As pessoas são bombardeadas com milhares de anúncios todos os dias, tanto offline quanto online. Com a crescente popularidade do bloqueio de anúncios, fica claro que eles estão procurando maneiras de reduzir os anúncios exibidos. A questão central continua sendo que a maior parte desse conteúdo é irrelevante para os usuários. Veja como o Deep Learning pode ajudar os anunciantes a lidar com isso e melhorar o desempenho da campanha com uma segmentação mais precisa por meio do Deep Learning.
Deep Learning no Marketing Digital
O marketing digital atingiu um ponto crítico em que a superexposição de anúncios está tendo um impacto negativo na obtenção da atenção do usuário. Ao atrair usuários com tecnologias de personalização profunda, os profissionais de marketing podem preencher essa lacuna – entregando mensagens altamente relevantes para as pessoas com maior probabilidade de serem impactadas.
Essa abordagem se resume a como um provedor de anúncios incorporou a personalização em suas tecnologias de recomendação. Aqueles que usam IA e aprendizado de máquina – os mesmos tipos de tecnologias responsáveis pelo sucesso da Netflix ou Amazon – estarão na vanguarda do sucesso da campanha.
Aproveitar o aprendizado de máquina e as técnicas de IA é o primeiro passo para um profissional de marketing digital. Mas é possível ir mais longe com tecnologias de Deep Learning , usando algoritmos avançados e modelos de dados para analisar e identificar as necessidades dos usuários com maior precisão.
PUBLICIDADE
Esse tipo de solução é especialmente importante para o setor de e-commerce, onde os estoques de produtos são grandes e diversificados. As decisões devem ser tomadas em milissegundos de acordo com o gosto pessoal de cada usuário. Análises aprofundadas feitas por algoritmos de Deep Learning significam que ofertas personalizadas aparecem rapidamente e são altamente ajustadas para cada usuário único. O resultado final é uma campanha que fornece apenas recomendações relevantes, o que torna a experiência menos frustrante para o usuário e mais eficaz para os anunciantes.
Deep Learning vs machine learning – tecnologias diferentes significam resultados diferentes
Na maioria dos casos de retargeting, o processo começa com um usuário passando por várias lojas procurando produtos semelhantes, mas não fazendo uma compra. Para se reconectar com esse usuário e trazê-lo de volta, o profissional de marketing digital empregará uma campanha de retargeting.
Existem dois grandes problemas que o retargeting de e-commerce enfrenta hoje: qual oferta exibir e como exibi-la para um usuário específico. Os anunciantes tentam diferentes abordagens para ajustar a mensagem publicitária, de modo que seja personalizada e atraente o suficiente para convencer um cliente a fazer um pedido. Os retargeters localizam clientes individuais com a mensagem certa (criativa) e exibem ofertas exclusivas (produtos personalizados).
O que distingue o Deep Learning da abordagem típica de machine learning é o método de aprendizado. O machine learning padrão foi projetado para aprender com grandes quantidades de dados. No entanto, tem que ser ensinado como aprender, o que analisar e qual o resultado desejado.
Quando o Deep Learning é aplicado, o método de aprendizado muda. Ele imita como o cérebro humano funciona com processamento de informações e tomada de decisões. Semelhante a como os humanos aprendem com a prática, um modelo de Deep Learning tenta coisas diferentes antes de tomar uma decisão final. No e-commerce, o procedimento de autoaprendizagem intui a partir da experiência ou simulações, resultando em uma identificação mais precisa e rápida do potencial de compra.
Tudo isso ocorre sem nenhuma intervenção humana ou regras implementadas manualmente.
Revelando o que está escondido
O Deep Learning permitiu que os retargeters não apenas analisassem os comportamentos básicos do usuário, como quais produtos ou quais categorias de produtos foram visitados, mas também os ‘dados da camada oculta’. Assim como na linguagem corporal, as microexpressões podem revelar nossas intenções verdadeiras, às vezes não descobertas. Algoritmos sofisticados com recurso a Deep Learning permitiram analisar, por exemplo, o tempo entre produtos visualizados, preços dos produtos visualizados ou mesmo a sequência de subpáginas visitadas da loja. Munidas dessas informações, as máquinas interpretam exatamente o que o usuário estava fazendo na loja e tentam prever suas reais intenções de compra. Graças a muitos algoritmos de dados históricos, ele pode assumir em quais produtos o usuário estará mais interessado.
No entanto, dependendo da categoria do produto e das características do consumidor, o processo de decisão da compra final pode demorar várias semanas. Informações aparentemente irrelevantes e ocultas, como a frequência com que um usuário visita uma determinada loja ou o dispositivo é usado, podem fazer com que os mecanismos de recomendação sejam avisados muito antes dos produtos que o usuário estará procurando em um futuro próximo.
Ao analisar o histórico de compras anteriores do cliente, o modelo também será capaz de prever com alta probabilidade quando o cliente retornará à loja para um determinado produto ou serviço. As companhias aéreas, analisando as reservas de um cliente, sabem com que antecedência o cliente procurará ofertas atraentes e quais destinos potencialmente serão de seu interesse. Uma loja que oferece cosméticos ou produtos que se esgotam com relativa rapidez pode, graças ao Deep Learning, sugerir ao cliente que é hora de pensar em reabastecer sua sacola de cosméticos com produtos que estão prestes a acabar, no momento certo.
Offer scoring otimizada graças ao Deep Learning
Com toda essa inteligência, a próxima etapa é como (e em que ordem) as ofertas devem ser apresentadas em um criativo. Graças à ‘offer scoring’, cada produto no feed da loja é reavaliado de forma consistente. Os algoritmos de Deep Learning analisam as ofertas e avaliam o quão atraentes elas são do ponto de vista específico do usuário, sem clusters genéricos.
Em uma abordagem padrão sem Deep Learning, os retargeters usam aprendizado de máquina em banners para fazer uma mistura de alguns segmentos simples, por exemplo, produtos vistos pelo usuário, produtos semelhantes da mesma categoria (ou seja, com base no histórico de outros consumidores) e os mais – produtos vendidos em uma determinada loja.
Deep Learning é muito mais sofisticado. O processo de escolha é mais flexível, mais combinações de produtos são possíveis e a lista final de produtos exibida em um banner é ainda mais personalizada. Essa abordagem permite que os retargeters implementem uma regra na qual não haja um único cenário de trabalho para um grupo de usuários. Esses algoritmos sempre se aprofundam no nível de um usuário individual e procuram as melhores ofertas ou a ordem em que as ofertas devem ser exibidas em banners para eles.
O processo de prever o comportamento futuro do cliente com base em uma série de variáveis (independentes e perturbadoras) é chamado de modelagem de propensão em estatística. O resultado de tal previsão nada mais é do que a probabilidade de conversão. Graças às possibilidades oferecidas pelo Deep Learning, o índice de propensão pode ser calculado de forma independente para cada cliente da loja em frações de segundos e, assim, oferecer recomendações sob medida.
Exibição de personalização em tempo real
Nenhum usuário vive no vácuo, então seus perfis comportamentais mudam o tempo todo. Um sistema de recomendação de Deep Learning em retargeting deve ser capaz de construir um perfil comportamental em tempo real, ajustando o que é apresentado no banner cada vez que um anúncio é exibido.
Alguns mecanismos baseados na tecnologia de IA mais antiga geralmente constroem e reconstroem os perfis comportamentais em intervalos de tempo fixos. Isso significa que muitos produtos exibidos são aqueles nos quais o usuário não está mais interessado. Decidir o que deve ser apresentado sempre que um banner é exibido permite que os algoritmos respondam e se ajustem de acordo com a reação de um determinado usuário às ofertas exibidas anteriormente. Como resultado, seu perfil comportamental é construído em tempo real e se baseia não apenas no que o usuário estava fazendo na loja, mas também em como ele respondeu à mensagem publicitária. Isso é muito difícil de conseguir, pois o prazo, desde o momento em que você obtém a informação sobre a possibilidade de exibição de um banner até sua exibição, é muito menor que um segundo.
Graças a algoritmos poderosos e análises constantes, os mecanismos de retargeting de Deep Learning são capazes de reconstruir os perfis comportamentais dos usuários em tempo real. Os dados da RTB House mostram que, após a implementação do Deep Learning nos mecanismos de recomendação, os usuários clicaram nos anúncios até 41% mais do que o normal. Tal crescimento é notado especialmente em setores como: e-shops de moda e multicategorias, onde as possibilidades de usar recomendações cruzadas são quase infinitas.
A publicidade de Deep Learning é um novo padrão
Quando a superestimulação dos anúncios reduz sua eficácia, os anunciantes e seus parceiros devem recorrer às principais tecnologias de IA para diferenciar seu marketing e tornar suas campanhas eficientes. O simples retargeting não é mais suficiente, e investir em soluções mais novas garante que as marcas sobrevivam à concorrência futura.
Claro, é extremamente importante o que o algoritmo decide apresentar ao usuário, mas deve-se notar aqui que o Deep Learning começa seu trabalho um pouco antes. Primeiro, o algoritmo considera todas as informações e dados disponíveis sobre o usuário e, com base nisso, tenta prever a probabilidade de que ele execute a ação desejada – por exemplo, clique ou conversão. Ou seja, antes de decidir qual banner e qual conteúdo apresentar ao usuário, a DL decide se realmente vale a pena tomar tais medidas. Considerando que 90% dos usuários consideram irritantes os anúncios não personalizados e, para 44%, é um motivo para mudar para marcas com melhor abordagem de comunicação de marketing, é extremamente importante direcionar mensagens publicitárias aos usuários apenas em casos justificados.
O Deep Learning está se tornando cada vez mais popular e muda muitos negócios diferentes, desde o automotivo, passando pelo entretenimento até o marketing. Graças ao Deep Learning, o setor de publicidade está obtendo mensagens bem adaptadas e personalizadas para os usuários, maior satisfação do usuário e campanhas ainda mais eficazes.
Assim, pode concluir-se que uma estratégia alinhada com a tecnologia de retargeting personalizado já não é apenas uma boa recomendação para empresas que pretendem aumentar as conversões, mas sim uma componente obrigatória de qualquer estratégia de marketing vencedora.