人工智慧的時代來臨,為越來越破碎的顧客歷程帶來了契機,friDay購物運用數據驅動模型 (Data Driven Attribution, 簡稱DDA),提高整體訂單和業績,也幫助friDay購物瞭解消費者轉換途徑,轉化最終點擊思維,制定更好的行銷策略。
以消費者為中心是我們每一位行銷者的核心思維,我們的行銷策略也在隨消費者而變。從趨近客製化的分眾行銷,到運用AR、VR深度互動並創造更優質的新品牌行銷體驗,我們的行銷創意運用人工智慧變得更加多元,也有了更多的機會與微時刻去影響消費者,根據統計,行銷人員平均使用13個以上的行銷管道傳遞訊息1,在我們的行銷活動正積極圍繞消費者做改變的時候,我們衡量行銷活動成效的方式也應該隨之再進化。
現在的消費者, 平均需要至少3.5個點擊之後, 才會做決定,但目前有9成以上的台灣行銷人員, 仍用最終點擊來看成效2,當我們僅將最終點擊計入行銷成果時,我們會忽略了前期具有價值的點擊行為,這些資訊原本可以幫助我們更好的研究消費者行為,並且優化行銷策略;除此之外,一旦只依循最終點擊的方式思考行銷成效,我們也將無法縱觀各個行銷活動在碎片化的消費歷程下的成效。在這樣的情況下,歸因模型 (Attribution) 的再發展,才能和新興的消費者和行銷活動與時俱進。
friDay購物擁抱人工智慧與機器學習技術,藉由數據驅動歸因模型 (Data Driven Attribition,簡稱DDA) 搭配自動出價 (Smart Bidding),改變最終點擊思維,讓歸因模型不再難以應用。在DDA上,這個模型會考慮交互次數、交互順序、廣告創意以及其它因素的影響,基於整個消費歷程下的數據判斷任一接觸點對最終轉化率的影響,進而將轉化功勞進行分配;舉例來說,
在研究購買Google Pixel c的消費路徑時,若只依循最後的消費者行為看「最佳平板」和「Google Pixel c」的關鍵字搜尋時,轉換率只有2%,但另一群人,因為先搜尋了「最棒的3C禮物」這個詞而使最終轉換率高達3%; 如果沒有這樣整體的轉換比較,行銷人員便極有可能刪除「最棒的3C禮物」此關鍵字行銷活動,進而影響行銷成效。
運用DDA,friDay購物在搜尋等行銷活動上得以掌握每個重要的、能產生成效的過程,利用機器學習,衡量所有轉化路徑和未轉化路徑中每一個交互點的價值。除了DDA之外,friDay購物配合在Smart Bidding自動出價,時時調整行銷策略,鎖定了在高價值觸點上的轉化機會。兩者搭配下friDay購物的行銷洞察得以化被動為主動,最大化行銷預算的運用效率。經過一年的對照實驗發現,運用DDA和Smart Bidding後的friDay購物提高了7成的轉換數, 增加了38%的廣告投資報酬率, 還降低了39%的轉換成本,更重要的是,friDay購物跳脫了最終點擊的思維,真正瞭解消費者轉換途徑,也因此得以制定更好的行銷策略,使品牌以及跨裝置的行銷成效也都大幅提升。
透過人工智慧的應用,使衡量行銷活動成效的方式得以再進化。現在的行銷人員,應該在大數據中的洪流中學習如何看見有價值的洞察,收集正確的資訊以因應不斷變動的消費者趨勢,才能有效衡量行銷活動的真正成效。再者,行銷人員也應該破除以最終點擊衡量成效的迷思,運用正確的歸因模式,並訂定相應的策略,為有限的行銷預算做最大化的利用。最後,在變化多端的行銷領域中,應該擁抱並給予新技術一定的嘗試,才能在未來行銷世界中運用科技助力創造更有效的洞見與更好的成效。展望未來,Google 將會持續與行銷人合作,結合人的智慧與機器的智慧,一同打造更智慧的行銷。