Machine learning in marketing: ’49 procent meer omzet Google Shopping’

Geen reacties
Tags: , , , , ,
Posted 17 Nov 2016 in nieuws

In de opkomst van machine learning schuilt een belangrijke belofte: de marketeer hoeft niet meer achter de feiten aan te lopen, de software bepaalt hoeveel een consument en dus de advertentiepositie waard is. Onder de noemer ‘Predictive Search’ heeft Criteo zulke technologie nu opgenomen in het advertentieproduct voor Google Shopping.

Begin 2017 wordt een beta-versie voor de Nederlandse markt verwacht. Na tests met de feedoptimalisatie in onze taal volgt in de loop van het jaar de definitieve introductie.

Nieuw is machine learning niet, vertelt Criteo’s Managing Director voor Noord-Europa, Piet-Hein Kerkhof. Het product voor display advertising werkte bijvoorbeeld al met een vergelijkbaar voorspellend algoritme. Door te kijken naar gebruikers en hun koopintentie voorspelt het systeem zo te waarde van een impressie. Kerkhof ziet een hoop veranderen voor retailers. Tekstadvertenties vertonen bijvoorbeeld geen groei meer, vertelt hij. ‘Shopping-advertenties wel, Google Shopping is al verantwoordelijk voor tweederde van de zoektraffic.’

Meer dan aansprekend label?

Het automatiseren van marketing klinkt als vanzelfsprekend. Maar is machine learning daarin niet vooral een aansprekend label? Volgens kenners staat het in feite nog in de kinderschoenen. Machine learning is een zeer welkom en juist nu al bruikbaar ingrediënt in de marketing, denkt Kerkhof. ‘Optimalisatie van Shopping-campagnes gebeurt namelijk in praktijk bijna altijd achteraf. Je doet al dan niet geautomatiseerd een bod op een klik, bekijkt het resultaat en past de campagne daar vervolgens op aan. Je loopt als marketeer dus altijd achter de feiten aan. Terwijl er in de marketing echt steeds beter is te voorspellen.’

Ja, er zijn weliswaar andere tools, maar die automatiseren met name deeltaken, zegt Kerkhof. Automatische optimalisatie van feeds of de bieding op advertentieposities, bijvoorbeeld. ‘Dit is een end-to-end-oplossing.’ Een totaalpakket met dus de machine learning aan boord. Het systeem belooft een voorspelling te doen van de waarde die de gebruiker heeft voor de adverteerder. ‘Wie is het die de Shopping-advertentie gaat zien, welk apparaat wordt gebruikt en welk gedrag heeft die persoon tot nu toe vertoond. Dit wordt gecombineerd met de productkarakteristieken: onder andere de prijs en het merk. Op basis daarvan kun je voor een marketeer goed voorspellen hoe groot de kans op conversie is.’

Door de machine learning-techniek te laten kijken naar historische data wordt het voorspellende algoritme als vanzelf slimmer. Om een voorbeeld te geven: voert een consument een zoekopdracht uit naar een zwart jurkje dan volgt bij veel retailers nu een automatisch bod van 25 cent op de positie in Google Shopping. Zijn er extra datapunten gekoppeld dan weet de software dat die persoon deze week al op de site van Wehkamp een jurkje van 200 euro aan haar winkelmandje heeft toegevoegd. De kans op conversie is dus groot en een goede advertentiepositie daardoor meer waard.

‘Machine learning nog veel potentie voor marketing’

Uit tests van Criteo zelf onder 30 Amerikaanse retailers blijkt er bij gelijkblijvende kosten 49 procent meer omzet te worden gegenereerd met de slimmere inkoop van advertenties. Natuurlijk is het beeld dat de zelflerende systemen nu hebben van de consument nog niet compleet. Er schuilt dus nog een hoop meer potentie in het gebruik van machine learning. ‘Er zijn natuurlijk andere aspecten die ook meespelen. Maar een paar jaar geleden voorspelden we kliks, nu is software al in staat te voorspellen hoe waarschijnlijk het is dat iemand iets gaat kopen, gecombineerd met productwaarde en de marge. De stappen worden groter.’

Een volgende belangrijke stap is om informatie uit meer diverse hoeken te benutten. ‘Door bijvoorbeeld het effect van traditionele offline advertenties beter meetbaar te maken. Wat is het verband tussen een online advertentie en het feit dat iemand daarna bij een kassa staat? Dat zou met beacons kunnen en met CRM-software en digitale bonnen. Als winkeliers overstappen op e-receipts en die per e-mail toesturen, is de koop te koppelen aan een campagne. Dat zorgt uiteindelijk voor relevantere uitingen.’

Wat zegt die verregaande slimme automatisering over de marketingafdeling? ‘Allereerst dat de analyse van data steeds belangrijker wordt. Het beroep van data scientists is al eerder de meest sexy job van deze eeuw genoemd. Bedrijfsprocessen worden hierdoor efficiënter, op de marketingafdeling is een andere set aan skills nodig. Marketeers zullen de logische connectie tussen machines en business moeten maken. Wat zijn de doelstellingen en waarop focus je om hieraan bij te dragen. Die basis en strategie blijven taken voor de mens.’



Lees het volledige bericht op Emerce »


Add Your Comment