Większość działań targetowania w mediach detalicznych opiera się na danych historycznych. „Klienci, którzy kupili jogurt w ciągu ostatnich 90 dni”. „Osoby kupujące produkty z segmentu śniadaniowego”. „Lojalni klienci marki”.
Segmenty te opisują to, co się wydarzyło. Nie przewidują tego, co nastąpi w przyszłości.
Odbiorcy prognostyczni zmieniają kierunek. Zamiast „kupili X”, targetowanie staje się „prawdopodobnie kupią X w ciągu najbliższych 14 dni”. Zamiast „zmieniający markę”, staje się „wysokie prawdopodobieństwo przejścia na Twoją markę w tym miesiącu”. Zamiast „były nabywca”, staje się „prawdopodobnie powróci do tej kategorii w następnym cyklu zakupowym”.
To przejście od segmentacji do prawdopodobieństwa. I właśnie w tym miejscu przewaga danych mediów detalicznych staje się przewagą wydajnościową.
Dlaczego prognozowanie wygrywa z opisem
Segment opisuje grupę na podstawie przeszłych zachowań. Problem polega na tym, że przeszłe zachowania nie zawsze są dobrym prognostykiem przyszłych zachowań, zwłaszcza tych, na których Ci zależy.
Weźmy pod uwagę „kupujących jogurty w ciągu ostatnich 90 dni”. Segment ten obejmuje: codziennych nabywców jogurtów, którzy kupią je ponownie jutro niezależnie od jakiejkolwiek kampanii, okazjonalnych nabywców, którzy mogą kupić je ponownie za miesiąc, nabywców próbujących, którzy spróbowali jogurtu raz i nie kupią go ponownie, oraz nabywców, którzy przestali kupować, którzy dokonali zakupu 89 dni temu i już przeszli do innych produktów. Wyświetlanie tej samej reklamy wszystkim czterem grupom jest marnotrawstwem. Codzienny nabywca nie potrzebuje przekonywania. Osoba, która spróbowała raz, nie wróci. Środki powinny trafić do okazjonalnego nabywcy, którego można przekonać, oraz do byłego nabywcy, którego można odzyskać.
Model predykcyjny pozwala je rozdzielić. Ocenia każdego klienta pod kątem prawdopodobieństwa zakupu w ciągu najbliższych X dni, na podstawie pełnej historii zachowań, częstotliwości zakupów, aktualności, zaangażowania w kategorię, wzorców okazjonalnych, etapu życia, reakcji na cenę oraz zachowań związanych ze zmianą marki.
Kampania jest następnie kierowana do klientów powyżej progu prawdopodobieństwa, czyli tych, którzy najprawdopodobniej dokonają konwersji. Wydatki koncentrują się tam, gdzie ma to znaczenie. Marnotrawstwo spada. Przyrostowość rośnie.
Jak działają grupy docelowe oparte na modelach predykcyjnych w mediach detalicznych
Infrastruktura danych jest taka sama, jak ta, która służy do identyfikacji okazji zakupowych i segmentacji według etapu życia. Różnica polega na wyniku: zamiast etykiety („klient kupujący szybkie śniadanie”) otrzymujesz wynik („78% prawdopodobieństwa zakupu szybkiego śniadania w ciągu najbliższych 7 dni”).
Dane wejściowe:
Czas i częstotliwość zakupów. Kiedy klient ostatnio kupował produkty z tej kategorii? Jak często zazwyczaj dokonuje zakupów? Na jakim etapie cyklu zakupowego się znajduje?
Wzorce okazji. Czy ten klient ma powtarzający się wzorzec szybkiego śniadania we wtorki rano? A może rytm zakupów na piątkowe wieczorne imprezy? Regularność okazji pozwala przewidzieć następne wystąpienie.
Wskaźniki etapu życia. Zakupy produktów dla niemowląt przez nowych rodziców są przewidywalne od momentu pojawienia się pierwszej pieluchy. Model zna cykl uzupełniania zapasów.
Trajektoria kategorii. Czy zaangażowanie klienta w daną kategorię rośnie, czy maleje? Rosnące koszyki sugerują wzrost prawdopodobieństwa. Malejące koszyki sugerują spadek.
Zachowania konkurencyjne. Czy klient zaczął kupować produkty konkurencji? To sygnał, że jest otwarty na zmianę, co oznacza, że można go pozyskać.
Model łączy te dane w wynik prawdopodobieństwa dla każdego klienta, aktualizowany przy każdej nowej transakcji. Wynikowa grupa odbiorców jest dynamiczna, zmienia się codziennie wraz z pojawianiem się nowych danych.
Grupy docelowe oparte na prognozach a przebieg kampanii
W Footprints AI grupy docelowe oparte na prognozach są zintegrowane ze standardowym przebiegiem kampanii: Planowanie, Kierowanie, Aktywacja, Weryfikacja.
Planowanie. Marka określa cel: pozyskanie nowych klientów, odzyskanie klientów, którzy przestali kupować, zwiększenie częstotliwości zakupów. Planista pokazuje prognozowany zasięg w ramach przewidywanej grupy odbiorców, ilu klientów spełnia próg prawdopodobieństwa, jaki jest oczekiwany współczynnik konwersji i jak wygląda prognozowany wzrost sprzedaży.
Kierowanie. Grupa docelowa jest definiowana na podstawie wyniku prawdopodobieństwa, filtrowana według okazji zakupowej i opcjonalnie nakładana na etapy życia lub preferencje kategorii. „Klienci z >60% prawdopodobieństwem zakupu płatków śniadaniowych w ciągu najbliższych 14 dni, podczas szybkich śniadań w dni powszednie” to precyzyjny, praktyczny brief.
Aktywacja. Przewidywana grupa odbiorców jest docierana poprzez różne punkty kontaktu. Reklamy poza witryną na dwa dni przed przewidywaną okazją zakupową. Ekrany w sklepie w przewidywanym oknie wizyty. Reklamy cyfrowe na stronie internetowej sprzedawcy, gdy klient przegląda ofertę.
Weryfikacja. Zamknięta pętla mierzy, co się wydarzyło. Czy przewidywani nabywcy faktycznie dokonali zakupu? W jakim stopniu w porównaniu z grupą kontrolną? Czy prognoza była trafna? Wyniki pomiarów są wprowadzane z powrotem do modelu, poprawiając przyszłe prognozy.
Kwestia dokładności
Modele predykcyjne nie są kryształowymi kulami. Zajmują się prawdopodobieństwami, a nie pewnikami. Klient z 75% prawdopodobieństwem zakupu nie zawsze dokonuje zakupu. Pytanie brzmi, czy kierowanie reklam do grupy z 75%+ prawdopodobieństwem przynosi lepsze wyniki niż kierowanie do standardowego segmentu opartego na danych historycznych.
Odpowiedź brzmi: tak. Nie dlatego, że każda prognoza jest trafna, ale dlatego, że rozkład prognoz koncentruje wydatki na klientach o wyższym prawdopodobieństwie zakupu. Nawet jeśli model myli się w 30% przypadków, to 70% trafnych prognoz zapewnia większy przyrost sprzedaży na euro niż segment o stałym rozkładzie, który obejmuje dużą liczbę klientów o niskim prawdopodobieństwie zakupu.
Dowodem na to są pomiary. Grupy kontrolne porównują kampanie skierowane do przewidywanej grupy odbiorców z kampaniami skierowanymi do standardowego segmentu, a różnica w przyroście potwierdza jakość prognoz.
Wartość komercyjna
Dla marek grupy odbiorców prognozowanych oznaczają wydajność, mniej marnotrawstwa i większy wpływ na euro.
Dla RMN grupy docelowe oparte na prognozach oznaczają wyróżnienie się na tle konkurencji i siłę cenową. „Dotrzyj do klientów, którzy prawdopodobnie kupią produkty z Twojej kategorii w ciągu najbliższych dwóch tygodni” to zasadniczo bardziej wartościowa propozycja niż „dotrzyj do klientów, którzy kupili produkty z Twojej kategorii w ostatnim kwartale”.
To różnica między łowieniem ryb tam, gdzie były w zeszłym miesiącu, a łowieniem tam, gdzie będą jutro. Ta różnica wiąże się z wyższą ceną, ponieważ wynik jest bardziej prawdopodobny, a to właśnie za wynik płacą marki.
Podsumowanie
Grupy docelowe oparte na prognozach przenoszą media detaliczne z „kto to zrobił” do „kto to zrobi następny”.
Wykorzystują te same dane behawioralne, transakcje, okazje, etapy życia, preferencje, ale stosują je w przyszłości, a nie w przeszłości.
Rezultat: większa precyzja, mniej marnotrawstwa, większy przyrost sprzedaży oraz produkt medialny, który naprawdę wyróżnia się na tle wszystkiego, co jest dostępne w innych kanałach.
Kiedy media detaliczne skupiają się na prawdopodobieństwie zamiast na historii, przestają być narzędziem retrospektywnym i stają się motorem wzrostu. To właśnie ta zmiana sprawia, że marki inwestują więcej, ponieważ widzą przyszłą wartość, a nie tylko dotychczasowe wyniki.
Powiązane artykuły
- Zweryfikowane wyświetlenia: różnica między wyświetleniami a potwierdzonymi wynikami
- Sygnały detaliczne: surowiec, który sprawia, że media detaliczne działają
- Affinitas kategorii: skrót do trafnego targetowania
- True Reach: co tak naprawdę oznacza zasięg
- Produkty sponsorowane: media detaliczne w momencie wyboru
Chcesz zobaczyć, jak to działa w praktyce?
Footprints AI pomaga markom i detalistom mierzyć to, co naprawdę ma znaczenie. Zapoznaj się z historiami sukcesów naszych klientów lub skontaktuj się z nami, aby omówić swoją strategię mediów detalicznych.
