Лучшие маркетинговые кампании — те, что доносят пользователю правильное сообщение в нужное время. Конечный пользователь видит релевантные предложения (а это значит сокращение спама и повышение вероятности конверсии), в то время как маркетинговая команда видит повышение эффективности рекламных расходов.

Но персонализация в таком масштабе стоит дорого. Требуется доступ к высококачественным первичным данным о ваших клиентах, а также к системам машинного обучения для преобразования этих данных в прогноз на уровне пользователя. О том, как меняется ситуация с запуском Predictive Cohorts от Amplitude — рассказываем в статье.

Predictive Cohorts позволяет группировать пользователей на основе не прошлого, а будущего поведения. Эта функция на базе Nova AutoML автоматизирует все этапы модели машинного обучения и упрощает возможность персонализации в любом масштабе для любой компании. Установите любой желаемый результат — активацию, удержание, LTV — и в течение нескольких минут Amplitude сформирует группу пользователей, которые с наибольшей вероятностью достигнут нужного результата. Это огромный шаг в сторону увеличения аудитории и выявления нужных пользователей для таргетинга.

Чтобы персонализировать пользовательский опыт с помощью Predictive Cohorts, нужно сначала спрогнозировать желаемый результат для группы. Amplitude упрощает этот процесс до клика.

Укажите любое событие, свойство пользователя и желаемый период времени в Amplitude Cohorts. Сформулируйте результаты, например:
● покупка в ближайшие семь дней;
● переход с начального уровня на продвинутый в ближайшие 30 дней;
● достижение LTV в 500 долларов в течение следующих шести месяцев.

В течение нескольких минут система Amplitude Nova AutoML автоматически построит модель машинного обучения для создания таких прогнозируемых групп.

Модель машинного обучения анализирует пользователей, которые достигли или не достигли желаемого результата за предыдущий период (например, пользователи, у которых LTV был больше или меньше 500 долларов за последние шесть месяцев), и взвешивает, как сотни предшествующих действий повлияли на результат. Результатом является вероятностная оценка для каждого пользователя, пересчитываемая каждый час и определяющая их индивидуальную вероятность достижения нужного результата в заданный период времени.

Эта возможность для предсказания любого будущего результата имеет большое значение. Вместо того, чтобы группировать пользователей по критериям, основанным на давности (например, «последний просмотренный товар»), теперь вы можете идентифицировать пользователей по прогнозным критериям (например, «удержание за один месяц»). Таким образом можно предоставить персонализированный опыт для своих клиентов и именно в тот момент, когда они готовы его получить.

С вероятностной оценкой, присваиваемой каждому из ваших пользователей, Amplitude позволяет легко определить, кто является подходящим или неподходящим пользователем для достижения желаемого результата.

В Predictive Cohorts вы можете увидеть распределение всех ваших пользователей, ранжированных по вероятности достижения желаемого результата в будущем. Вы можете выбрать любую группу, например, верхние 5%, средние 10% или нижние 20% — и сразу увидеть количество пользователей и прогнозируемый коэффициент конверсии в этой группе. В приведенном выше примере выбраны верхние 20% пользователей по прогнозируемому LTV.

Результаты подобной сегментации впечатляют. Вместо того, чтобы вручную группировать пользователей по нескольким поведенческим сигналам, вы ранжируете их по прогнозируемой вероятности, которая основана на сотнях поведенческих сигналов.

Однако, прогнозируемая вероятность не должна быть чем-то непонятным. Доверие и прозрачность имеют ключевое значение, особенно при принятии этических решений о том, когда использовать сгенерированную прогнозируемую модель. Соответственно, Amplitude обеспечивает прозрачность точности базовой модели, а также демонстрирует, какие поведенческие сигналы были для нее наиболее важными.

Поведенческие сигналы ранжируются по коэффициенту важности: соотношению пользователей в выбранной группе, которые совершили действие или элемент действия, по сравнению с пользователями, не входящими в группу. В этом примере мы видим, что пользователи, входящие в верхние 20% прогнозируемого LTV, в 14,3 раза чаще добавляли друзей за последние 90 дней и в 9,8 раз чаще добавляли контент в сообщество.

Опираясь на модель, можно сохранить желаемый набор пользователей как прогнозируемую группу. Группа будет включать всех пользователей в выбранном диапазоне вероятных значений и будет корректировать членство в группе каждый час по мере изменения поведения этих пользователей и вероятности будущего изменения их поведения.

Программа не ограничивается простым определением ваших лучших клиентов. Amplitude позволяет сразу кастомизировать пользовательский опыт, как только пользователи попали в группу.

Используя Amplitude Engage, можно синхронизировать прогнозируемую группу непосредственно с email-сервисами, рекламными и другими платформами. Это означает, что как только пользователь входит (или выходит) из прогнозируемой группы, он автоматически синхронизируется с нужным интерфейсом.

Вы можете персонализировать свои электронные письма на платформе Braze и сохранить пользователей, которые имеют наибольшую склонность к оттоку на следующей неделе, предложив этой группе хорошую скидку. В Facebook Ads вы можете начать исключать пользователей, имеющих наибольшую склонность к покупке в ближайшие 30 дней, поскольку они и так собираются совершить покупку. А с помощью LaunchDarkly можно показывать разные описания продукта пользователям, которым один продукт нравится больше, чем другой. Это открывает возможность точной персонализации.

Predictive Cohorts теперь доступна как часть Amplitude Engage и включает предварительно созданные интеграции с такими платформами, как Amazon S3, Appcues, Braze, Iterable, Facebook, Google Ads и LaunchDarkly.

С помощью этой технологии вы сможете предугадывать возможности активации, удержания, дополнительных продаж и других важных действий пользователей.