Что выражает основную суть модуля в персонализации
Персонализация: шесть подводных камней и как их избежать
Для компаний, стремящихся улучшить качество пользовательского опыта и повысить показатели конверсии, крайне важна персонализация.
Однако не все компании обладают одинаковым уровнем знаний и зрелости, исходя их этого легко сделать ошибки с точки зрения технологии, подхода, культуры или метода использования данных.
Наши консультанты, разрабатывая и внедряя стратегии персонализации с нашими клиентами, определили шесть подводных камней, которых следует избегать.
Стратегия персонализации должна основываться не на разовой потребности (“я хочу персонализировать слайдер на главной странице“), а на тщательно продуманной стратегии с конкретными целями (”я хочу увеличить конверсию посетителей/лояльность во всех точках взаимодействия»).
Это означает, что не достаточно просто персонализировать рассылки или главную страницу. У вас должна быть общая цель для оптимизации пользовательского опыта, которую поможет достичь персонализация.
Европейский лидер электронной коммерции Cdiscount используют персонализацию в качестве стратегического рычага, который охватывает весь путь конверсии:
Мы персонализируем весь путь клиента, чтобы предложить реальную поддержку на нашем сайте. Опыт должен быть качественным на всех этапах, а не только тогда, когда посетители склонны к покупке.
Начните с моделирования существующих путей посетителей, чтобы определить проблемные точки и возможности для их улучшения.
Это поможет вам определить, какие сценарии персонализации принесут высокую добавленную стоимость на вашем сайте, улучшив общий опыт посетителей и обеспечив реальные результаты с точки зрения ROI и маржинальности.
Когда вы получаете хорошие результаты, может возникнуть соблазн настроить сразу несколько персонализаций на вашем сайте, не создавая общей дорожной карты.
Это может подорвать весь смысл персонализации, которая заключается в предоставлении посетителям качественного опыта. Если вы предлагаете одному и тому же посетителю слишком много персонализированных сценариев, это может вызвать обратный эффект и испортить общий опыт.
Кроме того, если вы запускаете слишком много персонализированных кампаний одновременно, это также может поставить под угрозу результаты. Два персонализированных сценария, запущенных одновременно без приоритизации или сторибординга, могут оказаться неэффективными, если они конфликтуют или могут создать слишком сильное маркетинговое давление на целевых посетителей.
Прежде чем запустить свою первую кампанию, вы должны составить дорожную карту для приоритизации ваших персонализаций и управления маркетинговой активностью на вашем сайте.
Это очень важно и часто упускается из виду. Исследование Gartner показывает, что только 29% руководителей маркетинга имели специальную дорожную карту персонализации, которая помогала им выявлять возможности для улучшения.
Используя свою дорожную карту, вы можете определить действия, которые необходимы для оптимизации эффективности, периодических и регулярных кампаний.
Это гарантирует, что каждая кампания запускается в правильных условиях и является частью общей стратегии, направленной на достижение заранее поставленных целей.
В недавнем отчете Gartner выделила три основные проблемы, с которыми сталкиваются маркетологи при выборе технологического партнера:
Это первая ловушка, о которой мы говорили. Прежде чем инвестировать в решение для персонализации, вы должны определиться со стратегией. Какие варианты использования персонализации вы хотите реализовать? Каковы особенности вашей отрасли?
Сложность понимания технических акпектов технологических партнеров
Очень важно действительно понять технологию и способы применения платформы персонализации, если вы хотите использовать ее эффективно и получить экономический эффект.
Отсутствие правильной внутренней структуры
Чтобы получить максимальную отдачу от решение по персонализации, вам нужно нанять или обучить нужных людей в вашей компании.
Эти три фактора могут привести маркетологов к выбору решения, которое не полностью соответствует их потребностям и требованиям, что отрицательно скажется на всей их стратегии оптимизации.
Начните с определения ваших требований, чтобы определить, какой функционал для вас критичен.
Поэтому при выборе решения вы должны учитывать свои будущие потребности, чтобы иметь универсальный инструмент для всей стратегии оптимизации.
Сегодня 73% ваших клиентов перед покупкой используют несколько каналов, включая приложения, сайт и социальные сети.
Посетитель, который уже выполнял действия на вашем сайте, должен иметь возможность легко продолжить свой путь на том же этапе, где он его прервал, даже если он находится на другом канале или устройстве.
Чтобы гарантировать качественный опыт на протяжении всего пути клиента, ваша стратегия персонализации должна включать все доступные каналы.
Это требует двух вещей:
Поэтому омниканальность должна быть частью вашей стратегии с самого начала и важным критерием при выборе решения для персонализации.
Поэтому сбор и анализ данных о посетителях является краеугольным камнем эффективной стратегии персонализации.
Это означает, что при персонализации ошибочно использовать только исторические «холодные данные», поскольку это означает игнорирование потребностей посетителей в реальном времени.
В то время как вы используете холодные данные, такие как «последний заказ», вы не учитывает текущие потребности посетителя. Также, если вы полагаетесь на холодные данные, невозможно персонализировать опыт для посетителей, которые раньше не совершали у вас покупок.
Рассмотрим пример: клиент посещает ваш сайт, где он купил стиральную машину двумя неделями ранее. На этот раз он ищет подарок для друга и он хотели бы купить соковыжималку.
Если бы вы использовали в качестве основы такой критерий, как «предыдущие покупки», вы бы логично предложили этому клиенту товары из категории, связанной со стиральной машиной. Однако на этот раз его интересует совсем другое.
Если вы решите пойти по пути персонализации в реальном времени, очень важно выбрать решение, способное работать с open-source технологиями (Hadoop, Kafka, Spark, ElasticSearch и т. д.), которые предлагают стабильную Big Data архитектуру и обрабатывают данные в режиме реального времени.
Вместо холодных данных используйте «горячие данные», относящиеся к поведению посетителя во время текущего сеанса (например, посещенные страницы, потраченное время, товары, добавленные в корзину /избранное и т. д.). Это наиболее репрезентативная информация о реальных намерениях посетителя в данный момент.
Вы можете пойти дальше, используя персонализацию на базе машинного обучения, которая с помощью предиктивных алгоритмов позволяет определить вероятность конверсии посетителя в режиме реального времени и автоматически инициировать сценарии взаимодействия в соответствии с этой вероятностью.
Практика оптимизация основана на процессе обучения, и это также относится к персонализации. Просто потому, что эксперимент работает для определенной аудитории или в течение определенного периода времени, не означает, что он всегда будет работать для всех.
Конечно, нужно начинать с исходной гипотезы, основанной на анализе данных, но этого недостаточно. Вы должны уметь анализировать и измерять актуальность персонализации и совершенствовать свою стратегию на основе полученных результатов.
Более того, персонализация зависит от поведения посетителей и их меняющихся требований. Поэтому ваши персонализации должны постоянно тестироваться, чтобы убедиться, что они по-прежнему актуальны и адаптированы к поведению клиента.
Запуская эксперимент по персонализации, вы должны постоянно отслеживать результаты и тщательно анализировать их с помощью расширенных инструментов отчетности.
Важно понять, почему персонализация работает хорошо, чтобы извлечь из нее уроки и адаптировать свою стратегию и будущие персонализации.
Также рекомендуется проводить A/B-тестирование ваших персонализаций. Сравните выборку посетителей, на которых применяется персонализация, с контрольной группой, которая ее не испытывала. Для этого важно работать с технологическим партнером, который позволяет проводить A/B-тестирование в рамках своей платформы.
Персонализация сегодня: как определить свой путь к клиенту?
Клиентам нравится, когда бренды обращаются к ним по имени в своих рассылках, а официанты любимых ресторанов и кафе называют их по именам. Чтобы завоевать сердца своих покупателей, компании запоминают их заказы и покупки и предлагают персональные рекомендации. Согласно данным Salesforce, более 75% потребителей предпочитают, чтобы компании знали их индивидуальные потребности. Вера Генова, эксперт в области персонализации ГК «КОРУС Консалтинг», рассказала в статье о главных этапах и подходах к созданию эффективного предложения.
Фото: 13_Phunkod/shutterstock
Чтобы оценить, с каким масштабом шоков столкнулся мировой и российский ритейл, важно отметить гипотезы, которые не только напрямую влияют на экономические показатели, но и имеют ключевое значение для формирования персонализированных предложений, повышающих продажи.
Сейчас клиенты как никогда подтвердили свою лояльность к той или иной компании. Выбор магазина для закупки впрок в условиях неопределенности – явное свидетельство лояльности при быстром и неосознанном решении, в каком магазине делать покупку с учетом ассортимента, уровня цен и качества сервиса.
Из данных, полученных за период пандемии можно извлечь много полезной информации. Например, какую продукцию предпочли покупатели как альтернативу дефицитным «любимым» товарам. Появится достаточный объем данных для анализа объективной «чувствительности» к ценам, в том числе промо-акциям.
У ритейлеров вырастет потребность в построении или корректировке подходов к управлению оттоком в компании: от определения критериев до прогнозирования подобных случаев. Возможно, в некоторых ритейл-сетях этот процесс станет ключевым в области решений по клиентской аналитике.
Компаниям будет необходима информация о поведении их клиентов на рынке, в том числе у конкурентов. Поэтому вырастет роль информации о покупателях из социальных сетей и third-party data, или данных, не имеющих прямых взаимоотношений с потребителями.
Увеличится роль персонализации и необходимость управлять параметрами сервиса как минимум на уровне сегментов клиентов. Многие компании несколько раз корректировали минимальные суммы для доставки, тогда как многие важные для компании сегменты остались неспособными воспользоваться данной услугой.
Из-за ухудшения бизнес-показателей многие компании буду вынуждены пересмотреть и оптимизировать базовые условия программ лояльности, а некоторые – даже сконструировать эти программы с нуля.
Что такое персонализация?
Персонализация сегодня балансирует между понятиями «модно» и «эффективно». Я понимаю под этим термином совершенно конкретные вещи, которые могут помочь любой компании вывести отношения со своим клиентом на новый уровень, и за счет этого получить больше прибыли.
Персонализация – это уровень личного обращения к клиенту в процессе любого взаимодействия с ним. Термин эволюционирует в зависимости от стратегических целей компании, но конечная и единственная ее цель – сформировать рекомендации в соответствии с уникальными предпочтениями, потребностями и желаниями клиента в целях увеличения продаж и прибыли.
Персонализация включает в себя:
рекомендацию товара или услуги,
индивидуальное поощрения с учетом оптимальных механик акций,
индивидуальные каналы и оптимальное время коммуникации,
персональный текст и визуальное обращение к покупателю.
Выделяют пять этапов классической эволюции клиентской аналитики, каждый из которых характеризуется объемом накопленных данных о клиенте. От того, на каком из них находится ваша компания, будет зависеть и выбор подхода к внедрению персонализации. (рисунок 1).
Этап 1. «Ковровая бомбардировка»
На этом этапе все клиенты компании получают одинаковые сообщения независимо от канала коммуникации. Драйверы взаимодействия с покупателями – это базовые условия программы лояльности (расчет скидок или бонусов, одинаковых для всех) и массовые промо-акции, которые предлагают одинаковые предложения для всех.
Основной инструмент на данном этапе – операционная CRM-система: компания накапливает транзакционные данные о клиентах, собирает и актуализирует персональную информацию.
Этап 2. Сегментация
На этом этапе маркетологи в компании сегментируют аудиторию по предопределенным атрибутам клиентов и товаров. Чаще всего процесс не регламентирован, а цели и параметры сегментации носят краткосрочный тактический характер.
Покупатели разделяются на основании четырех ключевых характеристик:
Lifecycle – делим аудиторию с точки зрения жизненного цикла клиента, на основании результатов определяем сегменты prechurn и churn, или клиентов в оттоке и предоттоке;
LTV (life-time value) – сегментируем с учетом суммы покупок с момента регистрации клиента в системе;
RFM+P – сегментируем по признакам, где R (recency) – это давность последней покупки, F (frequency) – средние частота покупок или длительность между покупками, M (monetary) – средний чек клиента. Все эти три показателя можно рассматривать в разрезе товарных категорий;
Lifestage – сегментация с учетом жизненных ценностей покупателей, что иногда требует добавления дополнительных товарных атрибутов.
Для эффективной работы на этом этапе рекомендую провести аудит базы данных клиентов на дубли и организовать процесс по созданию единой «золотой записи» клиента, без которой будет невозможен переход на любой другой этап персонализации.
Интеграция CRM-системы с существующими каналами коммуникации (e-mail, SMS, веб-push, pop-up, личный кабинет, мобильное приложение, колл-центр, кассовые чеки, уведомления для кассы, социальные сети, мессенджеры) и медиа-каналами (Яндекс, Google, MyTarget) поможет обмениваться откликами для более качественной сегментации и настройки.
На этом этапе бизнес получает управление базовыми сегментами клиентов: отслеживание миграции клиентов из сегмента в сегмент, формулировка бизнес-целей в каждом конкретном случае. Для менеджеров это удобный инструмент управления маркетинговыми затратами – сегментацию удобно использовать при расчете оптимальной скидки (поощрения) в рамках стратегии компании. И дополнительно данная методология помогает адаптировать масс-промо к персональным коммуникациям в зависимости от сегмента.
Этап 3. Микро-сегментация
Этот уровень считается революционным – на нем происходит критический переход от автоматизации процессов к оптимизации принятия решений. Компания на этом этапе уже накопила достаточную транзакционную историю с клиентами, а большое количество атрибутов не позволяют маркетологам в «ручном режиме» управлять маркетинговыми кампаниями.
Данный этап примечателен и тем, что, с одной стороны, в арсенале маркетолога множество факторов для персонализированного создания эффективных кампаний, но с другой, «за чертой» остаются факторы, которыми управлять невозможно из-за их количества.
Приоритетность каналов коммуникации формируется вручную или задаются типовые бизнес-правила последовательности каналов от наименьшего к наибольшему по стоимости.
Наиболее эффективны для прогнозирования результатов различных механик маркетинговых действий инструменты what-if анализа – классический вариант сценарного прогноза данных на заданных условиях. What-if калькулятор имеет удобный интерфейс и основан на ключевых параметрах прогнозирования: период проведения кампании, товарная категория/подкатегория/товары, кластер магазинов, сегмент клиентов, тип механики и размер поощрения.
Среди существующий моделей для what-if прогнозирования наиболее интересны две:
Простая модель: усредненные продажи от начала промо экстраполируются в будущее с коэффициентами «затухания», сезонности и эластичности к цене;
Сложная модель: дополнительно учитываются выкладка товаров, продвижение кампании (реклама в промо-каталогах, масс-медиа, PR-поддержка и другие маркетинговые активности).
Чтобы персонализация была настроена точно и показала высокую результативность, рекомендуется провести аудит текущих сегментаций (возможно, понадобятся рекомендации по добавлению атрибутов товаров и клиентов для повышения качества сегментации), качества данных с целью их «очистки» и выявление дубликатов, а также аудит объема данных. В последнем случае часто появляется необходимость обогащения информацией из внешних источников.
Этап 4. 1 клиент = 1 сегмент
На этом этапе применяются классические модели для формирования персонального рекомендованного списка продуктов. В их основе – данные о действиях клиента. К таким моделям относятся:
Content-based, который основан на поиске однородности товарных и/или клиентских характеристик без привязки к покупкам. Метод может быть использован при дефиците транзакционных данных (например, «короткий чек»), поскольку основан в большей степени на экспертной расстановке приоритетов в атрибутах товаров.
Transaction-based основан на том же поиске однородности товарных атрибутов, с той лишь разницей, что они должны принадлежать одной и той же покупке. Метод может быть применен при условии значимых транзакционных связей между атрибутами товаров или клиентов.
Для персонализации на данном этапе используются различные подходы построения моделей:
Collaborating Filtering User-based, или предложение товаров, приобретаемых «похожими» клиентами. Для каждого покупателя формируется вектор покупок, в котором все товары имеют свой приоритет на основании истории покупок аналогичных клиентов. В качестве метрик близости или корреляции клиентов может применяться косинус угла между векторами покупок. Данный метод применяется при недостаточной истории транзакций клиента и «неоднородности» поведения одних потребителей относительно других. В этом случае имеет смысл «переносить» вектор покупок одних клиентов на других, схожих по потребительскому поведению. Подобной «неоднородностью» потребления обладают клиенты, например, категорий beauty или household.
Collaborating Filtering Item-based, или предложение товаров, похожих на уже приобретенные конкретным клиентом, где в отличие от User-based подхода каждому товару проставляется вектор клиента, в котором покупатель имеет свой приоритет на основании его покупок. Метрикой может служить косинус угла между векторами клиентов.
Метод ассоциативных правил, позволяющий интерактивно вычислить перечень товаров, которые продаются совместно. Алгоритм делит наборы на «характерную» (это предпосылка) и «менее характерную» (цель) части, далее ищет закономерности между ними на основе расчета показателей: support (частота набора товаров), confidence (вероятности «характерной» и «нехарактерной» частей в наборе) и lift (вероятность покупки «нехарактерной» части набора при приобретении «характерной»).
Customer Decision Tree (CDT) для моделирования процесса принятия иерархических решений клиента.
Цепи Mаркова для моделирования череды событий, в которой каждое последующее событие зависит от предыдущего (например, категория рынка DIY).
Similarities – подбор похожего товара на основании векторизации изображения. Такой подход – идеальное решение в построении рекомендаций для fashion- и beauty-сегментов.
Этап 5. Real time 1 клиент = 1 сегмент
На данном этапе происходит оптимизация основных показателей, влияющих на Lifetime Value клиента: конверсии покупателей, частоты потребления продукта, размера средней покупки (с учетом существующих механик персональных промо), размера поощрения с учетом «чувствительности» клиента к цене, промо-механикам и акциям с учетом оптимального размера персональной скидки, каналов коммуникации.
Самый правильный подход к созданию корректных отношений с покупателями основан либо на выборе основного блока по оптимизации или многокритериальной оптимизации сразу всех блоков.
Так или иначе, текущая ситуация уже вызвала целый ряд изменений в поведении покупателей, и задача ритейлеров – сосредоточиться на понимании тех изменений, которые «укоренятся» в поведении потребителей, и сделать правильные выводы для достижения целей бизнеса. Учет долгосрочного влияния на потребление станет первостепенной задачей в ближайшие 1-2 года в рамках изучения клиентского опыта и, безусловно, найдет свое отражение в новых подходах персонализации с вашими клиентами.
Персонализация в маркетинге: как это работает
Я сооснователь WIM.Agency, мы занимаемся CRM-маркетингом и не только. В том числе мы помогаем клиентам выстраивать стратегии персонализации на всех этапах воронки продаж.
Сегодня я с моей коллегой Екатериной Воробьевой, Account Group Head WIM.Agency, хотим рассказать о том, какие плюсы приносит персонализация в маркетинге, как разработать стратегию, а также какие «фишки» персонализации помогли известным мировым брендам улучшить свои показатели.
Если статистика показалась неубедительной, то вот еще несколько причин, чтобы оценить эффективность персонализации.
Шаг 1. Собираем данные о пользователях. И это не только та информация, которая поступает при заполнении, например, формы заявки на сайте. Важно собрать дополнительные данные, чтобы было проще поделить всю аудиторию на сегменты и выявить, с какой именно целевой аудиторией мы собираемся взаимодействовать. Можно проводить опросы на сайте, использовать чат-боты, проводить анализ файлов cookie и так далее.
Шаг 2. Анализируем собранные данные. Здесь можно воспользоваться либо платформами автоматизации маркетинга (Exponea, Mindbox), либо собрать массив данных Data Science, и уже с помощью сотрудника или системы автоматизации начать их анализ.
Шаг 3. Сегментируем пользователей и формируем портреты целевой аудитории. Среди вариантов сегментации: классическая каскадная сегментация, RFM-анализ, когортный анализ, сегментация по психографике и так далее. Как только вы определились с сегментами, можно переходить к определению портретов целевой аудитории. Важно после формирования портрета не останавливаться и продолжать собирать данные. Аудитория может меняться, как и сам продукт, который мы ей предлагаем. Нужно, чтобы это соответствие продукта и целевой аудитории не ускользало с течением времени и продолжало эффективно работать.
Шаг 4. Адаптируем предложение. Теперь, когда все данные у вас на руках, вы можете предложить клиентам максимально подходящий продукт или услугу.
Реализацию любой тактики лучше рассматривать на примерах. Мы собрали несколько известных кейсов мировых компаний, чтобы подробнее показать стратегии персонализации в деле.
C 2011 по 2014 год Coca Cola провела маркетинговую кампанию #Shareacoke с именными персонализированными банками и бутылками. Здесь применили интересную технику амбассадоров. Ими являлись сами потребители, которые и продвигали продукт (например, делали фото в соцсетях).
Кампания была запущена на 80 международных рынках. На каждом из них были свои особенности. Изучалась целевая аудитория, и в зависимости от страны собирались популярные имена. В России кампания получила название «Это твоя Coca Cola». В семи крупнейших городах были созданы специальные летние парки Coca Cola, в который каждый из потребителей мог прийти и заказать себе бесплатно персонализированный напиток. Можно было придумать текст, который печатался на этикетке для банки колы или бутылки, и бесплатно забрать ее с собой. В результате кампании был большой прирост отзывов и публикаций в соцсетях с соответствующими хэштегами. В целом показатель потребления продукта тоже возрос.
Еще на самом старте компания начала применять персонализацию. В первые годы существования Amazon стал использовать подход на основе коллаборативной фильтрации. За счет этого подхода им удалось добиться повышения выручки на 10%. Идея проста — если какой-либо пользователь просматривает контент или совершает покупку, то можно найти другого пользователя с похожими вкусами и порекомендовать ему то, что посмотрел или купил первый.
Персонализация Amazon основывается на сегментации и микросегментации. Учитывается много данных: геопозиция, откуда пришел человек, тип его девайса, погода, был ли пользователь до этого на сайте, совершал ли ранее покупки и так далее. На основе этих данных собирается user-affinity профайл пользователя (набор предпочтений пользователя к товарным атрибутам, которыми пользователь интересуется или интересовался). Далее срабатывают разные стратегии, например, персонализируется вся площадка: главная страница, страница листинга, категории. Все это возможно реализовать с помощью CDP-платформ, которые централизуют весь маркетинг.
Стриминговый сервис известен своим подходом data-driven к созданию списков для просмотра. Их алгоритмы постоянно улучшаются, чтобы обеспечить максимально приятный потребительский опыт. Например, они персонализируют главную страницу и даже обложки фильмов, основываясь на том, каких актеров знает пользователь. Все это повышает интерес к конкретным фильмам или сериалам.
Так как сервисом могут пользоваться одновременно несколько человек (если, например, подписка на всю семью), то необходимо четкое разделение. Для этого у Netflix на старте есть возможность выбора аккаунта. Можно создать отдельно несколько личных кабинетов, где у каждого будут свои подборки и рекомендации.
Персонализация Netflix отчасти построена на известных психологических принципах:
Взаимность. Этот принцип подразумевает следующее: если для человека сделали что-то полезное или приятное, то он стремится ответить тем же. Netflix проводил опрос, чтобы узнать, чего не хватает потенциальным пользователям сервиса перед тем, как пройти регистрацию. Результаты опроса показали, что пользователям не хватает информации о всех доступных шоу и фильмах. Оставлять каталог открытым Netflix не стал, но на главной странице разместил коллаж из огромного количества обложек фильмов и сериалов, чтобы показать возможность выбора. Плюс ко всему для новых пользователей Netflix предоставляет бесплатный пробный период, что может побудить часть пользователей оформить дальнейшую подписку.
Эффект коктейльной вечеринки. Находясь на шумном мероприятии, человек обратит внимание на интересную тему и сможет прислушаться к разговору, невзирая на все остальное. Netflix акцентирует внимание пользователя на названиях знакомых (ранее просмотренных) фильмах и сериалах при показе рекомендаций.
Отвращение к безделью. Человек чувствует себя комфортнее, когда чем-то занят. Даже если эта занятость ему навязана со стороны. Основываясь на этом принципе, Netflix на странице листинга при наведении курсора в течение 3-4 секунд начинает воспроизведение трейлера. Так они непрерывно взаимодействуют с пользователем.
Главное преимущество сервиса — персональные подборки музыки. Алгоритмы Spotify практически идеально подстраиваются под вкусы пользователей.
Какие инструменты в этом помогают:
И напоследок, легендарный кейс — имена гостей на стаканчиках напитков Starbucks. Потребители, как и в случае с Coca Cola, сами становятся амбассадорами. Гости любят делиться фото своих напитков в соцсетях, а также шутить, когда бариста неправильно услышал и неверно записал имя на стаканчике с кофе.
Среди других механик, которые использует компания: программа лояльности с накоплением баллов и мотивирующими играми; мобильное приложение, позволяющее сделать заказ заранее и получить персональные рекомендации; коллаборации с дружественными брендами (Spotify, платежные системы).
Сформировать персональные предложения для пользователей может компания любого масштаба. В этом помогают CDP-платформы: через них можно сделать UX-изменения на сайте без привлечения IT-специалистов. Для подбора нужного оффера используются CRM-данные, данные из внешних источников и так далее.
Вот несколько вариантов персонализированных блоков, которые помогут повысить продажи:
Формы можно менять в зависимости от сегмента и данных клиента. Так, если пользователь из Владивостока и товар стоит больше N рублей, показываем ему: «Доставим этот товар во Владивосток бесплатно». По каким фильтрам делать персонализацию? Простые варианты: на основе просмотров категорий, любой выборке товаров, а также пути покупателя. Сложнее — на основе искусственного интеллекта.
Персонализация — однозначный тренд 2021 года. Когда пользователь видит то, что ему нужно, в правильное время и в правильном месте, гораздо проще мотивировать его на покупку. Поэтому обязательно внедряйте персонализацию в свой маркетинг.