قصص النجاح

حل برمجي مخصص لـ Lacoste

الجمع بين استخدام حملات إعداد البيانات والبرامج الآلية وحسابات أمازون وفيسبوك لزيادة المبيعات في 3 أسواق

التحدي

لاكوست هي ماركة أزياء فرنسية تأسست في عام 1933 من قبل لاعب التنس رينيه لاكوست. تبيع الأحذية والملابس والعطور والنظارات. تبيع لاكوست منتجاتها في أكثر من 3000 نقطة بيع في 110 دولة مختلفة ، ومن خلال موقعها على الويب.

ترغب لاكوست في تحقيق المزيد من المبيعات خلال فترة الذروة الصيفية في ثلاثة من أسواقها الرئيسية: فرنسا وألمانيا والمملكة المتحدة.

Schéma

الحل

لجأت لاكوست إلى Numberly لزيادة مبيعاتها خلال فترة استراتيجية. اختارت فرق Numberly استراتيجية طموحة متعددة القنوات. تضمنت هذه الحملة إعلانات برمجية على الشبكة الإعلانية وحملات Amazon و Facebook.

تضمنت التصميمات العديد من أشكال الإعلانات التي تم بثها على أجهزة مختلفة. أجرت Numberly عددًا من الاختبارات لتحديد تصميمات الإعلانات التي كانت أكثر فاعلية والتي زادت من التركيز على الإستراتيجيات عالية الإمكانات.

بعد تحليل جمهور لاكوست ، قسمت Numberly عملائها وفقًا لسلوكهم.
أدى هذا التحليل إلى قيام Numberly بتقسيم الجمهور إلى ثلاث شرائح:

  • العملاء الناشطين
  • العملاء غير الناشطين
  • العملاء المحتملون 

من أجل التمكن من استهداف كل شريحة من خلال القنوات المختلفة ، قامت Numberly بمطابقة المستخدمين من خلال إعداد البيانات. جعل ذلك الأمر على عرض المحتوى المخصص على الشرائح المختلفة التي تم تحديدها.

كما يسمح إعداد البيانات لـ Numberly بإعادة استهداف كل عميل من خلال قنوات مختلفة من أجل زيادة التعرض ، لا سيما من خلال العرض الآلي وإعلانات Facebook.

كانت الميزة الكبيرة لإعادة الاستهداف هي القدرة على تعديل الاستراتيجيات اعتمادًا على خصائص كل زائر فريد.

أدركت الفرق داخل Numberly و Lacoste أيضًا أن العملاء المحتملين يمثلون جزءًا حيويًا يجب استهدافه. لاكتساب عملاء جدد ، استخدمت Numberly عدة استراتيجيات لتحسين الوصول. وشملت هذه الاستراتيجيات القوائم البيضاء ، واستهداف المحتوى ، وشرائح البيانات ، وصفقات محددة. تمت مراقبة كل هذه الاستراتيجيات وتحسينها باستمرار من أجل تعظيم مؤشرات الأداء الرئيسية.

خلال الحملة ، ركزت Numberly على اختبار A / B لتصميمات الإعلانات والأشكال و الأجهزة بهدف تحقيق أفضل أداء ممكن لكل عميل.
في الوقت نفسه ، تم إجراء اختبارات على القنوات البرمجية المختلفة مثل العرض البرنامجي و Amazon و Facebook لتكييف الميزانية التي يتم إنفاقها على كل قناة في الوقت الفعلي.

النتائج

استمرت الحملة بنجاح لمدة شهرين.

يسمح إعداد البيانات بمطابقة على المعدل ​​60٪ من ملفات تعريف الارتباط المتطابقة.

كان العملاء الناشطين الجمهور الأفضل أداءً مع العدد الرائد من التحويلات يليه العملاء المحتملين ثم العملاء غير الناشطين.

في Amazon، انخفضت تكلفة الاكتساب التراكمية بنسبة 490٪ طوال مدة الحملة.

المفاتيح الرئيسية

60 %

من ملفات تعريف الارتباط المتطابقة من خلال إعداد البيانات

12 %

زيادة مبيعات ما بعد النقر

سمح لنا دمج البيانات مع استراتيجية متعددة القنوات ومتعددة الأجهزة بتحقيق طموحنا خلال فترة استراتيجية.