TikTok przedstawia Smart+: rozwiązanie oparte na AI dla kampanii e-commerce na wzrost efektywności

Smart+ w dużej mierze opiera się na automatyzacji, uczeniu maszynowym i predykcyjnej sztucznej inteligencji, aby zarządzać realizacją kampanii, budżetowaniem, targetowaniem i optymalizacją kreatywną. Ręczne dane wejściowe pozostają dostępne, ale system został zaprojektowany tak, aby podejmować większość decyzji optymalizacyjnych autonomicznie, z celem poprawy zwrotu z inwestycji, zmniejszenia obciążenia operacyjnego i ograniczenia zmęczenia twórczym.

Struktura kampanii automatizowanej po raz pierwszy

Reklamodawcy mogą wybierać pomiędzy:

• W pełni zautomatyzowane kampanie, gdzie alokacja budżetu, wybór i optymalizacja odbiorców są realizowane głównie przez AI poprzez optymalizację budżetu kampanii (CBO).

• Kampanie ręczne, które pozwalają na większą kontrolę na poziomie grup reklamowych, choć znacznie mniej polegają na automatyzacji Smart+.

Budżety na całe życie są również dostępne w kampaniach w pełni zautomatyzowanych, co dodatkowo zmniejsza potrzebę ciągłych ręcznych korekt.

Grupy aktywów i optymalizacja prowadzona przez katalog

W ramach Smart+ reklamodawcy mogą tworzyć wiele grup aktywów (reklam) w jednej grupie reklamowej. Pozwala to systemowi automatycznie testować i priorytetyzować różne formaty twórcze, warianty wiadomości, zestawy produktów oraz adresy docelowe.

Gdy katalog produktów jest połączony, Smart+ wykorzystuje sygnały katalogowe do dynamicznej optymalizacji dostaw na podstawie przewidywanych wyników.

Zarządzanie masowe dla reklamodawców o dużym wolumenie

Dla marek i agencji działających na dużą skalę, Smart+ oferuje funkcję Bulk Import & Export. Kampanie, grupy reklamowe i reklamy mogą być tworzone lub edytowane masowo za pomocą plików Excel lub CSV, co umożliwia szybsze wdrożenie przy jednoczesnym zachowaniu spójności na dużych kontach reklamowych.

Implikacje dla reklamodawców e-commerce

Smart+ wyraźnie odzwierciedla przejście w kierunku marketingu efektywności opartego na AI, na TikToku. Dla marek e-commerce oznacza to mniej zadań optymalizacji ręcznych, szybsze fazy nauki i większy udział w automatycznym podejmowaniu decyzji, przy jednoczesnym zachowaniu ograniczonych strategicznych kontrol tam, gdzie jest to konieczne.