Fermer

février 9, 2019

Comment activer les clients de grande valeur en tirant parti du traitement du langage naturel et de l'apprentissage automatique

Comment activer les clients de grande valeur en tirant parti du traitement du langage naturel et de l'apprentissage automatique


Par: Winnie Shen | Directeur des opérations de données, Zeta Global

Aller au-delà des données provenant de tiers

Chaque distributeur comprend la valeur des données provenant de tiers. C’est un fait que nous comprenons tous à quel point il est important que nos données soient stockées dans nos propres bases de données. Le défi survient lorsque nous devons dépasser les données existantes, enrichir ces publics et augmenter les ventes. Cela signifie avoir une vision réellement à 360 degrés de nos clients. De nombreux spécialistes du marketing opèrent aujourd'hui entre un paysage «probabiliste» et «déterministe», sans une vision complète complète de ce que sont réellement leurs clients. Notre objectif chez Zeta est d'utiliser les données de vos clients existants tout en exploitant nos signaux comportementaux déterministes pour identifier et activer les clients de grande valeur et réactiver les utilisateurs dormants, créant ainsi de nouvelles opportunités de croissance pour nos clients.

 Procédure d'activation de clients de grande valeur utilisant le langage naturel Traitement et apprentissage automatique

Le traitement du langage naturel est la clé pour nous aider à comprendre le contenu avec lequel les consommateurs s'engagent. Lorsque nous exploitons correctement la technologie d'intelligence artificielle pour examiner les signaux de comportement sur le Web ouvert, nous pouvons identifier des grappes d'individus, les plus pertinentes pour les marques de nos clients. Voici un exemple de ce que nous avons fait pour un de nos clients dans le secteur du vêtement.

Utiliser la PNL pour activer, réactiver et renforcer la notoriété de la marque

Notre client est un détaillant national de vêtements qui possède plusieurs filiales. Pour ce programme, nous travaillions avec les segments de clientèle suivants: bases pour tous; vêtements entièrement figurés; mode en avant pour les jeunes consommateurs; et vêtements pour femmes.

Les défis de ce client n'étaient pas sans rappeler ceux de nombreux autres détaillants ou, d'ailleurs, de tous les clients B2B ou B2C que nous avons aujourd'hui:

  • Pour activer et trouver de nouveaux utilisateurs (toutes marques confondues)
  • Pour réactiver utilisateurs dormants (pour deux marques)
  • Sensibilisation à la marque

Notre approche pour aider nos clients à faire face à ces défis incluait l'utilisation de leurs données propriétaires et la segmentation des clients en fonction des cas d'utilisation du partenaire. Nous avons divisé les clients de nos clients en utilisateurs actifs et non actifs pour segmenter les consommateurs que nous devions ré-engager. Dans le segment actif, nous avons encore différencié les gros consommateurs pour pouvoir identifier des signaux comportementaux uniques pour le groupe des gros consommateurs et trouver de nouveaux clients similaires sur notre réseau, que nous pourrions contacter au nom de notre client.

 Comment activer les clients de grande valeur en tirant parti du traitement automatique du langage naturel et de l'apprentissage automatique

À l'aide de notre méthodologie Data Cloud, nous avons développé des connaissances approfondies concernant les clients de nos clients et fourni des solutions concrètes adaptées aux défis auxquels notre détaillant était confronté.

Le nuage de données de Zeta est puissant en raison de 3 piliers clés:

  • Identité : Le cœur de notre base de données est l'identité et les utilisateurs avec autorisation avec lesquels nous détenons les droits de commercialisation. Nous résolvons définitivement les identités par courrier électronique, un identifiant persistant et plus efficace que les cookies dont la durée de conservation est courte et qui peuvent exister sur plusieurs appareils.
  • Signaux comportementaux : Nous "écoutons" comprendre les signaux comportementaux sur le Web ouvert et comprendre ces signaux pour dégager une intention et créer un public autour de ces signaux
  • Connectivité : Nous relions les points en mappant les signaux sur des individus réels et en activant des audiences sur des canaux numériques [19659013] Chez Zeta, nous surveillons plus de 2,5 millions de visiteurs uniques par mois, ce qui se traduit par 18 milliards de signaux de consommation de contenu sur une base mensuelle. Nous utilisons ces informations et tirons parti de la PNL pour traduire ces signaux en groupes d’audience.

    Qu’est-ce qu’un signal client?

    Parlons un peu de l’importance des signaux et de ce qu’ils sont exactement. Les signaux dépendent du contenu, du sujet, de la fréquence et de la récence. Nous utilisons la PNL pour nous aider à comprendre le contenu lui-même. Par exemple, nous pouvons passer en revue les sujets d'un site Web de blogs qui expliquent comment créer des looks de maternité chics sans utiliser de vêtements de maternité. Certains des mots-clés que nous pourrions inclure pourraient être des choses comme accessoirisation, vêtements mignons, vêtements abordables. Une fois que nous avons identifié les mots clés et les concepts des blogs de style de vie, nous les avons traduits en taxonomies d’audience.

    Chaque groupe est dérivé de plusieurs mots clés à des niveaux de confiance différents. Par exemple, les chemisiers en soie sont associés aux vêtements pour femmes à un niveau de confiance supérieur à celui du nettoyage à sec, ce qui est un terme plus général et désigne des vêtements pour femmes à un niveau de confiance inférieur. Nous évaluons ensuite les consommateurs en fonction de leur consommation de contenu, de leur fréquence et de leur périodicité par rapport à ces publics.

    Il convient de noter deux choses à propos des taxonomies de nos publics. Tout d’abord, ils sont personnalisés et se développent là où nous construisons continuellement de nouveaux publics en fonction des besoins de nos clients. Deuxièmement, ils sont fluides lorsque les consommateurs entrent et sortent du public en temps réel. Comme histoire anecdotique pour donner vie à ces points, nous avons créé une taxonomie du vendredi noir basée sur la demande des clients. Une fois mis au point, nous avons constaté une augmentation de 12%, jour après jour, du nombre de consommateurs entrant dans le public la semaine précédant le Black Friday, illustrant ainsi la valeur des signaux en temps réel sur notre réseau.

    surtout, des données comportementales pour vraiment comprendre l’individu unique. Chaque point de données fournit à lui seul un contexte autour d'un client, mais c'est la combinaison de ces signaux qui nous fournit des informations sur des individus que nous pouvons activer en temps réel.

    Dans le cas de notre client de vêtements, nous avons analysé 27,4 millions de clients de quatre marques différentes. Nous avons constaté que 37% de ces clients n'étaient pas connectés numériquement, ce qui signifie que notre client n'avait aucun moyen de communiquer avec ces consommateurs par le biais de canaux numériques. Nous avons été en mesure de faire correspondre 14% des utilisateurs déconnectés numériquement à notre univers basé sur les autorisations où nous avons les droits de commercialiser pour ces clients.

    Nous avons ensuite comparé leur base de données à notre réseau et constaté que 47% des clients du client étaient actifs. dans notre réseau. Nous avons procédé à une analyse approfondie des segments actif / inactif et élevé / faible pour développer des informations moins intuitives que d'autres. Par exemple, nous avons constaté que les services de déménagement et de téléphonie et d’Internet étaient mieux indexés pour les produits de base de toutes les marques, ce qui signifiait que ces clients étaient probablement de nouveaux déménageurs. Si les consommateurs ont récemment déménagé, ils auront peut-être purgé une grande partie de leurs vêtements et chercheront à se rafraîchir. La deuxième découverte intéressante concernait les voyageurs fréquents. Nous avons vu des clients intéressés par les croisières et les vacances mieux indexés. Lorsqu'elles pensent à des vacances, les consommateurs recherchent souvent de nouveaux vêtements lors de leurs voyages, en particulier lorsqu'ils passent de régions froides à chaudes et vice-versa.

    Nous avons trouvé des informations intéressantes pour chaque marque:

    • Notre groupe de vêtements pour femmes à la mode étaient des acheteurs fréquents, de nouvelles mamans avec des types de corps changeants.
    • Le groupe de vêtements pour femmes était composé de: Les acheteurs de HOH qui étaient soucieux des prix, cherchaient une bonne affaire et une qualité élevée.

    Acquisitions, réactivation et parcours client en temps réel

    Chez Zeta, nous fournissons des signaux comportementaux aux clients du marché pour des produits et services spécifiques et pouvons superposer les informations comportementales aux données démographiques des utilisateurs. actif au sein de notre réseau. Nous pouvons identifier les consommateurs qui recherchent des offres de vêtements pour femmes, qui s’intéressent aux produits de mode ou qui exercent une influence sur les médias sociaux. Toutes ces données riches nous offrent des opportunités d'acquisition pour nos clients.

    Mais qu'en est-il de la réactivation? Le deuxième défi client concernait la réactivation. Nous avons examiné les clients dormants tels que définis par le client – 5,8 millions de clients. Parmi les utilisateurs inactifs, 30% étaient actifs sur notre réseau au cours des 30 derniers jours, ce qui signifie que les consommateurs étaient toujours actifs sur le Web ouvert, mais pas avec notre client. Nous avons ensuite pris ce segment d'utilisateurs et effectué la même analyse comportementale pour obtenir des informations qui nous permettraient de réactiver ces anciens clients.

    Nous concrétisons toutes les informations enrichissantes que nous avons développées au cours du parcours de l'expérience client, en fonction du client spécifique. cas d'utilisation: acquisition et réactivation. Nous surveillons les signaux comportementaux en temps réel, identifions les audiences à activer en fonction de nos connaissances et les mobilisons via une approche multicanal avec messagerie 1: 1. Enfin, nous avons mis en place une boucle de rétroaction continue afin d’optimiser et d’affiner notre solution pour nos clients.

    Si vous souhaitez dépasser vos données propriétaires, comme ce client, parlons-en! Êtes-vous intéressé par la façon dont vous pouvez identifier les grappes d'audience à activer en temps réel et surveiller les signaux de comportement à l'aide de la PNL? Rendez-nous visite sur zetaglobal.com pour en savoir plus.



Source link