Retina AI: Pazarlama Kampanyalarını Optimize Etmek ve Müşteri Yaşam Boyu Değeri (CLV) Oluşturmak için Tahmine Dayalı Yapay Zekayı Kullanma

Retina AI Persona Tahmini Müşteri Yaşam Boyu Değeri CLV

Pazarlamacılar için çevre hızla değişiyor. Apple ve Chrome'un gizlilik odaklı yeni iOS güncellemeleri, diğer değişikliklerin yanı sıra 2023'te üçüncü taraf çerezlerini ortadan kaldırırken, pazarlamacılar oyunlarını yeni düzenlemelere uyacak şekilde uyarlamak zorunda kalıyor. Büyük değişikliklerden biri, birinci taraf verilerinde bulunan artan değerdir. Markaların artık kampanyaları yönlendirmeye yardımcı olmak için katılım ve birinci taraf verilerine güvenmesi gerekiyor.

Müşteri Yaşam Boyu Değeri (CLV) nedir?

Müşteri Yaşam Boyu Değeri (CLV), herhangi bir müşterinin markanızla (geçmiş, şimdi ve gelecek) etkileşimde bulunduğu toplam süre boyunca bir işletmeye ne kadar değer (genellikle gelir veya kar marjı) getireceğini tahmin eden bir ölçümdür.

Bu değişimler, işletmelerin müşteri yaşam boyu değerini anlamalarını ve tahmin etmelerini stratejik bir zorunluluk haline getiriyor; bu da, markaları için tüketicilerin temel segmentlerini satın alma noktasından önce belirlemelerine ve rekabet etmek ve gelişmek için pazarlama stratejilerini optimize etmelerine yardımcı oluyor.

Bununla birlikte, tüm CLV modelleri eşit oluşturulmaz - çoğu, bunu bireysel düzeyden ziyade toplu olarak oluşturur, bu nedenle, gelecekteki CLV'yi doğru bir şekilde tahmin edemez. Retina'nın oluşturduğu bireysel düzeyde CLV ile müşteriler, en iyi müşterilerini diğerlerinden farklı kılan şeyin ne olduğunu ayırt edebilir ve bir sonraki müşteri edinme kampanyalarının karlılığını artırmak için bu bilgileri kullanabilir. Ayrıca Retina, müşterinin markayla olan geçmiş etkileşimlerine dayalı dinamik bir CLV tahmini sunarak müşterilerin özel teklifler, indirimler ve promosyonlarla hangi müşterileri hedeflemeleri gerektiğini bilmelerine olanak tanır.  

Retina AI nedir?

Retina AI, ilk işlemden önce müşteri yaşam boyu değerini tahmin etmek için yapay zeka kullanır.

retina yapay zekası büyüme pazarlamacılarının neredeyse gerçek zamanlı olarak bir kampanya veya kanal bütçesi optimizasyonu kararları vermelerini sağlayan yeni müşterilerin uzun vadeli MYK'larını tahmin eden tek üründür. Kullanılan Retina platformuna bir örnek, Facebook'taki kampanyaları ölçmek ve optimize etmek için gerçek zamanlı bir çözüm arayan Madison Reed ile yaptığımız çalışmadır. Oradaki ekip, merkezde bir A/B testi yapmayı seçti. CLV: CAC (müşteri edinme maliyetleri) oranı. 

Madison Reed Vaka Çalışması

Madison Reed, Facebook'ta bir test kampanyasıyla aşağıdaki hedeflere ulaşmayı amaçladı: Kampanya ROAS'ını ve CLV'yi neredeyse gerçek zamanlı olarak ölçün, bütçeleri daha kârlı kampanyalara yeniden tahsis edin ve hangi reklam öğesinin en yüksek CLV:CAC oranlarıyla sonuçlandığını anlayın.

Madison Reed, her iki segment için de aynı hedef kitleyi kullanarak bir A/B testi oluşturdu: Amerika Birleşik Devletleri'nde hiç Madison Reed müşterisi olmamış 25 yaş ve üstü kadınlar.

  • Kampanya A, her zamanki gibi iş kampanyasıydı.
  • Kampanya B, test segmenti olarak değiştirildi.

Müşteri yaşam boyu değeri kullanılarak, test segmenti satın almalar için olumlu, abonelikten çıkanlara karşı olumsuz olarak optimize edildi. Her iki segment de aynı reklam öğesini kullandı.

Madison Reed, testi Facebook'ta, kampanya ortasında herhangi bir değişiklik yapmadan 50 hafta boyunca 50/4'lik bir ayrımla gerçekleştirdi. CLV:CAC oranı anında %5 arttı, Facebook reklam yöneticisi içinde müşteri yaşam boyu değerini kullanarak kampanyayı optimize etmenin doğrudan bir sonucu olarak. Daha iyi bir CLV:CAC oranıyla birlikte, test kampanyası daha fazla gösterim, daha fazla web sitesi satın alma ve daha fazla abonelik kazandı ve sonuçta gelirin artmasını sağladı. Madison Reed, daha değerli uzun vadeli müşteriler edinirken, gösterim başına maliyet ve satın alma başına maliyetten tasarruf etti.

Bu tür sonuçlar, Retina kullanırken tipiktir. Ortalama olarak, Retina pazarlama verimliliğini %30 artırır, benzer kitlelerle artımlı MYY'yi %44 artırır ve Reklam Harcamalarından 8 kat Gelir elde eder (ROAS) tipik pazarlama yöntemleriyle karşılaştırıldığında satın alma kampanyalarında. Gerçek zamanlı ve ölçekte tahmin edilen müşteri değerine dayalı kişiselleştirme, nihayetinde pazarlama teknolojisinde oyunun kurallarını değiştiren bir unsurdur. Demografiden ziyade müşteri davranışına odaklanması, pazarlama kampanyalarını etkili ve tutarlı kazançlara dönüştürmek için verilerin benzersiz ve sezgisel bir şekilde kullanılmasını sağlar.

Retina AI aşağıdaki yetenekleri sunar

  • CLV Öncü Puanları – Retina, işletmelere kaliteli müşteri adaylarını belirlemek için tüm müşterileri puanlama araçları sağlar. Birçok işletme, hangi müşterilerin yaşamları boyunca en yüksek değeri sağlayacağından emin değil. Retina'nın tahminleri, tüm kampanyalarda temel ortalama reklam harcamalarından elde edilen getiriyi (ROAS) ölçmek ve sürekli olarak olası satışları puanlamak ve EBM'leri buna göre güncellemek için Retina'yı kullanarak, eCLV kullanılarak optimize edilmiş kampanyada çok daha yüksek bir ROAS oluşturur. Yapay zekanın bu stratejik kullanımı, işletmelere artık değer göstergesi olan müşterileri belirleme ve bunlara erişme araçları sağlar. Retina, müşteri puanlamasının ötesinde, sistemler arasında raporlama için bir müşteri veri platformu aracılığıyla verileri entegre edebilir ve bölümlere ayırabilir.
  • Kampanya Bütçe Optimizasyonu – Stratejik pazarlamacılar her zaman reklam harcamalarını optimize etmenin yollarını ararlar. Sorun şu ki, çoğu pazarlamacı, önceki kampanya performansını ölçmek ve gelecekteki bütçeleri buna göre ayarlamak için 90 güne kadar beklemek zorunda kalıyor. Retina Early CLV, yüksek değerli müşteriler ve potansiyel müşteriler için en yüksek EBM'lerini ayırarak, pazarlamacıların reklam harcamalarının nereye odaklanacağı konusunda akıllı seçimler yapmalarını sağlar. Bu, daha yüksek ROAS ve daha yüksek dönüşüm oranları sağlamak için daha yüksek değerli kampanyaların hedef EBM'lerini hızla optimize eder. 
  • Lookalike Kitleler – Retina Birçok şirketin çok düşük ROAS'ye sahip olduğunu fark ettik - genellikle 1 civarında veya 1'den az. ROAS'ı önemli ölçüde artırmanın bir yolu, değere dayalı benzer hedef kitleler oluşturmak ve bunlara karşılık gelen teklif üst sınırları belirlemektir. Bu şekilde işletmeler, müşterilerinin uzun vadede kendilerine getireceği değere göre reklam harcamalarını optimize edebilir. İşletmeler, Retina'nın müşteri yaşam boyu değerine dayalı benzer hedef kitleleriyle reklam harcamalarından elde ettikleri getiriyi üç katına çıkarabilir.
  • Değere Dayalı Teklif – Değere dayalı teklif verme, daha düşük değere sahip müşterilerin bile edinmeye değer olduğu fikrine dayanır - onları elde etmek için çok fazla harcamadığınız sürece. Bu varsayımla Retina, müşterilerin Google ve Facebook kampanyalarında değere dayalı teklif verme (VBB) uygulamasına yardımcı olur. Teklif sınırlarının belirlenmesi, yüksek LTV:CAC oranlarının sağlanmasına yardımcı olabilir ve müşterilere kampanya parametrelerini iş hedeflerine uyacak şekilde değiştirme konusunda daha fazla esneklik sağlar. Retina'nın sunduğu dinamik teklif üst sınırları sayesinde müşteriler, edinme maliyetlerini teklif üst sınırlarının %60'ının altında tutarak LTV:CAC oranlarını önemli ölçüde iyileştirdi.
  • Finansal ve Müşteri Sağlığı – Müşteri tabanınızın sağlığı ve değeri hakkında rapor verin. Quality of Customers Report™ (QoC), bir şirketin müşteri tabanının ayrıntılı bir analizini sağlar. QoC, ileriye dönük müşteri metriklerine odaklanır ve tekrar satın alma davranışıyla oluşturulan müşteri öz sermayesini hesaplar.

Daha Fazla Bilgi İçin Bir Çağrı Planlayın