Her 10 Tüketiciden 9’u Kişiselleştirilmiş Öneriler Görmek İstiyor

  • 0
  • September 9, 2019
deep learning-a1

Açıklanan yeni rapora göre, gelişmiş kişiselleştirilen pazarlamaya yatırım yapan şirketler 20 kata kadar yatımın karşılığını alabiliyor

Yapılan araştırmalara göre tüketicilerin çoğu kişiselleştirilmiş tekliflerle gelen markalardan alışveriş yapacağını belirtiyor. Accenture raporuna göre, tüketicilerin yüzde 91’i kendilerini ilgilendiren teklif ve önerilerle gelen markalardan alışveriş yapmak istiyor. Bununla birlikte her 10 pazarlamacıdan 9’u kişiselleştirme tekniklerini kullandıklarını ifade ederken, yüzde 55’i etkili bir kişiselleştirme yapamadığından endişe ediyor. Oysa kişiselleştirme ile yatırım maliyeti yüzde 50’ye kadar düşerken gelirleri yüzde 5 ila 15, pazarlama yatırım verimliliğini yüzde 10 ila 30 artırmak mümkün. Hatta gelişmiş kişiselleştirilmiş tekniklerini kullanan markaların 1’e 20 oranında kazanabildikleri görülüyor.

Markaların kişiselleştirilmiş önerilerle tüketicilere gitmek istediğini ancak teknoloji bariyeriyle karşılaştığına değinen RTB House Türkiye Ülke Müdürü Can Tunçer, “Bir süre önce bilim kurgu filmlerinde gördüğümüz detayda kişiselleştirilmiş reklamlar derin öğrenme teknolojisiyle mümkün hale geldi. Büyük verinin kilidini açmaya yarayan derin öğrenme teknolojisi ile daha önce hiç olmadığı kadar hedefli, yüksek yatırım geri dönüşü (ROI) sağlayan ve pazarlama bütçelerinin daha verimli kullanılabildiği bir döneme girdiğimizi görüyoruz” dedi.

Derin öğrenme, gerçek zamanlı kişiselleştirmeyi nasıl destekliyor?

Tüketicilerin internette gezinme geçmişlerinin yanı sıra davranışlarını da analiz ederek en doğru önerileri sunmaya yardımcı olan yeniden hedefleme ve kişiselleştirme teknolojileri derin öğrenme ile gerçeğe dönüşüyor. Derin öğrenme öneri sistemi, bir reklam her görüntülendiğinde gösterilen reklamda sunulanları uyarlayıp, gerçek zamanlı olarak davranış profili oluşturmayı sağlıyor.

Reklam, her görüntülendiğinde kullanıcılara nelerin sunulması gerektiğine karar verirken ayrıca algoritmaların, belirli bir kullanıcının daha önce görüntülenen tekliflere verdiği tepkiye göre yanıt vermesini ve uyarlamasını sağlıyor. Kullanıcının davranışsal profili gerçek zamanlı olarak oluşturuluyor ve sadece kullanıcının mağazada yaptıklarına değil, reklam mesajına verdiği yanıta da dayanıyor.

Ekranda bir reklam görüntüleme olasılığı hakkında bilgi alındığı andan itibaren reklam ekranda görüntülenene kadar geçen süre bir saniyeden daha kısa olması sürecin çok zor olmasını ifade ediyor. Güçlü algoritmalar ve sürekli analizler sayesinde ise derin öğrenme yeniden hedefleme mekanizmaları, kullanıcıların davranışsal profilini gerçek zamanlı olarak yeniden oluşturabiliyor.

RTB House verilerine göre derin öğrenme, öneri mekanizmalarına uygulandıktan sonra kullanıcılar, reklamlara %41′e oranında daha fazla tıklıyor. Böyle bir artış, özellikle çapraz kategori önerileri kullanma olasılıklarının neredeyse sınırsız olduğu moda ve çok kategorili e-mağazalar gibi sektörlerde göze çarpıyor.

Kişiselleştirilmiş yeniden hedefleme hakkında daha fazla bilgi için https://www.rtbhouse.com/tr/our-products/personalized-retargeting/ adresini kullanabilirsiniz.

Leave a Reply

Your email address will not be published.