at skabe værdibaserede lookalike-målgrupper og indstille tilsvarende budlofter. På denne måde kan virksomheder optimere annonceudgifter baseret på den værdi, deres kunder vil give dem i det lange løb. Virksomheder kan tredoble deres afkast af annonceudgifter med Retinas værdibaserede lookalike-målgrupper for kunders levetid.
  • Værdibaseret budgivning – Værdibaseret budgivning er baseret på ideen om, at selv mindre værdifulde kunder er værd at erhverve一, så længe du ikke bruger for meget på at erhverve dem. Med den antagelse hjælper Retina kunder med at implementere værdibaseret budgivning (VBB) i deres Google- og Facebook-kampagner. Indstilling af budlofter kan hjælpe med at sikre høje LTV:CAC-forhold og giver kunderne mere fleksibilitet til at ændre kampagneparametre, så de passer til forretningsmål. Med dynamiske budlofter fra Retina forbedrede kunderne deres LTV:CAC-forhold væsentligt ved at holde anskaffelsesomkostningerne under 60 % af deres budlofter.
  • Finansiel og kundesundhed – Rapporter om sundheden og værdien af ​​din kundebase. Quality of Customers Report™ (QoC) giver en detaljeret analyse af en virksomheds kundebase. QoC fokuserer på fremadskuende kundemålinger og tager højde for kundeegenkapital bygget med gentagne købsadfærd.

Planlæg et opkald for at lære mere