53% lisäysklikkausten kasvu AI-pohjaisten markkinointityökalujen käyttöönoton jälkeen.

Innowise on kehittänyt AI:hen ja koneoppimiseen perustuvan analytiikka-alustan, joka auttaa sovittamaan käyttäjien kyselyt yhteen sopivimpien mainosten kanssa.

Asiakas

Teollisuus

Myynti & Markkinointi

Alue

Asiakas vuodesta

2022

Asiakkaamme on suorituskykyyn keskittyvä verkkomarkkinointitoimisto, joka tarjoaa mainoskampanjoita, sisällön luomista ja hakukoneoptimointipalveluita, joiden tavoitteena on lisätä asiakkaidensa päteviä johtolankoja ja liiketoimia.

Yksityiskohtaisia tietoja asiakkaasta ei voida luovuttaa NDA:n määräysten nojalla.

Haaste: AI:n avulla digitaalisen markkinoinnin avainsanojen kattavuuden puutteen voittaminen.

Digitaalisen mainonnan kehittyessä edelleen käyttäjät saattavat hukkua vaihtoehtojen runsauteen. Tästä huolimatta verkkomarkkinointitoimistoilla on edelleen vaikeuksia tavoittaa kohderyhmäänsä relevanttien tuotesuositusten avulla oikeaan aikaan käyttäjien kyselyjen perusteella.

Asiakkaallamme oli perustavanlaatuinen ongelma, joka liittyi alioptimoituun mainossuosittelujärjestelmään, joka ei pystynyt tarjoamaan käyttäjien tarpeita vastaavia hakukonemainoksia. Mainostoiminnan aikana virasto kohtasi useita merkittäviä haasteita: noin 30-40% tarvittavista hakukoneiden käyttäjien pyynnöistä ei ollut katettu asianmukaisilla mainoksilla. Lisäksi suuri osa olemassa olevista mainoksista oli epäolennaisia, koska ne eivät vastanneet käyttäjien kyselyjä.

Merkityksellisyysongelman perimmäinen syy oli se, että nykyinen mainontajärjestelmä ei kattanut relevantteja avainsanoja ja kohteita, mikä vaikutti käyttäjien klikkauksiin ja mainoskampanjan suorituskykyyn. Asiakkaan nykyinen järjestelmä tarjosi puutteellista analytiikkaa, mikä vaikeutti relevanssiongelmien korjaamista ja huonosti katettujen pyyntöjen syiden tunnistamista... Täsmäämättömien tai epäolennaisten täsmäävien pyyntöjen määrä oli liian suuri, jotta tietoja olisi voitu tarkastella yksityiskohtaisesti ja tunnistaa paikalliset huonosti toimivien mainosten syyt.

Näiden ongelmien ratkaisemiseksi asiakkaamme lähestyi Innowise:tä kehittyneen analytiikan ja yhteenvedon tuottamiseksi käyttäjäkyselyjen klusteroituja alaryhmiä varten, mikä auttaisi saamaan älykkäämpiä oivalluksia. Asiakas lähestyi Innowise:tä ajatuksella kehittyneestä analytiikasta ja yhteenvetojen tuottamisesta käyttäjäkyselyjen klusteroituja alaryhmiä varten, jotta saataisiin älykkäämpiä ja parempia oivalluksia.

Yhteenvetona voidaan todeta, että työtehtäviin kuuluivat:

käyttäjien kyselyjen analysointi ja klusterointi;
kohderyhmien ja niiden ominaisuuksien tunnistaminen mainosten suosittelutulosten parantamiseksi;
määrittelemällä kyselyjen klustereiden kannalta merkityksellisimmät mainokset;
olemassa olevien mainosten aukkojen tunnistaminen analysoimalla kyselyiden klustereita, jotka on huonosti katettu olemassa olevilla mainoksilla.

Ratkaisu: AI-pohjaiset markkinointityökalut optimoituja mainoskampanjoita varten.

Tiimimme sai projektin onnistuneesti päätökseen ja kehitti mainoskampanjan analytiikka-alustan, jossa on avainsanojen ranking-analysaattori, joka käyttää hiljattain ilmestyneitä SOTAn luonnollisen kielen käsittelymalleja. Koko neuroverkko otettiin käyttöön AWS-pilvipalvelussa.

Alusta on integroitu Googlen kanssa, ja sen avulla voidaan käsitellä tilastollisia tietoja käyttäjäkyselyistä, tunnistaa kattamattomat tai tehottoman mainoksen sisältävät pyynnöt, jakaa ne alaryhmiin ja luoda yhteenvetoja tietyistä suurten tietomäärien luokista näytettävien mainosten mukauttamiseksi.

Tiimimme on kehittänyt ratkaisun korvatakseen aiemman järjestelmän, joka tarjosi vain perustilastoja ja josta puuttui kyky analysoida nopeasti mainostuloksia ja mukauttaa sovitusta paljastuneiden oivallusten perusteella.

Käyttäjien pyyntöjen klusterointi ja tiivistäminen avainsanojen ranking-analysaattorityökalun avulla

Asiakkaan vaatimusten perusteella keräsimme Google-analytiikkatietoja käyttäjäkyselyistä, joissa mainoksia ei ollut näytetty. Asiantuntijamme konfiguroivat järjestelmän analysoimaan näitä kyselyitä ja klusteroimaan ne käyttämällä BERT-perheen malleista saatuja semanttisia sulautuksia ja erilaisia klusterointitekniikoita, kuten hdbscan, dbscan, T-SNE ja KMeans. Verkkosovellus mahdollisti myös kokonaistilastojen keräämisen käyttäjien kyselyjen joukosta. Valitusta rakeisuustasosta riippuen voitiin myös kerätä yhteenvetotilastoja käyttäjäpyyntöjen joukosta ja tuottaa yhteenvetoja kustakin erillisestä ryhmästä. Käytimme BERT:iä, perustilastotyökaluja ja aiheiden mallintamista näyttääksemme tunnisteiden pilven, jossa on suosituimmat termit tietyssä kyselyryhmässä. Käyttäjät pystyivät myös saamaan GPT-malli luotu yhteenveto määritettyjen klustereiden perusteella.

Käyttäjien pyyntöjen älykäs analysointi ja ryhmittely epäolennaisia mainoksia sisältävien käyttäjien pyyntöjen kanssa.

Kehittämämme alusta mahdollistaa käyttäjien vuorovaikutuksen näyttämisen tiettyjen mainosten kanssa, jolloin vuorovaikutustietoja analysoimalla voidaan tunnistaa epäasianmukaisiin kyselyihin sopivat epäolennaiset mainokset. Käyttämällä laajoja tilastoja, tunnisteita ja yhteenvetoja erityisistä hauista, joiden tulokset ovat heikot, on nyt mahdollista määrittää syy eroihin käyttäjien kiinnostuksen kohteiden ja näytettyjen mainosten välillä. Tämä alustan ominaisuus on olennainen väline, jonka avulla voidaan tunnistaa ja täyttää olemassa olevien mainosten aukkoja kohderyhmien käyttäjien ja niiden ominaisuuksien osalta.

Käyttäjien katteettomien kyselyjen ja relevantimpien mainosten yhdistäminen.

Käyttämällä AI- ja ML-työkaluja alusta tarjoaa potentiaalisia mainosvastineita kyselyryhmille, joissa ei aiemmin ollut relevantteja mainoksia. Saavutimme tämän luomalla tekstimuotoisia esityksiä kyselyklustereista ja luomalla mainoksia määrittämällä kunkin klusterin kannalta merkityksellisimmät mainokset käyttämällä muuntajamallien samankaltaisuuspisteitä. Lisäksi muokkasimme näitä mainoksia tietyille käyttäjäryhmille suorittamalla GPT-perheen malleihin kehotuksia, jotta voimme luoda relevantimpia ja kiinnostavampia mainoksia, jotka on räätälöity heidän erityisten kiinnostuksen kohteidensa mukaan. Käyttämällä kojelaudalla näkyviä tietoja olemassa olevista kyselyistä järjestelmä määrittää ja luo relevantteja mainosvaihtoehtoja tietyille kyselysegmenteille. Tämän lähestymistavan avulla voitiin määrittää, mitkä nykyiset mainokset voidaan yhdistää käyttäjien aiemmin täyttämättä jääneisiin pyyntöihin ja paljastaa piileviä tarpeita tulevaa mainosten tuottamista varten tai korreloida tällaiset pyynnöt heille parhaiten sopivien valmiiden mainosten kanssa.

Teknologiat

Alustat

AWS

Front-end

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

Back-end

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

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

DS, ML & MLOps

AWS Sagemaker (Studio, Experiments, Notebooks, AutoML, Model Monitoring), Scikit-learn, Matplotlib, BERT, Pandas, Numpy.

Prosessi

Saatuaan asiakkaan pyynnön tiimimme määritteli tärkeimmät mahdolliset käyttötapaukset, joissa Google Analyticsin tietoja klusteroimalla voitaisiin saada kehittynyttä ja visuaalista analytiikkaa. Sen jälkeen saimme suuren määrän tietoa käyttäjien kyselyistä ja vuorovaikutuksesta näytettyjen mainosten kanssa.

Ensimmäinen vaihe oli tietojen klusterointi pienempiin alaryhmiin käyttäjien hakusanoihin kirjoittamien avainsanojen perusteella. Käytimme GPT:n kaltaisia generatiivisia malleja luodaksemme tekstimuotoisia esityksiä kullekin klusteroidulle tietoryhmälle. Tuloksena syntyneet yhteenvedot näytettiin alustalla, jotta saatiin yksityiskohtaista tietoa kattamattomista kyselyistä tai kyselyistä, joissa mainokset toimivat huonosti, jolloin voitiin ymmärtää paremmin epäolennaisuuden syyt ja tehdä mainoksiin myöhemmin muutoksia.

Seuraavaksi ehdotettiin relevanteimpien mainosten sovittamista mahdollisimman tarkasti kattamattomiin kyselyihin suorituskyvyn parantamiseksi. Etsimme kirjoitettujen mainosten luettelosta mainoksia, jotka kattoivat mahdollisimman monta kyselyä, täyttääkseen aukot ja luodaksemme ehdottavia yhteenvetoja mahdollisille vastaavuuksille.

Projektinhallinnassa noudatimme ketterää menetelmää ja pidimme päivittäisiä kokouksia, joissa keskustelimme valmistuneista ja suunnitelluista tehtävistä, sekä puheluita toimitusjohtajan kanssa kahden viikon välein. Tiimimme kommunikoi Slackin välityksellä, jakoi tehtäviä ja seurasi suoritusta Jiran ja Confluence-ohjelman avulla.

Tällä hetkellä hanke on edelleen käynnissä; tässä vaiheessa jatkamme alustan tukemista ja uusien ominaisuuksien käyttöönottoa.

Joukkue

Projektipäällikkö

Tiedot Engineers

Back-End-kehittäjät

Front-End-kehittäjät

Tietotekniikka Engineers

QA Engineers

Tulokset: AI-pohjaisella avainsanojen ranking-analysaattorilla Boost käyttäjäklikkauksissa mainoksiin.

Olemme rakentaneet AI-käyttöjärjestelmän, joka tarjoaa asiakkaalle relevantimpia ja kohdennetumpia mainoksia tunnistamalla ryhmän, johon käyttäjä kuuluu, ja käyttämällä tätä tietoa älykkäämpien ja parempien oivallusten saamiseksi mainonnan personointia varten. Verkkosovellus analysoi käynnissä olevia mainoskampanjoita ja löysi mainonnassa aukkoja, jotka estivät asiakastamme tavoittamasta kaikkia tarvittavia käyttäjiä.

Lisäksi ratkaisu voi nyt luoda automaattisesti uusia mainoksia, mikä optimoi yrityksen tekstinkirjoitusprosesseja.

Kaiken kaikkiaan alustan ansiosta käyttäjien mainosten klikkaukset ovat lisääntyneet 53%. Loimme myös suosituksia copywritereille tiheimpien ja suurimpien klustereiden perusteella, minkä ansiosta he voivat luoda mainoksia, jotka kattavat jopa 92% tarvittavista käyttäjien pyynnöistä. Jatkamme AI:n voiman tutkimista digitaalisessa markkinoinnissa ja kehitämme samalla lisää AI-pohjaisia markkinointityökaluja, jotta voimme jatkaa alustan parantamista.

Hankkeen kesto

Maaliskuu 2022 - Jatkuva

25%

uusien mainosten tuottamiseen säästetty aika

53%

lisää klikkauksia

Liittyvät tapaukset

Ota yhteyttä

Varaa puhelu tai täytä alla oleva lomake, niin otamme sinuun yhteyttä, kun olemme käsitelleet pyyntösi.

Nimi

Yritys

Sähköposti

Puhelin

Viesti

Lähetä meille ääniviesti

Liitä asiakirjoja

Lataa tiedosto

Voit liittää 1 enintään 2 Mt:n tiedoston. Hyväksytyt tiedostomuodot: pdf, jpg, jpeg, png.

Klikkaamalla Lähetä, annat suostumuksesi siihen, että Innowise käsittelee henkilötietojasi meidän Tietosuojakäytäntö antaa sinulle asiaankuuluvia tietoja. Antamalla puhelinnumerosi suostut siihen, että voimme ottaa sinuun yhteyttä puheluiden, tekstiviestien ja viestisovellusten kautta. Puhelu-, viesti- ja datahintoja voidaan soveltaa.

Voit myös lähettää meille pyyntösi
osoitteeseen contact@innowise.com

Mitä tapahtuu seuraavaksi?

Kun olemme vastaanottaneet ja käsitelleet pyyntösi, otamme sinuun yhteyttä ja kerromme yksityiskohtaisesti projektin tarpeet ja allekirjoitamme NDA-sopimuksen luottamuksellisuuden varmistamiseksi.

Tutkittuaan toiveesi, tarpeesi ja odotuksesi tiimimme suunnittelee projektin ehdotuksen, jossa esitetään työn laajuus, tiimin koko, aika- ja kustannusarviot.

Järjestämme kanssasi tapaamisen, jossa keskustellaan tarjouksesta ja sovitaan yksityiskohdista.

Lopuksi allekirjoitamme sopimuksen ja aloitamme projektisi toteuttamisen heti.

53% lisäysklikkausten kasvu AI-pohjaisten markkinointityökalujen käyttöönoton jälkeen.

Asiakas

Haaste: AI:n avulla digitaalisen markkinoinnin avainsanojen kattavuuden puutteen voittaminen.

Ratkaisu: AI-pohjaiset markkinointityökalut optimoituja mainoskampanjoita varten.

Teknologiat

Prosessi

Joukkue

Tulokset: AI-pohjaisella avainsanojen ranking-analysaattorilla Boost käyttäjäklikkauksissa mainoksiin.

Liittyvät tapaukset

Ota yhteyttä

Mitä tapahtuu seuraavaksi?

Tarvitsetko muita palveluja?

Tilaa osoitteeseen uutiskirjeemme

Tilaa
osoitteeseen uutiskirjeemme