随着消费者对更加个性化、相关的和辅助性体验的期望越来越高，“机器学习”正成为满足这些需求的宝贵工具。它帮助营销人员进行更智能的客户细分，提供更多相关的创意活动，并更有效地衡量绩效。事实上，85%的高管认为人工智能将协助他们的公司获得或保持竞争优势。

机器学习如何赋能营销

深入了解机器学习的关键优势和机遇

机器学习能从很多方面帮助你的业务。探索下面的营销应用程序，可以让你了解哪些产品能帮助你改进营销活动，并了解品牌如何使用机器学习来加大营销力度。

1、受众发现

识别最具价值的客户

2、机器学习如何帮助你吸引合适的app用户

假设你正在推广你的app，你的主要目标是获取长期的付费用户。但你会发现，用户在初次下载后并不会打开app。你并不是第一个遇到这个问题的人。事实上，只有37%的应用程序在被安装7天后仍在被使用。那么如何才能找到合适的受众呢？

如果你用单一的来源来识别你的受众，你可能会错过合适的受众。机器学习可以对来源进行分类和分析，帮助你了解哪些用户对于你的app最有价值，并通过针对最有可能下载和使用你的app的用户展示广告，帮助你最大限度地节省预算。这就是谷歌的“一站式APP推广服务”的运作原理——帮助营销人员有效地扩大影响力。

举例：通用汽车的按需租车app–Maven于2016年推出。企业遇到的最大挑战之一是识别和联系合适的用户。Maven的营销团队很快意识到下载量是不够的，他们需要能够持续使用其服务的高价值用户。

“它为我们做了所有的艰苦工作。通过机器学习，它一直在优化，这样我们就可以集中时间和精力来寻找其他可以帮助我们继续与用户保持联系的方法。”

–克里斯汀 亚历山大，市场经理，Maven

为了发现和吸引高价值的客户，Maven的营销团队将机器学习与一站式app推广服务整合到了他们的营销策略中。结果，Maven增加了51%的注册量，同时降低了74%的每次注册成本，从而将新的可用资源用于更具战略性的计划。

3、创新

机器学习在帮助营销人员升级创意

如今的消费者希望品牌能提供辅助性的、高度相关的体验，广告也一样。事实上，一则广告是否与自身相关对用户的购买决定有着巨大的影响。我们的研究显示，91%的智能手机用户在看到一则他们认为与自身相关的广告后会购买或计划购买某种产品。

如果你觉得为每一个潜在客户制作个性化的广告是一个巨大的挑战，请不要担心。机器学习正在帮助营销人员向客户提供独特和定制的创意。自适应搜索广告会混合并匹配多个标题和描述，以找到适合用户的最佳组合，从而简化广告创作过程，并制造更强的广告效果。

4、品牌聚光灯

当领先的在线房屋和公寓租赁网站Apartments.com想要不断为增长的受众优化创意时，它向谷歌的自适应搜索广告寻求了帮助。

平均而言，使用谷歌的机器学习来测试多个广告创意活动的广告客户的点击率可增加15%。

谷歌数据，2018年3月

通过使用自适应搜索广告，该品牌在用户租房过程中的关键时刻为用户创建了更为相关的广告。这项策略非常成功：Apartments.com点击率提高了10%。另一个品牌公寓网站Apartments.com也利用类似的策略使点击率提高了16%。

5、优化

在关键时刻寻找合适的客户

机器学习带来了合适的竞价策略

随着人们搜索的频率越来越高，搜索的特异性也越来越高。对于营销人员来说，这意味着在搜索投标中合适的出价比以往任何时候都重要。但这也意味着，合适的出价比以往更加困难，因为不断增长的数据增加了营销人员根据每个用户的内容设定出价的难度。

幸运的是，有一些产品可以帮助你自动执行此过程——“智能竞价”使用机器学习来分析数以百万计的信号并进行实时调整。你选择的战略是为了实现公司的特定目标。因此“智能竞价”会充分考虑各种有关每次搜索的目的和情境的信号。

当Nissan的合作伙伴机构OMD想提高Nissan网站的访问量时，他们求助了谷歌的自动竞价产品。OMD将这些自动竞价算法与他们自己的自定义设置（如策划的人员配置列表和私人交易）结合使用，并制定了一种可以覆盖关键客户群的策略。

“这些算法是OMD分析员的扩展。它们会细致地分析广告活动的效果，以确保优化更准确，并根据我们的参数更快地得出结果。”

–Alex Kraft 管理合伙人 Omnicom媒体集团

这一举措的结果是，OMD实时优化了Nissan的广告，控制了广告的显示位置，并吸引了更多有价值的客户。该机构将转化率提高了67%，同时将每次访问成本降低了33%，以及将点击成本降低了14%。Nissan在自动竞价方面取得了巨大的成功，所以该品牌现在的许多活动都采用了这种策略。

6、评估

解锁客户购买过程中每一步的真实价值

数据驱动的评估策略如何帮助你识别客户意图

比如说，一个用户在你的网站上进行购买之前，决定进行更多的搜索，或者在不同的平台或设备上点击你的广告。通常情况下，客户点击的最后一个广告会实现转化。但是你怎么能确定最后一次点击是最有价值的呢？如今，消费者正通过越来越多的屏幕和渠道与品牌进行互动，因此很难确定你的营销策略中哪些部分能起作用。

数据驱动的归因模型使用机器学习算法来分析搜索广告的点击率。通过比较购买产品的消费者和没有购买产品的消费者的点击路径，机器学习算法可以识别促成转化的点击模式，并确定消费者购物之旅中最有价值的接触点。

举例：人们花了数周甚至数月的时间在网上进行研究，计划购物之旅的每一个细节，在此过程中会发生数百次互动。为了确定这些消费者接触点中的哪一个真正推动了长期增长，度假房屋租赁的数字平台HomeAway知道它必须转向数据驱动的评估策略。

“自动化有一点可以真正帮助我们，那就是识别谁看了我们的广告。我们不仅能通过自动化更好地找到正确的客户，而且也可以做到不把钱花在错误的客户身上。”

–戴维德 贝克赫姆，HomeAway市场增长高级副总裁

HomeAway密切关注消费者的行为信号，并确定哪些行为与转化相关。该公司之前的策略只评估了最后一次点击和同设备转化。数据驱动的归因模型有助于HomeAway的营销团队更好地理解推动长期增长的意图、互动和信号。

 

翻译|艾心

审核|刘绍思

编辑|sunshine