Google har under många år jobbat för att koppla ihop data från kampanjer med faktiska butiksbesök och köp. Genom Deep Learning vill de nu förbättra mätningarna och skapa bättre modeller.
Det har alltid varit ett stort problem att veta vilka kunder som besöker en affär efter att de sett en kampanj. Genom GPS-data, WiFi-triangulering och kalibrering kan en uppskattning av butiksbesök göras. Detta blir dock mycket svårare i stora städer eller köpcentrum där butiker ligger tätt och ofta i flera nivåer.
Genom att använda Deep Learning, en mer avancerad variant av Machine Learning, vill Google nu få en bättre bild av hur beteenden i den fysiska världen hänger ihop med kampanjer i den digitala världen. Tanken är att genom att kunna mata datorn med enorma mängder spridd övningsdata ska datorn lära sig att se och förstå mycket komplexa samband, och på så sätt kunna ge en bättre bild av marknadsföringens effekt.
Enligt Jerry Dischler, VP of product management för AdWords, hade det varit omöjligt att mäta butiksbesök utan den avancerade datoranvändning som Machin Learning erbjuder. Människan har helt enkelt inte kapacitet att hantera och räkna på så stora datamängder.
Utöver att använda Deep Learning vidtar Google ytterligare ett antal steg för att underlätta för marknadsförare. Dels kopplar man YouTube TrueView till de kampanjer som går att koppla ihop med butiksbesöksdata. Med tanke på den ökning som skett i video online så ör det ett logiskt nästa steg. Dels integrerar man försäljningsdata i AdWords för att bättre kunna avgöra om en kund beror på ett spontant besök eller en konvertering från en kampanj.
Att verkligen kunna vara omnichannel, de senaste årens stora buzzword, håller på att bli verklighet. Det är fortfarande en bit kvar innan vi kan få en fullständig överblick över kunderna och vad som påverkar deras köpbeslut och beteenden. Men i takt med att möjligheterna att analysera data i realtid ökar, så kommer även kampanjer och personalisering att bli bättre och mer relevanta för konsumenterna.
