Har du nogensinde tænkt på, hvordan automatisering kan påvirke et tv-firma?
Hvis du ikke gjorde det, har vi gjort det for dig.
Vi er et tv-firma, og vores kunder kalder skuddene om, hvordan, hvornår og hvor de bruger indhold, så hvis vi ikke tilfredsstiller deres behov, klipper de akkorden eller går til en konkurrents nye.
Vi indså, at vi var nødt til at genoverveje vores mål, salgsfremmende prioriteter og mål for succes, hvis vi ønskede nogen mulighed for at udvikle vores abonnentbase og skabe vækst.
Her er tre strategiske ændringer, der hjalp os med at stræbe efter - og levere vækst. Sådan kan du også:
1. Juster efter en udviklingsmåling, og hold al reklame ansvarlig for dette
Dish Network er en virksomhed. Folk er i stand til at vælge, hvordan de vil deltage med os, mens det er offline, online, mobil eller hvert af ovenstående. Det betyder, at vi har haft brug for at bringe digital og offline, at vores reklame er mere effektiv og effektiv vores kanaler.
Vi har haft brug for at bringe digital og offline sammen, så al vores marketing er effektiv og effektiv.
Vi stod over for to forhindringer ved at gøre dette: At sikre, at vi binder vores online og offline berøringspunkter og konverteringshandlinger uden besvær og skaber et system til at udnytte information til at identificere muligheder for at få det maksimale ud af vores investering.
Brug vores callcenter-data til at informere vores elektroniske annoncerings- og marketinginvesteringer . Vi finder værdi, selv når deres købscyklus kan blive startet af dem. Og vi ved, at over halvdelen af vores nye abonnenter vil omgås os via telefon.
Vi integrerede data om opkaldskonvertering i forskning, så vores elektroniske reklame kunne arbejde hårdere for at finde os bedre mobiludsigter, fordi telefonannoncering skaber højere konverteringsfrekvenser. Derudover gør vi det let for folk at klikke for at ringe til os Google med opkaldsudvidelser på søgeannoncering. På grund af dette er en tredjedel af vores søgekonverteringer nu drevet af opkaldsudvidelser.
2. Læn dig ind i CLV for at nå ud til kunderne
Vi erkender, at ikke alle klienter vil være ens. Nogle er 5 gange mere værdifulde end gennemsnittet, og andre har højere slid. Den støtte, der er større, er nødvendig af andre mennesker. At kende værdierne og attributterne for de segmenter, der er karakteristiske og behandle dem, har været afgørende for vores succes.
Men vi fik det ikke altid rigtigt. Det var først for nylig, at vi foretog en ændring i den måde, vi nærmer os kundens levetidsværdi (CLV) på for vores reklame- og reklametaktik, men især inden for digital. Vi lærte, at vi ikke kan have en markedsføringsplan baseret på kanaler, herunder elektronisk, radio eller tv. Vi havde brug for en digital-første, omnichannel-reklamestrategi, der hjalp os med at nå og differentiere vores kunder.
Det allerførste skridt var at sikre, at vi forstod kundernes funktioner, så brugte vi disse data til at informere vores reklame- og marketingstrategier. For eksempel, hvis vi ved, at specifikke tegn er stærkt forbundet med CLV, sender vi disse data tilbage til Google Ads, så det kan optimeres for at opnå flere af disse højtydende brugere.
Resultaterne taler for sig selv: Rentabiliteten af vores driftsforsøg er steget med 43%, siden vi begyndte at bruge en målretningsstrategi for tilbagebetaling af annonce i år.
3. Lad maskinlæring (ML) styre dine investeringer
Maskinindlæring har været med til at vise og også hjælpe os med at skalere. Marketingautomatisering gør det muligt for os at være smartere og afhjælpe gæt.
Gætteriet afhjælpes af markedsføringsautomatisering fra vores forberedelse og giver os mulighed for at blive smartere.
Som eksempel brugte vi manuelt bud mod søgeord i Google Søgning. Med maskinindlæring i Googles smarte budgivning er vi klar til at byde mod konverteringer. Vi kan forbinde vores digitale medieinvesteringer og offline data for at forbedre ydeevnen. Denne tilgang har ført til en 15X stigning i trafikken og også en 60 procent stigning i konverteringsfrekvensen.
Maskinindlæring hjælper os også med at få indsigt hurtigere. Tidligere ville vi gerne vente, indtil der var afsluttet en kampagne, nogle gange før vi kan samle resultaterne og vende dem til marketingaktioner. Men sammen med maskinindlæring kan vi komme til indsigt på en enkelt dag. Vi kan forudsige resultater, før de opstår. Som et eksempel kan vi bruge driftsindsigt til at forudsige investeringsafkastet for at få en kampagne, der er på flugt. Så kunne vi øge eller reducere vores nødvendige investeringer.
Maskinindlæring hjælper os også med at finde og nå ud til kunder, end hvis vi stadig gør alt manuelt. Vi forstår folks kvaliteter, så vi er i stand til at forudsige programmeringspakken for dem og automatisk skræddersy vores markedsføring til deres behov. Takket være maskinindlæring er personalisering og relevans i skala nu realiteter.