Machine learning & AI: app marketeers in de klas van 2020

Recentelijk waren wij als fullservice app ontwikkelaar Coffee IT aanwezig op een app marketing event op het kantoor van Google Nederland. Dit event is een initiatief van Team Nijhuis en Google. Verschillende app marketeers waren uitgenodigd om samen te sparren over de implementatie van digitale innovaties in het app marketing vak. Van de lead marketeer van de 9292 app tot het creatief brein achter Candy Crush. Een gemêleerde groep van ervaringsdeskundigen was uitgenodigd om de voordelen van machine learning te bespreken voor het promoten van een app. Door ontwikkelingen in het Internet of Things is het era van next-generation app-marketing is aangebroken. In dit artikel bespreken we de belangrijkste uitkomsten.

Machine learning en AI hebben het speelveld veranderd. Eerst was er televisie, toen internet, daarna de mobiele telefoon en nu is het era van machine learning aangebroken. Machine learning is big business. Je kunt tegenwoordig geen artikel meer lezen zonder de begrippen machine learning, artificial intelligence (AI) of deep learning tegen te komen. Voor sommige marketeers is machine learning nog een ver-van-mijn-bedje begrip. Andere marketeers weten inmiddels niet beter dan deze nieuwe vorm van marketing. Dat machine learning big business is wordt goed benadrukt uit recent onderzoek van het onderzoeksbureau EconSight. EconSight analyseert de trends in de technische markt en de impact er van op economie en de gemeenschap. Uit dit onderzoek blijkt dat de waarde die gecreëerd wordt met machine learning in marketing & sales geschat wordt op zo’n 2.6 triljoen dollar in 2020. Dat is nogal wat. Hoe komt dit?

Machine learning adoptie gebeurt op grote schaal in vrijwel elke industrie, van zelfregulerende AI landbouw tot autonome auto’s. Als we kijken naar de app markt dan zien we een enorme stijging in het aantal machine learning geïntegreerde projecten van de grote spelers zoals Apple en Google. Alleen al Google gebruikt machine learning in meer dan 4000 projecten van bijvoorbeeld Gmail, Google Translate en zo dus ook app marketing campagnes. Deze focus is niet vreemd als je kijkt naar de uitkomsten van onderzoeken gerelateerd aan app gebruik. Zo besteden gebruikers 50% meer tijd aan apps in 2018 dan in 2016 en zijn de bestedingen in de app stores met 75% gestegen ten opzichte van 2016. Het lijkt er dus op dat de app markt nog niet verzadigd is.

Gemiddeld wordt meer dan 80% van de apps nooit meer gebruikt na de eerste drie maanden van het downloaden van de app. Vaak ligt dit niet aan de kwaliteit van de app maar aan de strategie erachter. Met enige regelmaat worden app-marketing campagnes opgezet om een legioen aan nieuwe gebruikers te realiseren zonder dat er een solide plan is om de gebruikers te behouden of aan te zetten tot meer actie. De uitdaging zit hem niet zozeer in het verkrijgen van de nieuwe downloads, maar aan behouden van de app gebruikers en er meer rendement uit te halen. Vaak zijn deze gebruikers weinig tot niet getarget op basis van persoonlijke voorkeuren en demografische of sociale kenmerken. Hierdoor is er geen match tussen de app en de gebruiker, hetgeen wat leidt tot snelle desinteresse en het beëindigen of verwijderen van de app. Dit is waar next-generation app-marketing komt kijken. Next-generation app-marketing is het gebruiken van machine learning om de app gebruikers te bereiken die jou het meeste opleveren. Machine learning gebruikt hiervoor een enorme hoeveelheid aan data en segmenten die weer gekoppeld zijn aan het Internet of Things. Denk aan iemand zijn zoekgedrag op Google, de locaties die iemand recentelijk heeft bezocht of zelfs iemand zijn slaappatroon via third-party apps. Je kunt het zo gek niet bedenken.

Nu, misschien wel meer dan ooit, moeten marketeers serieus overwegen om de traditionele tools te vervangen door nieuwe, gepersonaliseerde metrics door middel van AI en MC integraties. Steeds vaker investeren bedrijven in het behoud van gebruikers en richten klantgerichte metrics in zoals bijvoorbeeld de CLV (customer lifetime value). Deze metrics worden met behulp van machine learning steeds gedetailleerder en beter. Zo kun je met behulp van machine learning niet alleen je meest waardevolle klanten identificeren, maar ook belangrijke gedragingen en voorkeuren meten en hier vervolgens op acteren. Je richt de campagne vervolgens in op de gebruikers die jou het meeste opleveren. Dit is in veel gevallen slechts 17% tot 20% van je totale gebruikers.

Google App Campagnes is een relatief nieuw middel van app-marketing dat gebruik maakt van machine learning. De dienst is veelbelovend maar zal nog sterk doorontwikkeld moeten worden in de aankomende jaren. Zo is het voor nu met name interessant voor de B2C partijen en niet voor de B2B doordat er een enorme hoeveelheid aan data nodig is voor het algoritme. Door miljoenen signalen te combineren wordt een zelflerende campagne samengesteld die volledig gericht is op een specifieke fase van de customer journey. Een Google App Campagne is dus niet specifiek voor het aantrekken van nieuwe gebruikers, maar het aantrekken van de 17% beste gebruikers met het meeste rendement. De campagne wordt geoptimaliseerd richting deze gebruikers door gepersonaliseerde boodschappen weer te geven. Je kunt assets instellen die gebruik maken van tekst, afbeeldingen, video en HTML5. Voor de SEA marketeer zal dit enigszins lijken op het interface van Google Adwords.

Het is ook mogelijk om je bestaande app te optimaliseren door middel van machine learning. In sommige gevallen kunnen wij machine learning implementeren in reeds bestaande apps. Denk aan een app die gebruik maakt (en leert) van andere third-party apps of een app die gekoppeld is aan een andere apps in eigen beheer. Houd hierbij wel rekening dat de code van de app van dusdanige kwaliteit moet zijn dat machine learning of AI succesvol geïntegreerd kan worden. Benieuwd of machine learning in jouw reeds bestaande app geïntegreerd kan worden? Neem dan contact op met ons en wij kijken graag vrijblijvend met je mee.