Legg igjen kontaktinformasjonen din, så sender vi deg vår whitepaper på e-post.
Jeg samtykker i å behandle personopplysningene mine for å sende personlig tilpasset markedsføringsmateriell i samsvar med Retningslinjer for personvern. Ved å bekrefte innsendingen samtykker du i å motta markedsføringsmateriell.
Takk skal du ha!

Skjemaet har blitt sendt inn.
Mer informasjon finner du i postkassen din.

Innowise er et internasjonalt selskap som utvikler programvare for hele syklusen selskap grunnlagt i 2007. Vi er et team på mer enn 1600+ IT-profesjonelle som utvikler programvare for andre fagfolk over hele verden.
Om oss
Innowise er et internasjonalt selskap som utvikler programvare for hele syklusen selskap grunnlagt i 2007. Vi er et team på mer enn 1600+ IT-profesjonelle som utvikler programvare for andre fagfolk over hele verden.

53% økning i tilleggsklikk etter implementering av AI-baserte markedsføringsverktøy

Innowise har utviklet en analyseplattform basert på kunstig intelligens og maskinlæring som bidrar til å matche brukerforespørsler med de mest relevante annonsene.

Kunde

Industri
Salg og markedsføring
Region
USA
Kunde siden
2022

Vår kunde er et resultatfokusert online markedsføringsbyrå som tilbyr reklamekampanjer, innholdsskaping og SEO-tjenester som tar sikte på å øke kvalifiserte potensielle kunder og transaksjoner for sine kunder.

Detaljert informasjon om kunden kan ikke utleveres i henhold til bestemmelsene i NDA.

Utfordring: Å overvinne mangelen på søkeorddekning med kunstig intelligens i digital markedsføring

Etter hvert som digital annonsering fortsetter å utvikle seg, kan brukerne bli overveldet av overfloden av alternativer. Til tross for dette sliter nettbaserte markedsføringsbyråer fortsatt med å nå målgruppen sin med relevante produktanbefalinger til rett tid basert på brukerforespørsler.

Kunden vår sto overfor et grunnleggende problem med et underoptimalisert annonseanbefalingssystem som ikke klarte å tilby søkemotorannonser som samsvarte med brukernes behov. I løpet av annonseringsarbeidet sto byrået overfor en rekke betydelige utfordringer: rundt 30-40% av nødvendige brukerforespørsler fra søkemotorer ble ikke dekket av relevante annonser. I tillegg var et stort antall eksisterende annonser irrelevante på grunn av dårlig samsvar med brukernes søk.

Hovedårsaken til relevansproblemet var manglende dekning av relevante søkeord og ressurser i det eksisterende annonsesystemet, noe som påvirket brukerklikk og annonsekampanjens ytelse. Kundens eksisterende plattform ga utilstrekkelige analyser, noe som gjorde det vanskelig å korrigere relevansproblemer og identifisere årsakene til dårlig dekkede forespørsler.... Antallet umatchede eller irrelevante matchede forespørsler var for stort til at det var mulig å vurdere detaljerte data og identifisere lokale årsaker til dårlig annonseytelse.

For å løse disse problemene kontaktet kunden vår Innowise for avansert analyse og generering av sammendrag for grupperte undergrupper av brukerforespørsler, noe som ville gi smartere innsikt. Kunden kontaktet Innowise med ideen om avansert analyse og generering av sammendrag for grupperte undergrupper av brukerforespørsler for å få smartere og bedre innsikt.

Oppsummert er arbeidsomfanget inkludert:

  • analysere og gruppere brukernes forespørsler;
  • identifisere målgrupper av brukere og deres egenskaper for å forbedre resultatene av annonseanbefalinger;
  • spesifisere de mest relevante annonsene for spørringsklyngene;
  • identifisere hullene i eksisterende annonser ved å analysere søkeklyngene som var dårlig dekket med eksisterende annonser.

Løsning: AI-baserte markedsføringsverktøy for optimaliserte annonsekampanjer

Teamet vårt fullførte prosjektet og utviklet en analyseplattform for reklamekampanjer med en søkeordrangeringsanalysator ved hjelp av nylig dukket opp SOTA naturlige språkbehandlingsmodeller. Hele det nevrale nettverket ble distribuert i AWS-skyen.

Plattformen er integrert med Google og gjør det mulig å arbeide med statistiske data om brukerforespørsler, identifisere avdekkede forespørsler eller de med ineffektiv reklame, dele dem inn i undergrupper og generere sammendrag for visse kategorier av store mengder data for å justere de viste annonsene.

Teamet vårt har utviklet løsningen for å erstatte det tidligere systemet som bare ga grunnleggende statistikk og manglet muligheten til raskt å analysere annonseringsresultater og justere matchingen basert på avslørt innsikt.

Gruppering og oppsummering av brukerforespørsler med søkeordrangeringsanalyseverktøyet

Med utgangspunkt i kundens krav samlet vi inn Google Analytics-data om brukerspørringer med ikke-viste annonser. Våre spesialister konfigurerte et system for å analysere disse søkene og gruppere dem ved hjelp av semantiske embeddings fra BERT-modeller og ulike grupperingsteknikker som hdbscan, dbscan, T-SNE og KMeans. Webapplikasjonen gjorde det også mulig å samle inn aggregert statistikk på tvers av en mengde brukerforespørsler. Avhengig av det valgte granularitetsnivået gjorde vi det også mulig å samle inn aggregert statistikk for en gruppe brukerforespørsler og produsere sammendrag for hver enkelt gruppe. Vi brukte BERT, grunnleggende statistiske verktøy og emnemodellering til å vise en sky av tagger med de mest populære begrepene i en bestemt gruppe av forespørsler. Brukerne kunne også få en GPT-modell generert sammendrag basert på angitte klynger.

Smart analyse og gruppering av brukerforespørsler med irrelevante annonser

Plattformen vi utviklet gjør det mulig å vise brukerinteraksjoner med spesifikke annonser, slik at irrelevante annonser som samsvarer med upassende søk, kan identifiseres ved å analysere interaksjonsdata. Gjennom bruk av omfattende statistikk, tagger og sammendrag av spesifikke søk med dårlige resultater, er det nå mulig å finne årsaken til forskjeller i brukerinteresser og viste annonser. Denne plattformfunksjonen er et viktig verktøy for å identifisere og fylle hullene i eksisterende annonser for målgrupper av brukere og deres funksjoner.

Matching av avdekkede brukerforespørsler med de mest relevante annonsene

Ved å bruke AI- og ML-verktøy tilbyr plattformen potensielle annonsetreff for grupper av søk som tidligere ikke hadde noen relevante annonser. Vi oppnådde dette ved å generere tekstlige representasjoner av spørringsklynger og opprette annonser ved å spesifisere de mest relevante for hver klynge ved hjelp av likhetsresultater fra transformatormodeller. I tillegg tilpasset vi disse annonsene for spesifikke grupper av brukere ved å utføre hurtigteknikk på GPT-familiemodeller for å lage mer relevante og engasjerende annonser skreddersydd til deres spesifikke interesser. Ved hjelp av dataene som vises på eksisterende spørsmål på dashbordet, bestemmer og genererer systemet relevante annonsealternativer for bestemte spørresegmenter. Denne tilnærmingen gjorde det mulig for oss å bestemme hvilke nåværende annonser som kan knyttes til brukerforespørsler som tidligere ikke ble oppfylt, og avsløre latente krav til fremtidig annonsegenerering eller korrelere slike forespørsler med ferdige annonser som passer dem best.

Teknologier

Plattformer
AWS
Front-end
React, Redux, HTML5, CSS3, Formik, Yup, Material UI
Back-end
Python 3.x, Flask (mikrotjenester), Flask-restful, Celery, RabbitMQ
DE
AWS S3 PostgreSQL, AWS Sagemaker (Pipelines, Feature Store), AWS Lim PySpark, Spark AWS Airflow
DS, ML og MLOps
AWS Sagemaker (Studio, Experiments, Notebooks, AutoML, Model Monitoring), Scikit-learn, Matplotlib, BERT, Pandas, Numpy

Prosess

Etter å ha mottatt en forespørsel fra en kunde, identifiserte teamet vårt de viktigste potensielle bruksområdene for å oppnå avansert og visuell analyse ved å gruppere informasjon fra Google Analytics. Vi innhentet deretter en stor mengde data om brukerforespørsler og interaksjoner med viste annonser.

Vårt første trinn var å gruppere informasjonen i mindre undergrupper basert på nøkkelordene som brukerne skrev inn i søkestrengen. Vi brukte generative modeller som GPT for å lage tekstlige representasjoner for hver grupperte datagruppe. De resulterende sammendragene ble vist på plattformen for å gi detaljert informasjon om avdekkede søk eller søk med dårlige resultater, noe som ga en bedre forståelse av årsakene til irrelevans og påfølgende justeringer av annonsene.

Det neste trinnet var å foreslå de mest relevante annonsene for å matche de avdekkede søkene så godt som mulig for å forbedre resultatene. Vi søkte etter annonser fra en liste over skriftlige annonser som dekket så mange søk som mulig for å fylle hullene og lage forslag til sammendrag for potensielle treff.

Når det gjelder prosjektledelse, fulgte vi Agile-metodikk med daglige møter for å diskutere fullførte og planlagte oppgaver og samtaler med administrerende direktør annenhver uke. Teamet vårt kommuniserte via Slack og tildelte oppgaver og overvåket resultatene gjennom Jira og Confluence.

For øyeblikket pågår prosjektet fortsatt; på dette stadiet fortsetter vi å støtte plattformen og implementere nye funksjoner.

Team

1
Prosjektleder
4
Dataingeniører
6
Back-end-utviklere
3
Front-end-utviklere
4
Ingeniører innen datavitenskap
2
QA ingenieurs

Resultater: Økning i brukerklikk på annonser med AI-basert søkeordrangeringsanalysator

Vi har bygget en AI-drevet som gir kunden vår mer relevante og målrettede annonser ved å gjenkjenne en gruppe brukeren tilhører og bruke denne informasjonen til å drive smartere og bedre innsikt for personalisering av reklame. Nettapplikasjonen analyserte kjørte annonsekampanjer og fant hull i annonseringen, noe som hindret kunden vår i å nå alle de nødvendige brukerne.

I tillegg kan løsningen nå automatisk generere nye annonser, noe som optimaliserer selskapets tekstforfatterprosesser.

Samlet sett har plattformen resultert i en 53% økning i brukerklikk på annonser. Vi opprettet også anbefalinger for tekstforfattere basert på de tetteste og største klyngene, slik at de kan lage annonser som dekker opptil 92% av nødvendige brukerforespørsler. Vi fortsetter å utforske kraften til AI i digital markedsføring mens vi utvikler flere AI-baserte markedsføringsverktøy for å fortsette å forbedre plattformen.

Prosjektets varighet
  • Mars 2022 - Løpende

25%

spart tid på å generere nye annonser

53%

økning i tilleggsklikk

Ta kontakt med oss!

Bestill en samtale eller fyll ut skjemaet nedenfor, så kontakter vi deg så snart vi har behandlet forespørselen din.

    Ta med prosjektdetaljer, varighet, teknisk stack, behov for IT-fagfolk og annen relevant informasjon.
    Spill inn en talemelding om din
    prosjektet for å hjelpe oss å forstå det bedre
    Legg ved ytterligere dokumenter om nødvendig
    Last opp fil

    Du kan legge ved opptil 1 fil på totalt 2 MB. Gyldige filer: pdf, jpg, jpeg, png

    Vær oppmerksom på at når du klikker på Send-knappen, vil Innowise behandle personopplysningene dine i samsvar med vår Personvernerklæring for å gi deg relevant informasjon.

    Hva skjer videre?

    1

    Etter at vi har mottatt og behandlet forespørselen din, vil vi komme tilbake til deg innen kort tid for å beskrive prosjektbehovene dine og undertegne en taushetserklæring for å sikre informasjonens konfidensialitet.

    2

    Etter å ha undersøkt kravene, utarbeider våre analytikere og utviklere en prosjektforslag med arbeidsomfang, teamstørrelse, tid og kostnader estimater.

    3

    Vi arrangerer et møte med deg for å diskutere tilbudet og komme til en avtale.

    4

    Vi signerer en kontrakt og begynner å jobbe med prosjektet ditt så raskt som mulig.

    Takk skal du ha!

    Meldingen din er sendt.
    Vi behandler forespørselen din og kontakter deg så snart som mulig.

    Takk skal du ha!

    Meldingen din er sendt.
    Vi behandler forespørselen din og kontakter deg så snart som mulig.

    pil