자동화가 TV 회사에 어떤 영향을 미칠 수 있는지 생각해 본 적이 있습니까?
당신이하지 않았다면, 우리는 당신을 위해 해냈습니다.
우리는 TV 회사이며 고객이 콘텐츠를 어떻게, 언제, 어디서 소비하는지에 대해 전화를 걸기 때문에 고객의 요구 사항을 충족하지 못하면 코드를 끊거나 경쟁 업체의 새 제품으로 이동합니다.
구독자 기반을 개발하고 성장을 촉진 할 가능성을 원하면 목표, 프로모션 우선 순위 및 성공 기준을 재고해야한다는 것을 깨달았습니다.
다음은 우리가 성장을 위해 노력하고 제공하는 데 도움이 된 세 가지 전략적 변화입니다. 방법은 다음과 같습니다.
1. 개발 메트릭을 조정 한 다음 모든 광고에 대해 책임을 지십시오.
Dish Network는 비즈니스입니다. 사람들은 오프라인, 온라인, 셀룰러 또는 위의 각 단계에서 우리와 함께 참여할 방법을 선택할 수 있습니다. 즉, 우리의 광고가 더 효율적이고 강력한 채널을 위해 디지털과 오프라인을 가져와야했습니다.
우리는 모든 마케팅이 효과적이고 효율적으로 이루어 지도록 디지털과 오프라인을 하나로 통합해야했습니다.
이를 수행하는 데있어 두 가지 장애물에 직면했습니다. 온라인 및 오프라인 터치 포인트와 전환 액션을 손쉽게 연결하고 정보를 활용하여 투자를 최대한 활용할 수있는 기회를 식별하는 시스템을 만드는 것입니다.
콜센터 데이터를 사용하여 전자 광고 및 마케팅 투자를 알립니다. 구매주기가 시작될 때도 가치를 찾습니다. 그리고 우리는 신규 가입자의 절반 이상이 전화로 우리와 교류 할 것임을 알고 있습니다.
우리는 전화 광고가 더 높은 전환율을 유도하기 때문에 더 나은 모바일 잠재 고객을 찾기 위해 전자 광고가 더 열심히 일할 수 있도록 통화 전환 데이터를 연구에 통합했습니다. 또한 사람들이 검색 광고에 대한 추가 전화 번호 정보를 사용하여 Google을 클릭하여 Google에 쉽게 전화를 걸 수 있습니다. 이로 인해 현재 검색 광고 전환의 1/3이 추가 전화 번호 정보에 의해 발생합니다.
2. CLV에 의지하여 고객에게 도달
우리는 모든 고객이 똑같은 것은 아니라는 것을 알고 있습니다. 일부는 평균보다 5 배 더 가치가 있고 일부는 더 높은 소모 점수를가집니다. 더 큰 지원은 다른 사람들이 필요합니다. 차별화 된 세그먼트의 가치와 속성을 알고이를 처리하는 것이 우리의 성공에 중요했습니다.
그러나 우리는 항상 그것을 제대로 이해하지 못했습니다. 광고 및 광고 전략에 대해 고객 평생 가치 (CLV)에 접근하는 방식을 변경 한 것은 최근에야하지만 특히 디지털에서 이루어졌습니다. 우리는 전자, 라디오 또는 TV를 포함한 채널을 기반으로 한 마케팅 계획을 가질 수 없다는 것을 알게되었습니다. 고객에게 다가 가고 차별화하는 데 도움이되는 디지털 우선 옴니 채널 광고 전략이 필요했습니다.
첫 번째 단계는 고객의 기능을 이해했는지 확인한 다음 해당 데이터를 사용하여 광고 및 마케팅 전략을 알리는 것이 었습니다. 예를 들어 특정 신호가 CLV와 밀접하게 관련되어 있음을 알고있는 경우이 데이터를 Google Ads로 다시 전달하여 이러한 고 가치 사용자를 더 많이 확보하도록 최적화 할 수 있습니다.
그 결과는 그 자체로 알 수 있습니다. 올해 타겟 광고 투자 수익 입찰 전략을 사용하기 시작한 이후 운영 시도의 수익성이 43 % 증가했습니다.
3. 머신 러닝 (ML)이 투자를 지시하도록합니다.
기계 학습은 우리의 규모를 보여주고 지원하는 데 중요한 역할을했습니다. 마케팅 자동화를 통해 우리는 더 똑똑해지고 추측을 줄일 수 있습니다.
마케팅 자동화를 통해 준비 과정에서 추측이 완화되고 더 똑똑해질 수 있습니다.
예를 들어 Google 검색에서 키워드에 대해 수동으로 입찰했습니다. Google 스마트 자동 입찰의 머신 러닝을 통해 전환에 입찰 할 준비가되었습니다. 디지털 미디어 투자와 오프라인 데이터를 연결하여 성능을 향상시킬 수 있습니다. 이 접근 방식으로 트래픽이 15 배 증가하고 전환율도 60 % 증가했습니다.
기계 학습은 또한 우리가 더 빨리 통찰력을 얻는 데 도움이됩니다. 과거에는 캠페인이 끝날 때까지 기다렸다가 결과를 집계하여 마케팅 조치로 전환하기를 원했습니다. 그러나 기계 학습과 함께 우리는 하루 만에 통찰력을 얻을 수 있습니다. 결과가 발생하기 전에 예측할 수 있습니다. 예를 들어, 운영 통찰력을 사용하여 투자 수익을 예측하여 진행중인 캠페인을 얻을 수 있습니다. 그런 다음 필요한 투자를 늘리거나 줄일 수 있습니다.
기계 학습 은 또한 우리가 모든 것을 수동으로 수행하는 것보다 고객을 발견하고 도달하는 데 도움이됩니다. 우리는 사람들의 자질을 이해하고 있기 때문에 그들을위한 프로그래밍 패키지를 예측하고 그들의 필요에 맞게 마케팅을 자동으로 조정할 수 있습니다. 머신 러닝 덕분에 개인화 및 대규모 관련성이 이제 현실이되었습니다.