Le formulaire a été soumis avec succès.
Vous trouverez de plus amples informations dans votre boîte aux lettres.
Sélection de la langue
Naszym klientem jest agencja marketingu online oferująca kampanie reklamowe, tworzenie treści i usługi SEO, które mają na celu zwiększenie liczby wykwalifikowanych potencjalnych klientów i transakcji dla swoich klientów.
Szczegółowe informacje o kliencie nie mogą być ujawnione zgodnie z postanowieniami NDA.
Ponieważ reklama cyfrowa wciąż ewoluuje, użytkownicy mogą być przytłoczeni mnogością opcji. Mimo to agencje marketingu online wciąż mają trudności z dotarciem do docelowych odbiorców z odpowiednimi rekomendacjami produktów we właściwym czasie w oparciu o zapytania użytkowników.
Notre client était confronté à un problème fondamental avec un système de recommandation publicitaire sous-optimisé qui ne parvenait pas à proposer des annonces de moteur de recherche correspondant aux besoins des utilisateurs. Au cours des efforts publicitaires, l'agence a été confrontée à un certain nombre de défis importants : environ 30-40% des demandes des utilisateurs de moteurs de recherche n'étaient pas couvertes par des annonces pertinentes. En outre, un grand nombre d'annonces existantes n'étaient pas pertinentes en raison d'une mauvaise adéquation avec les requêtes des utilisateurs.
La cause première du problème de pertinence était le manque de couverture des mots-clés et des actifs pertinents par le système publicitaire existant, ce qui affectait les clics des utilisateurs et les performances des campagnes publicitaires. La plateforme existante du client fournissait des analyses inadéquates, ce qui rendait difficile la correction des problèmes de pertinence et l'identification des causes des demandes mal couvertes. Le nombre de requêtes non appariées ou non pertinentes était trop important pour permettre un examen détaillé des données et l'identification des causes des publicités locales peu performantes.
Aby rozwiązać te problemy, nasz klient zwrócił się do Innowise z prośbą o zaawansowaną analitykę i generowanie podsumowań dla zgrupowanych podgrup zapytań użytkowników, co pozwoliłoby uzyskać bardziej inteligentne spostrzeżenia. Klient zwrócił się do Innowise z pomysłem na zaawansowaną analitykę i generowanie podsumowań dla zgrupowanych podgrup zapytań użytkowników, aby uzyskać mądrzejsze i lepsze spostrzeżenia.
Podsumowując, zakres prac obejmował:
Nasz zespół z powodzeniem ukończył projekt i opracował platformę analityczną kampanii reklamowych z analizatorem rankingu słów kluczowych przy użyciu niedawno opublikowanych modeli przetwarzania języka naturalnego SOTA. Cała sieć neuronowa została wdrożona w chmurze AWS.
Platforma jest zintegrowana z Google i umożliwia pracę z danymi statystycznymi dotyczącymi zapytań użytkowników, identyfikację zapytań bez pokrycia lub tych z nieskuteczną reklamą, dzielenie ich na podgrupy i generowanie podsumowań dla określonych kategorii dużych ilości danych w celu dostosowania wyświetlanych reklam.
Nasz zespół opracował rozwiązanie, aby zastąpić poprzedni system, który zapewniał tylko podstawowe statystyki i brakowało mu możliwości szybkiej analizy wyników reklamowych i dostosowania dopasowania na podstawie ujawnionych spostrzeżeń.
Klastrowanie i podsumowywanie żądań użytkowników za pomocą narzędzia do analizy rankingu słów kluczowych
Na podstawie wymagań klienta zebraliśmy dane analityczne Google dotyczące zapytań użytkowników z niewyświetlanymi reklamami. Nasi specjaliści skonfigurowali system do analizy tych zapytań i grupowania ich przy użyciu semantycznych osadzeń z modeli rodziny BERT oraz różnych technik grupowania, takich jak hdbscan, dbscan, T-SNE, KMeans. Aplikacja internetowa umożliwiała również gromadzenie zagregowanych statystyk dla puli żądań użytkowników. W zależności od wybranego poziomu szczegółowości, umożliwiliśmy również gromadzenie statystyk agregacji dla puli żądań użytkowników i tworzenie podsumowań dla każdej odrębnej grupy. Wykorzystaliśmy BERT, podstawowe narzędzia statystyczne i modelowanie tematyczne, aby wyświetlić chmurę tagów z najpopularniejszymi terminami w określonej grupie zapytań. Użytkownicy mogli również uzyskać podsumowanie wygenerowane przez model GPT na podstawie określonych grup zapytań.
Inteligentna analiza i grupowanie żądań użytkowników z nieistotnymi reklamami
Opracowana przez nas platforma pozwala na wyświetlanie interakcji użytkowników z konkretnymi reklamami, umożliwiając identyfikację nieistotnych reklam dopasowanych do nieodpowiednich zapytań poprzez analizę danych interakcji. Dzięki wykorzystaniu obszernych statystyk, tagów i podsumowań konkretnych wyszukiwań z niskimi wynikami, możliwe jest teraz określenie przyczyny różnic w zainteresowaniach użytkowników i wyświetlanych reklamach. Ta funkcja platformy jest niezbędnym narzędziem do identyfikowania i wypełniania luk w istniejących reklamach dla docelowych grup użytkowników i ich funkcji.Dopasowywanie niepokrytych zapytań użytkowników do najbardziej trafnych reklam
Korzystając z narzędzi AI i ML, platforma oferuje potencjalne dopasowania reklam dla grup zapytań, które wcześniej nie miały odpowiednich reklam. Osiągnęliśmy to poprzez generowanie tekstowych reprezentacji klastrów zapytań i tworzenie reklam poprzez określanie najbardziej trafnych dla każdego klastra przy użyciu wyników podobieństwa z modeli transformatorowych. Dodatkowo dostosowaliśmy te reklamy dla określonych grup użytkowników, wykonując inżynierię podpowiedzi na modelach z rodziny GPT, aby stworzyć bardziej trafne i angażujące reklamy dostosowane do ich konkretnych zainteresowań. Korzystając z danych wyświetlanych na temat istniejących zapytań na pulpicie nawigacyjnym, system określa i generuje odpowiednie opcje reklamowe dla określonych segmentów zapytań. Takie podejście pozwoliło nam określić, które bieżące reklamy można powiązać z żądaniami użytkowników, które wcześniej nie zostały spełnione, i ujawnić ukryte żądania dotyczące przyszłego generowania reklam lub skorelować takie żądania z gotowymi reklamami, które najbardziej im odpowiadają.Po otrzymaniu zapytania od klienta nasz zespół zidentyfikował główne potencjalne przypadki użycia w celu uzyskania zaawansowanej i wizualnej analityki poprzez grupowanie informacji z Google Analytics. Następnie uzyskaliśmy dużą ilość danych na temat zapytań użytkowników i interakcji z wyświetlanymi reklamami.
Naszym pierwszym krokiem było skupienie informacji w mniejsze podgrupy w oparciu o słowa kluczowe wprowadzone przez użytkowników w wyszukiwanym ciągu. Wykorzystaliśmy modele generatywne, takie jak GPT, do stworzenia tekstowych reprezentacji dla każdej zgrupowanej grupy danych. Wynikowe podsumowania zostały wyświetlone na platformie w celu dostarczenia szczegółowych informacji o zapytaniach bez pokrycia lub zapytaniach ze słabo działającymi reklamami, co pozwoliło lepiej zrozumieć przyczyny nietrafności i późniejszych dostosowań reklam.
Następnym krokiem było zasugerowanie dopasowania najbardziej trafnych reklam do odkrytych zapytań tak blisko, jak to możliwe, aby poprawić wydajność. Szukaliśmy reklam z listy napisanych reklam, które obejmowały jak najwięcej zapytań, aby wypełnić luki i stworzyć sugestywne podsumowania dla potencjalnych dopasowań.
Jeśli chodzi o zarządzanie projektami, stosowaliśmy metodologię Agile z codziennymi spotkaniami w celu omówienia ukończonych i planowanych zadań oraz cotygodniowymi rozmowami z CEO. Nasz zespół komunikował się za pośrednictwem Slacka i przydzielał zadania oraz monitorował wydajność za pośrednictwem Jira i Confluence.
Obecnie projekt jest nadal w toku; na tym etapie nadal wspieramy platformę i wdrażamy nowe funkcje.
Stworzyliśmy platformę opartą na AI, która zapewnia naszemu klientowi bardziej trafne i ukierunkowane reklamy poprzez rozpoznanie grupy, do której należy użytkownik, oraz wykorzystanie tych informacji do uzyskania inteligentniejszych i lepszych wniosków dotyczących personalizacji reklam. Aplikacja internetowa analizowała przeprowadzane kampanie reklamowe i wykrywała luki w reklamach, które uniemożliwiały naszemu klientowi dotarcie do wszystkich potrzebnych użytkowników.
Co więcej, rozwiązanie może teraz automatycznie generować nowe reklamy, optymalizując procesy copywritingu w firmie.
Ogólnie rzecz biorąc, platforma spowodowała wzrost liczby kliknięć reklam przez użytkowników o 53%. Stworzyliśmy również rekomendacje dla copywriterów w oparciu o najbardziej gęste i największe klastry, umożliwiając im tworzenie reklam, które obejmują do 92% niezbędnych żądań użytkowników. Nadal badamy moc sztucznej inteligencji w marketingu cyfrowym, opracowując dodatkowe narzędzia marketingowe oparte na sztucznej inteligencji, aby kontynuować ulepszanie platformy.
25%
53%
Zadzwoń lub wypełnij poniższy formularz, a my skontaktujemy się z Tobą po przetworzeniu Twojego zgłoszenia.
Po otrzymaniu i przetworzeniu Twojego zgłoszenia skontaktujemy się z Tobą wkrótce, aby wyszczególnić potrzeby projektu i podpisać umowę o zachowaniu poufności, aby zapewnić poufność informacji.
Pour l'analyse des données, l'analyse et l'élaboration de programmes, les projets doivent être réalisés dans les délais impartis. projekt z zakresem prac, wielkością zespołu, czasem i kosztami szacunki.
Umówimy się z Tobą na spotkanie, aby omówić ofertę i dojść do porozumienia porozumienia.
Podpisujemy umowę i rozpoczynamy pracę nad projektem tak szybko, jak to możliwe.
Dowiedz się jako pierwszy o innowacjach IT i interesujących studiach przypadków.
© 2007-2024 Innowise. Wszelkie prawa zastrzeżone.
Polityka prywatności. Polityka dotycząca plików cookie.
Innowise Sp. z o.o Ul. Rondo Ignacego Daszyńskiego, 2B-22P, 00-843 Warszawa, Polska
Rejestrując się, wyrażasz zgodę na naszą Politykę Prywatności, w tym korzystanie z plików cookie i przekazywanie Twoich danych osobowych.
Dziękuję !
Wiadomość została wysłana.
Nous traiterons votre demande et vous recontacterons dès que possible.
Dziękuję !
Wiadomość została wysłana.
Przetworzymy Twoją prośbę i skontaktujemy się z Tobą tak szybko, jak to możliwe.