這是Ajay Sampat發表的文章，個人覺得蠻值得討論文章的內容， Ajay目前在Lyft負責市場行銷自動化團隊。Lyft的業務是一個共享組成的雙向市場，而每個城市根據交通，天氣，社區活動等多種因素都有自己的供需需求。在商業的運作上如何在動態市場中進行行銷以及管理都有相當的挑戰，因此如何根據區域設定特定的預算，出價，激勵措施，就要仰仗Lyft的預測模型。
Ajay 在文章上提到這些獨特的協調與擴展讓他們建立起獨有的行銷自動化機制（marketing automation stack）。因此透過以機器學習為基礎的例行決策自動化，可以有效地擴展規模，並創建一個數據驅動的自學系統。通過自動化常規決策，我們可以更可預測，更有效地擴展規模，讓行銷人員不用花太多的精力在日常的這些行銷事務上，專注於工作的更多創意，例如新的渠道探索和消息傳遞創造力。
文中提到，當公司到達一定的規模，從戰略上來說，數據驅動的行銷自動化在我們的組織中是需要建立基準的。就跟現在亞洲的許多企業一樣開始不止單純應用CRM，也開始佈建CDP客戶數據平台與多渠道的整合下可以帶來的效益，Lyft基於內部增長預測以及成千上萬個內部自定義信號來運行和啟動行銷上的廣告活動，並且大量自定義廣告活動設置和預算需求。
因此，在一個大型的企業中，儘管建立最小可行性產品（MVP）的成本很高，但是這是公司的正確長期投資。Ajay的目標是建立一個不僅能高效，快速地響應市場需求，而且還能與我們的競爭對手拉開差距，Ajay也提到整個系統中最有價值的部分是壽命價值（LTV）的預測。如果您只投資一套行銷自動化工具，那麼LTV建模以及對模型精度的持續改進是非常重要的。
了解用戶的潛在價值對每個企業都至關重要。因此，Lyft花了大量的資源和時間來了解他們帶入市場的每個成員的價值。 LTV的目標是作為判斷的基礎。該值可以潛在地用於各種用例，例如購置預算，激勵優化，資料個性化，個人化首頁等等。在在他們的自動化平台中，使用此值以便可以根據來自給定渠道的用戶的期望值以及我們願意在特定地區為這些類型的用戶支付的價格來分配預算。
了解如何計算用戶的預期LTV，同時又考慮了雙向市場中的供求關係。盡可能準確地預測LTV，可以幫助企業設定中長期戰略目標。
Lyft並不會根據歷史數據來預測LTV，因為它很難在用戶生命週期的早期就獲得保留感，遊樂設施或交易價值的感覺，而無需嘗試直接測量LTV。隨著用戶與服務互動，預測會有所提高。
成熟的廣告平台（如Facebook，Google和LinkedIn）越來越難以吸引客戶的出價策略，因此，對於企業而言，專注於創建可識別用戶價值的信號，從而將其作為回發到用戶的渠道變得非常有價值。優化他們的模型，從而優化行銷。
可以觀察到，即便像是Lyft這樣規模的企業，自動化行銷也並非在成熟的階段，也在找尋更高的投資回報率，同時在一個不斷增長的生態系統中節省行銷人員的時間，而應用人工智慧與算法與模型，可以更有邏輯的提升企業投入行銷的轉換率，這個很值得亞洲的企業作為範本。其實我很喜歡看這些企業實際操盤的經營者如何應用工具來創造新的行銷價值，原文也很值得參考。
原文網址：Impact of in-house Lifetime Value model based on learnings from Lyft
也許您會感興趣：2019行銷科技的重要趨勢與發展
也許您會感興趣：為什麼企業應該關心CDP
想了解更多行銷科技請洽：愛酷智能科技
關於愛酷：
僅18個月從新創躋身MarTech領導品牌，愛酷智能如何寫出成功 …
愛酷智能跨界台灣微軟與TikTok，一同玩轉科技、帶來行銷新視野
科技解決行銷痛點！AccuHit提供企業跨管道、一站式MarTech服務