Όλα όσα πρέπει να ξέρετε για την Τεχνητή Νοημοσύνη και τον αντίκτυπό της στη ΔΕΗ, στις εγγενείς διαφημίσεις και στις διαφημίσεις προβολής

Τεχνητή νοημοσύνη

Φέτος ανέλαβα μερικά φιλόδοξα καθήκοντα. Το ένα ήταν μέρος της επαγγελματικής μου ανάπτυξης, για να μάθω ό, τι μπορούσα για την τεχνητή νοημοσύνη (AI) και το μάρκετινγκ και το άλλο επικεντρώθηκε στην ετήσια έρευνα εγγενών τεχνολογιών διαφημίσεων, παρόμοια με αυτή που παρουσιάστηκε εδώ πέρυσι - το Τοπίο Τεχνολογίας Εγγενών Διαφημίσεων του 2017.

Λίγα ήξερα τότε, αλλά ένα ολόκληρο ebook βγήκε από την επόμενη έρευνα για την τεχνητή νοημοσύνη, "Όλα όσα πρέπει να γνωρίζετε για το Analytics Analytics και την Τεχνητή Νοημοσύνη" Κυριολεκτικά είναι ό, τι πρέπει να γνωρίζετε για το μάρκετινγκ και την τεχνητή νοημοσύνη σήμερα και τον αντίκτυπό του στα αναλυτικά μέσα, τα κέρδη, την ιδιοκτησία και τα πληρωμένα μέσα. Ως αποτέλεσμα, θα ήθελα να μοιραστώ ό, τι έμαθα κάνοντας όλη αυτή την πρόσφατη έρευνα σε μια σειρά δύο μερών.

Το πρώτο μέρος θα επικεντρωθεί στον αντίκτυπο της τεχνητής νοημοσύνης στα συνδρομητικά μέσα για τη συμπερίληψη της ΔΕΗ, της προβολής και των εγγενών διαφημίσεων. Αυτό θα ενσωματωθεί σε ένα δεύτερο άρθρο που θα επικεντρώνεται αποκλειστικά στο τοπίο της εγγενούς τεχνολογίας διαφήμισης για φέτος. Αυξήθηκε κατά 48% από πέρυσι.

Προτού μπορέσουμε να ξεκινήσουμε τον αντίκτυπο της τεχνητής νοημοσύνης στα συνδρομητικά μέσα, πρέπει πρώτα να εξετάσουμε τον αντίκτυπό του στην ανάλυση. Αυτό, ίσως, πάνω από οτιδήποτε άλλο έχει τον πιο άμεσο αντίκτυπο στα συνδρομητικά μέσα.

Τεχνητή νοημοσύνη και ανάλυση

Οι περισσότεροι από εμάς έχουν συνηθίσει να χρησιμοποιούν μία από τις τρεις μεγάλες πλατφόρμες ανάλυσης. Θα παραμείνουν ανώνυμοι. Αυτές οι πλατφόρμες κατέχουν επίσης μερικές από τις μεγαλύτερες διαδικτυακές αγορές διαφήμισης στον κόσμο. Δεν έχουν πολλά κίνητρα για να μας βοηθήσουν να ξοδέψουμε λιγότερα και να πετύχουμε περισσότερα.

Ως αποτέλεσμα, εστιάζουν μόνο σε δεδομένα έως ένα βαθμό μακριά από τους ιστότοπούς μας. Δείτε πώς μοιάζει:

Ένας βαθμός διαχωρισμού

Οι περισσότεροι από εμάς έχουν συνηθίσει να βλέπουμε τα analytics μας σε αυτό το μοντέλο απόδοσης. Ωστόσο, αυτό το μοντέλο αντιπροσωπεύει έως και το 20% των διαθέσιμων δεδομένων εντός της τοπικής μας περιοχής επιρροής στο διαδίκτυο. Αν θέλουμε να δούμε το υπόλοιπο 80%, το μοντέλο θα πρέπει να εστιάσει σε δεδομένα σε απόσταση τριών μοιρών από τους ιστότοπούς μας. Δείτε πώς μοιάζει:

Τρεις βαθμοί διαχωρισμού

Χρησιμοποιώντας το AI για να προσελκύσει πολλές διαφορετικές δομημένες και μη δομημένες ροές δεδομένων, το analytics μπορεί στην πραγματικότητα να δει σχεδόν το 100% της τοπικής σφαίρας επιρροής ενός ιστότοπου στο διαδίκτυο, ανοίγοντας το 80% που δεν μπορούμε να δούμε χρησιμοποιώντας μία από τις τρεις μεγάλες πλατφόρμες αναλυτικών στοιχείων. Είναι το ισοδύναμο να βλέπεις το Διαδίκτυο έτσι:

Τρισδιάστατη προβολή του Διαδικτύου

Σε αντίθεση με αυτή την άποψη που μας δίνουν οι τρεις:

Μία διαστατική άποψη του Διαδικτύου

Έχοντας αυτήν την προβολή έχει πολύ σημαντικό αντίκτυπο στα κερδισμένα, ιδιοκτησιακά και επί πληρωμή μέσα και εξερευνούμαι καθεμία από τις υποκατηγορίες τους στο νέο μου ebook. Ωστόσο, για αυτό το άρθρο ας δούμε τώρα τον αντίκτυπό του στα ειδικά μέσα επί πληρωμή.

Τεχνητή νοημοσύνη και διαφήμιση προβολής

Οι φράσεις «μέσω προγραμματισμού» και «σε πραγματικό χρόνο υποβολής προσφορών» (RTB) υπήρξαν όλα τα φήμη τα τελευταία χρόνια μέσα και γύρω από την οθόνη, και επί πληρωμή μέσα ενημέρωσης γενικά. Περιστασιακά, αυτές οι φράσεις συζητούνται παράλληλα με την τεχνητή νοημοσύνη, τη μηχανική εκμάθηση και την επεξεργασία φυσικής γλώσσας. Ενώ και τα δύο συστήματα προγραμματισμού και RTB έχουν μια απόχρωση AI, αντιπροσωπεύουν πραγματικά μια τεχνολογία γέφυρας που μετακινεί τη διαφήμιση προβολής από την τρέχουσα κατάσταση μέτριας διαφάνειας, σε ένα πλήρως αποδομένο και διαφανές μέλλον.

Δύο τεχνολογίες θα έχουν τον μεγαλύτερο αντίκτυπο σε αυτήν τη μετάβαση - AI και blockchain. Ο χώρος προβολής παλεύει τόσο με τη διαφάνεια όσο και με την απόδοση. Υπάρχουν πολλά τρίτα μέρη εκεί έξω που κολλάνε τα χέρια τους στο μπολ καραμελών και αρπάζουν πένες σε μια στιγμή από τους πολύτιμους προϋπολογισμούς μας. Προσθέστε σε αυτό μια κακοποίηση spam bots που διαπράττουν απάτη κλικ και έχετε ένα σύστημα γεμάτο προβλήματα.

Κατά μέσο όρο, η διαφήμιση προβολής έχει αναλογία κλικ προς αριθμό εμφανίσεων 0.05%. Από αυτά τα κλικ-κλικ μόνο το 30 έως 40% από αυτά δεν αναπηδούν αμέσως. Η αναποτελεσματικότητα αυτού του καναλιού είναι εκπληκτική. Η πρώτη διαφήμιση προβολής προήλθε από την AT&T το 1994 και παρουσίασε αναλογία κλικ προς αριθμό εμφανίσεων 44%. Μέχρι το 1998, οι αναλογίες κλικ προς αριθμό εμφανίσεων μειώθηκαν δραματικά - πιο κοντά σε αυτό που βλέπουμε σήμερα.

Τα καλά νέα είναι ότι η τεχνολογία βοηθά στην επίλυση αυτών των προβλημάτων με αναποτελεσματικότητα. Σε ένα περιβάλλον ανάλυσης που βασίζεται σε τεχνολογία AI και διαθέτει τρεις βαθμούς απόδοσης μακριά από τον ιστότοπο, οι επωνυμίες όχι μόνο θα μπορούν να δουν τα πιο αποτελεσματικά κανάλια προβολής που οδηγούν επισκεψιμότητα σε αυτούς, αλλά όλα τα κανάλια οδηγούν αποτελεσματικά την επισκεψιμότητα σε όλους τους συνετούς ιστότοπους μέσα και γύρω από τη βιομηχανία τους.

Μέσω της ανάλυσης που βασίζεται στο AI, οι επωνυμίες θα γνωρίζουν ακριβώς πού πρέπει να διπλασιαστούν και πού πρέπει να αντλήσουν προϋπολογισμό. Αυτό το επίπεδο γνώσης βοηθά στο διπλό και ακόμη και τα τριπλά ποσοστά κλικ προς αριθμό εμφανίσεων και τη συνολική απόδοση μετά το κλικ για διαφημίσεις προβολής.

Τεχνητή νοημοσύνη και πληρωμή ανά κλικ

Οι λύσεις ανάλυσης που βασίζονται σε AI μπορούν να εμφανίσουν τις πιο σημαντικές φράσεις λέξεων-κλειδιών για μια επωνυμία χρησιμοποιώντας πολλές διαφορετικές μη δομημένες πηγές δεδομένων. Η ΔΕΗ δεν είναι μόνο για διαφήμιση στο Google. Προσδιορίζει κενά και ορίζει νέες λέξεις-κλειδιά, προσαρμογές προσφορών και ομάδες διαφημίσεων. Βοηθά τους εμπόρους να διαχειρίζονται αποτελεσματικότερα τους προϋπολογισμούς τους.

Οι πιθανοί συνδυασμοί φράσεων λέξεων-κλειδιών, ομάδων διαφημίσεων, στόχευσης κ.λπ. είναι σχεδόν άπειροι για μια επωνυμία. Το να επιτρέπεται η ανάλυση αυτών των μεγάλων δεδομένων χρησιμοποιώντας αναλυτικά στοιχεία που βασίζονται σε τεχνολογία AI είναι ο πιο αποτελεσματικός τρόπος για να διασφαλιστεί ότι μια επωνυμία επενδύει στους καλύτερους δυνατούς συνδυασμούς και παραλλαγές.

Χρησιμοποιώντας μηχανική εκμάθηση, η βελτιστοποίηση βελτιώνεται μόνο με την πάροδο του χρόνου. Βελτιώνεται συνεχώς για να οδηγήσει τα έσοδα ή οποιουσδήποτε στόχους έχουν καθοριστεί για τη ΔΕΗ. Με τη φύση του σε πραγματικό χρόνο, τα τεκμηριωμένα αναλυτικά στοιχεία που χρησιμοποιούνται για τη διαχείριση λογαριασμών ισχύος, είναι ιδιαίτερα κρίσιμα για επωνυμίες ευαίσθητες σε εποχιακές αλλαγές στην αγορά ή σε καταναλωτές.

Ενώ η AI έχει κάνει πολλούς τελικούς δρόμους στη ΔΕΗ, εξακολουθεί να μην είναι σε επίπεδο όπου η διαχείριση λογαριασμού μπορεί να αυτοματοποιηθεί πλήρως χωρίς έμπορο πίσω από το τιμόνι. Ωστόσο, οι μελλοντικές επαναλήψεις που βασίζονται σε νευρωνικά δίκτυα με βαθιά ικανότητα μάθησης θα φτάσουν εκεί. Ακριβώς όπως το AI μπορεί να διδαχθεί να παίζει ένα παιχνίδι καλύτερα από έναν άνθρωπο, έτσι θα είναι σε θέση να εκτελεί μια εκστρατεία PPC από μόνη της μια μέρα.

Τεχνητή νοημοσύνη και εγγενής διαφήμιση

Το AI έχει ήδη σημαντικό αντίκτυπο στην εγγενή διαφήμιση. Από την πλευρά της τεχνολογίας διαφημίσεων, η χρήση μηχανικής εκμάθησης δημιουργεί μοντέλα κόστους ανά αφοσίωση (CPE), σε αντίθεση με το παραδοσιακό CPC, CPM ή CPA. Αυτό είναι ιδανικό για επαγγελματίες του μάρκετινγκ που επιθυμούν να διανείμουν το περιεχόμενο της κορυφαίας διοχέτευσης σε κλίμακα. Οι έμποροι περιεχομένου θέλουν να αλληλεπιδράσουν το περιεχόμενό τους.

Από την πλευρά των αναλυτικών στοιχείων, όλα τα ίδια οφέλη που παρέχει η AI για τη διαφήμιση προβολής πραγματοποιούνται επίσης - γνωρίζοντας ποιοι ιστότοποι είναι πιο αποτελεσματικοί στην παροχή επισκεψιμότητας με δυνατότητα δράσης έως και τρεις βαθμούς μακριά. Αυτά τα δεδομένα επιτρέπουν τη μεταφορά προϋπολογισμών μόνο σε εκείνους τους ιστότοπους που αποδίδουν και επιτρέπει στις επωνυμίες να αποσύρουν τον προϋπολογισμό από αυτούς τους ιστότοπους που δεν το κάνουν. Αυτό το επίπεδο ορατότητας βοηθά τους εμπόρους να αποφύγουν σχεδόν όλα τα απόβλητα, την απάτη και την κατάχρηση που σχετίζονται με διαδικτυακά συνδρομητικά μέσα.

Δίνει επίσης μια πολύ ακριβή ανταγωνιστική άποψη. Αυτό είναι χρήσιμο για άλλους λιγότερο προφανείς λόγους. Η συλλογή ενός αποθέματος των δημιουργικών στοιχείων του ανταγωνιστή σε εγγενείς διαφημίσεις για αυτές τις ενότητες που έχουν καλή απόδοση μπορεί να βοηθήσει τις επωνυμίες να έχουν ανταγωνιστικό πλεονέκτημα στο δημιουργικό τους. Επιπλέον, η ευφυΐα περιεχομένου που ενσωματώνεται σε αναλυτικά στοιχεία που βασίζονται σε AI επιτρέπει στον έμπορο να γνωρίζει ποιο περιεχόμενο θα έχει πιθανώς την καλύτερη απόδοση όταν χρησιμοποιεί εγγενείς διαφημιστικές λύσεις για διανομή κλίμακας.

Τεχνητή νοημοσύνη και χορηγικό περιεχόμενο

Τα εργαλεία ευφυΐας περιεχομένου που βασίζονται στο AI είναι επίσης ιδανικά για την αποκάλυψη συνδικάτων επί πληρωμή και ευκαιριών περιεχομένου με χορηγία. Σύμφωνα με τη Margaret Boland του Business Insider, τα επόμενα πέντε χρόνια το περιεχόμενο που υποστηρίζεται θα είναι η ταχύτερα αναπτυσσόμενη εγγενής μορφή. Το περιεχόμενο των χορηγιών θεωρείται εγγενής διαφήμιση μακροχρόνιας μορφής. Είναι ένα ολόκληρο άρθρο ή μια σειρά άρθρων γραμμένων είτε από τη δημοσίευση είτε από την ίδια την επωνυμία.

Η ευφυΐα περιεχομένου μπορεί να βοηθήσει τους επαγγελματίες του μάρκετινγκ να δημιουργήσουν την ιδανική στοχευμένη λίστα δημοσιεύσεων ή / και ιστολογίων για να ζητήσουν περιεχόμενο με χορηγία ή συνδρομή επί πληρωμή. Παρέχει επίσης έναν ιδανικό τρόπο παρακολούθησης της απόδοσής του με την πάροδο του χρόνου, χωρίς να χρειάζεται να βασιστείτε στη δημοσίευση για την προσφορά δεδομένων.

Τεχνητή νοημοσύνη και κοινωνικά μέσα επί πληρωμή

Με την πάροδο του χρόνου, η ορατότητα των οργανικών μέσων κοινωνικής δικτύωσης για τις μάρκες έχει μειωθεί δραστικά. Αυτό ανάγκασε πολλούς να επενδύσουν στο πλήθος λύσεων επί πληρωμή σε κοινωνικά κανάλια. Στην πραγματικότητα, 60% των συνολικών παγκόσμιων διαφημιστικών δαπανών μέσω προγραμματισμού στην εγγενή διαφήμιση θα είναι στο Facebook έως το 2020.

Οι έμποροι κοινωνικών μέσων επί πληρωμή έχουν τα ίδια οφέλη με αυτά που περιγράφονται στην παραπάνω ενότητα εγγενών διαφημίσεων μέσω προγραμματισμού. Ωστόσο, ένα σημαντικό όφελος που παρέχει το επί πληρωμή μάρκετινγκ κοινωνικών μέσων είναι η ανεξαρτησία των δεδομένων. Οι έμποροι δεν χρειάζεται να βασίζονται αποκλειστικά στους πίνακες ελέγχου Twitter ή Facebook για να παρακολουθούν την απόδοση. Η ομαλοποίηση δεδομένων και η συγκριτική αξιολόγηση σε όλα τα κανάλια κοινωνικών μέσων είναι επίσης πλεονέκτημα.

Επίσης, με την προβολή τριών βαθμών, οι έμποροι θα μπορούν να προσδιορίσουν πού βρισκόταν ο χρήστης πριν επισκεφθεί το δίκτυο κοινωνικών μέσων. Αυτές οι πληροφορίες θα μπορούσαν να αποδειχθούν πολύτιμες για τον εντοπισμό νέων θέσεων για διαφήμιση ή για την προώθηση μιας ιδέας ιστορίας.

Η ουσία για τον τρόπο με τον οποίο η AI επηρεάζει τα πληρωμένα μέσα είναι απλή - καλύτερη απόδοση και μικρότερο κόστος. Τα απόβλητα, η απάτη και η κατάχρηση εντοπίζονται καλύτερα και έχουμε καλύτερη εικόνα της γωνίας του διαδικτύου της βιομηχανίας μας. Ελάτε ξανά μαζί μας την επόμενη εβδομάδα, καθώς κάνουμε μια βαθιά βουτιά σε ολόκληρο το τοπίο της εγγενούς τεχνολογίας διαφήμισης. Για περισσότερες πληροφορίες σχετικά με τον τρόπο με τον οποίο η AI επηρεάζει τα κέρδη και τα ιδιοκτησία μέσων και τις υποκατηγορίες τους, μπορείτε να πραγματοποιήσετε λήψη το τελευταίο μου ebook.

Ανάλυση μάρκετινγκ και τεχνητή νοημοσύνη

Ποια είναι η γνώμη σας;

Αυτός ο ιστότοπος χρησιμοποιεί το Akismet για να μειώσει το spam. Μάθετε πώς επεξεργάζονται τα δεδομένα των σχολίων σας.