بخش تبلیغاتی خرده‌فروشی زنجیره‌ای Sam’s Club که با نام Sam’s Club Connect فعالیت می‌کند، روز چهارشنبه از مجموعه جدیدی از ابزارهای هدف‌گیری تبلیغاتی و سنجش اثربخشی رونمایی کرد. این ابزارها به برندها امکان می‌دهند تا با استفاده از مدل‌سازی پیش‌بینانه (predictive modeling)، مخاطبان هدف خود را برای پیشگیری از ریزش مشتری (churn prevention) یا کاهش وفاداری به برند شناسایی کنند. همچنین امکان هدف‌گیری خریدارانی که احتمالاً در آستانه خرید کالاهای گران‌قیمت با چرخه عمر طولانی (مانند تلویزیون یا یخچال) هستند، فراهم شده است. این شرکت همچنین راهکار سنجش اثربخشی مبتنی بر هوش مصنوعی خود موسوم به Omni-Impact را توسعه داده تا کمپین‌های تبلیغاتی درون فروشگاهی و پلتفرم Meta را نیز پوشش دهد.

مدل‌سازی پیش‌بینانه و عبور از روش‌های سنتی هدف‌گیری

هاروی ما (Harvey Ma)، معاون ارشد و مدیرکل Sam’s Club Connect (که نام Connect در ماه ژوئن و به پیروی از شرکت مادر یعنی Walmart به آن اضافه شد)، در این باره می‌گوید مدل‌های سنتی معمولاً بر اساس خریدهای اخیر مشتریان اقدام به بازهدف‌گیری (retargeting) و ارزیابی کمپین‌ها می‌کنند. اما ابزارهای جدید این مجموعه، داده‌های Sam’s Club را به روش‌هایی آینده‌نگرانه‌تر به کار می‌گیرند.

یکی از بزرگ‌ترین مزایای این خرده‌فروشی، به ویژه به عنوان یک فروشگاه زنجیره‌ای مبتنی بر حق عضویت، دسترسی به داده‌های طولی (longitudinal data) انباشته‌شده از اعضا است. به گفته او، حتی زمانی که مشتریان با پول نقد غیرقابل‌ردیابی خرید می‌کنند، این خریدها همچنان به حساب کاربری فرد و خانوار متصل می‌شود که این امر به حفظ و تحلیل رفتارهای خرید در طول زمان کمک شایانی می‌کند.

نتایج اولیه؛ همکاری با پروکتر اند گمبل

یکی از محصولات جدید این مجموعه با نام «هدف‌گیری دقیق پیش‌بینانه» (Predictive Precision Targeting)، بخشی از خانوارهای هدف را ایجاد می‌کند که پیش از این محصول تبلیغ‌شده را خریداری نکرده‌اند. شرکت پروکتر اند گمبل (Procter & Gamble) این ابزار جدید را برای کپسول‌های شوینده خود یعنی Cascade Platinum آزمایش کرده است. در این آزمایش، Sam’s Club حدود ۸۰۰ هزار خانوار را که پتانسیل ارتقا به این کپسول‌های شوینده را داشتند، از قبل شناسایی کرد.

هاروی ما اعلام کرد که این مدل‌سازی با دقت ۹۴ درصدی همراه بوده و میزان هزینه کلی این خریداران برای محصول Cascade Platinum Plus در مقایسه با کمپین اولیه، ۷۱ درصد افزایش یافته است.

پیشگیری از ریزش مشتری و استراتژی‌های تهاجمی

از داده‌های تاریخی برای مدل‌سازی بخش‌های مخاطبان با هدف پیشگیری از ریزش مشتری و حفظ وفاداری به برند استفاده می‌شود؛ قابلیتی که در ابزار جدید دیگری که روز چهارشنبه معرفی شد، ادغام شده است. ما اشاره کرد که برخی از بازاریابان برندها به این گروه از مخاطبان «خریداران منقضی‌شده یا نامنظم» (lapsed or staggered buyers) می‌گویند. هدف اصلی این ابزار، شناسایی افرادی است که پیش از این مشتری بوده‌اند اما اکنون خرید آن‌ها کاهش یافته یا متوقف شده است.

این شاخص‌های جدید پیش‌بینی و پیشگیری از ریزش، چند ماه پس از عرضه محصول هدف‌گیری برند و ویژگی‌ها معرفی می‌شوند که امکان کمپین‌های تهاجمی (conquesting campaigns) را فراهم می‌کرد؛ کمپین‌هایی که در آن بازاریابان به طور هدفمند مشتریان وفادار برندهای رقیب یا خریداران یک دسته کالایی خاص را که از آن‌ها خرید نمی‌کنند، هدف قرار می‌دهند. به دلیل حساسیت بالای استراتژی تهاجمی (conquesting)، این ابزارها و همچنین قابلیت‌های پیش‌بینی جدید به صورت خدمات مدیریت‌شده (managed service) ارائه می‌شوند تا کنترل بیشتری روی آن‌ها وجود داشته باشد.

پیش‌بینی خریدهای بزرگ و گران‌قیمت

محصول دیگری که عرضه شده است، بخش‌هایی از مشتریان را شناسایی می‌کند که Sam’s Club پیش‌بینی می‌کند به زودی در بازار به دنبال خریدهای گران‌قیمت و کم‌تکرار خواهند بود. این سرویس در فصل تعطیلات جاری با تمرکز بر افزایش فروش تلویزیون در حال آزمایش است. این خرده‌فروشی فعالیت مشتریان را در دسته‌های مجاور مانند ساندبارهای صوتی تلویزیون، کنسول‌های بازی و دستگاه‌های استریم ردیابی کرده است تا نشانه‌های احتمال خرید یک تلویزیون جدید را شناسایی کند.

هاروی ما توضیح داد که این مدل می‌تواند در دسته‌های کالایی مختلفی اعمال شود؛ برای مثال، خرید محصولات عمومی شستشوی لباس ممکن است نشان‌دهنده این باشد که ماشین لباسشویی فرد در حال خراب شدن است یا نیاز به ارتقا دارد. او معتقد است آرشیو طولانی‌مدت داده‌های خرید و توانمندی مدل‌های زبانی بزرگ (LLMs) و هوش مصنوعی در پیش‌بینی رفتار خریداران، معیارهای جدیدی برای هدف‌گیری و تضمین نرخ بازگشت سرمایه تبلیغات (ROAS) برای فروش‌هایی که هنوز رخ نداده‌اند، ایجاد می‌کند. هدف این مدل یادگیری ماشین، نشان دادن رفتارهای احتمالی مشتری در ۱۲ ماه آینده است، فراتر از آنچه صرفاً رفتار خرید تاریخی نشان می‌دهد.