Карен Клеменс Сёренсен — глобальный руководитель отдела поиска в Pandora, где она отвечает за разработку и реализацию глобальной стратегии поиска бренда. Она уделяет большое внимание преобразованию аналитических данных в практические действия для создания единых, высокоэффективных цифровых решений.
Что если бы вы могли знать будущую ценность клиента для вашей компании в тот самый момент, когда он совершает свою первую покупку?
В течение многих лет наша стратегия поисковой оптимизации в Pandora была эффективной, построенной на прочном фундаменте оптимизации рентабельности рекламных расходов (ROAS). Мы хорошо умели стимулировать продажи.
Однако наши модели маркетингового комплекса выявили важную закономерность: истинный прирост происходил не за счет повторных покупателей, которые часто возвращались по собственной воле. Он был обусловлен появлением новых клиентов.
Это поставило перед нами сложную задачу. Нам нужно было переключить внимание с простого привлечения транзакций на привлечение ценных клиентов. Вопрос заключался не только в том, как найти больше новых клиентов, но и в том, как найти нужных — тех, кто будет возвращаться снова и снова.
Будучи глобальным руководителем поискового направления в Pandora, я и моя команда, вместе с нашими партнерами из iProspect, понимали, что нам необходимо развиваться. Мы должны были выйти за рамки ставок на немедленную прибыль и начать делать ставки на будущую ценность.
Задача: перейти от фиксированных цен к приобретению на основе ценности
Особенность поисковой оптимизации заключается в том, что люди часто находятся очень близки к совершению покупки. Это означает, что значительная часть вашего рекламного бюджета может быть направлена на охват людей, которые и так совершили бы покупку. Направление этих инвестиций на людей, которые еще ничего не покупали, имеет большой коммерческий смысл.
Но не все новые клиенты одинаковы. Человек, купивший одно кольцо в качестве разового подарка, имеет совершенно иную долгосрочную ценность, чем тот, кто начинает собирать браслет с подвесками для любимого человека. Вероятность того, что новый клиент вернется к нам на каждый праздник и день рождения, чтобы пополнить свою коллекцию, значительно выше.
Нам был необходим динамичный способ различения потенциально ценного клиента и покупателя, совершившего разовую покупку, прямо в момент первого клика.
Нам нужно было предложить более высокую цену для будущего коллекционера и более низкую для дарителя.
Путешествие: выявление ключевых факторов, определяющих будущую ценность клиента
То, что начиналось как простая идея, быстро переросло в то, что мы ласково называли «чудовищным» проектом. Наша первоначальная гипотеза заключалась в том, что определенные характеристики продукта будут сильными предикторами высокой пожизненной ценности клиента (CLV) .
Мы углубились в наши исторические данные, проанализировав более 90 миллионов транзакций от 20 миллионов пользователей по всему миру. И результаты нас удивили.
«Хотя изначально мы предполагали, что основными факторами, определяющими ценность, будут демографические характеристики или конкретные типы товаров, данные показали совсем другое», — объясняет Николай Хьельмагер, директор по стратегии и инновациям компании iProspect. «На самом деле, наиболее значимым фактором, определяющим будущую ценность клиента, оказался объем и стоимость первой покупки».
Это открытие стало поворотным моментом. Нашей команде пришлось переосмыслить свой подход, и мы использовали фреймворк CrystalValue от Google для построения модели CLV. Вот здесь-то и начинаются технические подробности. CrystalValue — это алгоритм, разработанный специалистами по обработке данных Google, который использует искусственный интеллект Google Cloud Vertex , чтобы помочь рекламодателям прогнозировать пожизненную ценность клиента (pLTV).
Мы потратили значительное количество времени на корректировку переменных и тестирование различных временных интервалов — один год, два года, четыре года — чтобы определить, какой временной промежуток дает наиболее точные прогнозы.
Решение: Создание модели прогнозирования на основе искусственного интеллекта и ее интеграция в Google Ads.
Разработка прогностической модели — это одно, а сделать её применимой на практике в быстро меняющемся мире поисковой рекламы — совсем другое. Перед запуском мы проверили нашу модель ИИ на более чем 100 000 исторических данных о первых покупках, для которых мы уже знали реальную пожизненную ценность клиента (CLV) через два года.
«Мы посвятили себя интенсивному этапу «тестирования и обучения», постоянно корректируя переменные до тех пор, пока прогнозы нашей модели не совпали практически идеально с исторической реальностью», — продолжает Хьельмагер. «Достижение отклонения всего в 2,6% дало нам уверенность в переходе от теории к практическому применению».
Следующим шагом стала интеграция этого алгоритма в нашу стратегию назначения ставок. Мы использовали CrystalValue для передачи наших пользовательских прогнозов CLV непосредственно в экосистему Google в режиме реального времени. Благодаря настройке Floodlight в Search Ads 360 наш алгоритм назначения ставок наконец-то смог видеть не только непосредственный доход от нового клиента, но и его предполагаемые будущие расходы.
Представьте себе конфигурацию Floodlight как центральную нервную систему для отслеживания ваших результатов; она согласовывает данные о конверсиях таким образом, чтобы каждая часть вашей кампании оптимизировалась для достижения одних и тех же целей.
Это означало, что наши ставки могли автоматически и интеллектуально корректироваться. Когда модель определяла покупателя с признаками высокой будущей ценности, наша ставка увеличивалась. Когда она обнаруживала потенциального покупателя, совершающего разовую покупку, ставка уменьшалась.
Мы перестали просто реагировать на конверсии; мы стали активно инвестировать в долгосрочный рост.
Результаты: Рост выручки и привлечение более ценных клиентов.
Переход от краткосрочного к долгосрочному мышлению требует терпения, но наша новая стратегия торгов, основанная на показателе CLV (пожизненная ценность клиента), уже продемонстрировала свою эффективность.
В Соединенных Штатах, одном из наших крупнейших рынков, внедрение этой системы привело к увеличению общей выручки на 3,6%. Этого удалось достичь не за счет увеличения бюджета, а за счет более эффективной оптимизации существующих рекламных расходов.
В Германии мы зафиксировали увеличение числа новых клиентов на 1,32%. Хотя это скромная цифра, она представляет собой значительное качественное улучшение, поскольку теперь мы привлекаем большую долю клиентов с большим долгосрочным потенциалом.
Мы пока находимся на начальном этапе, поскольку истинная ценность этих клиентов раскроется в течение следующих нескольких лет. Но мы уже видим тесную корреляцию между нашей оценкой пожизненной ценности клиента (CLV) и фактическим покупательским поведением этих новых покупателей.
Любой компании, планирующей подобный проект, я бы посоветовала два момента. Во-первых, убедитесь, что ваши исторические данные чисты и доступны. Это основа всего, и для обеспечения качества и управления данными необходимы последовательные процессы .
Во-вторых, будьте готовы посвятить этому серьезное время и ресурсы. Нам повезло, что у нас была возможность экспериментировать и учиться, иногда прося прощения, а не разрешения.
Я считаю, что будущее перформанс-маркетинга заключается в переходе от краткосрочной эффективности к долгосрочному прогнозированию. Речь идёт не о привлечении как можно большего числа клиентов, а о привлечении нужных. И с помощью ИИ мы теперь можем делать это с высокой точностью.
