Wiekszosc dzialan targetowania w mediach detalicznych opiera sie na danych historycznych. „Klienci, ktorzy kupili jogurt w ciagu ostatnich 90 dni”. „Osoby kupujace produkty z segmentu sniadaniowego”. „Lojalni klienci marki”.
Segmenty te opisuja to, co sie wydarzylo. Nie przewiduja tego, co nastapi w przyszlosci.
Odbiorcy prognostyczni zmieniaja kierunek. Zamiast „kupili X”, targetowanie staje sie „prawdopodobnie kupia X w ciagu najblizszych 14 dni”. Zamiast „zmieniajacy marke”, staje sie „wysokie prawdopodobienstwo przejscia na Twoja marke w tym miesiacu”. Zamiast „byly nabywca”, staje sie „prawdopodobnie powroci do tej kategorii w nastepnym cyklu zakupowym”.
To przejscie od segmentacji do prawdopodobienstwa. I wlasnie w tym miejscu przewaga danych mediow detalicznych staje sie przewaga wydajnosciowa.
Dlaczego prognozowanie wygrywa z opisem
Segment opisuje grupe na podstawie przeszlych zachowan. Problem polega na tym, ze przeszle zachowania nie zawsze sa dobrym prognostykiem przyszlych zachowan, zwlaszcza tych, na ktorych Ci zalezy.
Wezmy pod uwage „kupujacych jogurty w ciagu ostatnich 90 dni”. Segment ten obejmuje: - Codziennych nabywcow jogurtow, ktorzy kupia je ponownie jutro, niezaleznie od jakiejkolwiek kampanii - Okazjonalnych nabywcow, ktorzy moga kupic ponownie za miesiac - Nabywcow probujacych, ktorzy sprobowali jogurtu raz i nie kupia go ponownie - Bylych nabywcow, ktorzy kupili 89 dni temu i juz przeszli do innych produktow Wyswietlanie tej samej reklamy wszystkim czterem grupom jest marnotrawstwem. Codzienny nabywca nie potrzebuje przekonywania. Osoba, ktora sprobowala raz, nie wroci. Pieniadze powinny trafic do okazjonalnego nabywcy, ktorego mozna przekonac, oraz do bylego nabywcy, ktorego mozna odzyskac.
Model predykcyjny pozwala je rozdzielic. Ocenia kazdego klienta pod katem prawdopodobienstwa zakupu w ciagu najblizszych X dni, na podstawie pelnej historii zachowan, czestotliwosci zakupow, aktualnosci, zaangazowania w kategorie, wzorcow okazjonalnych, etapu zycia, reakcji na cene oraz zachowan zwiazanych ze zmiana marki.
Kampania jest nastepnie kierowana do klientow powyzej progu prawdopodobienstwa, czyli tych, ktorzy najprawdopodobniej dokonaja konwersji. Wydatki koncentruja sie tam, gdzie ma to znaczenie. Marnotrawstwo spada. Przyrostowosc rosnie.
Jak dzialaja grupy docelowe oparte na modelach predykcyjnych w mediach detalicznych
Infrastruktura danych jest taka sama, jak ta, ktora sluzy do identyfikacji okazji zakupowych i segmentacji wedlug etapu zycia. Roznica polega na wyniku: zamiast etykiety („klient kupujacy szybkie sniadanie”) otrzymujesz wynik („78% prawdopodobienstwa zakupu szybkiego sniadania w ciagu najblizszych 7 dni”).
Dane wejsciowe:
Aktualnosc i czestotliwosc zakupow. Kiedy klient ostatnio kupowal produkty z tej kategorii?
Jak czesto zazwyczaj dokonuje zakupow? Na jakim etapie cyklu zakupowego sie znajduje?
Wzorce okazji. Czy ten klient ma powtarzajacy sie wzorzec szybkiego sniadania we wtorki rano? A moze rytm zakupow na piatkowe wieczorne imprezy? Regularnosc okazji pozwala przewidziec nastepne wystapienie.
Wskazniki etapu zycia. Zakupy produktow dla niemowlat przez swiezo upieczonych rodzicow sa przewidywalne od momentu pojawienia sie pierwszej pieluchy. Model zna cykl uzupelniania zapasow.
Trajektoria kategorii. Czy zaangazowanie klienta w dana kategorie rosnie, czy maleje? Rosnace koszyki sugeruja wzrost prawdopodobienstwa. Malejace koszyki sugeruja spadek.
Zachowania konkurencyjne. Czy klient zaczal kupowac produkty konkurencji?
To sygnal, ze jest otwarty na zmiane, co oznacza, ze mozna go rowniez pozyskac.
Model laczy te dane w wynik prawdopodobienstwa dla kazdego klienta, aktualizowany przy kazdej nowej transakcji. Wynikowa grupa odbiorcow jest dynamiczna, zmienia sie codziennie wraz z pojawianiem sie nowych danych.
Grupy docelowe oparte na prognozach a przebieg kampanii
W Footprints AI grupy docelowe oparte na prognozach integruja sie ze standardowym przeplywem pracy kampanii:
Planuj → Wyznacz grupe docelowa → Aktywuj → Sprawdz.
Planowanie. Marka okresla cel: pozyskanie nowych klientow, odzyskanie utraconych klientow, zwiekszenie czestotliwosci zakupow. Planista pokazuje prognozowany zasieg w ramach przewidywanej grupy odbiorcow:
ilu klientow spelnia prog prawdopodobienstwa, jaki jest oczekiwany wspolczynnik konwersji i jak wyglada prognozowany wzrost sprzedazy.
Kierowanie. Grupa docelowa jest definiowana na podstawie wyniku prawdopodobienstwa, filtrowana wedlug okazji zakupowej i opcjonalnie nakladana na etapy zycia lub preferencje kategorii. „Klienci z prawdopodobienstwem >60% zakupu platkow sniadaniowych w ciagu najblizszych 14 dni, podczas szybkich sniadan w dni powszednie” to precyzyjny, praktyczny brief.
Aktywacja. Przewidywana grupa odbiorcow jest docierana poprzez rozne punkty kontaktu. Reklamy poza witryna na dwa dni przed przewidywana okazja zakupowa. Ekrany w sklepie w przewidywanym oknie wizyty. Reklamy cyfrowe na stronie internetowej sprzedawcy, gdy klient przeglada oferte.
Weryfikacja. Zamknieta petla mierzy, co sie wydarzylo. Czy przewidywani nabywcy faktycznie dokonali zakupu? W jakim stopniu w porownaniu z grupa kontrolna? Czy prognoza byla trafna? Wyniki pomiarow sa wprowadzane z powrotem do modelu, poprawiajac przyszle prognozy.
Kwestia dokladnosci
Modele predykcyjne nie sa krysztalowymi kulami. Zajmuja sie prawdopodobienstwami, a nie pewnikami. Klient z 75% prawdopodobienstwem zakupu nie zawsze dokonuje zakupu. Pytanie brzmi, czy kierowanie reklam do grupy z 75%+ prawdopodobienstwem przynosi lepsze wyniki niz kierowanie do standardowego segmentu opartego na danych historycznych.
Odpowiedz brzmi: tak. Nie dlatego, ze kazda prognoza jest trafna, ale dlatego, ze rozklad prognoz koncentruje wydatki na klientach o wyzszym prawdopodobienstwie zakupu. Nawet jesli model myli sie w 30% przypadkow, to 70% trafnych prognoz zapewnia wiekszy przyrost sprzedazy na euro niz segment o stalym rozkladzie, ktory obejmuje duza liczbe klientow o niskim prawdopodobienstwie zakupu.
Dowodem na to sa pomiary. Grupy kontrolne porownuja kampanie skierowane do przewidywanej grupy odbiorcow z kampaniami skierowanymi do standardowego segmentu, a roznica w przyroscie potwierdza jakosc prognoz.
Wartosc komercyjna
Dla marek grupy odbiorcow prognozowanych oznaczaja wydajnosc, mniej marnotrawstwa i wiekszy wplyw na euro.
Dla RMN grupy docelowe oparte na prognozach oznaczaja wyroznienie sie na tle konkurencji i sile cenowa. „Dotrzyj do klientow, ktorzy prawdopodobnie kupia produkty z Twojej kategorii w ciagu najblizszych dwoch tygodni” to zasadniczo bardziej wartosciowa propozycja niz „dotrzyj do klientow, ktorzy kupili produkty z Twojej kategorii w ostatnim kwartale”.
To roznica miedzy lowieniem ryb tam, gdzie byly w zeszlym miesiacu, a lowieniem tam, gdzie beda jutro. Ta roznica wiaze sie z wyzsza cena, poniewaz wynik jest bardziej prawdopodobny, a to wlasnie za wynik placa marki.
Podsumowanie
Grupy docelowe oparte na prognozach przenosza retail media z „kto to zrobil” do „kto to zrobi nastepny”.
Wykorzystuja te same dane behawioralne, transakcje, okazje, etapy zycia, preferencje, ale stosuja je w przyszlosci, a nie w przeszlosci.
Rezultat: wieksza precyzja, mniej marnotrawstwa, wiekszy przyrost sprzedazy oraz produkt medialny, ktory naprawde wyroznia sie na tle wszystkiego, co jest dostepne w innych kanalach.
Kiedy retail media skupiaja sie na prawdopodobienstwie zamiast na historii, przestaja byc narzedziem retrospektywnym i staja sie motorem wzrostu. To wlasnie ta zmiana sprawia, ze marki inwestuja wiecej, poniewaz widza przyszla wartosc, a nie tylko dotychczasowe wyniki.
Powiazane artykuly
- Predictive Audiences: Kiedy retail media przechodza od segmentow do prawdopodobienstwa
- Zweryfikowane wyswietlenia: roznica miedzy wyswietleniami a potwierdzonymi wynikami
- Sygnaly detaliczne: surowiec, ktory sprawia, ze retail media dzialaja
- Zainteresowania kategoria: skrot do trafnego targetowania
- True Reach: co tak naprawde oznacza zasieg
Chcesz zobaczyc, jak to dziala w praktyce?
Footprints AI pomaga markom i detalistom mierzyc to, co naprawde ma znaczenie. Zapoznaj sie z historiami sukcesow naszych klientow lub skontaktuj sie z nami, aby omowic swoja strategie mediow detalicznych.
