DEPR危機公關手冊：常見的個性化誤解

大多數營銷人員相信個性化的好處。他們同意客戶的期望是個性化的，如果他們提供更多的經驗，他們將增加底線。然而，許多與我交談的人仍然為他們的潛在客戶和客戶提供靜態體驗。當我問為什么時，我收到的最常見的答案是：（i）大部分流量都是匿名的，所以個性化不會有效；（ii）個性化沒有必要的資源。這些原因在過去可能是正確的，但在機器學習時代已經不再成立。在這篇博客文章中，我將解釋如何使用你所知道的每個網站訪問者的所有信息。即使他們是第一個訪問者和/或匿名訪問者，他們也可以以最有效的方式自動選擇最佳體驗。當匿名第一次訪問者登錄您的網站時，沒有零數據人員歡迎體驗，并且應該比默認體驗更相關和有效。即使你不知道一個人的身份，你也可以找到很多關于這個人的信息。以下是一些上下文數據點，可以在一個人到達您的網站后立即識別：瀏覽器、設備類型和操作系統獲取源和介紹區域地理位置（國家、城市、州）的天氣（可選）DMP可提供的第三方數據，如人口統計數據、公司統計數據、向的購物行為等，衍生的相似性/興趣是否有用于實時決策（一個人到達你的網站的第二秒）、涼鞋或雨具、度假或商務旅行、信用卡或汽車保險？這是您可以立即捕獲的數據。這是您可以立即捕獲的數據。當您的訪客開始瀏覽時，您將實時捕獲、存儲和分析更多信息。數據包括以下內容：瀏覽產品/頁面/內容參與或忽略促銷區分成員資格對您業務環境的親和力（如產品類別、博客主題等）。瀏覽類別、品牌、顏色、風格、主題等。這種類型的瀏覽數據具有很強的預測分數功能，并應考慮人們將來應該在你的網站上看到的各種產品、主頁信息、圖像或內容。你網站上的每一處房地產都有機會吸引客戶——幫助他們找到他們真正想要的東西，或者找到新的和相關的產品……一個人還是不知道你。因此，即使你的大部分訪問量都是匿名的，你仍然可以理解和使用每個訪問者太多的內容。如果上下文和瀏覽行為有助于增強你的歡迎體驗（以及隨著你學到的知識而增加的體驗），它將帶來更好的客戶體驗和更好的結果。為了優化數據的有效性，您需要一個系統，使您能夠不斷進行大規模的決策、學習和優化。是時候改變對所需工作的思考了。公司仍然沒有個性化設置的另一個常見原因是，即使他們相信這個想法，他們也認為沒有必要的資源專門用于個性化設置。他們這樣做的原因是，當許多營銷人員考慮個性化訪問者數據時，他們只考慮基于規則的個性化。通過這種個性化的設置，營銷人員可以手動選擇一種體驗，為特定的訪問者群體（例如，向人們展示紐約的城市形象或產品趨勢）。這無疑是建立相關性的寶貴方法。這是將腳趾融入個性化的好方法——選擇一些預定義的片段進行對話。然而，當你試圖擴大規模，使它與每個人都密切相關時，你需要克服一些基于規則的挑戰。首先，營銷人員需要手動創建許多細分，與這些細分相對應的體驗。這一過程占用了大量的專用資源，如果要擴展到幾個核心細分，可能會造成混亂和難以管理。第二，還有很多猜測。你怎么知道制定什么規則？您是否最有效地使用所有可用數據？你定位哪些細分受眾？你怎么知道你花時間積累的經驗實際上給細分市場的每個人帶來了最好的體驗？基于規則的方法非常有用，但如果你只提供這個功能或只使用這個功能的解決方案，你就無法最大限度地提高長期投資回報，因為你無法實現為每個人優化提供獨特體驗的夢想。是時候讓你的思維從依賴預設規則轉變為使用機器學習模型了。這是擴展的唯一途徑。將所有內容與機器學習相結合，如上所述，即使網站流量都是匿名的，你仍然對它們了解很多。當然，您可以使用規則和細分來操作這些數據，從而為匿名訪問者提供更相關的體驗。但是機器學習可以使過程更有效。想象一下，主頁英雄橫幅有十種變體(各種圖像、促銷內容、產品促銷等)。如果你想使用手動細分來使用每個細分，你必須定義十個或更多的細分，并匹配你認為與每個細分最相關的細分。相反，如果算法為你做出決定，你需要做的是設計經驗，并允許算法根據所有可用數據（甚至是第一次訪問者）為每個人確定最合適的人?？偨Y個性化并不難。如果你想使用所有可用的數據，甚至是匿名訪問者，你必須轉向機器學習驅動的決策。它將節省你的時間和資源，消除猜測，幫助你探索意見，在任務中釋放新的機會，提供一對一的體驗，促進更多的參與和轉換。