ASUS: Ottenere tassi di conversione record combinando dati di prima parte e machine learning

Sfida

Migliorare la strategia mediatica identificando i profili dei clienti

Considerando l'ingente volume di utenti giornalieri che visitano il sito di e-commerce di ASUS, la determinazione di una strategia mediatica online efficace in grado di distinguere gli utenti nelle diverse fasi dell'imbuto d'acquisto era tanto impegnativa quanto imperativa.

Approccio

Valutazione dei singoli utenti applicando l'apprendimento automatico ai dati di prima parte

La nostra soluzione di Machine Learning guidata dai dati consente di valutare i singoli utenti attraverso una serie di segnali completi, come la profondità della sessione, il tasso di coinvolgimento e la probabilità di conversione, che sarebbe stato molto complesso e dispendioso in termini di tempo realizzare attraverso il lavoro manuale.

L'implementazione di una strategia di comunicazione distintivamente dinamica e assertiva verso gli utenti ad alta probabilità di conversione è il fulcro di questa metodologia. Utilizzando i segnali digitali per identificare i clienti di alto valore nelle prime fasi del processo, i budget dei media possono dare priorità ai pubblici con il più alto potenziale di acquisto. Ad esempio, come mostrato nell'immagine sottostante, il visitatore n. 2 ha un'alta probabilità di concludere l'acquisto; di conseguenza, ASUS dovrebbe fissare prezzi d'offerta più alti e implementare una strategia di comunicazione più assertiva per questo utente.

‍

Risultati

Miglioramento del ROAS e pianificazione ottimizzata del budget

L'accuratezza dello scoring degli utenti aiuta ASUS a comprendere meglio i profili dei suoi visitatori di alto valore, a ottimizzare la pianificazione del budget concentrando più risorse sugli utenti di alto valore e, in definitiva, a migliorare il ROAS delle sue campagne media. ASUS ha riscontrato un enorme aumento delle prestazioni su tutti i canali media e il programma è attualmente in fase di implementazione su nuovi mercati.