Maximierung von Medieninvestitionen durch spielerische Einblicke in die Zielgruppe

Eine FMCG-Marke benötigte Daten, um wirksame Entscheidungen im E-Commerce zu treffen. Nachdem wir herausgefunden hatten, wo und warum das Unternehmen mit seinen Werbekampagnen nicht die erwarteten Ergebnisse erzielte, entwickelten wir eine maßgeschneiderte KI-Lösung, die in der Lage war, den Umsatz für jeden seiner eCommerce-Partner vorherzusagen. Das Ergebnis war eine unmittelbare Verbesserung der Medienoptimierung und der Effizienz und zeigte gleichzeitig die potenziellen Auswirkungen, die der Einsatz von kreativer KI auf zukünftige Kampagnen haben könnte.

‍DasModell

Das KI-gesteuerte Marketing-Reifegradmodell von Acceleration wird eingesetzt, um die Fähigkeiten des Kunden zu bewerten, eine maßgeschneiderte Roadmap zu erstellen und bewährte Lösungen zu implementieren, um den Daten- und Technologiereifegrad zu erhöhen. Unser firmeneigenes Modell basiert auf über 100 abgeschlossenen Cloud-Projekten von Acceleration in sechs Vektoren und 30 bewährten Anwendungsfällen, die durch KI ermöglicht werden. Jeder Anwendungsfall liefert inkrementelle Gewinne für einen schnellen kurzfristigen ROI. Zusammen bilden alle Anwendungsfälle ein skalierbares, ganzheitliches Reifegradmodell, das langfristige Ergebnisse und langfristigen Wert schafft. Diese Fallstudie zeigt die Ergebnisse, die für eine FMCG-Marke in den wichtigsten Anwendungsfällen erzielt wurden, die anhand unseres neuen KI-basierten Reifegradmodells demonstriert und bewertet wurden.

Hintergrund und Ziele

Beim Media-Einkauf fehlten der Marke die detaillierten E-Commerce-Angaben, die sie brauchte, um fundierte Entscheidungen darüber zu treffen, wann, wo und wie viel sie in kollaborative Werbung investieren sollte. Der einzige Anhaltspunkt waren Berichte von Meta, die sich jedoch auf die Post-View- oder Post-Click-Attribution von Verkäufen stützten und die Inkrementalität des berichteten Effekts nicht berücksichtigten.

Ohne diese Informationen fehlte der Marke ein einheitliches Messinstrument, die Möglichkeit, Ausgaben zu vergleichen und gegenüberzustellen, und eine einzige Quelle der Wahrheit für ihre Markenmanager. All dies wirkte sich auf die Entscheidungsfindung in Bezug auf kommerzielle Investitionen und den ROI bei zukünftigen Werbeausgaben aus.  

Um dies zu erreichen, mussten drei spezifische Ziele erreicht werden:  

1. Entwicklung eines strategischen Ansatzes für den Medieneinkauf

2. Verbesserung der Effizienz von Medieninvestitionen

3. Schaffung eines einheitlichen Messinstruments

Entdecken & Bewerten

Bei unserer Bewertung wurde deutlich, dass es der Marke an Fähigkeiten in Bezug auf Attribution und Bidding fehlte. Die Schlüsselfrage, die es zu klären galt, lautete: "Wie viel mehr könnte die Marke investieren, ohne zusätzliche Ausgaben zu verschwenden?

Das bedeutete, dass man herausfinden musste, wo die Budgets maximiert wurden, was eine Modellierung für jede Marke und jeden Markt erforderte, um das Verständnis des Publikums zu maximieren und die Fähigkeiten der Marke in der Marketinganalyse zu erweitern.

Zukünftiges Mapping & Prioritäten  

Wir forderten die Marke auf, ihre kollaborativen Anzeigen als einen großen Topf zu betrachten, um den Gesamtumsatz abteilungsübergreifend zu optimieren, anstatt einen markenspezifischen Ansatz zu verfolgen. Erste Modellierungen ergaben Effizienzgewinne in Verbindung mit soziokulturellen Aktivitäten wie Gehaltszahlungen, Feiertagen und Shopping-Events.

Als Ergebnis gaben wir Optimierungsempfehlungen für die Ausgaben und entwickelten ein Dashboard für Echtzeit-Transparenz, um den Markenmanagern die optimale mathematische Allokation über Marken und Märkte hinweg mit einfachen, effektiven Informationen zu zeigen, nach denen sie handeln konnten.

Benutzerfreundlichkeit war der Schlüssel zum Erfolg - wir wollten, dass die Markenmanager das Modell täglich nutzen, um die benötigten Entscheidungsinformationen zu erhalten und die Ergebnisse zu verstehen.

Umsetzung des Wandels

Unter Nutzung der Möglichkeiten der Google Cloud Platform entwickelten und bauten wir Tidal - ein statistisches Modell für jeden Markt und jede Marke, das auf die Investition in kollaborative Anzeigen für Meta zugeschnitten ist. Mithilfe von KI prognostiziert es die Umsätze für jeden der eCommerce-Partner über 20 Marken und vier Märkte hinweg und enthält einen Algorithmus zur automatischen Anpassung des Tempos jeder Kampagne für jede Marke und jeden Markt auf der Grundlage des Publikumsverhaltens.

ML schätzt die Parameter und Variablen, einschließlich der Frage, wie viel von einem Tag auf den nächsten übertragen werden sollte, um das beste Modell zu erhalten, und ab welchem Punkt die Investition von mehr Geld keine zusätzliche Wirkung hat und wann die Ausgaben gedeckelt werden sollten. Informationen, die der Marke halfen, die Wirksamkeit von Medieninvestitionen zu verstehen und erfolgreiche Kampagnen zu wiederholen.

Kurzfristiges Wachstum & Langfristiger Wert

Heute werden alle kollaborativen Werbeinvestitionen für Meta nach demselben Standard gemessen, so dass die Auswirkungen auf das Geschäft eindeutig sind. Die Marke sah:  

• 22 % durchschnittliche Steigerung der Medieneffizienz nach Marken und Märkten  
• 14%ige Steigerung der Effektivität aufgrund der Fähigkeit, Investitionen zwischen Marken und Märkten zu optimieren  
• Steigerung der Investitionseffizienz um 8 % durch Mikro-Optimierung der Budgetzuweisungen, wodurch sichergestellt wird, dass die Investitionen dann getätigt werden, wenn die Erträge am höchsten sind  

Über die unmittelbare Wirkung unserer Modellierung hinaus vermittelten wir der Marke wichtige Informationen und ein Verständnis für einen ganzheitlichen Ansatz der Medienmessung bei der Entscheidungsfindung in der Werbung, was bedeutet, dass die Werbemanager nun einen analytischeren Ansatz bei Medieninvestitionen verfolgen.

Die statistische Analyse bei der Berichterstattung und Messung der Wirkung von gemeinsamen Werbeinvestitionen hat auch andere Geschäftsentscheidungen in Bezug auf Medienausgaben beeinflusst.