Machine learning dla optymalizacji mediowej kampanii IKEA

Cele kampanii

Celem było, aby poprzez automatyzacje optymalizacji kampanii osiągnąć korzystniejsze koszty emisji (obniżenie ich o co najmniej 25%). Wskaźniki, dla których przyjęliśmy dany cel, dotyczył emisji wideo i ich kosztów pełnego obejrzenia oraz kosztów widocznych wyświetleń.

Wyzwanie

W trakcie pandemii rynek meblarski odnotował widoczne wzrosty, co było naturalnym skutkiem tego, że ludzie musieli pozostać w domach, a więc zaczęli większą uwagę przykładać do tego, jak są one urządzone. Sprzyjała temu także sytuacja na rynku nieruchomości, na które był duży pobyt w danym okresie. W Polsce pojawiło się wielu nowych konkurentów oferujących nie tylko meble, ale także akcesoria i dodatki do mieszkań. IKEA, która do tej pory raczej kojarzona była z doświadczeniem zakupów stacjonarnych, znacząco zainwestowała w rozwój oferty online. Po pandemii nastąpiła gwałtowna zmiana i branża zaczęła notować spadki. Cytując artykuł z kwietnia 2023 roku z biznes.gazetaprawna.pl: „W pierwszym kwartale 2023 roku sprzedaż różnych rodzajów mebli spadła o 30%. Dlatego potrzebna była bardziej efektywna komunikacja reklamowa, która przy jak najniższych kosztach osiągnie maksimum oczekiwanych rezultatów. Ważne było także, aby działania te nie generowały dodatkowej pracy wymaganej do wdrożenia usprawnień. Efekty miały przyjść szybko, sprawnie oraz przy uniknięciu skomplikowanych, czasochłonnych procesów. Jako wyzwanie możemy uznać także konieczność dysponowania odpowiednimi zasobami ludzkimi w celu przeprowadzenia optymalizacji oraz fakt, że prace te mogły odbywać się tylko w godzinach pracy zespołu.

Strategia

Jednymi z ważniejszych kanałów komunikacji marki są Programmatic oraz YouTube. Dążąc do osiągnięcia założonych celów, zdecydowaliśmy się wprowadzić zaawansowaną optymalizację działań opartą na automatyzacji. AI umożliwiła nam integrację ogromnej ilości danych, dostarczając rozwiązania uwzględniające szereg zmiennych, co pozwala nam na egzekwowanie złożonych strategii aukcyjnych dostarczających lepsze wyniki w krótszym czasie.

Pierwszym wprowadzonym narzędziem był Copilot, nasze autorskie narzędzie, które wykorzystuje dane o największej wartości do realizacji celów biznesowych. Łączy wiele metryk przy budowie algorytmów optymalizacyjnych i identyfikuje modele zachowań często niedostrzegalne dla człowieka. 

Copilot okazał się strzałem w dziesiątkę, ale jego ograniczeniem było inventory, na jakim mógł działać. Nie mogliśmy wykorzystać go na innej ważnej platformie komunikacyjnej, jaką jest YouTube. W związku z tym jako komplementarne narzędzie wprowadziliśmy Optimizera. Pobiera on dane (ustawienia kampanii i raporty z realizacji) z platformy reklamowej, następnie oblicza najlepsze optymalizacje i odpowiednio dostosowuje ustawienia kampanii, korzystając z funkcjonalności platformy reklamowej.

Sposób realizacji

1. Kreacja

Kreacje nie uległy zmianie w stosunku do tego, jak były przygotowywane przed wprowadzeniem narzędzi AI. Klucz w usprawnieniu działań leżał nie w kreacjach, a w samej optymalizacji emisji reklam. W ramach opisanych działań wykorzystywaliśmy formaty wideo.

2. Media mix

Podział inwestycji na działania z wykorzystaniem narzędzi AI prezentował się następująco:

• 91% budżetu na wsparcie w Programmatic Video z użyciem narzędzia Copilot,

• 9% budżetu na wsparcie w YouTube z użyciem narzędzia Optimizer.

3. Innowacje

Copilot to bazujące na machine learningu narzędzie pozwalające optymalizować kampanie programatyczne w oparciu o AI. Daje możliwość optymalizacji nie tylko pod podstawowe metryki mediowe, ale i customowe wskaźniki łączące kilka KPI-ów. Nadaje się odpowiednio wartości i wagi różnym źródłom danych, a następnie dynamiczne dostosowuje do nich wysokość bida. Optimizer jest niezależnym oprogramowaniem, które optymalizuje strategię bidowania przy zakupie reklam digital w modelu programatycznym. To zaawansowane narzędzie AI generuje automatycznie niestandardowe algorytmy licytacji i umożliwia osiąganie ponadprzeciętnych efektów z emisji oraz większej efektywności kosztowej, a także dzięki automatyzacji procesów mediowych, znacząco wspomaga codzienną pracę.

Rezultaty

Według danych porównujących wyniki osiągane bez narzędzi AI do rezultatów osiąganych przy ich użyciu, obserwujemy wyraźne obniżenie kosztów. W przypadku Copilota koszty vCPM (dla standardu IAB) obniżyliśmy o 46%, a koszty CPV (Cost per Video Views 100%) o 47%. W przypadku Optimizera koszt CPV na YouTube zredukowaliśmy o 28%. Wszystko to osiągnęliśmy bez konieczności powiększania zespołu mediowego. Dodatkowo istniejący już zespół, czuwający nad realizacją kampanii, zaobserwował obniżenie czasu pracy spędzanego nad optymalizacją o około 25%. Wyniki te zostały obliczone poprzez uśrednienie kosztów osiąganych przed wprowadzeniem narzędzi AI, a następnie uśredniono koszty z wszystkich działań prowadzonych za pomocą Copilota oraz Optimizera. Różnicę między jedną średnią a drugą odniesiono do pierwotnie osiąganych stawek.

Podsumowanie

Przeprowadzone przez nas działania przy użyciu narzędzi AI udowodniły skuteczność tej stale rozwijającej się technologii. Widzimy, że w kwestii optymalizacji emisji w mediach warto zaufać sztucznej inteligencji. Obniżone koszty o 28–47% świadczą o tym, że zastosowane przez nas podejście było dobrym kierunkiem i warto je kontynuować w przyszłych kampaniach.