[K]ampaignMate – AI-driven kampanjoptimering med ChatGPT

Vi byggde [K]ampaignMate, en AI-driven lösning med ChatGPT, för att automatisera och optimera storskaliga kampanjstrukturer – med imponerande resultat över alla nyckeltal.

Uppdrag och lösning

För att bredda en kampanjstruktur och hitta nya relevanta sökord för en kategori eller produkt tog vi fram en AI-driven lösning som genererar sökord utifrån produkternas metadata, som beskrivning, specifikationer m.m.

[K]ampaignMate kan bygga ett storskaligt kontoupplägg på timmar istället för dagar. Vi låter språkmodellen ChatGPT både hitta de bäst presterande sökorden baserat på produktens metadata och lägga till dem i produktens annonsgrupp.

[K]ampaignMate skapade hyperspecifika annonser för produkter — annonser som sedan visas för potentiella kunder där produkten är mest relevant.

Viktiga nyckeltal

Resultat

Testet blev en STOR framgång och gav en imponerande prestandaökning över alla nyckeltal:

Så fungerar det

Lösningen kombinerar automatiserad longtail-sökordsgenerering med AI-driven relevansbedömning. Produktbeskrivningar matas in i ChatGPT som genererar relevanta sökord med sökvolym. Sökorden läggs sedan automatiskt till i kampanjstrukturen och skapar hyperspecifika annonser i stor skala.

Exempel: Coolstuff Norge – Sokker med eget foto

För att göra flödet konkret — så här bearbetar [K]ampaignMate en enskild produkt från Coolstuff på den norska marknaden — produkten Sokker med eget foto. Samma logik upprepas sedan över hela produktkatalogen.

Valda sökord (NO)

För den här produkten behöll skriptet följande sökord – samtliga med fler än 100 månatliga sökningar i Norge:

Resulterande annons

Utifrån sökorden genererar [K]ampaignMate en hyperspecifik annons som landar användaren direkt på produktsidan – inga omvägar via kategorisidor:

Multiplicerat över tusentals produkter är det det som driver resultaten på kampanjnivå för Coolstuffs personliga sockor och resten av katalogen – +31 % CTR, -52 % CPA och +100 % POAS.