高效獲取優質應用程式用戶的捷徑:人工智慧

過去企業推廣應用程式的方式是以應用程式的下載和安裝次數作為衡量其成功與否的指標。隨著時代演進,如今企業對於顧客使用應用程式的行為已有更深入的了解,並理解要能與顧客進行持續的互動、提升顧客留存率,才是更有價值的判斷標準。

五分之一的使用者在單次造訪完應用程式後便棄置不用,然而,唯有消費者持續使用應用程式,才有機會觸發實質價值的應用程式內事件(in-app events),例如訂閱和購買,進而為企業帶來較高的投資報酬率和營收,以及降低顧客流失率。因此現代行銷人無不將注意力轉向增加優質使用者的獲取(user acquisition)數量,並且將資金投注在創造顧客終身價值的項目上。

然而要優化應用程式內事件必須始於應用程式安裝階段;其關鍵在於能否於使用者初次下載前,即可識別出哪些對象可能持續使用該程式所提供的服務,並藉此以合算的價格獲取並提升質與量兼具的下載與安裝。

增加使用者獲取量的前提是,行銷人要能透過資料點(data points)的分析來辨識消費者的行為趨勢,並從中發掘高黏著度的對象。然而,現代行銷人所需處理的資料量過於龐大,利用人工方式進行分析已不可行,因此相關人員目前皆轉向求助於人工智慧,希望能從中找出因應之道。

 

洞悉人工智慧解法1/2:從歷史資料中學習,優化日後的應用程式內事件  

人工智慧解決方案讓行銷人員得以更深入了解消費者行為,並且以全面性的觀點探究顧客終身價值。其作法是從廣泛的受眾群體中,利用資料數據將範圍限縮至優質、具有類似特性的對象。此過程必須透過研究歷史資料(如:廣告數據)、找出其中的模式(如:曾經多次在應用程式內完成購買),然後藉此預測某特定行銷活動是否能成功吸引合適的消費受眾,並進一步促成行銷人定義之轉換動作如:註冊或購買,等等。運用對的人工智慧工具可更精準地從歷史資料中學習,並將蒐集到的資訊用以辨識與鎖定最有可能對特定行銷訊息產生反應的對象。

舉例來說,透過深度學習(deep learning)方法的應用,Appier使用專有的多階段深度優化漏斗(funnel optimization)工具來提升行銷活動的成效。此工具讓系統從相似的活動和歷史資料中學習,藉此在行銷活動進行期間或甚至在其開始之前,有效預測可能的結果,以便降低成本、提升執行效率。即使流量來源並非源自於歷史資料,多階段深度優化漏斗也可執行預測,進行受眾抽樣(audience sampling)。若預測趨勢顯示關鍵績效指標難以達成,則該工具會視情況建議行銷活動是否應稍作調整或終止。

此外,該工具還可透過應用程式內的購買或註冊行為,來分析哪些使用者仍與該應用程式保持互動,然後藉由這些資料來持續優化行銷活動,以尋找和鎖定更多類似的使用者。而之所以鎖定這些對象,則是因為現有資料預測其較有可能進行應用程式內購買行為或其他事件。因此,多階段深度優化漏斗不但有助於提升優質的流量,還可以進一步促成優質的安裝行為,以及帶來更多高成效的應用程式內事件。

以下是多階段深度優化漏斗的實際運作案例:來自印尼的叫車服務供應商希望能在競爭的環境中,盡可能吸引更多的應用程式使用者,於是決定採用人工智慧解決方案,期待觸及最有可能預約叫車的受眾,從而優化單次獲取顧客的成本。該公司與Appier合作,運用多階段深度優化漏斗工具,透過分析點擊和安裝等初期使用者模式,進行預測及優化消費者轉換旅程中的未來事件(例如開啟、註冊和購買行為)。不僅如此,該工具也針對可疑流量進行廣告詐騙防堵,以確保行銷活動可達到更佳的廣告成效。最後成功地讓應用程式下載率成長119%、預約率提高63%,而顧客獲取成本則下降45%。

簡言之,使用人工智慧工具讓行銷人有效管理推廣應用程式安裝的廣告開支,並增加優質使用者數量。

 

洞悉人工智慧解法2/2:喚醒既有顧客並有效防堵廣告詐騙

一個完美的人工智慧解決方案還可針對現有的使用者群體 ,提升應用程式內事件行為的意願。其作法是透過使用者區隔及量身打造行銷活動,重新建立與「休眠狀態使用者」之間的連結。

此外,人工智慧工具可藉由偵測廣告詐騙行為,進一步優化應用程式的安裝成本。最近的一項全球性調查指出,在2018年第一季,透過數位行銷帶來的安裝量中,詐騙安裝佔了11.5%,並造成全球行銷人共計7至8億美元的損失。而人工智慧的機器學習能力可透過多階段的廣告詐騙偵測功能,檢測並防止可疑的安裝行為;其演算法能學習識別全新、不斷演變的詐欺模式,並制定新的規則來應對。

所有行銷人都知道,使用者下載或安裝應用程式並非行銷的最終目標,而只是開始。行銷人面臨的挑戰,在於如何深入了解及預測顧客旅程,以及如何引起顧客的興趣,使其願意從事具有實質價值的應用程式內事件。人工智慧能藉由增加優質使用者的獲取量,協助使用者管理應用程式安裝成本,從而減少往返測試的次數、降低每次安裝成本,並藉此提高營收。