DEPR危机公关手册：常见的个性化误解

大多数营销人员相信个性化的好处。他们同意客户的期望是个性化的，如果他们提供更多的经验，他们将增加底线。然而，许多与我交谈的人仍然为他们的潜在客户和客户提供静态体验。当我问为什么时，我收到的最常见的答案是：（i）大部分流量都是匿名的，所以个性化不会有效；（ii）个性化没有必要的资源。这些原因在过去可能是正确的，但在机器学习时代已经不再成立。在这篇博客文章中，我将解释如何使用你所知道的每个网站访问者的所有信息。即使他们是第一个访问者和/或匿名访问者，他们也可以以最有效的方式自动选择最佳体验。当匿名第一次访问者登录您的网站时，没有零数据人员欢迎体验，并且应该比默认体验更相关和有效。即使你不知道一个人的身份，你也可以找到很多关于这个人的信息。以下是一些上下文数据点，可以在一个人到达您的网站后立即识别：浏览器、设备类型和操作系统获取源和介绍区域地理位置（国家、城市、州）的天气（可选）DMP可提供的第三方数据，如人口统计数据、公司统计数据、向的购物行为等，衍生的相似性/兴趣是否有用于实时决策（一个人到达你的网站的第二秒）、凉鞋或雨具、度假或商务旅行、信用卡或汽车保险？这是您可以立即捕获的数据。这是您可以立即捕获的数据。当您的访客开始浏览时，您将实时捕获、存储和分析更多信息。数据包括以下内容：浏览产品/页面/内容参与或忽略促销区分成员资格对您业务环境的亲和力（如产品类别、博客主题等）。浏览类别、品牌、颜色、风格、主题等。这种类型的浏览数据具有很强的预测分数功能，并应考虑人们将来应该在你的网站上看到的各种产品、主页信息、图像或内容。你网站上的每一处房地产都有机会吸引客户——帮助他们找到他们真正想要的东西，或者找到新的和相关的产品……一个人还是不知道你。因此，即使你的大部分访问量都是匿名的，你仍然可以理解和使用每个访问者太多的内容。如果上下文和浏览行为有助于增强你的欢迎体验（以及随着你学到的知识而增加的体验），它将带来更好的客户体验和更好的结果。为了优化数据的有效性，您需要一个系统，使您能够不断进行大规模的决策、学习和优化。是时候改变对所需工作的思考了。公司仍然没有个性化设置的另一个常见原因是，即使他们相信这个想法，他们也认为没有必要的资源专门用于个性化设置。他们这样做的原因是，当许多营销人员考虑个性化访问者数据时，他们只考虑基于规则的个性化。通过这种个性化的设置，营销人员可以手动选择一种体验，为特定的访问者群体（例如，向人们展示纽约的城市形象或产品趋势）。这无疑是建立相关性的宝贵方法。这是将脚趾融入个性化的好方法——选择一些预定义的片段进行对话。然而，当你试图扩大规模，使它与每个人都密切相关时，你需要克服一些基于规则的挑战。首先，营销人员需要手动创建许多细分，与这些细分相对应的体验。这一过程占用了大量的专用资源，如果要扩展到几个核心细分，可能会造成混乱和难以管理。第二，还有很多猜测。你怎么知道制定什么规则？您是否最有效地使用所有可用数据？你定位哪些细分受众？你怎么知道你花时间积累的经验实际上给细分市场的每个人带来了最好的体验？基于规则的方法非常有用，但如果你只提供这个功能或只使用这个功能的解决方案，你就无法最大限度地提高长期投资回报，因为你无法实现为每个人优化提供独特体验的梦想。是时候让你的思维从依赖预设规则转变为使用机器学习模型了。这是扩展的唯一途径。将所有内容与机器学习相结合，如上所述，即使网站流量都是匿名的，你仍然对它们了解很多。当然，您可以使用规则和细分来操作这些数据，从而为匿名访问者提供更相关的体验。但是机器学习可以使过程更有效。想象一下，主页英雄横幅有十种变体(各种图像、促销内容、产品促销等)。如果你想使用手动细分来使用每个细分，你必须定义十个或更多的细分，并匹配你认为与每个细分最相关的细分。相反，如果算法为你做出决定，你需要做的是设计经验，并允许算法根据所有可用数据（甚至是第一次访问者）为每个人确定最合适的人。总结个性化并不难。如果你想使用所有可用的数据，甚至是匿名访问者，你必须转向机器学习驱动的决策。它将节省你的时间和资源，消除猜测，帮助你探索意见，在任务中释放新的机会，提供一对一的体验，促进更多的参与和转换。