التخصيص هو القدرة الأكثر حديثًا عنها في التجارة الإلكترونية والأكثر سوء تنفيذًا. تأتي كل منصة الآن مع ميزة التخصيص. كل بائع SaaS يعد بتجارب فردية مدعومة بالذكاء الاصطناعي على نطاق واسع. تقوم معظم العلامات التجارية بتفعيله، وتنتظر 90 يومًا، وترى نتائج مسطحة، وتمضي قدمًا. المشكلة لم تكن أبدًا الأداة.
أساس البيانات الذي تحتاجه قبل أن يعمل التخصيص
ذكاء التخصيص جائع. يحتاج إلى بيانات للتعلم منها. ليس فقط بيانات العميل. بيانات عن ما يبحث عنه العميل، وما ينقر عليه، وما يشتريه، وفي أي تسلسل. نموذج الذكاء الاصطناعي الأنظف في العالم لا يمكنه إنتاج توصيات جيدة من بيانات سيئة. تتخطى معظم العلامات التجارية عمل بناء بيانات نظيفة ثم تلوم الذكاء الاصطناعي عندما تخيب النتائج.
نظافة الكتالوج هي أساس التخصيص غير المرغوب فيه والذي يفصل بين البرامج الرابحة وتلك التي تفشل. تحتاج المنتجات إلى سمات كاملة. يجب أن تكون الفئات متسقة ومتصلة بالمتغيرات. تحتاج القميصة إلى وسم بالمادة والملاءمة ونطاق الحجم واللون والأسلوب والمناسبة والعشرات من الصفات الأخرى التي يستخدمها العملاء للقرار بشأن ما يشترونه. عندما تكون السمات غير مكتملة أو غير متسقة، يرتبك الذكاء الاصطناعي بشأن المنتجات المماثلة. يوصي محرك التوصية ببطاقة فصل الشتاء عندما كان العميل ينظر إلى القمصان لأن النظام لا يفهم الفرق.
توحيد بيانات العملاء
عرض العميل الموحد أساسي. عندما يتصفح العميل موقعك الويب، ويشتري على الجوال، ويتصل بفريق خدمة العملاء، تحدث هذه التفاعلات في أنظمة مختلفة. ما لم تقم ببناء طبقة بيانات موحدة تربط هذه التفاعلات بهوية عميل واحدة، يرى نظام التخصيص ثلاث أشخاص مختلفين. ينتهي بك الحال بتوصية نفس المنتج ثلاث مرات لأن النظام لا يعرف أنهم قد اشتروه بالفعل.
يتطلب بناء عرض موحد مطابقة عناوين البريد الإلكترونية مع أرقام الهاتف وربط الجلسات بالحسابات المصرح بها ودمج سجل الشراء عبر القنوات. هذا عمل فوضوي يتطلب إدارة الحوكمة والأدوات. إنه أيضًا العمل الذي يفصل بين العلامات التجارية ذات التخصيص الفعال والعلامات التجارية الأخرى.
التقاط إشارات السلوك
يحتاج الذكاء الاصطناعي إلى فهم ما يفعله العملاء، وليس فقط من هم. امرأة تبلغ من العمر 35 عامًا من سان فرانسيسكو ليست وحدة تخصيص مفيدة. امرأة تبلغ من العمر 35 عامًا من سان فرانسيسكو نقرت على ثلاثة أحذية تنزه، أضافت واحدة إلى سلتها، ثم تخلت عن ذلك وغادرت، ثم عادت في اليوم التالي لعرض أحذية الجري هي وحدة عمل يمكن للنظام أن يعمل بها. إشارات السلوك هي المادة الخام للتخصيص.
التقاط هذه الإشارات يعني تجهيز الموقع لإرسال أحداث النقر وأحداث العرض وأحداث إضافة إلى السلة وأحداث البحث وأحداث تسلسل الجلسة إلى مستودع البيانات أو CDP. يتعلم النظام أن العملاء الذين يبحثون عن "مقاوم للماء" يميلون أيضًا إلى عرض "خفيف الوزن". يتعلم أن العملاء الذين يتصفحون الدعاوى ثم يعرضون فساتين الضيف الزفاف من المحتمل أن يتسوقوا لمناسبة. هذه الأنماط غير مرئية بدون طبقة البيانات السلوكية.
إشارات السلوك مقابل الافتراضات الديموغرافية
الخطأ الأقدم في التخصيص هو البناء حول من هو العميل بدلاً من ما يفعله العميل. تقسم العلامات التجارية حسب العمر والجنس والموقع والدخل. ثم افترض أن جميع نساء سياتل البالغات من العمر 35 عامًا لديهم نفس التفضيلات. يصبح نظام التخصيص مرشحًا مبالغًا فيه يتجاهل السلوك الفعلي الذي يحدث على الموقع.
تم اختراع التقسيم الديموغرافي للبيع بالتجزئة في الأماكن المغلقة والإعلان التلفزيوني لأنها كانت الطريقة الوحيدة لتجميع الأشخاص على نطاق واسع. إنها أداة خام. الرقمي يعطيك شيء أفضل. يمكنك رؤية بالضبط ما يبحث عنه كل عميل وينقر عليه ويضيفه إلى السلات ويشتريه. يمكنك بناء نماذج حول السلوك الفعلي بدلاً من الافتراضات حول الأشخاص الذين يشاركون السمات الديموغرافية.
لماذا جودة الإشارة تضرب حجم الجزء
قسم صغير من العملاء الذين بحثوا عن "طبقات الصوف الميرينو"، نقرت على ثلاثة منتجات، وأضافت واحدة إلى سلتهم أكثر قابلية للعمل للتخصيص من قسم ديموغرافي كبير من "عشاق الهواء الطلق". القطاع السلوكي يفعل شيء. الجزء الديموغرافي يُصنف بافتراض. عندما تقوم بالتخصيص بناءً على الأول، يشعر العميل بالفهم. عندما تقوم بالتخصيص بناءً على الثاني، يحصل العميل على توصيات شاهدها بالفعل أو غير مهتم بها.
أفضل أنظمة التخصيص تشغل نماذج متعددة بالتوازي. لديهم نماذج ديموغرافية لعندما تكون البيانات السلوكية نادرة، ونماذج تقاربية الفئة لفهم تفضيلات المنتج، ونماذج متسلسلة لفهم ما يريده العملاء بعده بناءً على أفعالهم الأخيرة. لكن الإشارات السلوكية تقود العرض. إنهم الإشارة والباقي تصفية الضوضاء.
التخصيص الفوري مقابل الدفعات
ليس كل قرار تخصيص يحتاج إلى أن يتم اتخاذه في الوقت الفعلي. البعض لا. تهدر العلامات التجارية التي تهندس التخصيص في الوقت الفعلي لكل شيء أموال البنية التحتية وتعقيد أنظمتها بلا داع. تدير العلامات التجارية التي تستحق التبديل عمليات أقل واعية وأسعار تحويل أعلى.
يعتبر التخصيص في الوقت الفعلي مهمًا عندما يكون العميل في جلسة نشطة والقرار يحدث أمامهم. ترتيب نتائج البحث في الوقت الفعلي. تبحث عن منتج ويجب ترتيب النتائج التي تظهر لك بشكل شخصي. توصية على صفحة المنتج في الوقت الفعلي. تهبط على كنزة وقد يكون لديك النظام ميلي ثانية لحساب ما قد تحبه أيضًا. منطق البيع الإضافي عند الدفع في الوقت الفعلي. العميل على بعد ثوانٍ من الشراء ولديك لحظات للاقتراح عليه بشيء يريده.
عندما يفوز التخصيص على الدفعات
حملات البريد الإلكتروني لا تحتاج إلى التخصيص في الوقت الفعلي. تُرسلها مرة واحدة، إلى آلاف الأشخاص، ساعات أو أيام بعد اتخاذ القرار. يتم تخصيص محتوى البريد الإلكتروني بناءً على البيانات التي تم جمعها في وقت سابق. إخطارات إعادة التخزين على الدفعات. تدفقات ما بعد الشراء على الدفعات. عندما لا يكون العميل مشاركًا بنشاط وتُقاس نافذة الكمون بالساعات بدلاً من الميلي ثانية، تفوز المعالجة الدفعة. إنه أرخص وأسهل في التشغيل على نطاق واسع.
الهندسة المعمارية التي تعمل متدرجة. الوقت الفعلي للجلسات النشطة. الدفعات لكل شيء آخر. عندما تحاول العلامات التجارية القيام بكل شيء في الوقت الفعلي، تنتهي ببناء بنية التحتية المتزايدة لـ ML لمشاكل لا تتطلبها.
الأسطح الخمسة للتخصيص التي تحرك الإيرادات
العلامات التجارية التي تحاول تخصيص كل شيء تنتهي بتخصيص لا شيء بفعالية. تأهيل المسائل. هذه الأسطح الخمسة تمثل الغالبية العظمى من تأثير التخصيص على الإيرادات. أتقن عليها قبل أن تحاول تخصيص ما وراء ذلك.
التوصيات بالمنتج
صفحة تفاصيل المنتج وصفحة السلة والصفحة الرئيسية لديها أسطح توصية. على PDP، هو "العملاء الذين شاهدوا هذا أيضًا شاهدوا" أو "أكمل الملابس". في السلة، إنه توصيات البيع المتقاطع والبيع الإضافي. على الصفحة الرئيسية، إنها توصيات التصفح بناءً على السلوك الأخير. هذه الأسطح لحظات عالية النية. العميل مشاركون ومستقبلون. التوصيات الجيدة في هذه اللحظات تزيد من AOV بشكل قياسي.
ترتيب نتائج البحث
هنا تحدث أكبر الانتصارات. تتخلف معظم العلامات التجارية عن منطق الترتيب القياسي لنتائج البحث. أحدث أولاً، الأكثر مبيعًا أولاً، السعر الصعود أو الهبوط. يتعلم ترتيب البحث المخصص أن هذا العميل تصفح المنتجات المتميزة بحيث يرتب الخيارات المتميزة أعلى، أو جاء هذا العميل من رسالة بريد إلكترونية عن ملابس الصيف بحيث يعزز فئات الصيف. يمكن لترتيب البحث المخصص زيادة التحويل على حركة البحث بنسبة 5 إلى 15 في المئة لأنك تعرض كل عميل النتائج بالترتيب الذي من المرجح أن يشتروا فيه.
تخصيص محتوى البريد الإلكتروني
يمكن تخصيص حملات البريد الإلكتروني على اختيار المنتج ومستوى العرض وتوقيت الإرسال. يحصل العميل الذي يتصفح معدات المشي لمسافات طويلة على رسالة بريد إلكترونية مع معدات المشي لمسافات طويلة. يحصل العميل ذو القيمة العالية على عرض مختلف عن العميل الجديد. أوقات الإرسال يمكن أن تتحول بناءً على وقت فتح كل عميل البريد الإلكتروني عادة. يزيد تخصيص البريد الإلكتروني من أسعار الفتح والنقر والتحويل.
العروض الترويجية والنوافذ على الموقع
يمكن تخصيص بيان الصفحة الرئيسية وشريط الترقية العائمة ومناطق الترويج داخل الصفحة. عرض الرسائل المختلفة على شرائح مختلفة. قد يرى العميل الجديد خصم الترحيب. قد يرى العميل العائد عرض الولاء. قد يرى العميل في جزء قيمة عالية إطلاق منتج جديد أو عرض حصري. تزيد هذه الترقيات المخصصة من الانخراط و AOV.
تدفقات ما بعد الشراء
ما يحدث بعد شراء العميل هو حيث تعمق العلاقة. تسلسل بريد إلكتروني ما بعد الشراء، والتوصيات المتابعة، والمطالب الفئة العابرة بناءً على ما اشتروه محرك أسعار شراء متكررة. يعتبر شخص ما اشترى للتو معطف الشتاء احتمالية جيدة لملحقات الطقس البارد. شخص ما يشتري أحذية الجري هو احتمالية لملابس الجري والعتاد. هذه التسلسلات من بين أعلى تكتيكات إعادة التخصيص ROI لأنها تستند إلى نية مؤكدة والسلوك.
قياس تأثير التخصيص بشكل صحيح
معدل النقر هو المقياس الخاطئ. يخبرك بعدد الأشخاص الذين نقروا على التوصية، وليس ما إذا كانت التوصية حركت الإيرادات. يتم النقر على بعض التوصيات لأنها بارزة، وليس لأنها ذات صلة. تخفي المقاييس الفارغة المشكلة الحقيقية.
الإيرادات لكل جلسة هي المقياس الصحيح. إذا عمل التخصيص، يجب أن ينفق العملاء أكثر لكل جلسة مما كانوا عليه من قبل. تزيد الإيرادات لكل جلسة عندما تؤدي التوصيات إلى عمليات شراء فعلية. عند قياس هذه الطريقة، يصبح الفرق بين التخصيص الجيد والسيء واضحًا.
رفع التحويل و AOV
يقيس رفع التحويل ما إذا كان التخصيص زيادة معدل التحويل الإجمالي. هل يحول عدد أكبر من العملاء بسبب توصيات أفضل، أو هل تزيد حركة المرور فقط؟ يخبرك AOV بموقع التوصية عن الأسطح التي تحرك الإيرادات فعليًا. هل توصية PDP تزيد حجم السلة؟ هل توصية السلة تزيد؟ أيها يستحق التحسين أكثر؟ لا يمكن الإجابة على هذه الأسئلة إلا عند القياس على مستوى السطح.
معدل الشراء المتكرر
يزداد تكييف العميل عندما ينشئ التخصيص الولاء. هل العملاء الذين يتلقون حملات بريد إلكتروني مخصصة يشترون بشكل أكثر تكرارًا من مجموعات التحكم؟ هل يزيد العملاء المعرضون لنتائج البحث المخصصة من تكرار الشراء؟ معدل الشراء المتكرر على مدى الوقت هو المقياس الحقيقي لنجاح التخصيص. إنه يفصل بين المرتفع قصير الأجل والتغيير المستدام.
اختبار Holdout إلزامي
بدون مجموعة تحكم، لا يمكنك قياس الرفع الحقيقي. لا يمكن لعلامة تجارية تطلق التخصيص وترى زيادة الإيرادات أن تخبر ما إذا جاء الرفع من التخصيص أو من زيادة حركة المرور الموسمية. الطريقة الوحيدة لقياس التأثير الحقيقي هي تشغيل اختبار holdout حيث تحصل مجموعة من العملاء على تجارب مخصصة ومجموعة متطابقة أخرى لا. ثم يمكنك قياس الفرق. هذه هي الطريقة الصحيحة من الناحية العلمية الوحيدة لقياس تأثير التخصيص.