53% stigning i add-klik efter implementering af AI-baserede marketingværktøjer

Innowise har udviklet en analyseplatform baseret på AI og maskinlæring, der hjælper med at matche brugernes forespørgsler med de mest relevante annoncer.

Kunde

Industri

Salg og Markedsføring

Region

USA

Kunde siden

2022

Vores kunde er et performancefokuseret online marketingbureau, der tilbyder reklamekampagner, oprettelse af indhold og SEO-tjenester, der sigter mod at øge kvalificerede kundeemner og transaktioner for deres kunder.

Detaljerede oplysninger om klienten kan ikke videregives i henhold til bestemmelserne i NDA.

Udfordring: At overvinde manglen på søgeordsdækning med AI i digital markedsføring

I takt med at den digitale annoncering fortsætter med at udvikle sig, kan brugerne blive overvældet af de mange muligheder. På trods af dette kæmper online marketingbureauer stadig med at nå ud til deres målgruppe med relevante produktanbefalinger på det rigtige tidspunkt baseret på brugernes forespørgsler.

Vores kunde stod over for et grundlæggende problem med et underoptimeret annonceanbefalingssystem, der ikke kunne tilbyde søgemaskineannoncer, der matchede brugernes behov. Under annonceringsindsatsen stod bureauet over for en række væsentlige udfordringer: Omkring 30-40% af de nødvendige søgemaskinebrugeranmodninger blev ikke dækket af relevante annoncer. Derudover var et stort antal eksisterende annoncer irrelevante på grund af dårlig matchning med brugernes forespørgsler.

Den grundlæggende årsag til relevansproblemet var det eksisterende annoncesystems manglende dækning af relevante søgeord og aktiver, hvilket påvirkede brugernes klik og annoncekampagnens resultater. Kundens eksisterende platform leverede utilstrækkelige analyser, hvilket gjorde det vanskeligt at rette op på relevansproblemer og identificere årsagerne til dårligt dækkede anmodninger. Antallet af umatchede eller irrelevante matchede forespørgsler var for stort til detaljeret databehandling og identifikation af lokale årsager til dårligt fungerende annoncer.

For at løse disse problemer henvendte vores kunde sig til Innowise for at få avancerede analyser og generering af oversigter for grupperede undergrupper af brugerforespørgsler, hvilket ville give smartere indsigt. Kunden henvendte sig til Innowise med idéen om avanceret analyse og generering af resuméer for grupperede undergrupper af brugerforespørgsler for at skabe smartere og bedre indsigt.

Sammenfattende omfattede arbejdets omfang:

analysere og gruppere brugernes forespørgsler;
identificere målgrupper af brugere og deres egenskaber for at forbedre resultaterne af annonceanbefalinger;
der angiver de mest relevante annoncer for søgeklyngerne;
at identificere hullerne i eksisterende annoncer ved at analysere de søgeklynger, der var dårligt dækket med eksisterende annoncer.

Løsning: AI-baserede marketingværktøjer til optimerede annoncekampagner

Vores team gennemførte projektet med succes og udviklede en platform til analyse af reklamekampagner med en analyse af søgeordsrangering ved hjælp af nyligt fremkomne SOTA-modeller til behandling af naturligt sprog. Hele det neurale netværk blev implementeret i AWS-skyen.

Platformen er integreret med Google og gør det muligt at arbejde med statistiske data om brugerforespørgsler, identificere udækkede forespørgsler eller dem med ineffektiv reklame, opdele dem i undergrupper og generere oversigter for visse kategorier af store datamængder for at justere de viste annoncer.

Vores team har udviklet løsningen til at erstatte det tidligere system, der kun leverede grundlæggende statistikker og manglede evnen til hurtigt at analysere annonceringsresultater og justere matchning baseret på afslørede indsigter.

Klyngedannelse og opsummering af brugeranmodninger med analyseværktøj til søgeordsrangering

Baseret på kundens krav indsamlede vi Google Analytics-data om brugerforespørgsler med ikke-viste annoncer. Vores specialister konfigurerede et system til at analysere disse forespørgsler og gruppere dem ved hjælp af semantiske indlejringer fra BERT-familiemodeller og forskellige grupperingsteknikker som hdbscan, dbscan, T-SNE, Kemeans. Webapplikationen gjorde det også muligt at indsamle samlede statistikker på tværs af en pulje af brugerforespørgsler. Afhængigt af det valgte granularitetsniveau gjorde vi det også muligt at indsamle aggregeringsstatistikker for en pulje af brugeranmodninger og producere oversigter for hver enkelt gruppe. Vi brugte BERT, grundlæggende statistiske værktøjer og emnemodellering til at vise en sky af tags med de mest populære udtryk i en bestemt gruppe af forespørgsler. Brugerne kunne også få en GPT-model genereret oversigt baseret på angivne klynger.

Smart analyse og klyngedannelse af brugeranmodninger med irrelevante reklamer

Den platform, vi har udviklet, giver mulighed for at vise brugernes interaktion med specifikke annoncer, hvilket gør det muligt at identificere irrelevante annoncer, der matcher uhensigtsmæssige forespørgsler, ved at analysere interaktionsdata. Ved hjælp af omfattende statistikker, tags og resuméer af specifikke søgninger med dårlige resultater er det nu muligt at fastslå årsagen til forskelle mellem brugernes interesser og de viste annoncer. Denne platformsfunktion er et vigtigt værktøj til at identificere og udfylde hullerne i eksisterende reklamer for målgrupper af brugere og deres funktioner.

Matchning af afdækkede brugerforespørgsler med de mest relevante annoncer

Ved at bruge AI og ML-værktøjer tilbyder platformen potentielle annoncematch for grupper af forespørgsler, der tidligere ikke havde nogen relevante annoncer. Vi opnåede dette ved at generere tekstlige repræsentationer af søgeklynger og oprette annoncer ved at specificere de mest relevante for hver klynge ved hjælp af lighedsscorer fra transformermodeller. Derudover tilpassede vi disse annoncer til specifikke grupper af brugere ved at udføre prompt engineering på GPT-familiemodeller for at skabe mere relevante og engagerende annoncer, der var skræddersyet til deres specifikke interesser. Ved hjælp af de data, der vises på eksisterende forespørgsler på dashboardet, bestemmer og genererer systemet relevante annoncemuligheder for visse forespørgselssegmenter. Denne tilgang gjorde det muligt for os at bestemme, hvilke aktuelle annoncer der kan knyttes til brugeranmodninger, der tidligere ikke var opfyldt, og afsløre latente krav til fremtidig annoncegenerering eller korrelere sådanne anmodninger med færdiglavede annoncer, der passer dem bedst.

Teknologier

Platforme

AWS

Front-end

React, Redux, HTML5, CSS3, Formik, Yup, Material UI

Back-end

Python 3.x, Flask (mikrotjenester), Flask-restful, Celery, RabbitMQ

AWS S3 PostgreSQL, AWS Sagemaker (Pipelines, Feature Store), AWS Glue PySpark, Spark AWS Airflow

DS, ML & MLOps

AWS Sagemaker (Studio, eksperimenter, notesbøger, AutoML, modelovervågning), Scikit-learn, Matplotlib, BERT, Pandas, Numpy

Proces

Efter at have modtaget en kundeanmodning identificerede vores team de vigtigste potentielle brugsscenarier for at opnå avancerede og visuelle analyser ved at gruppere oplysninger fra Google Analytics. Vi fik derefter en stor mængde data om brugerforespørgsler og interaktioner med viste annoncer.

Vores første skridt var at gruppere oplysningerne i mindre undergrupper baseret på de nøgleord, som brugerne indtastede i søgestrengen. Vi brugte generative modeller som GPT til at skabe tekstlige repræsentationer for hver klynget datagruppe. De resulterende resuméer blev vist på platformen for at give detaljerede oplysninger om afdækkede forespørgsler eller forespørgsler med dårligt fungerende annoncer, hvilket gav mulighed for en bedre forståelse af årsagerne til irrelevans og efterfølgende justeringer af annoncerne.

Det næste skridt var at foreslå at matche de mest relevante annoncer med afdækkede forespørgsler så tæt som muligt for at forbedre ydeevnen. Vi søgte efter annoncer fra en liste med skriftlige annoncer, der dækkede så mange forespørgsler som muligt for at udfylde hullerne og skabe suggestive resuméer for potentielle matches.

Hvad angår projektledelse, fulgte vi den agile metode med daglige møder for at diskutere gennemførte og planlagte opgaver og samtaler med den administrerende direktør hver anden uge. Vores team kommunikerede via Slack og tildelte opgaver og overvågede performance via Jira og Confluence.

I øjeblikket er projektet stadig i gang; på dette stadie fortsætter vi med at understøtte platformen og implementere nye funktioner.

Hold

Projektleder

Data Engineers

Back-end-udviklere

Front-end-udviklere

Datavidenskab Engineers

QA Engineers

Resultater: Boost i brugerklik på annoncer med AI-baseret søgeordsrangeringsanalysator

Vi har bygget en AI-drevet, der giver vores kunde mere relevante og målrettede reklamer ved at genkende en gruppe, som brugeren tilhører, og bruge disse oplysninger til at skabe smartere og bedre indsigt i personalisering af reklamer. Webapplikationen analyserede kørte annoncekampagner og fandt huller i annonceringen, som forhindrede vores kunde i at nå ud til alle de nødvendige brugere.

Desuden kan løsningen nu automatisk generere nye reklamer, hvilket optimerer virksomhedens tekstforfatningsprocesser.

Samlet set har platformen resulteret i en stigning på 53% i antallet af brugerklik på annoncer. Vi har også lavet anbefalinger til tekstforfattere baseret på de tætteste og største klynger, så de kan lave annoncer, der dækker op til 92% af de nødvendige brugeranmodninger. Vi fortsætter med at udforske kraften i AI i digital markedsføring, mens vi udvikler yderligere AI-baserede markedsføringsværktøjer for at fortsætte med at forbedre platformen.

Projektets varighed

Marts 2022 - Løbende

25%

sparet tid på at generere nye annoncer

53%

Stigning i antallet af add-klik

Relaterede sager

Kontakt os

Book et opkald eller udfyld formularen nedenfor, så vender vi tilbage til dig, når vi har behandlet din anmodning.

Navn

Virksomhed

E-mail

Telefon

Besked

Send os en talebesked

Vedhæft dokumenter

Upload fil

Du kan vedhæfte 1 fil på op til 2 MB. Gyldige filformater: pdf, jpg, jpeg, png.

Ved at klikke på Send accepterer du, at Innowise behandler dine personlige data i henhold til vores Politik for beskyttelse af personlige oplysninger for at give dig relevante oplysninger. Ved at indsende dit telefonnummer accepterer du, at vi kan kontakte dig via taleopkald, sms og beskedapps. Opkalds-, besked- og datatakster kan være gældende.

Du kan også sende os din anmodning
til contact@innowise.com

Hvad sker der nu?

Når vi har modtaget og behandlet din anmodning, vender vi tilbage til dig for at beskrive dine projektbehov og underskriver en NDA for at sikre fortrolighed.

Når vi har undersøgt dine ønsker, behov og forventninger, udarbejder vores team et projektforslag med forslag med arbejdets omfang, teamstørrelse, tids- og omkostningsoverslag.

Vi arrangerer et møde med dig for at diskutere tilbuddet og få detaljerne på plads.

Til sidst underskriver vi en kontrakt og begynder at arbejde på dit projekt med det samme.

53% stigning i add-klik efter implementering af AI-baserede marketingværktøjer

Kunde

Udfordring: At overvinde manglen på søgeordsdækning med AI i digital markedsføring

Løsning: AI-baserede marketingværktøjer til optimerede annoncekampagner

Teknologier

Proces

Hold

Resultater: Boost i brugerklik på annoncer med AI-baseret søgeordsrangeringsanalysator

Relaterede sager

Kontakt os

Hvad sker der nu?

Brug for andre tjenester?

Abonner til vores nyhedsbrev

Abonner
til vores nyhedsbrev