Boost in ad clicks after implementing AI-based marketing tools

Innowise opracowało platformę analityczną opartą na sztucznej inteligencji i uczeniu maszynowym, która pomaga dopasować zapytania użytkowników do najbardziej trafnych reklam.

Klient

Branża

Sprzedaż i Marketing

Region

Globalny

Klient od

2022

Naszym klientem jest agencja marketingu online oferująca kampanie reklamowe, tworzenie treści i usługi SEO, które mają na celu zwiększenie liczby wykwalifikowanych potencjalnych klientów i transakcji dla swoich klientów.

Szczegółowe informacje o kliencie nie mogą być ujawnione zgodnie z postanowieniami NDA.

Wyzwanie

Ponieważ reklama cyfrowa wciąż ewoluuje, użytkownicy mogą być przytłoczeni mnogością opcji. Mimo to agencje marketingu online wciąż mają trudności z dotarciem do docelowych odbiorców z odpowiednimi rekomendacjami produktów we właściwym czasie w oparciu o zapytania użytkowników.

Nasz klient stanął w obliczu fundamentalnego problemu związanego z niedostatecznie zoptymalizowanym systemem rekomendacji reklam, który nie oferował reklam w wyszukiwarce dopasowanych do potrzeb użytkowników. Podczas działań reklamowych agencja stanęła przed kilkoma poważnymi wyzwaniami: około 30-40% zapytań użytkowników wyszukiwarki nie było objętych odpowiednimi reklamami. Ponadto duża liczba istniejących reklam była nieistotna ze względu na słabe dopasowanie do zapytań użytkowników.

Główną przyczyną problemu z trafnością był brak pokrycia odpowiednich słów kluczowych i zasobów przez istniejący system reklamowy, co miało wpływ na kliknięcia użytkowników i wydajność kampanii reklamowych. Istniejąca platforma klienta zapewniała niewystarczającą analitykę, co utrudniało korygowanie problemów z trafnością i identyfikowanie przyczyn słabo uwzględnionych zapytań. Liczba niedopasowanych lub nieistotnych dopasowanych zapytań była zbyt duża, aby można było szczegółowo przeanalizować dane i zidentyfikować lokalne przyczyny niskiej skuteczności reklam.

Aby rozwiązać te problemy, nasz klient zwrócił się do Innowise z prośbą o zaawansowaną analitykę i generowanie podsumowań dla zgrupowanych podgrup zapytań użytkowników, co pozwoliłoby uzyskać bardziej inteligentne spostrzeżenia. Klient zwrócił się do Innowise z pomysłem na zaawansowaną analitykę i generowanie podsumowań dla zgrupowanych podgrup zapytań użytkowników, aby uzyskać mądrzejsze i lepsze spostrzeżenia.

Podsumowując, zakres prac obejmował:

analizę i grupowanie zapytań użytkowników;
identyfikację grup docelowych użytkowników i ich cech w celu poprawy wyników rekomendacji reklam;
określenie najbardziej odpowiednich reklam dla zgrupowanych zapytań;
identyfikację braków w istniejących reklamach poprzez analizę grup zapytań, które były słabo objęte istniejącymi reklamami.

Rozwiązanie

Nasz zespół z powodzeniem ukończył projekt i opracował platformę analityczną kampanii reklamowych z analizatorem rankingu słów kluczowych przy użyciu niedawno opublikowanych modeli przetwarzania języka naturalnego SOTA. Cała sieć neuronowa została wdrożona w chmurze AWS.

Platforma jest zintegrowana z Google i umożliwia pracę z danymi statystycznymi dotyczącymi zapytań użytkowników, identyfikację zapytań bez pokrycia lub tych z nieskuteczną reklamą, dzielenie ich na podgrupy i generowanie podsumowań dla określonych kategorii dużych ilości danych w celu dostosowania wyświetlanych reklam.

Nasz zespół opracował rozwiązanie, aby zastąpić poprzedni system, który zapewniał tylko podstawowe statystyki i brakowało mu możliwości szybkiej analizy wyników reklamowych i dostosowania dopasowania na podstawie ujawnionych spostrzeżeń.

Klastrowanie i podsumowywanie żądań użytkowników za pomocą narzędzia do analizy rankingu słów kluczowych

Na podstawie wymagań klienta zebraliśmy dane analityczne Google dotyczące zapytań użytkowników z niewyświetlanymi reklamami. Nasi specjaliści skonfigurowali system do analizy tych zapytań i grupowania ich przy użyciu semantycznych osadzeń z modeli rodziny BERT oraz różnych technik grupowania, takich jak hdbscan, dbscan, T-SNE, KMeans. Aplikacja internetowa umożliwiała również gromadzenie zagregowanych statystyk dla puli żądań użytkowników. W zależności od wybranego poziomu szczegółowości, umożliwiliśmy również gromadzenie statystyk agregacji dla puli żądań użytkowników i tworzenie podsumowań dla każdej odrębnej grupy. Wykorzystaliśmy BERT, podstawowe narzędzia statystyczne i modelowanie tematyczne, aby wyświetlić chmurę tagów z najpopularniejszymi terminami w określonej grupie zapytań. Użytkownicy mogli również uzyskać podsumowanie wygenerowane przez model GPT na podstawie określonych grup zapytań.

Inteligentna analiza i grupowanie żądań użytkowników z nieistotnymi reklamami

Opracowana przez nas platforma pozwala na wyświetlanie interakcji użytkowników z konkretnymi reklamami, umożliwiając identyfikację nieistotnych reklam dopasowanych do nieodpowiednich zapytań poprzez analizę danych interakcji. Dzięki wykorzystaniu obszernych statystyk, tagów i podsumowań konkretnych wyszukiwań z niskimi wynikami, możliwe jest teraz określenie przyczyny różnic w zainteresowaniach użytkowników i wyświetlanych reklamach. Ta funkcja platformy jest niezbędnym narzędziem do identyfikowania i wypełniania luk w istniejących reklamach dla docelowych grup użytkowników i ich funkcji.

Dopasowywanie niepokrytych zapytań użytkowników do najbardziej trafnych reklam

Korzystając z narzędzi AI i ML, platforma oferuje potencjalne dopasowania reklam dla grup zapytań, które wcześniej nie miały odpowiednich reklam. Osiągnęliśmy to poprzez generowanie tekstowych reprezentacji klastrów zapytań i tworzenie reklam poprzez określanie najbardziej trafnych dla każdego klastra przy użyciu wyników podobieństwa z modeli transformatorowych. Dodatkowo dostosowaliśmy te reklamy dla określonych grup użytkowników, wykonując inżynierię podpowiedzi na modelach z rodziny GPT, aby stworzyć bardziej trafne i angażujące reklamy dostosowane do ich konkretnych zainteresowań. Korzystając z danych wyświetlanych na temat istniejących zapytań na pulpicie nawigacyjnym, system określa i generuje odpowiednie opcje reklamowe dla określonych segmentów zapytań. Takie podejście pozwoliło nam określić, które bieżące reklamy można powiązać z żądaniami użytkowników, które wcześniej nie zostały spełnione, i ujawnić ukryte żądania dotyczące przyszłego generowania reklam lub skorelować takie żądania z gotowymi reklamami, które najbardziej im odpowiadają.

Technologie

Platformy

AWS

Front-end

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

Back-end

Python 3.x, Flask (mikrousługi), 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

Proces

Po otrzymaniu zapytania od klienta nasz zespół zidentyfikował główne potencjalne przypadki użycia w celu uzyskania zaawansowanej i wizualnej analityki poprzez grupowanie informacji z Google Analytics. Następnie uzyskaliśmy dużą ilość danych na temat zapytań użytkowników i interakcji z wyświetlanymi reklamami.

Naszym pierwszym krokiem było skupienie informacji w mniejsze podgrupy w oparciu o słowa kluczowe wprowadzone przez użytkowników w wyszukiwanym ciągu. Wykorzystaliśmy modele generatywne, takie jak GPT, do stworzenia tekstowych reprezentacji dla każdej zgrupowanej grupy danych. Wynikowe podsumowania zostały wyświetlone na platformie w celu dostarczenia szczegółowych informacji o zapytaniach bez pokrycia lub zapytaniach ze słabo działającymi reklamami, co pozwoliło lepiej zrozumieć przyczyny nietrafności i późniejszych dostosowań reklam.

Następnym krokiem było zasugerowanie dopasowania najbardziej trafnych reklam do odkrytych zapytań tak blisko, jak to możliwe, aby poprawić wydajność. Szukaliśmy reklam z listy napisanych reklam, które obejmowały jak najwięcej zapytań, aby wypełnić luki i stworzyć sugestywne podsumowania dla potencjalnych dopasowań.

Jeśli chodzi o zarządzanie projektami, stosowaliśmy metodologię Agile z codziennymi spotkaniami w celu omówienia ukończonych i planowanych zadań oraz cotygodniowymi rozmowami z CEO. Nasz zespół komunikował się za pośrednictwem Slacka i przydzielał zadania oraz monitorował wydajność za pośrednictwem Jira i Confluence.

Obecnie projekt jest nadal w toku; na tym etapie nadal wspieramy platformę i wdrażamy nowe funkcje.

Zespół

Kierownik projektu

Inżynierowie danych

Programistów back-end

Programistów front-end

Inżynierowie ds. nauki o danych

Inżynierowie QA

Expected results

We built an AI-powered analytics platform that provides our customer with more relevant and personalized advertisements by identifying user group patterns and aligning ad content accordingly. The system analyzes ongoing ad campaigns, identifies gaps in coverage, and highlights clusters of user queries that were previously overlooked or poorly matched.

The platform can also generate ad content automatically, which facilitates the copywriting process and helps marketers produce more targeted ads faster. It supports campaign optimization by offering data-driven suggestions for improving relevance and visibility.

Additionally, the platform provides recommendations for marketing teams based on query clusters, so they can refine ad content and better address user demand.

Czas trwania projektu

Marzec 2022 r. - w trakcie realizacji

25%

zaoszczędzonego czasu na tworzenie nowych reklam

53%

wzrost liczby kliknięć w reklamy

Podobne projekty

Skontaktuj się z nami

Zarezerwuj połączenie lub wypełnij poniższy formularz, a my skontaktujemy się z Tobą po przetworzeniu Twojego zgłoszenia.

Nazwa

Firma

E-mail

Telefon

Wiadomość

Wyślij nam wiadomość głosową

Załącz dokumenty

Prześlij plik

Można załączyć 1 plik o rozmiarze do 2 MB. Prawidłowe formaty plików: pdf, jpg, jpeg, png.

Klikając przycisk Wyślij, użytkownik wyraża zgodę na przetwarzanie przez Innowise jego danych osobowych zgodnie z naszą polityką prywatności. Polityka prywatności ma na celu dostarczenie użytkownikowi odpowiednich informacji. Podając swój numer telefonu, użytkownik wyraża zgodę na kontaktowanie się z nim za pośrednictwem połączeń głosowych, wiadomości SMS i aplikacji do przesyłania wiadomości. Mogą obowiązywać opłaty za połączenia, wiadomości i transmisję danych.

Możesz również przesłać nam swoje zapytanie
na adres contact@innowise.com

Co dalej?

Po otrzymaniu i przetworzeniu zgłoszenia skontaktujemy się z Tobą, aby szczegółowo opisać projekt i podpisać umowę NDA w celu zapewnienia poufności.

Po zapoznaniu się z Twoimi potrzebami i oczekiwaniami, nasz zespół opracuje projekt wraz z zakresem prac, wielkością zespołu, czasem i szacunkowymi kosztami.

Zorganizujemy spotkanie w celu omówienia oferty i ustalenia szczegółów.

Na koniec podpiszemy umowę, błyskawicznie rozpoczynając pracę nad projektem.