ZD至顶网CIO与应用频道 04月18日 北京消息:心理学家认为,时刻保持敏锐的感知是习得爱的基础。简而言之,你要独具一双慧眼和一个敏锐的头脑。对于销售,更是如此。不过如何从大数据的人海中,隔着屏幕发现那个可能“中意你”的用户,可没那么容易。尤其是在当前,80%的赞助广告互动发生于手机等移动设备上,但用户更不愿意在手机上提交自己的个人信息表格。如何能提升移动端的广告转化率?不少广告主绞尽脑汁,设置了让用户填写个人信息表格才能访问相关内容的门槛,不过这却极大伤害了用户的阅读体验,所以类似的广告投资回报率往往不太理想。
不过,这一棘手的挑战很快就要被解决了!近日,LinkedIn发布了全新的LinkedIn Lead Gen Forms(销售线索收集表格),用户再也不用皱着眉头敷衍了事地填写个人信息了,他们只需要轻松点击按钮,就能一键提交领英档案上的信息,为营销人员送上营销线索。
图:LinkedIn Lead Gen Forms产品一键提交信息界面
LinkedIn上聚集了近5亿全球精英用户,包含职场人士、影响力人士和商业决策者等。LinkedIn Lead Gen Forms可以将用户的联系方式和领英档案信息(公司名称、职务、地区等)自动填写到LinkedIn app内置的表格当中,保证了数据实时准确且全面。在用户提交表格后,系统还会自动弹出“感谢”页面,继续引导用户访问广告商主页。
领英中国广告营销业务部总经理蔡晓丹表示:“LinkedIn Lead Gen Forms是继LinkedIn去年推出的原生广告对话追踪基础上,又一大重要的革新。一直以来,LinkedIn都在努力帮助营销人员的销售线索广告达成更高的投资回报率。我们的每一次的创新,都是让企业通过LinkedIn企业推广内容,更好地构建商业、更轻松地衡量投资回报,以及优化业务结果。”
话说,这款神器到底有多好?
花更少的钱,却能坐收更高的转化率:50家企业客户试用了该产品,其中90%达到了CPL目标。而且,与标准赞助内容广告相比,LinkedIn Lead Gen Forms获取销售线索的成本更低。据其中一个企业的推广结果显示,使用该解决方案获取每个销售线索的成本只占标准的广告成本的20分之一。不过,对于营销人员而言,销售线索的质量更为重要。LinkedIn平台上的职场人士和精准的档案信息数据还能为销售人员提供更高质量的销售线索。
再不用担心被老板质问投资回报率:LinkedIn Campaign Manager中的报告工具可跟踪CPL、表格填充率等关键指标,有效地衡量企业的广告回报率。未来,LinkedIn还会加入人口统计报告,为广告商详细显示从特定受众细分领域中所获得的具体线索数量,让他们更了解自己的目标用户群体,做到有的放矢。
销售线索管理也可以很轻松:有了LinkedIn Lead Gen Forms,营销人员的线索管理从此变得顺畅无缝。他们可以从LinkedIn Campaign Manager下载线索列表,或者通过LinkedIn的合作伙伴- Driftrock和Zapier,将线索与所选择的营销自动化或CRM系统进行同步。很快,营销人员也将能够直接向其Marketo、Oracle Eloqua和Microsoft Dynamics 365账号直接发送线索数据。
难怪杰克•韦尔奇(Jack Welch)管理研究所数字渠道营销人员Fareed Raja也对它赞不绝口:“LinkedIn Lead Gen Forms为我们提供了一种极为顺畅的客户接触方式。只需要几分钟时间,你就可以创建一个广告,并开始生成高质量的线索。”
在这个移动端盛行的时代,移动端的销售线索已经成为营销人员决胜的关键。因此,LinkedIn Lead Gen Forms首先适用于移动端APP。未来几个月,该产品将被进一步扩展到桌面端,今年年底,LinkedIn还将LinkedIn Lead Gen Forms应用于Sponsored InMail广告中。
你是不是已经迫不及待地想用LinkedIn Lead Gen Forms了?快登陆LinkedIn来体验!
好文章,需要你的鼓励
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AI虽具备变革企业洞察力的潜力,但成功依赖于数据质量。大多数AI项目失败源于数据混乱分散而非算法局限。谷歌BigQuery云数据AI平台打破数据孤岛,简化治理,加速企业AI应用。通过AI自动化数据处理,实现实时分析,并与Vertex AI深度集成,使企业能够高效处理结构化和非结构化数据,将智能商业转型从愿景变为现实。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。