Le formulaire a été soumis avec succès.
Vous trouverez de plus amples informations dans votre boîte aux lettres.
Sélection de la langue
Notre client est une agence de marketing en ligne axée sur la performance qui propose des campagnes publicitaires, la création de contenu et des services de référencement visant à augmenter le nombre de prospects qualifiés et de transactions pour leurs clients.
Les informations détaillées sur le client ne peuvent être divulguées en vertu des dispositions de la NDA.
Alors que la publicité numérique continue d'évoluer, les utilisateurs peuvent être submergés par l'abondance d'options. Malgré cela, les agences de marketing en ligne ont encore du mal à atteindre leur public cible en lui recommandant des produits pertinents au bon moment, en fonction des requêtes des utilisateurs.
Notre client était confronté à un problème fondamental avec un système de recommandation publicitaire sous-optimisé qui ne parvenait pas à proposer des annonces de moteur de recherche correspondant aux besoins des utilisateurs. Au cours des efforts publicitaires, l'agence a été confrontée à un certain nombre de défis importants : environ 30-40% des demandes des utilisateurs de moteurs de recherche n'étaient pas couvertes par des annonces pertinentes. En outre, un grand nombre d'annonces existantes n'étaient pas pertinentes en raison d'une mauvaise adéquation avec les requêtes des utilisateurs.
La cause première du problème de pertinence était le manque de couverture des mots-clés et des actifs pertinents par le système publicitaire existant, ce qui affectait les clics des utilisateurs et les performances des campagnes publicitaires. La plateforme existante du client fournissait des analyses inadéquates, ce qui rendait difficile la correction des problèmes de pertinence et l'identification des causes des demandes mal couvertes. Le nombre de requêtes non appariées ou non pertinentes était trop important pour permettre un examen détaillé des données et l'identification des causes des publicités locales peu performantes.
Pour résoudre ces problèmes, notre client a contacté le groupe Innowise pour des analyses avancées et la génération de résumés pour des sous-groupes groupés de requêtes d'utilisateurs, ce qui permettrait d'obtenir des informations plus intelligentes. Le client a approché le Groupe Innowise avec l'idée d'analyses avancées et de génération de résumés pour des sous-groupes groupés de requêtes d'utilisateurs afin d'obtenir des informations plus intelligentes et de meilleure qualité.
En résumé, la portée du travail comprenait:
Notre équipe a mené à bien ce projet et a développé une plateforme d'analyse des campagnes publicitaires avec un analyseur de classement des mots clés en utilisant des modèles de traitement du langage naturel SOTA récemment apparus. L'ensemble du réseau neuronal a été déployé dans le nuage AWS.
La plateforme est intégrée à Google et permet de travailler avec des données statistiques sur les requêtes des utilisateurs, d'identifier les requêtes non couvertes ou celles pour lesquelles la publicité est inefficace, de les diviser en sous-groupes et de générer des résumés pour certaines catégories de grandes quantités de données afin d'ajuster les publicités affichées.
Notre équipe a développé la solution pour remplacer le système précédent qui ne fournissait que des statistiques de base et n'avait pas la capacité d'analyser rapidement les résultats publicitaires et d'ajuster la correspondance sur la base des informations révélées.
Regroupement et résumé des demandes des utilisateurs à l'aide d'un outil d'analyse du classement des mots clés
Sur la base des exigences du client, nous avons collecté des données d'analyse Google sur les requêtes des utilisateurs avec des publicités non affichées. Nos spécialistes ont configuré un système pour analyser ces requêtes et les regrouper à l'aide d'encastrements sémantiques provenant de modèles de la famille BERT et de différentes techniques de regroupement telles que hdbscan, dbscan, T-SNE, KMeans. L'application web a également permis de collecter des statistiques globales sur un ensemble de requêtes d'utilisateurs. En fonction du niveau de granularité choisi, nous avons également rendu possible la collecte de statistiques agrégées pour un ensemble de demandes d'utilisateurs et la production de résumés pour chaque groupe distinct. Nous avons utilisé BERT, des outils statistiques de base et la modélisation des sujets pour afficher un nuage de tags avec les termes les plus populaires dans un groupe particulier de requêtes. Les utilisateurs ont également pu obtenir un Modèle GPT a généré un résumé basé sur les grappes spécifiées.
Analyse intelligente et regroupement des demandes d'utilisateurs contenant des publicités non pertinentes
La plateforme que nous avons développée permet d'afficher les interactions des utilisateurs avec des publicités spécifiques, ce qui permet d'identifier les publicités non pertinentes correspondant à des requêtes inappropriées en analysant les données d'interaction. Grâce à l'utilisation de statistiques détaillées, de balises et de résumés de recherches spécifiques avec des résultats peu performants, il est désormais possible de déterminer la raison des différences entre les intérêts de l'utilisateur et les publicités affichées. Cette fonctionnalité de la plateforme est un outil essentiel pour identifier et combler les lacunes dans les publicités existantes pour les groupes cibles d'utilisateurs et leurs caractéristiques.Correspondance entre les requêtes non couvertes des utilisateurs et les annonces les plus pertinentes
En utilisant des outils d'IA et de ML, la plateforme offre des correspondances publicitaires potentielles pour des groupes de requêtes qui n'avaient auparavant aucune publicité pertinente. Pour ce faire, nous avons généré des représentations textuelles des groupes de requêtes et créé des annonces en spécifiant les plus pertinentes pour chaque groupe à l'aide des scores de similarité des modèles de transformation. En outre, nous avons personnalisé ces annonces pour des groupes spécifiques d'utilisateurs en effectuant une ingénierie d'invite sur les modèles de la famille GPT afin de créer des annonces plus pertinentes et plus attrayantes adaptées à leurs intérêts spécifiques. En utilisant les données affichées sur les requêtes existantes dans le tableau de bord, le système détermine et génère des options publicitaires pertinentes pour certains segments de requêtes. Cette approche nous a permis de déterminer quelles publicités actuelles peuvent être liées à des demandes d'utilisateurs qui n'étaient pas satisfaites auparavant et de révéler des demandes latentes pour la génération de publicités futures ou de corréler ces demandes avec des publicités prêtes à l'emploi qui leur conviennent le mieux.À la demande d'un client, notre équipe a identifié les principaux cas d'utilisation potentiels pour obtenir des analyses avancées et visuelles en regroupant les informations de Google Analytics. Nous avons ensuite obtenu une grande quantité de données sur les requêtes des utilisateurs et les interactions avec les publicités affichées.
Notre première étape a consisté à regrouper les informations en sous-groupes plus petits sur la base des mots-clés saisis par les utilisateurs dans la chaîne de recherche. Nous avons utilisé des modèles génératifs tels que GPT pour créer des représentations textuelles pour chaque groupe de données regroupées. Les résumés obtenus ont été affichés sur la plateforme pour fournir des informations détaillées sur les requêtes non couvertes ou les requêtes avec des annonces peu performantes, ce qui a permis de mieux comprendre les raisons de la non-pertinence et de procéder à des ajustements ultérieurs des annonces.
L'étape suivante a consisté à suggérer de faire correspondre les annonces les plus pertinentes aux requêtes non couvertes, de la manière la plus étroite possible, afin d'améliorer les performances. Nous avons recherché des annonces à partir d'une liste d'annonces écrites couvrant autant de requêtes que possible afin de combler les lacunes et de créer des résumés suggestifs pour les correspondances potentielles.
En ce qui concerne la gestion de projet, nous avons adhéré à la méthodologie Agile avec des réunions quotidiennes pour discuter des tâches terminées et planifiées et des appels bihebdomadaires avec le PDG. Notre équipe a communiqué via Slack et a assigné des tâches et contrôlé les performances via Jira et Confluence.
Actuellement, le projet est toujours en cours ; à ce stade, nous continuons à soutenir la plateforme et à mettre en œuvre de nouvelles fonctionnalités.
Nous avons construit une application alimentée par l'IA qui fournit à notre client des publicités plus pertinentes et plus ciblées en reconnaissant un groupe auquel l'utilisateur appartient et en utilisant cette information pour obtenir des informations plus intelligentes et de meilleure qualité pour la personnalisation de la publicité. L'application web a analysé les campagnes publicitaires en cours et a trouvé des lacunes dans la publicité, ce qui a empêché notre client d'atteindre tous les utilisateurs nécessaires.
En outre, la solution peut désormais générer automatiquement de nouvelles annonces, optimisant ainsi les processus de rédaction de l'entreprise.
Dans l'ensemble, la plateforme a permis d'augmenter de 53% le nombre de clics des utilisateurs sur les annonces. Nous avons également créé des recommandations pour les rédacteurs en fonction des groupes les plus denses et les plus importants, ce qui leur a permis de créer des publicités qui couvrent jusqu'à 92% des demandes nécessaires des utilisateurs. Nous continuons à explorer le pouvoir de l'IA dans le marketing numérique tout en développant d'autres outils marketing basés sur l'IA afin de poursuivre l'amélioration de la plateforme.
25%
53%
Après avoir reçu et traité votre demande, nous reviendrons vers vous pour détailler les besoins de votre projet et signer un accord de non-divulgation pour assurer la confidentialité des informations.
Après avoir examiné les exigences, nos analystes et nos développeurs élaborent une proposition de projet avec l'étendue des travaux, le nombre de membre de l'équipe, les délais et les coûts des coûts.
Nous organisons une réunion avec vous pour discuter de l'offre et parvenir à un accord.
Nous signons un contrat et commençons à travailler sur votre projet le plus rapidement possible.
2007-2024 Innowise. Tous droits réservés.
Politique de confidentialité. Politique en matière de cookies.
Innowise Sp. z o.o Ul. Rondo Ignacego Daszyńskiego, 2B-22P, 00-843 Varsovie, Pologne
En vous inscrivant, vous acceptez notre Politique de confidentialitéy compris l'utilisation de cookies et le transfert de vos informations personnelles.
Merci !
Votre message a été envoyé.
Nous traiterons votre demande et vous recontacterons dès que possible.
Merci !
Votre message a été envoyé.
Nous traiterons votre demande et vous recontacterons dès que possible.