应用营销人员转向人工智能和机器学习来推动增长

您是否知道80%的用户在下载应用程序后的三个月内流失?那是因为大多数应用都是面向大众的，而不一定是针对合适的客户的。

通常，应用程序营销的目标是希望尽可能多地吸引更多的消费者，以期大量招募并以高于平均水平的比例进行转化。但是，营销人员面临的挑战之一是，当今的许多策略都是由与高级用户定位和增长无关的指标驱动的。

更具体地说，应用程式行销商并未从策略上利用可用数据来提供富有成效的使用者体验，从而最终带来更大的业务获利能力。

现在，营销人员现在比以往任何时候都必须从跟踪传统的虚荣指标转变为衡量有助于保留和增长的事物。成功的公司越来越多地投资以客户为中心的指标，例如CLV(客户生命周期价值)，以获取以消费者为中心的智能见解，这些见解不仅可以识别出最有价值的客户，而且还可以通过关键行为和偏好来不断改善消费者的体验并旅程。

CLV比孤立的应用程序更重要。它可以帮助应用程序和其他接触点协同工作，以提供增值，凝聚力的体验。

CLV衡量的是消费者在其整个生命周期中的所有互动中代表的业务价值，而不仅仅是单个交易或接触点。最终，这就是客户体验的定义。这是客户在整个生命周期中与您的品牌共同度过的所有时刻的总和。现在，营销和客户参与是一项跨职能的任务。

并非所有应用程序用户都是正确的用户。如果使用帕累托原理，则可以假定80%的业务价值归功于20%的活跃消费者。尽管这些百分比绝非标准，但它们确实强调了确定和培养推动您业务的重要客户的必要性。

CLV与人工智能(AI)和机器学习相关联，而不是投下广阔的网络并吸引尽可能多的用户，以期保持合理的活跃基础，而是将营销人员以及开发人员的注意力集中在有针对性的参与和增长上。这个想法是通过投资更多的增值用户体验和个性化产品来增加利润。这样做有意与重要客户建立有意义的关系。

下一代客户参与是关于跨功能的协作和数据共享不幸的是，今天的客户体验大为孤立。营销，移动，店内，电子商务，数字化等均未针对相同的客户和市场数据进行协作或运营。但这一切都将随着与智能CLV计划相关的AI和机器学习的普及而改变。

当目标不仅是在应用程序中而是在每个接触点和整个生命周期中提供有针对性的集成体验时，公司会创建一种真正以客户为中心的方法。然后，人工智能可以帮助品牌获得对客户行为和期望的更完整，共享的看法和理解。

此外，以AI为驱动的以客户为中心促进了跨功能的协作和数据共享，通过设计可以提升客户体验以及CLV和业务增长。

当指向正确的方向时，人工智能/机器学习平台可提供智能的见解。成功的品牌研究最高价值客户在其一生中带来了多少收入，以及管理这些关系所需的费用。他们检查所有渠道的CLV，以全面了解所有互动中的高价值行为。当系统可以分析高价值用户的重要特征时，它可以学习如何优化CLV。

例如，为了吸引潜在的高价值客户，人工智能/机器学习使用来自现有高价值客户的数据来优化活动和接触点。贝恩公司在一项针对零售业务的研究中发现，每次客户打来电话或拜访时，都要花费4美元。但是，如果消费者可以通过应用程序完成交易，则只需花费10美分。

关键是要以消费者喜欢和欣赏的方式提供功能。想象一下，在确定摩擦点和新机会时，还可以发现多少AI和机器学习。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！