Learn more
Date
Client
Industry
“Il modello di Lead Scoring sviluppato insieme a Making Science identifica in tempo reale gli utenti più preziosi per la nostra attività, dando loro priorità rispetto agli altri. Ciò ha portato a una riduzione del 27% del CPI finale.”
Verisure fa parte del portafoglio di investimenti di Hellman & Friedman. È il secondo fornitore di sistemi di allarme domestico al mondo, operante con il nome di Verisure nella maggior parte dei paesi in cui è presente e con il nome di Securitas Direct in Spagna e Portogallo.
L’azienda conta oltre 4,7 milioni di clienti in 17 paesi tra Europa e America Latina.
L’ostacolo principale per Verisure era rappresentato dall’intrinseca difficoltà nel conciliare il volume dei lead con la loro qualità all’interno delle attività di pubblicità digitale. Sebbene le loro campagne generassero un elevato volume di richieste, mancava un meccanismo per distinguere tra un semplice visitatore e un potenziale cliente altamente interessato.
Questa mancanza di granularità dei dati implicava che le strategie di offerta automatizzate trattassero tutti i lead allo stesso modo, il che spesso portava a un’allocazione inefficiente del budget e a un costo per acquisizione superiore a quello desiderato. L’obiettivo era trovare un modo per integrare segnali più intelligenti nelle piattaforme pubblicitarie al fine di dare priorità agli utenti con maggiori probabilità di conversione in contratti a lungo termine.
In un contesto in cui le campagne erano fortemente ottimizzate, la sfida ha richiesto un’attenta revisione delle aree più sensibili in termini di efficienza. Verisure, in collaborazione con Making Science e Google, ha definito un piano per affrontare questa sfida attraverso la tecnologia di intelligenza artificiale (AI) sviluppata da Making Science: Gauss Smart Advertising. I modelli predittivi sono in grado di anticipare il valore futuro dei lead registrati sul web, rendendo più efficiente l’intero processo di acquisizione di nuovi clienti.
La proposta era quella di prevedere in tempo reale la propensione all’installazione, l’ultimo step del suo modello di business, come abbiamo visto sopra, e quindi quello più strettamente legato al fatturato.
Il test è stato effettuato nelle campagne Search Ads con un test AB su più campagne per valutare oggettivamente i risultati.
Al gruppo di prova è stato chiesto di ottimizzare in base al ROAS target (ritorno previsto della spesa pubblicitaria) e al gruppo di controllo è stato chiesto di ottimizzare in base al CPA (costo per lead).
I risultati mostrano l’ottimo raggiungimento degli obiettivi, in quanto siamo riusciti a migliorare le installazioni dell’8,3%, riducendo il CPI del 27%
