-1536x1024%20(1).jpg)
Contexte
Améliorer la stratégie médiatique en identifiant les profils des clients
Compte tenu du volume considérable d'utilisateurs quotidiens visitant le site web ASUS e-commerce , la détermination d'une stratégie médiatique en ligne efficace capable de distinguer les utilisateurs à différents stades de l'entonnoir d'achat était aussi difficile qu'impérative.
Approche
Évaluer les utilisateurs individuels en appliquant le site machine learning à des données de première main
Notre solution de machine learning basée sur les données permet d'évaluer les utilisateurs individuels à l'aide d'une variété de signaux complets, comme la profondeur de la session, le taux d'engagement et la probabilité de conversion, ce qui aurait été très complexe et chronophage à réaliser par un travail manuel.
La mise en œuvre d'une stratégie de communication dynamique et affirmée à l'égard des utilisateurs à fort potentiel de conversion est au cœur de cette méthodologie. En utilisant les signaux numériques pour identifier les clients à forte valeur ajoutée dès le début du processus, les budgets médias peuvent donner la priorité aux audiences ayant le potentiel d'achat le plus élevé. Par exemple, comme le montre l'image ci-dessous, le visiteur n° 2 a de fortes chances de réaliser un achat ; par conséquent, ASUS devrait fixer des prix d'enchère plus élevés et mettre en œuvre une stratégie de communication plus affirmée pour cet utilisateur.
Résultats
Amélioration du ROAS et optimisation de la planification budgétaire
Le scoring précis des utilisateurs permet à ASUS de mieux comprendre les profils de ses visiteurs à forte valeur ajoutée, d'optimiser la planification budgétaire en concentrant plus de ressources sur les utilisateurs à forte valeur ajoutée, et enfin d'améliorer le ROAS de ses campagnes média. ASUS a constaté une augmentation considérable des performances sur l'ensemble des canaux médiatiques, et le programme est actuellement déployé sur de nouveaux marchés.
.jpg)
