El uso de la inteligencia artificial y el aprendizaje automático no es nada nuevo en el mundo del marketing digital. Lo hemos discutido ampliamente con respecto a las tendencias de marketing aplicado a la inteligencia artificial. Hoy os enseñamos el uso del Machine Learning para impulser el Marketing Performance.
A medida que los macrodatos continúan creciendo, tanto en poder como en popularidad, los especialistas en mercadeo digital deben considerar dos factores:
- ¿Cómo maximizo los resultados y la eficiencia?
- ¿Qué debo automatizar y qué debo hacer manual?
¿Qué es el Machine Learning?
Aprovechamiento de las herramientas de aprendizaje automático para el marketing
Los beneficios del uso de IA en marketing digital son bastante claros. Las máquinas que pueden utilizar aprendizaje profundo son mejores y más rápidas para procesar y organizar grandes cantidades de data. El machine learning ayuda a los especialistas en marketing a identificar tendencias y relaciones, realizar optimizaciones y ejecutar tareas de rutina.
Tomando en cuenta lo que sabemos sobre cómo funciona la IA y para qué es buena, a continuación se muestran algunos ejemplos de tácticas de marketing de aprendizaje automático que los especialistas pueden aprovechar en este momento
Los beneficios del uso de IA en marketing digital son bastante claros. Las máquinas que pueden utilizar aprendizaje profundo son mejores y más rápidas para procesar y organizar grandes cantidades de data. Ayudan a los especialistas en marketing a identificar tendencias y relaciones, realizar optimizaciones y ejecutar tareas de rutina.
Tomando en cuenta lo que sabemos sobre cómo funciona el machine learning y para qué es buena, a continuación se muestran algunos ejemplos de tácticas de marketing de aprendizaje automático que los especialistas pueden aprovechar en este momento.
Construcción de Audiencia
La inteligencia artificial puede eliminar gran parte de las conjeturas de la focalización. Si bien es cierto que su público objetivo sobre-indexa como fanáticos del deporte, no todos los que visitan ESPN.com son clientes potenciales, sin mencionar las costosas primas que conlleva comprar en el sitio. Perfeccionar su focalización basado en su audiencia en lugar del sitio es la base de la publicidad programática, y todo comienza con herramientas de machine learning.
Audiencias en el mercado
Google examina las señales en el comportamiento del usuario, como el historial de búsqueda y el contenido que consumen para identificar a las personas que están en las últimas etapas de una decisión de compra. Sin machine learning, no hay aprendizaje automático que procese grandes cantidades de data y comportamiento en tiempo real, sería casi imposible encontrar y dirigirse a esa audiencia a escala.
Audiencias similares
Después de construir una base de clientes central, utilizar audiencias parecidas puede ser la mejor manera de alcanzar más público similar a tus clientes existentes en escala. Utilizando Facebook, por ejemplo, puedes aprovechar los datos de tus clientes usando aprendizaje automático para encontrar puntos en común entre ellos (localización, demografía, afinidades) y dirigirse a personas que cumplan con esas características. Dependiendo de cómo sea su fuente de datos, incluso puede segmentar más profundamente en productos, porque el público del Producto A podría verse muy diferente al público del Producto B, y en consecuencia, puede ofrecerle mensajes diferentes. Sin el machine learning, esta búsqueda sería un proceso laborioso, que se basaría en datos imperfectos y grandes suposiciones sobre quiénes son realmente sus clientes.
Realizamos campañas de generación de leads para un cliente nuestro en Facebook donde nos dirigimos a una variedad de audiencias, pero la mayoría se puede clasificar como Similares, Afines o Retargeting. Actualizamos nuestros Similares semanalmente para seguir definiendo nuestra audiencia a medida que crece el negocio, y siempre han sido nuestros mejores. Desde el punto de vista del costo por cliente potencial, los Similares han superado a las audiencias Afines en un 43% e incluso superaron a nuestras audiencias precalificadas de Retargeting.
Cabe destacar que, si bien las audiencias Similares son atractivas, los especialistas en marketing deben seguir probando nuevas audiencias para evitar el sesgo de datos. Las audiencias Similares, sin embargo, aún requieren un nivel de gestión. La configuración y el olvido harán que sus anuncios solo lleguen a un puñado de datos demográficos y afinidades, ignorando a muchos que podrían estar interesados en su producto. Continuar haciendo nuevas suposiciones y probando nuevas audiencias desarrollará un perfil de persona más completo.
Segmentación inteligente
los desarrolladores de aplicaciones de juegos utilizan la segmentación inteligente para maximizar los ingresos. Como seguramente habrán notado, muchas aplicaciones han adoptado el modelo freemium, donde descargar y usar la aplicación es gratis, pero hay una versión paga que elimina los anuncios y desbloquea funciones adicionales. La segmentación inteligente utiliza el aprendizaje automático para segmentar a los usuarios en función de su probabilidad de gastar dinero en una aplicación.
Los usuarios que normalmente compran no verán anuncios (o menos), ya que los desarrolladores quieren brindarles una experiencia de usuario óptima para aumentar las posibilidades de compra. Se mostrarán anuncios a los jugadores que probablemente no compren. En última instancia, esto permite a los desarrolladores de juegos maximizar los ingresos totales, aumentando las tasas de conversión para las compras dentro de la aplicación y capitalizando los ingresos publicitarios donde la oportunidad de conversión es menor.
Automatización de pago por clic
Automatización de anuncios
Anuncios de pago por clic requieren mucho ensayo y error. Lanza una campaña con sus mejores suposiciones de palabras clave y el texto del anuncio, monitorea las campañas hasta que tiene suficientes datos para sacar conclusiones y luego prueba otras ideas. Aunque el proceso es similar, el machine learning es utilizado para automatizar este proceso, identificando los mejores anuncios con llamados a la acción, y eliminando los peores.
Anuncios de búsquedas receptivos
En los días previos al aprendizaje automático, tratar de encontrar la mejor combinación de título y descripción para AdWords era un proceso manual de creación de múltiples interacciones de anuncios de aspecto similar para las pruebas A/B, después estudiar los datos para hacer ajustes y descubrir cuáles anuncios funcionaron mejor. Con los nuevos Anuncios de búsquedas receptivos de Google, ahora tenemos la opción de configurar múltiples títulos y descripciones dentro del mismo anuncio, permitiendo al aprendizaje automático probar y optimizar la combinación según el mejor rendimiento. Esencialmente es el mismo proceso anterior, pero aprovechando las herramientas disponibles de aprendizaje automático para obtener resultados más rápidos y con menos trabajo manual.
Optimización de ofertas
Como ocurre con muchas áreas relacionadas con la inteligencia artificial y el marketing de rendimiento, Google está a la vanguardia del desarrollo de estrategias de Smart Bidding que van más allá de las simples métricas de clics. El método de CPC anterior era una especie de juego de adivinanzas manual, en el que los humanos tenían que decidir si estaban dispuestos a pagar más por ofertas en palabras clave específicas con la esperanza de que esos usuarios tuvieran más probabilidades de realizar conversiones. Ahora, las herramientas de aprendizaje automático pueden tener en cuenta todos esos factores para comprender mejor a su audiencia y ajustar las ofertas y la asignación de presupuesto como corresponde.
Maximizar conversiones
La estrategia con el machine learning de maximizar conversiones está bastante bien definida, donde Google establecerá ofertas para ayudarlo a obtener la mayor cantidad de conversiones para su campaña dentro de su presupuesto diario. Durante la subasta, los algoritmos de Google considerarán no sólo las palabras clave de mayor conversión. También tendrá en cuenta los datos demográficos de la persona que realiza la búsqueda (edad, sexo, ubicación, etc.), el día de la semana y la hora de la búsqueda, el dispositivo que se usa y más, para determinar cuánto ofertar en esa búsqueda en particular.
Aunque esta estrategia de oferta puede ser increíblemente útil, hay algunas cosas que hay que destacar. Primero, tu campaña necesita tener algunos datos históricos sobre lo que genera la conversión que deseas, así que esto no debería ser utilizado en campañas nuevas. En segundo lugar, aunque obviamente es muy valioso poder aprovechar todos estos puntos de datos automáticamente en cada oferta, hay cierta pérdida de control. No solo eliminará los ajustes de ofertas pre-existentes, sino que también eliminará los máximos CPC, así que asegúrate de monitorear esas campañas, particularmente en los primeros días y semanas del cambio de estrategia de oferta.
Objetivo de Costo por Acción (CPA) y objetivo de Retorno de la inversión publicitaria (ROAS)
el CPA objetivo establece ofertas para generar tantas conversiones como sea posible al costo por acción objetivo o por debajo del mismo. La Inteligencia Artificial incorpora gran parte de los mismos datos históricos que maximizar conversiones, pero va un paso más allá, al hacer modelos predictivos sobre si hacer ofertas en una consulta de búsqueda específica ayudará o no a que el CPA de una campaña se ubique por debajo de su punto de referencia.
De manera similar a Maximizar conversiones, CPA se utiliza mejor cuando una campaña tiene datos históricos para permitir que se lleve a cabo el aprendizaje automático. La estrategia CPA permite ajustes de la oferta, aunque generalmente no se recomiendan. Establecer un CPC máximo puede limitar las ofertas que podrían ayudarlo a alcanzar sus comparativas. Hacer ajustes de la oferta en función del dispositivo puede funcionar, pero tenga en cuenta que ajustarán su CPA en consecuencia (es decir, una campaña con un CPA de $10 con un ajuste de la oferta de + 10% para dispositivos móviles establecerá su CPA móvil en $11).
El ROAS objetivo tiene en cuenta todos los factores y las mejores prácticas del CPA objetivo, pero va un paso más allá al vincular esa conversión / acción a un valor en dólares. Esta estrategia, por supuesto, requiere un nivel adicional de seguimiento, pero puede ser extremadamente poderosa para una empresa, particularmente en el comercio electrónico. Si su tienda en línea vende artículos con diferentes costos, tendría sentido que estuviera dispuesto a pagar un poco más por los clics en los artículos más caros. La estrategia ROAS permite la optimización automática y virtualmente asegura que sus campañas siempre serán rentables.
Reporting
Atribución: todos sabemos que la atribución de último clic no es el modelo correcto, pero es lo que muchas marcas utilizan de forma predeterminada solo para mantener manzanas con manzanas en sus diferentes canales de marketing. Todos hemos escuchado la regla general de que se necesitan de 5 a 7 puntos de contacto antes de realizar una venta, aunque la realidad es que el número suele ser incluso mayor en el mundo digital. Las herramientas de aprendizaje automático o machine learning para la atribución multitáctil son realmente la única forma de comprender el recorrido completo del consumidor, analizar el impacto de cada punto de contacto e identificar qué tácticas están realmente impulsando conversiones y ventas.
Visualización de datos: a medida que el marketing se basa cada vez más en datos, la obtención de conocimientos prácticos a partir de sus datos se vuelve aún más crítico. Si bien las herramientas como Excel o Tableau son excelentes, aún requieren mucho trabajo manual para recopilar y organizar sus datos, tiempo que podría emplearse mejor analizando los resultados en sí mismos y tomando medidas sobre los aprendizajes. Las herramientas de informes impulsadas por la inteligencia artificial no sólo clasifican y visualizan datos en una fracción del tiempo, sino que también pueden ayudar a identificar tendencias y patrones que de otra forma podrían perderse fácilmente.
Automatizar o no automatizar
Sin embargo, por muy poderosas que sean estas herramientas, todavía tienen sus límites. Si bien los algoritmos de inteligencia artificial y la automatización del marketing pueden facilitar y hacer la vida más fácil para muchos especialistas en marketing de PPC y científicos de datos, ciertamente no hace que los trabajos se vuelvan obsoletos, solo cambia la naturaleza del rol. En lugar de centrarse en los detalles menores, la automatización nos libera para trabajar en una estrategia de nivel superior.
Sería genial si pudiéramos presionar un botón y obtener una campaña de marketing perfecta, pero la realidad es que a pesar de su capacidad para aprender y mejorar, el aprendizaje automático sigue siendo solo una herramienta. Los profesionales del marketing deben comprender cómo y cuándo usarlos, así como los mejores lugares para enfocar su energía.
La máquina solo hará lo que le digas. Tienes que saber qué decirle.
El rol del comercializador digital deberá evolucionar de tácticos a estrategas. Nuestro propósito ya no es mirar los paneles de control, haciendo cambios marginales en los presupuestos a medida que ingresan nuevos datos. Necesitamos pasar de gerentes de campaña a asesores estratégicos.
Las herramientas de marketing de aprendizaje automático pueden manejar el trabajo doméstico, lo que nos ahorrará tiempo, mejorará la calidad y nos permitirá escalar mejor y más rápido que nunca. Sin embargo, ¡los humanos aún no están obsoletos! Todavía se nos necesita para ofrecer sentido común, emoción, empatía y darle sentido a todo cuando las respuestas no son perfectas. Entonces, ¿qué aspectos del proceso aún requieren un toque humano?
- Defina qué problema resolver. El aprendizaje automático puede ayudarlo a encontrar la respuesta correcta, pero el especialista en marketing aún debe proporcionar la pregunta correcta. Esto requiere una comprensión profunda de una industria y saber dónde encaja su negocio o producto en ese panorama. Requiere una comprensión completa de los objetivos comerciales.
- Defina las métricas que importan. El aprendizaje automático puede optimizar según los parámetros que le proporcione: clics, vistas de video, conversiones, etc. Depende de los especialistas en marketing determinar cuáles son los objetivos correctos. ¿El objetivo de su campaña debe ser de ventas o su producto necesita primero más conocimiento de marca? Tal vez su primera campaña debería optimizarse para obtener el máximo de clics, lo que ayudaría a su bot a recopilar más datos posteriores al clic, lo que ayudaría a futuras campañas impulsadas por las ventas.
- Encuentra significado en los resultados. Una máquina comprenderá su pregunta, optimizará su objetivo, recopilará y clasificará datos interminables y le dará una respuesta. Sin embargo, solo un humano puede interpretar si esa respuesta es significativa. Los seres humanos deben realizar la «prueba del olfato» para ver si los resultados tienen sentido y de ser así, qué significan para la empresa.
- Transfiera lo aprendido de una plataforma a otra. Con el aumento de los jardines amurallados y la ley para la protección de datos, tomar una idea de una campaña aún requiere que los humanos lo transmitan a otros medios. Sin embargo, esto va más allá de los medios. Los conocimientos de la audiencia de una plataforma también pueden ayudar a guiar el desarrollo de productos. Supongamos que es una marca de ropa y su IA creó una personalidad de marketing que decía que su audiencia principal eran amantes de las mascotas. Los equipos de productos pueden aprovechar ese aprendizaje para desarrollar una línea de productos para mascotas. Los aprendizajes de los bots resultan en acciones humanas.
- Conozca sus datos. Sus salidas son tan buenas como sus entradas. Una máquina hace lo mejor que puede con los datos que tiene, pero no puede emitir juicios sobre los datos en sí. Los especialistas en marketing aún deben asegurarse de que los datos estén limpios y se interpreten correctamente. ¿Cómo se recopilaron los datos? ¿Cómo se puede integrar o combinar con otros datos? ¿Qué podría salir mal y cómo sería? Estos siguen siendo problemas que solo un humano puede resolver.
- Conozca el panorama tecnológico y utilice las mejores herramientas. Cuando todo lo que tienes es un martillo, cada problema parece un clavo. Sin embargo, en el panorama digital en constante expansión, tenemos muchas más herramientas y muchos más problemas. Una talla única no generará los resultados que necesitamos. Los especialistas en marketing deben estar siempre aprendiendo sobre cómo está evolucionando la tecnología, cómo funciona, cómo se puede usar, cuáles son sus peligros potenciales, para que cuando llegue el momento y surja un nuevo problema, sepan dejar el martillo y coge el destornillador.
- Desarrolle sus habilidades. Con los bots encargándose de las tareas que requieren mucho tiempo y sin sentido, los especialistas en marketing ahora tienen aún más oportunidades para agregar nuevas habilidades a sus conjuntos de habilidades. Aprenda psicología más avanzada, para que pueda posicionar mejor su marca y redactar un mejor texto del anuncio. Aprenda un lenguaje de programación como Python o SQL para ayudarlo a analizar mejor sus datos
Las herramientas de marketing de aprendizaje automático sin duda han cambiado el juego de PPC, brindando a los especialistas en marketing herramientas para ejecutar más rápido, con mayor precisión y de manera más eficiente. Sin embargo, todavía se necesita poder humano para decirle a las máquinas qué hacer e interpretar los resultados que nos brindan.
Los especialistas en marketing ahora deben centrarse en tomar los aprendizajes de las máquinas y traducirlos en conocimientos prácticos. Necesitamos saber todo sobre las industrias en las que estamos, conocer los puntos débiles de nuestra audiencia y cómo posicionar nuestros productos dentro de ese mercado. Tenemos que dejar de centrarnos en las tácticas para concentrarnos en la estrategia.