Temos orgulho de nossa missão de melhorar a vida das pessoas com o melhor transporte do mundo. Mais de 50 milhões de viagens Lyft neutras em carbono acontecem todos os meses nos Estados Unidos e Canadá – e mal arranhamos a superfície do potencial para compartilhamento de viagens.
Parte do nosso crescimento é decorrente de melhorias em nosso processo de comprar seguidores – como o lançamento de campanhas publicitárias específicas para regiões que aumentam o conhecimento e a consideração de nossas ofertas multimodais. Coordenar essas campanhas para adquirir novos usuários em escala tornou-se demorado, o que nos leva a assumir o desafio da automação.
Aquisição de crescimento
Começar a comprar seguidores no instagram normalmente é liderada por uma equipe multifuncional orientada por dados que se concentra em escala, mensurabilidade e previsibilidade. Você pode ter visto anúncios Lyft como estes:
A aquisição opera na parte superior e maior do funil de integração, por meio dos vários canais listados à esquerda. Não existem dois canais iguais: trabalhamos com diferentes parceiros, tecnologias e estratégias para garantir que Lyft seja a melhor escolha para os consumidores. Outras equipes da Lyft se concentram em diferentes partes da jornada do usuário para fornecer uma experiência de classe mundial. Uma visão de alto nível é mostrada abaixo.
Motivação
Adquirir usuários em grande escala significa tomar milhares de decisões a cada dia, para cada região onde a Lyft opera: escolhendo lances, comprar seguidores reais, criativos, incentivos e públicos; testes em execução; e mais. Apenas acompanhar essas tarefas repetidas ocupa uma grande parte da atenção dos profissionais de marketing e pode levar a decisões abaixo do ideal. É caro para a empresa e não escala.
Ao automatizar as decisões de rotina, podemos dimensionar com eficiência e criar um sistema de aprendizagem baseado em dados. Isso também permite que os profissionais de marketing se concentrem em inovação e experimentação, em vez de atividades operacionais.
Caminho para a automação
Nosso objetivo: construir uma plataforma de automação de marketing para melhorar a eficiência de custo e volume enquanto permite que nossa equipe de marketing execute experimentos mais complexos e de alto impacto.
Requisitos:
Capacidade de prever a probabilidade de um novo usuário interagir com nosso produto.
Mecanismos de medição para alocar nossos orçamentos de marketing em diferentes canais internos e externos.
Alavancas para implantar esses orçamentos em milhares de campanhas publicitárias.
Os dados de desempenho de marketing contribuem para um ciclo de feedback que alimenta constantemente o sistema de aprendizagem por reforço.
Aqui estão alguns exemplos de problemas que precisávamos automatizar:
Atualizando lances em milhares de palavras-chave de pesquisa.
Desativando criativo de exibição de baixo desempenho.
Alterar os valores das referências por mercado.
Identificar segmentos de usuários de alto valor.
Compartilhando aprendizados de diferentes estratégias em campanhas.
E assim, criamos o Symphony – um sistema de orquestração que tem um objetivo de negócios, prevê o valor futuro do usuário, aloca o orçamento e publica esse orçamento para atrair novos usuários para Lyft.
Arquitetura
A arquitetura Symphony consiste em três componentes principais: previsor do valor de vida útil (LTV), alocador de orçamento e licitantes.
Nossa pilha de tecnologia compreende Apache Hive, Presto, uma plataforma interna de aprendizado de máquina (ML), Airflow e APIs de terceiros. Um front-end leve alimenta destinos de negócios e lança criativos. A arquitetura tem muitas partes móveis e dependências e requer registro e monitoramento rigorosos. Nós nos aprofundamos em cada componente abaixo.
Previsor de valor vitalício (LTV)
Compreender o valor potencial de um usuário é fundamental para todos os negócios. O objetivo deste componente é medir a eficiência de vários canais de aquisição com base no valor dos usuários provenientes desses canais. O orçamento pode então ser alocado com base no valor esperado para usuários vindos de um determinado canal e no preço que estamos dispostos a pagar em uma determinada região por esses tipos de usuários.
O diagrama acima retrata em alto nível como calculamos o LTV esperado de um usuário enquanto consideramos o fornecimento e a demanda em nosso mercado de mão dupla. Fazemos o possível para prever o LTV com precisão, pois isso nos ajuda a definir metas estratégicas de médio a longo prazo.
No início do ciclo de vida do usuário, é difícil ter uma noção de sua retenção, viagens ou valor de transação, então, em vez de tentar medir o LTV diretamente, nós o prevemos a partir de dados históricos. A previsão melhora conforme o usuário interage com nossos serviços.
A referência aqui representa o LTV médio esperado de uma coorte de usuários. Essas previsões alimentam o alocador de orçamento e o ajudam a decidir o valor dos usuários que vêm de um conjunto específico de campanhas.
Alocador de orçamento
O alocador de orçamento coleta dados de desempenho de marketing em conjunto com as previsões de LTV. As alocações orçamentárias são feitas usando a cadeia de Markov Monte Carlo (Thompson Sampling). Uma curva da forma LTV = a * (gasto) ^ b é adequada aos dados, assumindo que a & b vêm de distribuições com seus próprios parâmetros (por exemplo, a vem de uma distribuição com média μa e desvio padrão 𝜎a). Aqui está o truque – não tentamos estimar a & b diretamente como você faria na regressão padrão. Em vez disso, estimamos os parâmetros de suas distribuições: (μa, 𝜎a) & (μb, 𝜎b). Consequentemente, em vez de desenhar uma curva com a & b fixos, a cada dia tiramos uma amostra de uma estimativa diferente de a & b dessas distribuições – injetando naturalmente um grau de aleatoriedade em nosso processo de criação da curva de custo.
Esse tipo de busca aleatória pode parecer um desperdício, mas a exploração modesta é, na verdade, ótima no longo prazo. Isso nos ajuda a explorar pontos na curva que normalmente não consideraríamos convergir para um ótimo global.
O alocador de orçamento envia a alocação de cada campanha ao respectivo licitante do canal para implantação.
Licitantes
Os licitantes publicam as alterações finais necessárias para veicular um anúncio no preço-alvo. Os licitantes são formados por duas partes – os afinadores e os atores. Os sintonizadores decidem como implantar o capital com base nas alavancas disponíveis (por exemplo, palavra-chave, título, valor, tipo de lance para a Pesquisa Google), ao mesmo tempo que consideram o contexto específico do canal. Os atores comunicam o lance real aos canais internos e externos, como Job Boards, Search, Display, Social e Referrals por meio de integrações de API.
Ao longo dos anos, construímos relacionamentos com nossos parceiros que ajudam a apresentar nosso produto ao público certo. Cada canal, com base em seu nível de sofisticação, oferece suporte a diferentes estratégias de lances. Algumas estratégias populares estão listadas abaixo.
Estamos constantemente fazendo experiências para definir o lance de cada campanha com a estratégia certa e atualizar a cadência em um cenário de mídia digital em constante mudança.
Os licitantes contêm muitas nuances específicas do canal que os ajudam a tomar a melhor decisão possível. Os licitantes também possuem algum nível de ponderação de recência e sazonalidade para compensar a volatilidade do mercado.
Conclusão
O sucesso de longo prazo da automação de marketing na Lyft depende da incorporação de feedback humano em nossas plataformas de aprendizado de máquina. Isso geralmente é conhecido como aprendizado de máquina “humano no circuito” e permite que as máquinas trabalhem em problemas de amplitude de automação, ao mesmo tempo que capacita os operadores humanos a se concentrarem em problemas dependentes do conhecimento. Sem uma boa contribuição dos humanos que conduzem o motor de automação, a qualidade dos modelos será prejudicada (“entra lixo, sai lixo”).
Sem a sobrecarga cognitiva de atualizar manualmente os lances ou alocar orçamentos, esperamos que nossas equipes de marketing apliquem com mais agilidade as alterações de público e criativas às campanhas. Eles têm mais tempo e energia para:
Entenda nossos usuários e seus interesses
Idealize novos formatos de anúncio, mensagens e canais
Formule hipóteses para figurões em gols
Temos muitas ideias interessantes para as iterações contínuas do Symphony:
Experimentação sempre ativa
Incorporando efeitos sazonais como clima e hora do dia
Melhor contexto de mercado para informar nossos licitantes
Segmentação e personalização inteligente
Com o Symphony, alcançamos um maior retorno sobre nossos investimentos e, ao mesmo tempo, economizamos horas de marketing. O sistema alimenta um ecossistema crescente de mais de 30 milhões de passageiros e cerca de 2 milhões de motoristas (com base em dados de 2018). A automação de marketing ainda está nascendo em Lyft e, embora essas metodologias tenham nos ajudado a crescer até agora, continuaremos aprendendo e melhorando à medida que crescemos. Estamos entusiasmados com nosso futuro brilhante em aprendizado de máquina e experimentação.
