Nowa metoda pozwala bardzo precyzyjnie przewidywać potencjalne potrzeby konsumentów. W efekcie, klienci klikają w reklamy nawet o 41 proc. częściej niż zazwyczaj.
Według badań Adlucent, konsumenci chcą zindywidualizowanego doświadczenia reklamowego. Aż 71 proc. respondentów preferuje reklamy dopasowane do ich zainteresowań i zwyczajów zakupowych. Zgodnie z raportem, klienci są gotowi prawie dwukrotnie częściej kliknąć w reklamę nieznanej marki, jeśli tylko odpowiada ona ich preferencjom.
Zobacz również
Jednym z narzędzi reklamowych umożliwiających docieranie ze zindywidualizowanym przekazem do poszczególnych konsumentów jest retargeting personalizowany, czyli wysoce efektywna reklama internetowa. RTB House, działająca globalnie, polska firma specjalizująca się w innowacyjnej technologii retargetingowej, opracowała mechanizm rekomendacji, łączący sztuczną inteligencję i nowoczesne rozwiązania rozpoznawaniu obrazu.
W personalizowanym retargetingu, system rekomendacji ma tylko milisekundy, aby zdecydować, co wyświetlić użytkownikowi na reklamie. Wybór jest dokonywany na podstawie tego, czego konkretny użytkownik poszukiwał. Mechanizm analizuje dane o poprzednich kliknięciach, przeglądanych produktach, kategoriach, dotychczasowych zachowaniach zakupowych i sposobach wyszukiwania produktów. Ze względu na ograniczenia czasowe system musi działać szybko, by z miliardów dostępnych kombinacji, zaprezentować treść, która będzie najbardziej interesująca dla potencjalnego nabywcy.
Poza powyższymi, standardowymi zmiennymi RTB House wzięło pod uwagę sam proces podejmowania decyzji. Ostateczna kreacja reklamowa jest oparta na informacjach uwzględniających wzorce stworzone na podstawie doświadczeń innych użytkowników o podobnym profilu zakupowym oraz na tym, co było wcześniej przedstawiane na kreacjach.
#PolecajkiNM cz. 32: czego szukaliśmy w Google’u, Kryzysometr 2024/25, rynek dóbr luksusowych w Polsce
Nowe podejście wykorzystuje deep learning, najbardziej obiecujący obszar badań nad sztuczną inteligencją, który naśladuje pracę neuronów ludzkiego mózgu. Zastosowana technologia potrafi przewidzieć co użytkownik najprawdopodobniej kliknie, co będzie przeglądać lub co kupi.
Słuchaj podcastu NowyMarketing
Wprowadzony mechanizm korzysta również z technologii rozpoznawania obrazu (tzw. computer vision), która automatycznie wybiera, analizuje oraz interpretuje informacje z jednego obrazu lub z ich sekwencji. Jej celem jest poszukiwanie podobieństw pomiędzy produktami sprawdzanymi przez potencjalnych nabywców.
Dzięki zastosowaniu obu technologii rekomendacje są bardziej zoptymalizowane, co potwierdzają wskaźniki kliknięć i ruchu na stronach klientów RTB House. Użytkownicy klikali w reklamy wygenerowane w nowym mechanizmie rekomendacji o 41 proc. częściej niż zwykle. Wzrost odnotowano szczególnie w takich sektorach jak moda i elektronika.
Bartłomiej Romański, Chief Technology Officer RTB House zauważa, że w ciągu ostatnich kilku lat branża pracowała nad narzędziami, które przekraczają możliwości ludzkiej intuicji czy percepcji. – Naszym celem jest wyświetlanie niezwykle skutecznych reklam, które jednocześnie są zadowalające dla konsumentów. Zaimplementowany przez nas nowy mechanizm rekomendacji wprowadza wyższy poziom personalizacji. Dzięki deep learningowi nasze rozwiązanie dokładnie dobiera do odpowiednich banerów produkty, które mają największy potencjał zakupu. W połączeniu z rozpoznawaniem obrazu możemy analizować tysiące zdjęć na sekundę, definiować wzorce z dużą precyzją i dostosować rekomendacje do każdej, nawet niewielkiej zmiany w zachowaniu klienta. W efekcie, wyższa wydajność przynosi naszym klientom większy zwrot z wydatków na reklamę oraz pomaga zwielokrotnić zwrot z inwestycji – podsumowuje Romański.