8 exemples d’apprentissage automatique de marque pour inspirer les spécialistes du marketing numérique


Le machine learning fait fureur, mais à quoi ressemble-t-il concrètement, dans le cadre d’une stratégie de marketing digital ?

Vous avez trouvé une stratégie d’apprentissage automatique si vous avez utilisé un site Web qui recommande des produits en fonction des achats précédents.

L’apprentissage automatique est une facette de l’intelligence artificielle (IA) qui utilise des algorithmes pour effectuer des tâches spécifiques, telles que des recommandations de produits.

Il peut accomplir une multitude de fonctions pour les spécialistes du marketing numérique, notamment :

L’apprentissage automatique fait partie du marketing numérique depuis des années.

En fait, vous utilisez l’apprentissage automatique chaque fois que vous utilisez des moteurs de recherche.

Bien qu’il s’agisse encore d’une nouvelle stratégie pour la plupart, de nombreuses entreprises ont commencé à mettre en œuvre cette technologie dans leurs campagnes marketing.

Vous trouverez ci-dessous huit exemples d’apprentissage automatique dans le marketing numérique.

1. poursuite

En 2019, le géant bancaire Chase Bank s’est associé à Persado pour aider à créer une copie marketing pour leurs campagnes.

Ils ont mis au défi la société d’IA de générer une copie qui générerait plus de clics, ce qu’ils ont fait.

Voici des exemples de copie générée par l’apprentissage automatique :

copie humaine: “Allez sans papier et gagnez 5 $ de remise en argent.”

copie générée par la machine: “Offre à durée limitée : nous vous récompenserons avec un rabais de 5 $ lorsque vous passerez au sans papier.”

Résultats: La copie AI a généré presque deux fois plus de clics.

copie humaine: “Accéder aux liquidités de la valeur nette de votre maison” avec le bouton “Jeter un coup d’œil”.

copie générée par la machine: “C’est vrai : vous pouvez débloquer de l’argent sur la valeur nette de votre maison” avec un rapide “Cliquez pour postuler”.

Résultats: La copie AI attirait 47 candidats par semaine, tandis que la copie humaine attirait 25 candidats par semaine.

copie humaine: “Hurry Ends Dec 31st Gagnez 5 % de remise en argent dans les grands magasins, les clubs de vente en gros.”

copie générée par la machine: “Concernant votre carte : 5% de cash back vous attend”

Résultats: La copie AI a généré près de cinq fois plus de clics uniques.

Bien que la copie générée par la machine ait peut-être mieux fonctionné avec les clients, il est important de se rappeler qu’elle a fonctionné avec des rédacteurs humains qui vous ont donné des idées.

Ensemble, les rédacteurs humains et l’apprentissage automatique peuvent créer et optimiser une copie qui résonne.

2. Starbucks

Avec des magasins dans le monde entier, Starbucks collecte de nombreuses données.

Starbucks peut accéder aux informations d’achat et convertir ces informations en supports marketing avec la carte de fidélité Starbucks et l’application mobile. Cette stratégie s’appelle l’analyse prédictive.

Par exemple, l’apprentissage automatique collecte les boissons que chaque client achète, où il les achète et quand il les achète, et les compare à des données externes, telles que la météo et les promotions, pour proposer des publicités ultra personnalisées aux clients.

Un exemple consiste à identifier le client via le système de point de vente Starbucks et à fournir au barista sa commande préférée.

L’application peut également suggérer de nouveaux produits en fonction des achats précédents (qui peuvent changer en fonction des conditions météorologiques ou des vacances).

L’apprentissage automatique peut éliminer les conjectures des recommandations de produits.

Les géants de la vente au détail comme Starbucks ont des millions de clients, mais ils peuvent donner à chacun l’impression de recevoir des recommandations personnalisées, car ils peuvent parcourir les données rapidement et efficacement.

3. eBay

eBay compte des millions d’abonnés par e-mail. Chaque e-mail avait besoin de lignes d’objet convaincantes qui inciteraient le client à cliquer.

Cependant, fournir plus de 100 millions de lignes d’objet accrocheuses s’est avéré écrasant pour les écrivains humains.

Entrez dans l’apprentissage automatique.

eBay s’est associé à Phrasee pour aider à générer des lignes d’objet convaincantes qui ne déclencheront pas de filtres anti-spam. De plus, la copie générée par la machine était alignée sur la voix de la marque eBay.

Leurs résultats montrent le succès:

  • Augmentation de 15,8 % des taux d’ouverture.
  • Augmentation de 31,2 % du nombre moyen de clics.
  • Plus de 700 000 ouvertures supplémentaires par campagne.
  • Plus de 56 000 clics supplémentaires par campagne.

L’apprentissage automatique peut prendre les tâches les plus ardues et les terminer en quelques minutes à grande échelle.

En conséquence, les entreprises peuvent se concentrer davantage sur des campagnes générales que sur des micro-tâches.

4. Panneau de porte

Doordash gère des milliers de campagnes marketing via ses canaux marketing.

Votre équipe met à jour manuellement les enchères en fonction des performances des annonces.

Cependant, l’équipe a constaté que cette tâche prenait du temps et était écrasante.

Doordash s’est donc tourné vers l’apprentissage automatique pour optimiser ses dépenses marketing.

Création d’une plateforme de marketing automation basée sur les données d’attribution.

Ces données indiquent à l’entreprise sur quel canal le client s’est converti et avec quelle campagne.

Cependant, il peut être difficile de collecter rapidement ce type de données avec des milliers de campagnes en cours d’exécution en même temps.

L’apprentissage automatique aide à s’attaquer à cette tâche en collectant ces données et en créant des recommandations de dépenses afin qu’ils puissent optimiser rapidement et efficacement leur budget.

5.Autodesk

Autodesk a vu le besoin de chatbots plus sophistiqués.

Les consommateurs sont souvent frustrés par les limites des chatbots et préfèrent donc parler à un humain.

Cependant, les chatbots peuvent aider à guider efficacement les clients vers la page de contenu, de fournisseur ou de service dont ils ont besoin.

Autodesk s’est donc tourné vers l’apprentissage automatique et l’IA.

Le chatbot d’Autodesk utilise l’apprentissage automatique pour créer des boîtes de dialogue basées sur les mots-clés des moteurs de recherche.

Le chatbot peut alors se connecter avec le client à l’autre bout, permettant des taux de conversion plus rapides.

Depuis la mise en place de son chatbot, Autodesk a triplé l’engagement du chat et augmenté le temps passé sur la page de 109 %.

6. Baïdu

En 2017, Baidu, le moteur de recherche chinois, a créé un système appelé Deep Voice qui utilise l’apprentissage automatique pour convertir le texte en parole. Ce système peut apprendre 2 500 voix avec une demi-heure de données chacune.

Baidu explique que Deep Voice peut conduire à des expériences plus immersives dans les jeux vidéo et les livres audio.

L’objectif de Baidu avec Deep Voice est d’apprendre aux machines à parler plus humainement en imitant des milliers de voix humaines.

Bientôt, le moteur de recherche s’attend à ce que le système maîtrise 10 000 voix ou plus avec des accents différents.

Une fois perfectionné, Deep Voice pourrait améliorer les choses que nous utilisons tous les jours, comme :

  • Siri.
  • Alexa.
  • Assistant Google.
  • Traduction en temps réel.
  • sécurité biométrique.

Cela peut même aider les personnes qui ont perdu la voix à communiquer à nouveau.

Bien qu’il n’y ait pas eu de mises à jour récentes, Baidu espère que Deep Voice révolutionnera notre technologie.

7. Marques personnalisées

Utilisations des marques sur mesure machine learning pour aider vos utilisateurs à créer des logos.

La machine “This or That” aide Tailor Brands à comprendre les goûts d’un utilisateur à l’aide d’algorithmes décisionnels.

En choisissant des exemples de ce qu’ils aiment, les utilisateurs indiquent au générateur de logo leurs préférences en matière de styles, de polices et d’autres aspects de la conception.

Tailor Brands utilise l’algèbre linéaire.

La décision de chaque utilisateur est introduite dans une équation qui aide la machine à apprendre les préférences de l’utilisateur.

La prochaine fois que quelqu’un générera un logo, Tailor Brands pourra afficher des styles similaires à ceux qu’il a déjà utilisés.

8. Hurlement

Yelp reçoit chaque jour des millions de photos du monde entier.

L’entreprise a réalisé qu’elle avait besoin d’un moyen sophistiqué pour faire correspondre les photos à des entreprises spécifiques.

Afin qu’ils développé un système de compréhension de photos pour créer des données sémantiques sur des photographies individuelles.

Ce système permet à Yelp de classer les photos dans des catégories pertinentes à la recherche de l’utilisateur.

Tout d’abord, Yelp a créé des étiquettes pour les photos reçues des utilisateurs, telles que “boissons” ou “menu”.

Ensuite, l’entreprise a collecté des données à partir de légendes de photos, d’attributs de photos et de crowdsourcing.

Il a ensuite mis en œuvre l’apprentissage automatique pour reconnaître les balises photo, sur la base desquelles le système pourrait classer les photos en catégories.

Ce système de notation des photos aide à créer une meilleure expérience utilisateur sur Yelp.

Par exemple, vous pouvez contribuer à diversifier les photos de couverture et créer des onglets permettant aux utilisateurs d’accéder directement aux informations exactes qu’ils recherchent.

Les spécialistes du marketing numérique ne font qu’effleurer la surface de ce que l’apprentissage automatique peut faire pour eux.

Les humains et les machines peuvent travailler ensemble pour créer des expériences client plus significatives et des campagnes plus optimisées en moins de temps. C’est un gagnant-gagnant-gagnant.

Davantage de ressources:


Image en vedette : /Shutterstock





Cet article a été traduit par searchenginejournal

Laisser un commentaire