Affidati al retargeting basato sul Machine Learning

Il modo classico e più diffuso di fare retargeting si basa sulla creazione di segmenti studiati ad hoc intercettati con dei micro-trigger: l’utente ha trascorso più di X minuti sul sito? Ha visualizzato più di Y pagine? Ha aggiunto al carrello? Sta visitando tramite mobile?

Tutte queste informazioni sono fondamentali e ci consentono di personalizzare i messaggi per le campagne di retargeting.

L’unico problema è che si finisce con tonnellate di segmenti che sono difficili da gestire e richiedono molto tempo per la loro lavorazione.

Le piattaforme con funzionalità di apprendimento automatico integrate (Machine Learning) rendono questo un problema ormai superato.

Uso del Machine Learning

L’apprendimento automatico è una tecnologia molto promettente.

I modi in cui le persone svolgono le proprie attività cambiano continuamente, da come trovare la caffetteria più vicina a come riordinare le foto di famiglia. 

I consumatori sono sempre più curiosi ed esigenti che mai, si aspettano di ottenere ciò che desiderano più velocemente possibile grazie anche all’avvento dei dispositivi mobili. Di conseguenza, si aspettano anche che gli annunci siano utili e personalizzati, ma tali caratteristiche non sono così facili da gestire e garantire, soprattutto su larga scala. 

Per questo, strumenti come il Machine Learning possono essere veramente utili e performanti, offrendo agli operatori di marketing grandi possibilità senza le difficoltà di dover gestire sistemi e dati veramente complessi.

Ad esempio, le metriche di Google basate sull’apprendimento automatico (vedi i report analytics sulla qualità di una sessione e sulla probabilità di conversione) danno accesso ad approfondimenti e segmenti di pubblico che puoi mettere immediatamente all’opera nelle tue campagne.

Machine Learning per il retargeting, perché?

Il pubblico che ha mostrato intenzioni esplicite, come ad esempio gli utenti che hanno aggiunto al carrello ma non hanno completato l’acquisto, costituiscono solo una piccola parte di traffico per il retargeting. È indispensabile trovare e identificare altri indicatori di intenzione per raggiungere un maggior numero di persone possibili pronte all’acquisto, con un CPA molto vicino al tuo pubblico con il miglior rendimento.

La domanda che dovremmo tutti porci sempre è: “Come trovo le persone che intendono acquistare ma non hanno mostrato esplicitamente l’intenzione?” È qui che il machine learning  gioca le sue carte migliori: alle macchine non dispiace gestire un sacco di variabili! Un computer può facilmente evidenziare, dopo un breve periodo di apprendimento, che, sul tuo sito Web, gli utenti che visitano tra le 20 e le 22 su un dispositivo mobile e visitano almeno 3 pagine per una singola sessione hanno maggiori probabilità di conversione rispetto ad altri.

Il processo di previsione del comportamento futuro basato su una varietà di variabili indicate è chiamato modello della propensione. Il risultato è un punteggio di propensione, che valuta l’effettiva probabilità di una conversione.

Va detto che tool differenti utilizzano modelli di propensione differenti. Il modo migliore per vedere se (e come) questi modelli funzionano davvero, è provarli.

Qualità della sessione Google (solo su piattaforme google)

L’anno scorso, Google, senza dare troppo nell’occhio, ha rilasciato due interessantissime funzioni aggiuntive di Google Analytics: la qualità della sessione e la probabilità di conversione, entrambe offrono ai marketers l’accesso all’analisi basata sull’apprendimento automatico e al retargeting.

Queste due metriche dividono il traffico in segmenti su un punteggio da 1 a 100 in base alla probabilità di conversione. 

Le funzionalità sono simili, Google offre la stessa spiegazione per entrambi, la qualità della sessione è in circolazione da un pò più di tempo. Nella mia esperienza, quest’ultima, offre risultati più coerenti, quindi andremo ad analizzare e ci concentreremo su di essa per il resto del post, ma dovresti provarle entrambe per vedere quella che funziona meglio per te.

Google utilizza l’apprendimento automatico per calcolare la qualità della sessione in base a svariati fattori che, purtroppo, non sono stati ancora divulgati.

L’unica cosa certa: il punteggio è correlato alla probabilità di acquisto.

Qualità della sessione Analytics
Qualità della sessione Analytics

Puoi esportare questi segmenti in Google Ads per campagne di remarketing. 

Andiamo a vedere un esempio di come il CPA è stato ridotto:

Campagne con sessione di qualità
Campagne con sessione di qualità

Nello screenshot qui sopra, puoi vedere i dati di riepilogo per una campagna che è durata quattro mesi. La sezione superiore mostra i risultati per le campagne con un pubblico basato sulla qualità della sessione. La tabella inferiore invece, include un riepilogo di tutte le altre campagne.

Possiamo facilmente constatare che nel corso dei quattro mesi, le campagne con un target basato sulla qualità della sessione hanno sovraperformato le altre campagne di retargeting, generando un ritorno sulla spesa pubblicitaria (ROAS) tre volte superiore e CPA inferiori del 65%.

Ma Google è pur sempre Google, è possibile utilizzare queste funzionalità solo a determinate condizioni specifiche:

Prerequisiti per avere Qualità della sessione/Probabilità di conversione

Per avere queste metriche/dimensioni disponibili, Analytics ha bisogno dei seguenti dati:

  • minimo 1000 transazioni e-commerce al mese e il monitoraggio e-commerce deve essere implementato;
  • Una volta raggiunta la soglia iniziale di 1000 transazioni e-commerce, Analytics ha bisogno di 30 giorni di dati per l’elaborazione.

Se non si soddisfano questi prerequisiti non potrai avere a disposizione queste metriche. Inoltre, puoi utilizzare i segmenti di Google solo sulle piattaforme di Google (ad esempio, Rete Display di Google, Youtube).

Cosa puoi  fare se non raggiungi i requisiti prestabiliti? 

Piattaforme di retargeting intelligenti

Di recente ho testato Fixel: parliamo di una piattaforma che segmenta il tuo pubblico in maniera molto simile alla qualità della sessione di Google. Fixel suddivide il pubblico in tre categorie: base, medio e alto. La piattaforma esclude, automaticamente in partenza, il pubblico di bassa qualità (simile al punteggio “1” di Google), quindi anche la categoria “base” è dannatamente efficace. 

Esistono anche altre piattaforme che svolgono la medesima funzione, come ad esempio Criteo e AdRoll.

Le principali differenze sono:

  1. L’algoritmo: come ciascuna di queste piattaforme segmenta gli utenti e determina la loro qualità;
  2. I prezzi: più funzionalità ha uno strumento più è oneroso. Ad esempio, Fixel ha un prezzo fisso basato sul traffico del sito Web, Criteo ha un modello CPA in cui si imposta un CPA target e “guadagnano” sul margine;
  3. Facilità di implementazione: alcuni strumenti richiedono un’impostazione più completa a 360° per definire i tipi di pagina e gli eventi clic. Altri sono più “plug and play”;
  4. Caratteristiche:  a differenza di Fixel e della metrica Qualità della sessione di Google, piattaforme come Criteo offrono altre funzioni, come ad esempio le funzionalità di retargeting dinamico multipiattaforma.

Alla ricerca dei canali più performanti grazie ai punteggi di qualità

La segmentazione del Machine Learning oltre ad essere utile per migliorare le conversioni, può essere utilizzata per scoprire quali canali portano il miglior traffico al tuo sito.

È possibile utilizzare il punteggio di qualità come indicatore che prevede il successo di ciascun canale e identifica il miglior pubblico.

Ecco come: parti creando un rapporto personalizzato in Google Analytics che divide il traffico in base alla fonte. Aggiungi poi “qualità sessione media” come metrica, confronta quindi i canali per vedere quale genera il traffico di maggiore qualità.

KPI canali
KPI canali

Nel rapporto qui sopra, confronta la ricerca a pagamento e quella display.

Notiamo facilmente che entrambe hanno un tasso di conversione e-commerce simile, ma la differenza è che la qualità della sessione media display è nettamente più alta rispetto alla ricerca, anche se la ricerca ha portato più transazioni.

Ma prestiamo attenzione alla colonna entrate: la display ha generato circa 30 volte le entrate della ricerca paid. Se stai ottimizzando esclusivamente il tasso di conversione, o qualsiasi altra singola metrica, potresti perdere di vista ciò che il calcolo più complesso dell’apprendimento automatico tiene conto.

Campagne di retargeting intelligenti vs. segmentazione comportamentale

La nostra agenzia ha testato strumenti di retargeting basati sull’apprendimento automatico su diversi clienti e le seguenti dichiarazioni si applicano ad almeno l’85% dei test:

  • Le piattaforme di retargeting generano CPA simili ai risultati di “aggiungi al carrello” 
  • Escludendo gli utenti con Sessione di qualità <2 o prendendo in considerazione la categoria “base” di Fixel, restringerai il pubblico di circa 60% e diminuirai il CPA di almeno il 30% fino ad un 60/70%.
  • Gli utenti che hanno un punteggio basso di qualità si convertono molto raramente.

Per effettuare un test per valutare l’efficacia dell’uso di un audience frutto del machine learning, devi semplicemente creare un test A / B / C del tuo pubblico con la seguente configurazione:

  1. Crea una campagna con come target l’audience creato dal machine learning andando ad escludere le persone che hanno mostrato intenzioni esplicite (ad esempio prodotti aggiunti al carrello)
Test A
  1. Crea un’altra campagna con i visitatori del sito come audience escludendo il pubblico del machine learning e il pubblico che ha mostrato intenzioni esplicite
Test B
  1. Crea una terza campagna indirizzata alle persone che hanno eseguito esclusivamente l’intenzione esplicita (ad esempio, aggiunta al carrello);
Test C

Facendo lavorare queste 3 campagne, con lo stesso budget, sarai poi in grado di confrontare i CPA di questi segmenti impostati.

Nel nostro esempio, il pubblico dell’apprendimento automatico è quasi efficiente quanto il pubblico “aggiungi al carrello” mentre il pubblico generico ha costi molto più elevati rispetto agli altri due segmenti.

Risultati Test A,B,C
Risultati Test A,B,C

Conclusioni

Il marketing è un terreno fertile per l’intelligenza artificiale e l’apprendimento automatico. Implementando una delle soluzioni fornite sopra, sarai già in grado di sfruttare tutti i vantaggi dell’intelligenza artificiale.

  • La qualità della sessione di Google ti aiuta a identificare il pubblico con un intento elevato anche quando le azioni sul sito degli utenti non lo rivelano;
  • Testare il pubblico del Machine Learning contro il tuo pubblico con intenti espliciti e il tuo pubblico generico serve per dimostrare il potenziale valore dell’apprendimento automatico per le tue campagne.

Vorresti mettere in pratica i nostri consigli ma non sai come fare? Contattaci e ti aiuteremo a migliorare le tue performance.

Related Posts