ความพยายามในการจัดหาผู้ใช้นั้นไม่ใช่สิ่งที่พวกเขาเคยเป็นสำหรับแบรนด์ ส่วนใหญ่เกิดจากรายการการเปลี่ยนแปลงล่าสุดจำนวนมาก ในด้านของลูกค้า มีการปรับเปลี่ยนรูปแบบการใช้ชีวิต ซึ่งรวมถึงการยุติการกักตัวและคำสั่งให้อยู่ในที่พักพิง ใน ด้าน ธุรกิจการเปลี่ยนแปลงระหว่างเครือข่ายโฆษณาและระบบปฏิบัติการทำให้ผลตอบแทนจากค่าโฆษณา (ROAS) ลดลงและความสามารถในการปรับขนาด
ลดลงคำถามคือ ทีมพัฒนาควรทำอะไรต่อไปในอนาคต
เนื่องจากเห็นได้ชัดว่าความพยายามก่อนหน้านี้ไม่เหมาะสมกับร่างกฎหมายอีกต่อไป แบรนด์ที่กำลังดำเนินชีวิตในช่วงที่มีการระบาดใหญ่จำเป็นต้องหาวิธีสร้างโมเมนตัมและปรับขนาดอย่างรวดเร็วก่อนที่จะเข้าสู่เขตอันตราย แล้วจะเหลืออะไร?
โซลูชันที่รองรับอนาคตเพื่อการเติบโตอย่างยั่งยืน
ถ้าคุณถามฉัน ฉันจะบอกว่าสิ่งที่ทีมการเติบโตต้องการคือโซลูชันที่รองรับอนาคตสำหรับความท้าทายเหล่านี้ทั้งหมด ท้ายที่สุด ผู้จัดการการหาผู้ใช้ใหม่ (UA) ก็เป็นไปไม่ได้ที่จะเปลี่ยนกลยุทธ์ในโหมดตื่นตระหนกเนื่องจากการเปลี่ยนแปลงที่ไม่คาดคิด สำหรับฉันแล้ว แนวทางที่ดีที่สุดคือการให้ความสำคัญกับการเติบโตอีกครั้ง และรักษาความสามารถในการทำกำไรโดยเน้นที่ UA ที่มีมูลค่าสูงผ่านการสร้างแบบจำลองเชิงคาดการณ์ ซึ่งเป็นเทคนิคทางสถิติที่ใช้ในการทำนายพฤติกรรมในอนาคต การสร้างแบบจำลองนี้สามารถเอาชนะอุปสรรคได้โดยใช้สัญญาณเดียวเพื่อรวบรวมมูลค่าตลอดอายุการใช้งานของผู้ใช้ (LTV) ตามชุดของการกระทำและพฤติกรรม นอกเหนือจากประสิทธิภาพของแคมเปญ ซึ่งช่วยให้นักการตลาดสามารถส่งสัญญาณเชิงคาดการณ์ไปยังผู้ใช้ที่มีแนวโน้มว่าจะซื้อสินค้าที่มีมูลค่าสูงเมื่อเวลาผ่านไป
สิ่งนี้มีความสำคัญ เนื่องจากมีความยุ่งยากที่เกี่ยวข้องกับข้อจำกัดที่กำหนดโดยการปรับให้เหมาะสมในระยะสั้น ซึ่งให้ความสำคัญกับเหตุการณ์ในช่องทางระดับบน เช่น การลงทะเบียน การสิ้นสุดการทดลองใช้งาน การมีส่วนร่วมในบทช่วยสอน และการซื้อครั้งเดียวจำนวนมาก สิ่งเหล่านี้ยอดเยี่ยม แต่ล้มเหลวในการดูว่าผู้ใช้จะทำการซื้อครั้งที่สองหรือไม่
ที่เกี่ยวข้อง: เหตุใดผู้นำในอุตสาหกรรมจึงหันมาใช้การวิเคราะห์เชิงคาดการณ์
ในทางกลับกัน การเพิ่มประสิทธิภาพตาม LTV ในระยะยาว โดยเฉพาะอย่างยิ่งกับ UA ที่อิงตามการคาดการณ์ ช่วยให้ทีมเติบโตสามารถกำหนดเป้าหมายสมาชิกที่ภักดี จ่ายน้อยลงสำหรับผู้ซื้อขาจร และเข้าถึงผู้ชมที่ยังไม่ได้ใช้ (ในบริบทนี้ ผู้คนที่มีแนวโน้มที่จะสร้าง การซื้อนอกกรอบเวลาแสดงที่มา) มีการแข่งขันน้อยกว่า ซึ่งหมายถึงCPA ที่ลดลง และอัตรากำไรที่สูงขึ้นสำหรับแบรนด์ต่างๆ
บริษัทชั้นนำที่ประสบความสำเร็จหลังจากใช้การเพิ่มประสิทธิภาพ LTV
Facebookเข้าใจและรับทราบถึงความสำคัญของการเพิ่มประสิทธิภาพ LTV เป็นพิเศษ ชุดการอภิปรายใน Facebook LTV Summit ปี 2021 กล่าวถึงวิธีที่บริษัทชั้นนำประสบความสำเร็จโดยการรวมข้อมูล LTV เข้ากับการสร้างแบบจำลองเชิงคาดการณ์เพื่อขยายความพยายามในการเติบโต ตัวอย่างหนึ่งที่กล่าวถึงคือ BoxyCharm แบรนด์สินค้าสมัครสมาชิกยอดนิยมตลอดกาล (เป็นเจ้าของโดยIpsy) ซึ่งต้องการกำหนดเป้าหมายลูกค้าที่มีมูลค่าสูงเพื่อเพิ่ม ROI และลดการเลิกใช้งาน บริษัทได้เพิ่มประสิทธิภาพ UA ในการสมัครสมาชิกภายในกรอบเวลาการแปลงเจ็ดวันมาตรฐาน วิธีการนั้นได้ผลแต่ในระดับหนึ่งเท่านั้น เมื่อพิจารณาว่าในขณะที่ให้อัตราการแปลงเป็นการสมัครรับข้อมูลสูง การเลิกใช้ก็ยังเป็นเรื่องที่น่ากังวล สิ่งที่จำเป็นคือการกำหนดเป้าหมายผู้ชม LTV ระยะยาวเพื่อลดการเลิกใช้งานและเพิ่มทั้ง LTV และความสามารถในการทำกำไรตามขนาด และ BoxyCharm ก็หันมาใช้ เครื่องมือ ทางการตลาดเพื่อช่วยสร้างแบบจำลองการคาดการณ์ จากนั้นเรียกใช้แคมเปญที่ปรับให้เหมาะสมตามสัญญาณนั้น การทดสอบ A/B ได้รับการพิสูจน์แล้วว่าประสบความสำเร็จ: การได้ลูกค้ามูลค่าสูงที่ให้ ROI ที่สูงขึ้น
การประชุมสุดยอด Facebook ยังรวมถึงการนำเสนอว่าแบรนด์เกมทั่วไปรายใหญ่ได้รับประโยชน์จากการสร้างแบบจำลองเชิงทำนายอย่างไร บริษัทต้องการเพิ่ม ROAS และขยายฐานผู้ชมให้เกินเพดาน CPI ซึ่งเป็นไปได้ด้วยการสร้างเมตริกคาดการณ์เดียวเพื่อกำหนดเป้าหมายผู้ชม LTV ระยะยาว ลด ต้นทุนการได้มาซึ่ง ลูกค้าและเพิ่ม LTV และความสามารถในการทำกำไรตามขนาด
ที่เกี่ยวข้อง: 7 เทรนด์การตลาดที่จะกำหนดความสำเร็จในปี 2565
โมเดลการคาดการณ์ LTV (อิงจาก Data Lake ภายใน) ถูกสร้างขึ้นและเปิดใช้งานโดยการส่งสัญญาณคอนเวอร์ชั่นที่กำหนดเองไปยัง Facebook ทำให้บริษัทสามารถดำเนินการแคมเปญโดยการปรับสัญญาณให้เหมาะสม ผลลัพธ์โดดเด่นทั่วทั้งกระดาน และรวมถึงการเพิ่ม ROAS 150% และค่าใช้จ่าย UA ที่ลดลง 75%
โซลูชันเหล่านี้มีไว้สำหรับบริษัทไม่ว่าจะอยู่ในโหมดการเติบโตหรือมีขนาดใหญ่และมั่นคงอยู่แล้ว แต่แม้แต่ทีมเติบโตที่ใหญ่ที่สุดที่มีเงินในกระเป๋ามากที่สุดก็สามารถได้รับประโยชน์จากการสนับสนุนเพิ่มเติมเพื่อขยายแคมเปญ UA ของพวกเขาบน Facebook
วิธีใช้ข้อมูล LTV เพื่อเพิ่มผลลัพธ์สูงสุดสำหรับแคมเปญการหาผู้ใช้
หากแบรนด์ของคุณประสบปัญหาในการสร้างหรือรักษาการเติบโตตั้งแต่ปี 2020 คุณควรพิจารณามุ่งเน้นไปที่ LTV เพื่อให้บรรลุการเติบโตและขยายขนาด ด้วยการจับคู่ข้อมูลประชากรศาสตร์กับกลุ่มสัมพันธ์ ความสนใจ และปัจจัยอื่นๆ คุณสามารถสร้างผู้ชมใหม่ทั้งหมดที่มีภูมิหลังเดียวกันกับลูกค้าปัจจุบันที่มีความชำนาญ การทำเช่นนี้เป็นการเปิดโอกาสในการกระจายแคมเปญโดยครอบคลุมส่วนใหญ่ของการเดินทางของลูกค้า และดังนั้นจึงได้กลุ่มผู้ชมใหม่ที่ก่อนหน้านี้อาจพลาดไป ความสามารถในการปรับขนาดจะเพิ่มขึ้น โดยไม่ได้รับผลกระทบจากผลตอบแทนจากค่าโฆษณาที่ลดลง คุณยังสามารถใช้ข้อมูลนี้เพื่อเพิ่มประสิทธิภาพแคมเปญการรักษาลูกค้าหลังจากช่วงโปรโมชัน หรือเพิ่มประสิทธิภาพแคมเปญการค้นหาที่เสียค่าใช้จ่ายโดยเน้นที่คำหลัก กรณีการใช้งานมีมากมาย!
แนะนำ ufaslot888g
