شیوه ای که مشتریان دوست دارند خرید کنند، نشان دهنده شخصیت و الگوهای خرید آن ها می باشد. بسیاری از مشتریان الگوهای خاصی برای خرید دارند. بسیاری از کالاها هستند که مشتریانی با رده های سنی خاص، بیشترین افرادی هستند که آن ها را می خرند.

تبلیغات پیش گویانه یا (Predictive Advertising)چیست؟

 بسیاری از مشتریان هستند که در زمان های خاص، کالاهای خاصی را می خرند . با تحلیل داده های مرتبط با مشتریان و الگوهای خرید آن ها، می توان به نتیجه های جالبی درباره احتمال این که در آینده هم این مشتریان این کالاها را بخرند، رسید.

 امروزه، تحلیل های داده های بزرگ (Big Data) و تکنیک یادگیری ماشینی (Machine Learning) به بازاریابان کمک می کند تا ذهن مشتریان را بخوانند! آن ها با بهره گیری از این تکنیک ها می توانند رفتار خریدار را پیش بینی کنند و می توانند تبلیغات را بر این اساس انجام دهند. به این روش تبلیغات، تبلیغات پیش گویانه (Predictive Advertising) گفته می شود. امروزه تجارت های زیادی رو به این نوع تبلیغات آورده اند تا بتوانند به شیوه ای موثر، دامنه کار خود را گسترش دهند و بتوانند هم میزان فروش را بالا ببرند و هم رده بندی سایت تجارت مورد نظر خودشان را ارتقا دهند.

 در حقیقت این تحلیل ها هستند که منجر به تبلیغات پیش گویانه می شوند. در تحلیل های پیش گویانه، بر روی داده هایی از قبیل داده های تاریخی تحلیل انجام می شود و برای انجام این تحلیل ها از روش هایی مانند روش یادگیری ماشینی (ML) و الگوریتم هایی که می توانند در این زمینه موثر داده های تاریخی مربوط به الگوهای قبلی خرید مشتریان را تحلیل کنند استفاده می شود. با توجه به ارزش و قدرتی که این نوع تبلیغات دارد، بسیاری از کمپانی ها و تجارت ها سعی می کنند از این روش تیلیغاتی استفاده کنند تا میزان خرید را افزایش دهند.

تبلیغات پیش گویا در دیجیتال مارکتینگ؟

ولی تبلیغات پیش گویانه دقیقا چطور می تواند به بازاریابان کمک کند که با دقت و سرعت به اهدافشان برسند؟ در زیر سعی شده است تا به این سوال پاسخ داده شود.

1- جست و جو برای مشتریانی با پارامترهای مشابه

همان طور که ذکر شد، به هنگام انجام تحلیل های پیش گویانه، داده های مرتبط با مشتریان و الگوهای قبلی خرید آن ها و همچنین اطلاعات شخصی آن ها مورد بررسی قرار می گیرند.

 ابزارهایی مانند Lookalike Audience گوگل و Similar Audience فیسبوک توسط تجارت ها مورد استفاده قرار می گیرند تا رفتار مشتریان را مورد بررسی قرار دهند و نیازهای مشتریان را بررسی کنند. 

برندهایی که از این ابزارها استفاده می کنند، می توانند با استفاده از آن ها اطلاعاتی را که متعلق به بازدیدکنندگان از سایتشان است را جمع آوری کنند. آن ها همچنین می توانند با استفاده از این ابزارها، آن دسته از افرادی را که ممکن است اطلاعاتی مشابه با اطلاعات این افراد بازدید کننده داشته باشند را هم شناسایی کنند و به این شیوه، تبلیغات را برای این افراد ارایه دهند. 

انجام این کار منجر می شود که این افراد به احتمال بیشتری علاقه مند به خرید شوند و بنابراین شانس خرید آن ها بیشتر می شود. پارامترهایی مانند مکان زندگی، محدوده سنی، علاقه ها و فعالیت های آنلاین فعلی مورد تحلیل قرار می گیرند و بر این اساس مشتریانی که دارای پارامترهای یکسان هستند انتخاب می شوند. 

به عنوان مثال در صورتی که افرادی که در یک محدوده سنی خاص هستند از یک کالا خرید کرده باشند، سعی می شود که تبلیغات مربوط به این کالا برای افرادی که آن ها هم در این محدوده سنی هستند فرستاده شود.

استفاده از مشتریان  با پارامترهای مشابه می تواند به تجارت ها کمک کند تا استراتژی های خودشان را گسترده تر کنند و مشتریانی را پیدا کنند که آن ها هم توانایی بالقوه مبدل شدن به مشتریان حقیقی و وفادار را دارند. از آن جایی که مشتریان با پارامترهای مشابه دارای خصوصیاتی هستند که با مشتریانی که خرید کرده اند یکسان می باشد، بنابراین می توان با اطمینان گفت که تجارت ها بودجه تبلیغتیشان را دور نمی ریزند.

 در حقیقت به جای این که این بودجه را صرف تبلیغات برای عموم مردم بکنند، این بودجه را برای طیف خاصی از افراد (مشتریانی با ویژگی های مشابه) می کنند که این کار از نظر اقتصادی هم برای تجارت بسیار به صرف خواهد بود.

2. تحویل کالاهای اتوماتیک و مرتبط

هوش مصنوعی (Artifical Intelligence)، این توانایی را دارد که رفتار خرید مشتریان را مورد بررسی قرار دهد و از داده های  مربوط به آن استفاده کند تا بتواند الگوهای خرید آینده را پیش بینی کند.

بازاریابان می توانند از مدل های خوشه ای استفاده کنند تا مشتریان خودشان را با استفاده از تکنیک هوش مصنوعی، خوشه بندی کنند و به هرکدام از این خوشه ها، بر اساس الگوهای مربوط، تبلیغات  مخصوص و نهایتا کالاها و خدمات مخصوص را تحویل دهند. از این رو، استفاده از هوش مصنوعی می تواند این امکان را برای تجارت ها فراهم کند که تبلیغات و کالاها و خدمات مربوط به هردسته از مشتریان را به خودشان تحویل دهند.  

این هم یکی دیگر از جنبه های استفاده از تبلیغات پیش گویانه است. آمازون (Amazon) از این تکنیک استفاده می کند تا تبلیغات مرتبط را به مشتریان مرتبط ارایه کند. این غول تجاری دنیا، سعی می کند تا از روش های جدیدی استفاده کند تا با استفاده از این روش ها مشتریان را به شیوه ای دقیق تر خوشه بندی کند. 

هرچقدر که دقت این خوشه بندی بیشتر باشد، احتمال موفقیت و درصد سودآوری بالاتر خواهد بود. سرویس های تبلیغاتی آمازون این قابلیت را دارند که تبلیغات را به مرتبط ترین مخاطبین ارایه کنند.

به عنوان مثال، آمازون با استفاده از کوکی ها و دیگر ابزارهای تکنیکی می تواند بگوید که چه کسی اخیرا یک بسته بیسکوییت خریده است و یا چه کسی هم اکنون در حالت خواندن پستی در وب سایت مرتبط با لوازم ورزشی با مارک "Nerd Fitness" است. بنابراین به عنوان مثال در مورد پایانی، برای این مشتری، تبلیغات مرتبط با وسایل ورزشی فرستاده می شود.

استفاده از روش تبلیغات پیش گویانه به بازاریابان این امکان را می دهد که بر اساس تاریخچه رفتار مشتریان در سایت ها، درباره آن ها اطلاعات زیادی کسب کنند. 

آن ها با استفاده از این روش می توانند تعیین کنند که چگونه مشتریانی چگونه کالاهایی خریده اند و این که چگونه کالاهایی را ترجیح می دهند. از این رو، تجارت ها می توانند با استفاده از این روش سیستم خصوصی سازی تبلیغات (Ad Personalization) را بر اساس آماری که از آن ها دارند اعمال کنند. این آمار شامل موقعیت جغرافیایی مشتریان، ID دستگاه آن ها، دامنه محل زندگیشان، تاریخچه خرید آن ها و علاقه های آن ها می شود.

کمپانی Target، اخیرا از این شیوه استفاده کرده است تا یک مدل پیش بینی کننده ایجاد کند که این امکان را برای بازاریابان فراهم کند که بفهمند که کدامیک از مشتریان حامله هستند و در آینده نزدیک نیاز به پوشک بچه و لوازم بچه خواهند داشت. آن ها با بررسی داده های قبلی به این نتیجه رسیده اند که آن دسته از مشتریانی که حامله هستند و زمان زایمانشان نزدیک است، تقریبا 25 فرآورده مختلف می خواهد. بنابراین با استفاده از این مدل، این کمپانی از طریق ایمیل و یا پست، تبلیغات مربوط به این 25 فرآورده را فرستاد.

3. بهینه سازی تبلیغات برای "میکرو-لحظه ها"(Micro-moment)

تبلیغات پیش گویانه این امکان را فراهم می کند که از داده های مربوط به یک زمان خاص استفاده کنند تا استراتژی اعمال تبلیغاتشان را به منظور ارایه تبلیغات مناسب در زمان مناسب، ارتقا دهند. بنابراین با استفاده از تبلیغات پیش گویانه می توان کاری کرد که بازاریابان بدانند که در یک دوره زمانی کوتاه، نیاز به چگونه تبلیغاتی دارند.

بر طبق تعریف گوگل، زمان میکرو (Mirco-moment) زمانی است که کاربران به یک دستگاه (مخصوصا یک گوشی هوشمند) هجوم می آورند تا درباره فرآورده ای اطلاعات بگیرند، آن را کشف کنند و یا آن را بخرند. این لحظه ها لحظه هایی هستند که پیش فرض هایی را که بازاریابان از آن استفاده می کنند را شکل می دهند. 

میکروزمان هایی که معمولا بازاریابان به دنبال آن هستند، شامل زمان های زیر است:

-          زمان های "می خواهم بدانم"

-          زمان های "می خواهم بروم"

-          زمان های "می خواهم انجام دهم"

-          زمان های "می خواهم بخرم"

تکنولوژی "بهینه سازی خلاقانه پویا" یا DCO (Dynamic Creative Optimization) بر اساس این اطلاعات، می تواند تبلیغات لحظه ای را ایجاد کند. البته اطلاعاتی مانند دسته بندی مشتریان، آب و هوا، ساعت روز و غیره نیز در ایجاد این تبلیغات بوسیله این تکنولوژی مورد استفاده قرار می گیرند. با استفاده از این داده ها، تکنولوژی بهینه سازی خلاقانه پویا می تواند تبلیغاتی ایجاد کند که دارای محتواهای شخصی برای کاربران می باشند. بنابراین یک فردی که در فلوریدا در پاییز یک تایر ماشین می خرد، تبلیغاتی را که مرتبط با تایرهای ماشین در زمستان و برف هستند را مشاهده نمی کند.

علاوه بر آن، داده های تاریخی مشتریان مرتبط با رفتار آنلاین آن ها و آمار دیگر را نیز می توان مورد استفاده قرار داد تا بررسی کرد که کدام بخش از این مشتریان علاقه مند به خرید از یک نوع فرآورده یا سرویس می باشند. بنابراین به طور کلی می توان گفت که با استفاده از تبلیغات پیش گویانه، این امکان وجود دارد که آن زمان های میکرو قبل از این که اتفاق بیفتند، مشخص شوند.

4. صرفه جویی در هزینه های تبلیغات

هر سال، میلیاردها دلار هزینه صرف تبلیغات برای افراد غیرمرتبط می شود و یا این که در زمان غیرمرتبط و نامناسب به مشتریان می رسد. بر طبق گزارشی که بوسیله یک مرکز آمار انجام گرفته بود، بازاریابان به طور متوسط 26 درصد از بوجه ای را که به کار بازاریابی اختصاص داده اند، به دلیل استفاده از سیاست های غلط بازاریابی، هدر می دهند و دور می ریزند.

بازاریابی پیش گویانه، با استفاده از تکنیک های جدید می تواند به بازاریابان کمک کند که ROI یا ناحیه مورد نظر (Region of Interest) را برای کمپین تبلیغاتی خودشان پیدا کنند. به این معنی که بدانند که چه زمانی و برای چه مشتریانی باید کار بازاریابی را انجام دهند. بنابراین با استفاده از بازاریابی پیش گویانه می توان کاری کرد که این میزان هزینه هنگفتی که سالیانه به دلیل مشخص نبودن زمان مناسب و افرا مناسب برای بازاریابی هدر می رفته است دیگ هدر نرود و از هدر رفتن آن جلوگیری شود.

تجارت ها با استفاده از پلفترم های اتوماتیی که گوگل در این زمینه در اختیارشان قرار داده است می توانند از داده هایی مانند میزان بازدید مشتریان و یا داده های دیگر استفاده کنند تا از زمان و مکان دقیقی که می توانند تبلیغات را انجام دهند آگاه شوند. استفاده از تکنیک هوش مصنوعی و یادگیری ماشینی هم می تواند در این راه کمک شایانی به آن ها بکند. از این رو، تبلیغات پیش گویانه می تواند به بازاریابان دیجیتال کمک کند تا میزان هزینه ای را که بر روی تبلیغات سرمایه گذاری کرده اند را هدر ندهند و با همان هزینه ای که برای این کار گذاشته اند، نتیجه های بهینه بگیرند.

مسیری که تبلیغات پیش گویانه پیش رو دارد...

امروزه برای تجارت های بزرگ، تبلیغات پیش گویانه دیگر یک امری لازم و ضروری به نظر می رسد. کمپانی ها و تجارت ها باید بتوانند از این تبلیغات پیش گویانه استفاده کنند تا به این شیوه بتوانند نتیجه های حقیقی و مفید را از کارشان بگیرند. بدون استفاده از این تکنیک، بسیاری از هزینه هایی که برای تبلیغات سرمایه گذاری شده اند هدر می روند و همچنین نتیجه لازم گرفته نمی شود. با توجه به مزایا، ارزش و مزیت های رقابتی که استفاده از این تکنیک دارد، امروزه تعداد فزاینده از این بازاریابان از این تکنیک استفاده می کنند تا میزان مرتبط بودن و بازدهی کیفیت تبلیغاتشان را افزایش دهند.

بنابراین مسلما استفاده از این تکنیک در آینده رواج بیشتری پیدا خواهند کرد و تجارت ها در آینده سعی خواهند کرد تا از تکنیک یادگیری ماشینی، مدل های آماری و داده های مرتبط با رفتار مشتریان استفاده کنند تا مشتریان مرتبط را شناسایی کرده و به شیوه ای موثر، بازاریابی را برای آن ها انجام دهند.