Autore: Redazione
11/11/2016

Zenith utilizza il machine learning per il digital planning

La centrale di Publicis illustra un nuovo approccio per ottimizzare in modo significativo. Il caso di successo di Aviva

Zenith utilizza il machine learning per il digital planning

Zenith, centro media parte di Publicis Groupe, ha sviluppato un approccio totalmente innovativo al digital planning, destinato ad offrire agli inserzionisti miglioramenti significativi nell’efficacia e a cambiare sostanzialmente il modo in cui agenzie e clienti ottimizzeranno la comunicazione sui mezzi digitali.

Machine learning a servizio del digitale

   

Nel corso degli ultimi sei mesi, una task force di data scientist e specialisti strategici di Zenith ha sviluppato un sofisticato sistema di automazione del digital planning, sfruttando la tecnologia machine learning dell’agenzia e algoritmi ad hoc. Al giorno d’oggi, le aziende inserzioniste si trovano faccia a faccia con una gamma di customer journey diversi, ognuno articolato su una molteplicità di touchpoint. Per superare la complessità che ne deriva, Zenith ha indagato come il machine learning possa essere utilizzato per elaborare in modo efficiente grandi quantità di dati e automatizzare gli aspetti del digital planning più complessi e più onerosi per i planner in termini di tempo speso.

zenithlogo-e1468855430920

Il caso Aviva

   

Utilizzando campagne attive del cliente Aviva, la task force ha raccolto cookie data dall’infrastruttura tecnologica di una demand-side platform leader sul mercato. Gli specialisti, quindi, hanno fatto corrispondere alle informazioni dei cookie i rispettivi dati di vendita di prima parte: applicando l’algoritmo di machine learning di Zenith, il gruppo di lavoro è riuscito ad attribuire con precisione le conversioni in vendita a partire da specifiche interazioni digitali. Oltre a questo, per la prima volta nella storia del settore, Zenith è stata in grado di ottimizzare automaticamente la pianificazione digitale del cliente Aviva alimentando nuovamente la demand-side platform con l’output del proprio algoritmo. Questa scelta decisiva ha portato a una chiusura del cerchio dal punto di vista dell’automazione: raccolta dei dati, attribuzione delle azioni del consumatore a elementi di comunicazione, una modifica capillare nella pianificazione su una molteplicità di touchpoint digitali - il tutto realizzato automaticamente. Grazie a questa applicazione del machine learning, Aviva ha goduto di un miglioramento del 6% nel costo per preventivo sulle assicurazioni auto tramite motori di ricerca, mentre sul canale display Aviva ha beneficiato di un miglioramento del 10% sempre in termini di costo per preventivo.

Zenith sposa first party data e cloud

     

Ma Zenith ha scelto di non fermarsi qui: il network di agenzie alimenta l’algoritmo con dati di prima parte riguardanti le leve che determinano la domanda, così che l’efficacia dei cambiamenti automatici nella pianificazione sia ulteriormente migliorata. In questo modo, fattori come l’influenza del prezzo sulle vendite o la bontà dei messaggi a livello creativo saranno inseriti nel flusso dell’ottimizzazione automatizzata. L’automazione radicale del digital planning proposta da Zenith, inoltre, è basata sulle tecnologie cloud: in questo modo, il cliente può mantenere la totale proprietà dei dati di prima parte, dall’inizio alla fine del processo.

I commenti dei protagonisti

   

“Zenith sta tracciando la rotta nella media industry, rinnovando i modelli di business della comunicazione digitale - commenta Vittorio Bonori, global brand president di Zenith -. Questo programma di automazione riveste per noi grande importanza ed è parte della nostra strategia per far leva sul potere di dati e tecnologia, realizzando crescita profittevole per i nostri clienti”. “Essere all’avanguardia con questo progetto pilota nell’automazione sui canali search e display è per noi un vero piacere ed esemplifica l’impegno di Aviva nella trasformazione digital e sui mezzi - ha aggiunto James Turner, head of marketing (Trading) di Aviva -. I benefici della modellistica d’attribuzione si concretizzeranno da un lato come miglioramento nel ROI e, dall’altro, come maggiore efficienza a livello operativo”.