กรณีศึกษา
ผลตอบแทนการลงทุนของ AI
นีลเส็น + กูเกิล:
การวัดปริมาณพลังงาน
ของ AI ในการโฆษณา
การแนะนำ
บทบาทใหม่ของ AI ในผลลัพธ์ทางการตลาด
ปัญญาประดิษฐ์ (AI) มักได้รับการยกย่องว่าเป็นโซลูชันขั้นสูงสุดสำหรับประสิทธิภาพการโฆษณา ช่วยให้แบรนด์ต่างๆ วางแผนได้ดีขึ้น ทำงานได้อย่างชาญฉลาดขึ้น และประหยัดเวลา ปัญญาประดิษฐ์เป็นหัวข้อหลักในงานอุตสาหกรรมทุกงานและเป็นหัวข้อที่ได้รับความสนใจในห้องประชุม จนถึงตอนนี้ AI ได้พิสูจน์ให้เห็นแล้วว่าเป็นสินทรัพย์ที่มีค่าในการปรับกระบวนการวางแผนให้มีประสิทธิภาพมากขึ้น แต่คำถามใหญ่ต่อไปก็คือ AI สามารถขับเคลื่อนผลกระทบที่วัดได้หลังจากขั้นตอนการวางแผนผ่านไปแล้วหรือไม่ และคุณจะมีข้อมูลเพียงพอในการวัดทุกจุดสัมผัสและควบคุมปัจจัยภายนอกที่เพียงพอเพื่อค้นหาคำตอบที่แท้จริงได้อย่างไร
วัตถุประสงค์
ระบุผลกระทบต่อผลกำไรของ AI
Google พยายามค้นหาผลกระทบต่อผลลัพธ์ของโซลูชันล่าสุดที่ขับเคลื่อนด้วย AI บน YouTube และการค้นหาโดยการทดสอบขั้นสูงสุด ซึ่งได้แก่ การวัดแคมเปญของแบรนด์มากกว่า 50,000 แคมเปญและแคมเปญประสิทธิภาพมากกว่า 1 ล้านแคมเปญในสหรัฐอเมริกาผ่านเครื่องมือ AI แคมเปญเหล่านี้ครอบคลุมหมวดหมู่ต่างๆ มากมาย เช่น อาหาร การดูแลบ้านและส่วนบุคคล การค้าปลีก เครื่องแต่งกาย โทรคมนาคม และยานยนต์ ในช่วงระยะเวลา 2 ปีที่สิ้นสุดในเดือนมิถุนายน 2024 โซลูชันที่ขับเคลื่อนด้วย AI ที่กำลังกล่าวถึง ได้แก่:
1. Video Reach Campaigns (VRC): Maximize reach with AI, combining multiple formats and optimizing towards a singular goal of efficient reach, non-skippable reach, or reach at a target frequency.
2. Video View Campaigns (VVC): Drive increased consideration by leveraging AI to optimize ad placement, delivering more views at a lower cost.
3. Demand Gen: Generate demand, drive performance, and deliver strong ROI with AI-driven, multi-format ads across YouTube and other visual surfaces, ideal for social advertisers.
4. Performance Max: Achieve more conversions and value across all Google channels, with AI optimizing performance in real-time.
5. Broad Match: Expand reach beyond exact and phrase match, using AI to target additional, relevant queries and attract valuable customers, increasing conversions and improving ROI.
ท้าทาย
ประวัติที่ยังพิสูจน์ไม่ได้ของ AI
การวัดประสิทธิภาพของโซลูชันที่ขับเคลื่อนด้วย AI ถือเป็นความท้าทายใหม่ในระบบนิเวศการตลาด Google ต้องการโซลูชันการวัดผลที่สามารถแยกผลกระทบที่ชัดเจนของ AI จากแคมเปญแบบกำหนดเองได้ และยังเข้าถึงข้อมูลระดับหมวดหมู่ที่หลากหลายเพื่อจับภาพแคมเปญขนาดใหญ่ได้อย่างมีประสิทธิภาพ เพื่อพิสูจน์ว่าโซลูชันที่ขับเคลื่อนด้วย AI ช่วยกระตุ้นผลตอบแทนจากการใช้จ่ายโฆษณา (ROAS) และประสิทธิภาพการขายได้หรือไม่ Google จึงต้องการโซลูชันการสร้างแบบจำลองการผสมผสานทางการตลาด (MMM) ที่มีความสามารถในการตอบคำถามการวิจัยของพวกเขาได้อย่างมั่นคง
Solution
การเชื่อมโยงจุดต่าง ๆ บนประสิทธิภาพการทำงาน
Google turned to Nielsen Marketing Mix Modeling’s new AI/ML-powered modeling platform to uncover ROAS and sales effectiveness. Nielsen took Google’s over 50,000 brand campaigns and over 1 million performance campaigns, controlled for external factors, and used advanced modeling techniques to aggregate digestible and accurate insights. Due to Nielsen’s extensive data categorization and data partnerships, Nielsen was able to provide the deep cuts of data needed for granular and speedy analysis.
Key findings
17%
AI ขับเคลื่อน ROAS มากกว่าการควบคุมด้วยมือ
แคมเปญวิดีโอที่ขับเคลื่อนด้วย AI ของ Google บน YouTube ให้ ROAS สูงกว่าแคมเปญแบบกำหนดเองถึง 17%
23%
การทำงานร่วมกันระหว่างแคมเปญ AI ขับเคลื่อนประสิทธิผล
VRC ที่ขับเคลื่อนด้วย AI ของ Google เพื่อการเข้าถึงที่มีประสิทธิภาพ + VVC มอบประสิทธิภาพการขายที่สูงกว่า 23% เมื่อเทียบกับ VRC สำหรับการเข้าถึงที่มีประสิทธิภาพเพียงอย่างเดียว
10%
Demand Gen ช่วยเพิ่ม ROAS และประสิทธิภาพการขาย
การเพิ่ม Demand Gen ที่ขับเคลื่อนด้วย AI ของ Google ลงในแคมเปญการค้นหาและ Performance Max ส่งผลให้ ROAS สูงขึ้น 10% และประสิทธิภาพในการขายสูงขึ้น 12% เมื่อเทียบกับแคมเปญที่ไม่มี Demand Gen
8%
Performance Max ขับเคลื่อนประสิทธิภาพที่เพิ่มขึ้นบนการค้นหาแบบสแตนด์อโลน
Performance Max ที่ขับเคลื่อนด้วย AI ของ Google มอบ ROAS สูงขึ้น 8% และประสิทธิผลในการขายสูงขึ้น 10% เมื่อเทียบกับกลยุทธ์การค้นหาเพียงอย่างเดียว
15%
Broad Match ช่วยขับเคลื่อน ROAS และยอดขายที่เพิ่มขึ้นอย่างมาก
การจับคู่กว้างที่ขับเคลื่อนด้วย AI ของ Google สำหรับแคมเปญในเครือข่ายการค้นหามอบ ROAS สูงขึ้น 15% และประสิทธิผลในการขายสูงขึ้น 10% เมื่อเทียบกับกลยุทธ์ประเภทการจับคู่คำหลักอื่น
ผลลัพธ์
สูตรแห่งความสำเร็จ
ผลลัพธ์แสดงให้เห็นว่าโซลูชันโฆษณาที่ขับเคลื่อนด้วย AI ของ Google มีประสิทธิภาพเหนือกว่าแคมเปญแบบแมนนวลอย่างสม่ำเสมอทั้งในด้าน ROAS และประสิทธิภาพการขาย แต่ความมหัศจรรย์ที่แท้จริงเกิดขึ้นเมื่อแบรนด์ต่างๆ ผสานโซลูชันโฆษณา AI หลายๆ ตัวเข้าด้วยกันอย่างมีกลยุทธ์ การผสมผสาน AI นี้ปลดล็อกความสมดุลที่ดีที่สุดระหว่างการเข้าถึง ประสิทธิภาพ และผลตอบแทน
มันทำงานอย่างไร
Nielsen Marketing Mix Modeling เป็นเทคนิคการวิเคราะห์ทางสถิติที่ใช้ในการวัดผลกระทบของกิจกรรมการตลาดต่างๆ ต่อผลลัพธ์ทางธุรกิจ เช่น ยอดขายและ ROAS โดยการวิเคราะห์ข้อมูลในอดีตจากหลายช่องทาง Nielsen สามารถแยกผลกระทบขององค์ประกอบการตลาดแต่ละองค์ประกอบออกไปได้ในขณะที่ควบคุมปัจจัยภายนอก เช่น ฤดูกาลและการเปลี่ยนแปลงทางเศรษฐกิจ ด้วยแนวทางนี้ Nielsen สามารถระบุกลยุทธ์ที่มีประสิทธิภาพสูงสุด ปรับการจัดสรรงบประมาณให้เหมาะสม และเข้าใจได้ดีขึ้นว่าความพยายามทางการตลาดที่แตกต่างกันทำงานร่วมกันอย่างไรเพื่อขับเคลื่อนความสำเร็จ
บทสรุป
AI ขับเคลื่อนผลลัพธ์โฆษณา
AI isn’t just a fad or a futuristic planning tool – it’s a performance driver. While there are many use cases for single format campaigns, it’s undeniable that AI-powered campaigns can drive a bottom line impact. However, the real expert should find and harness that perfect blend of AI tools to maximize impact and always keep measuring to uncover the truth in today’s ever-changing AI landscape.
“การวิจัยของ Nielsen พิสูจน์ให้เห็นถึงผลกระทบที่สำคัญของโซลูชันที่ขับเคลื่อนด้วย AI ของ Google อย่างเข้มงวดทั้งในแคมเปญของแบรนด์และแคมเปญประสิทธิภาพ ข้อมูลดังกล่าวแสดงให้เห็นถึงการปรับปรุง ROAS อย่างมีนัยสำคัญเมื่อเทียบกับวิธีการแบบแมนนวล รวมถึงการทำงานร่วมกันอันมีค่าระหว่างรูปแบบ AI ข้อมูลเชิงลึกเหล่านี้ที่ได้จากการศึกษาของ Nielsen ช่วยเสริมสร้างความมั่นใจของผู้โฆษณาในผลลัพธ์ที่จับต้องได้ที่พวกเขาจะได้รับจาก Google AI”
แชนนอน เทรนเนอร์ สตาร์ค – กรรมการผู้จัดการ ฝ่ายโซลูชันและความเป็นผู้นำทางความคิด Google
ต้องการพูดคุยกับทีมผู้เชี่ยวชาญของเราไหม?
