Onko sinulle koskaan tullut mieleen, että voisit heittää rahaa vähän sinne sun tänne ilman mainonnan kohdistamista sosiaalisessa mediassa? Tuskin, mutta anna minun selittää miksi näin jopa kannattaa tehdä.
Muutama vuosi sitten esitin tämän ehdotuksen asiakkaan toimitusjohtajalle. Miksi ihmeessä tekisin niin? Taustalla oli useita vuosia pyörinyt mainostili Metan alustalla, joka tarkoitti valtavaa määrää dataa kerättynä Metan pikselillä/konversio-API:lla. Tämä mahdollisti meille Metan koneoppimisen täyden hyödyn. Koneoppiminen kuitenkin toimii erittäin vahvasti luottaen aiempaan kerättyyn dataan. Metan koneoppiminen on siitä metka työkalu, että se saattaa olla fiksumpi kuin mainostiliä pyörittävä ihminen. Tämä vuosia kerätty data ohjaakin koneoppimista näyttämään mainosta juuri oikeille ihmisille.
Mitä tapahtui?
Oletimme asiakkaan kanssa, että asiakkaamme ovat eläkeikäisiä naisia. Ihan validi olettamus koska tämä ryhmä on aina ollut paras ja eniten tuottava segmentti. Ongelma piileekin siinä, että mainontaa oli kohdistettu vain heille. Kaikki muut segmentit oli unohdettu täysin matkasta. Aloitimme kokeilun jossa kohdistimme mainontaa koko maahan, kaikenikäisille ihmisille ilman minkäänlaista käyttäytymiskohdistusta. Saimme mainontaa kohdistamatta täysin uuden ykkössegmentin, nuoret aikuiset. Huomasimme hankintakohtaisen hinnan ja oston arvon olevan erottuva tekijä tässä kohderyhmässä, kun analysoimme tuloksia.
Mitä seuraavaksi?
Emme edelleenkään kohdista mainontaa, ja tulokset puhuvat puolestaan. Kuulostaa melko helpolta, vai mitä? Mutta tästä toiminnasta ei ole mitään hyötyä, ellei saatua dataa analysoida perusteellisesti ja suunnitella tulevia toimenpiteitä tulosten perusteella.
Lähdimme kehittämään verkkokauppaa ja mainontaa sekä sen sisältöä tukemaan tätä ryhmää yhä vahvemmin. Lopputuloksena on viimeisen kahden vuoden aikana, molempina vuosina 100% kasvu verkkokaupan myynnissä.
Mikä Metan koneoppiminen?
Metan koneoppiminen on markkinointia muuttanut teknologia, joka vaikuttaa isosti erityisesti mainonnan maailmassa. Koneoppimisessa käytetään erilaisia algoritmeja ja menetelmiä, jotta tekoäly pystyy itsenäisesti oppimaan tekemään tehokkaita ja tarkkoja päätelmiä.
Koneoppiminen (tai eng. machine learning, ML) on yksi tekoälyyn liittyvistä alaryhmistä, jonka avulla järjestelmä voi itsenäisesti oppia ja kehittää itseään tekemään päätöksiä ja ennusteita sille syötetystä tai sen keräämästä datasta. Koneoppimismallille syötetään suuria määriä dataa, jonka analysoimiseen se hyödyntää neuroverkkoja ja syväoppimista ilman erillistä ohjelmointia.
Metan alustojen koneoppiminen ja seuraamiseen liittyvät haasteet ovat isoimpia osia mainontaa, joten koneoppimisen valjastaminen oikein tavoittein on elintärkeää. Pikselin oikein määrittäminen, tavoitteiden priorisointi sekä toimialueiden vahvistus ovat avainasemassa tehokkaan mainonnan tekemisessä.
Älä siis pelkää tekoälyä ja koneoppimista, vaan mukaudu ja anna sille työkalut onnistua. Näin onnistut myös itse!
Mikael Lahtinen - Markkinoinnin keittiömestari 