¡Hola, Habr! Mi nombre es Andrey Tyschenko de Dynamic Yield. Nuestra área de trabajo es la personalización de sitios web con el fin de incrementar las ventas y mejorar la experiencia de usuario de las empresas colaboradoras. Y es por eso que hoy me gustaría hablar sobre la personalización de sitios en eCommerce, las herramientas de personalización y los resultados que estas tecnologías pueden dar.
Casi todas las empresas utilizan herramientas de personalización, incluido el comercio electrónico, el sector minorista, el sector financiero, los viajes, las empresas de TI y muchas otras. Las sugerencias y recomendaciones individuales proporcionan excelentes resultados, que durante mucho tiempo han sido implementadas por las mismas Amazon, eBay, Netflix y muchas otras compañías. Debajo del corte: detalles interesantes sobre herramientas de personalización y un par de casos.
Alta tecnología y personalización
Vale la pena señalar que, aunque los principales actores del comercio electrónico dicen que están utilizando aprendizaje automático, inteligencia artificial, redes neuronales y similares con fines de personalización, en realidad esto está lejos de ser siempre el caso. A menudo se utilizan algoritmos relativamente simples para trabajar con datos, que no son ni una red neuronal ni un aprendizaje automático, quizás bastante exagerado. Al mismo tiempo, si realmente se utilizan estas tecnologías, te permiten conseguir un buen incremento de ventas / tráfico. Sin embargo, debe comprender bien dónde y para qué herramientas se pueden utilizar.
Otro punto interesante es que en Estados Unidos y Rusia, las empresas están a la par en cuanto al uso de altas tecnologías para la personalización. Algunos ejemplos de las tecnologías más populares son los motores Deep Learning y Predictive Targeting.
¿Por qué son populares? Porque permiten probar rápidamente las ideas que surgen en la primera etapa de la personalización, cuando los especialistas en marketing y los gerentes de producto plantean hipótesis sobre la interfaz de usuario / experiencia de usuario de sitios, campañas de marketing o promociones.
La esencia del enfoque para desarrollar la personalización es identificar una tendencia, construir una hipótesis, probarla rápidamente y luego "simplemente" probar rápidamente docenas más de opciones para implementar esta hipótesis y, como resultado, crear una estrategia de comunicación óptima con un segmento. u otro (o incluso con “segmento de uno”, es decir, una estrategia de comunicación en modo 1: 1, a su manera con cada usuario individual). Las estrategias de personalización de los mejores jugadores en el campo, como Amazon, Netflix, Spotify y otros, toman en cuenta no solo acciones explícitas del usuario, como clics en productos, agregar al carrito, compras (o ver películas / escuchar música pistas), etc.p., pero también tienen en cuenta las características de los bienes (películas, pistas, etc.), los patrones de comportamiento del usuario en el sitio,comparación de todos los usuarios en el sitio y la interacción de todos los usuarios con todos los productos y predicción de la próxima acción más probable del usuario. Una vez que el usuario ha interactuado con el sitio durante un tiempo suficiente (por ejemplo, unos minutos), el contenido comienza a adaptarse automáticamente a sus preferencias. En la próxima visita del cliente, todas las páginas del sitio, incluida la página de inicio, están personalizadas.
Puede personalizar no solo sitios web, sino también aplicaciones móviles. Un ejemplo es SimpleWine. Ella lo hizo:
- Logre una personalización integral de la aplicación móvil. No solo las recomendaciones, sino también las capturas de pantalla completas de la aplicación se reconstruyen para el usuario y se ven diferentes.
- Facilite la elección del usuario. La aplicación le ayuda a elegir un vino con consejos, navegación y recomendaciones, como un asesor de vinos competente.
- Garantice el lanzamiento de cualquier cambio en la aplicación en tiempo real; es decir, no es necesario esperar a que se cree una nueva versión y cargarla en el catálogo de la aplicación.
Otros planes incluyen la introducción de Deep Learning, un motor que predice las preferencias e intereses de los usuarios no mediante signos formales, sino que se basa en comparar a este usuario con todos los demás usuarios y predecir qué otro vino le interesará a este usuario con mayor probabilidad basado en el reconocimiento de otros usuarios con gustos similares y sus patrones de comportamiento, al igual que Netflix o Spotify escogen películas o música por ti.
Bien, ¿puede ser más específico sobre las tecnologías de personalización?
Hay bastantes de ellos, pero no todos son efectivos. Las tecnologías de personalización se pueden dividir condicionalmente en dos grupos, según el tiempo de trabajo con el usuario.
Interacción con el usuario en el sitio. Aquí es importante tener en cuenta los intereses y preferencias del comprador, ayudándole a realizar una buena compra. La personalización permite personalizar la apariencia y las funciones del sitio en tiempo real a las necesidades del usuario de acuerdo con su comportamiento. Por ejemplo, el tema del producto cambia automáticamente y su formación está influenciada por el interés del usuario en diferentes productos, categorías, marcas, rango de precios, etc. Los sistemas de análisis ahora pueden tener en cuenta una gran cantidad de factores relacionados con un comprador en particular.
Comunicación con el usuario tras el cierre del sitio web de la tienda online. Aquí es donde entran en juego los boletines, las cartas de activación, los sms, las notificaciones automáticas, la mensajería instantánea, etc. Por supuesto, las condiciones importantes son la discreción, la relevancia y la puntualidad de la comunicación.
En cuanto a las tecnologías en sí, la mayoría de las veces trabajamos con herramientas como:
Predictive Targetingbasado en el aprendizaje automático, predice la mejor combinación de una opción de comunicación o contenido y un segmento para el que dicha comunicación funcionará mejor, y sugiere utilizar la orientación óptima para esta o aquella opción de comunicación. Por lo tanto, el motor informa a los comercializadores o gerentes de producto en tiempo real qué opción de comunicación es mejor mostrar y para qué segmento. En este caso, el análisis manual no es necesario, todo funciona en modo totalmente automático. Una vez que se completa la orientación de "preproducción", el motor notifica al comercializador o "producto", lo que permite implementar rápidamente la configuración óptima.
Resulta que tal combinación de una persona que tiene hipótesis, ideas, tareas iniciales (por regla general, bastante simples) y una máquina que "cae" en los datos, en el contexto de todos los segmentos posibles, "hace girar" un la lógica de la persona y construye una personalización más inteligente, compleja y granular.
Motor de clasificación (motor de clasificación).Ayuda a optimizar automáticamente la clasificación de productos en las páginas de listado de productos mediante un sofisticado modelo de aprendizaje profundo. Al mismo tiempo, el listado de mercancías se forma en tiempo real, individualmente para cada usuario. En el proceso de formación, se utilizan datos sobre los intereses de un cliente potencial y se realiza una predicción de una acción basada en una comparación con el comportamiento de otros usuarios. Además, este proceso también utiliza datos sobre el saldo de bienes, margen, promociones, etc.
API del servidor.Un conjunto de API permite a los administradores de productos y desarrolladores experimentar en el lado del servidor con cualquier dispositivo, desarrollar recomendaciones de productos e introducir nuevas funciones basadas en los intereses de los clientes. Y todo esto se ajusta para cada comprador individual.
Omnicanal... Aquí estamos hablando del hecho de que existen muchos canales de recolección de datos para su posterior análisis. Este puede ser un call center, caja registradora, terminales y otros dispositivos en tiendas fuera de línea, dispositivos móviles de los asistentes de ventas (los llamados Clientelling), menús electrónicos en restaurantes, aplicaciones para Smart TV o Apple TV, relojes inteligentes, parlantes inteligentes, lentes inteligentes y muchos otros. Por cierto, a la hora de personalizar, es muy importante tener en cuenta desde qué dispositivo el usuario realizará determinadas acciones con el escaparate o la mercancía.
¿Necesitas maletines? Y aqui estan
Para demostrar la efectividad de la personalización y dar ejemplos de cómo funcionan las tecnologías, indicaremos varios casos.
El mercado más grande de Kazajstán Kaspi.kz
Esta es una de las empresas innovadoras más grandes del país, cuya aplicación es muy popular. Permite a los usuarios realizar pagos y transferencias, administrar sus finanzas personales y comprar en línea con entrega. Hoy, Kaspi.kz es la plataforma de comercio electrónico más grande de Kazajstán con una facturación de alrededor de $ 600 millones en 9 meses de 2020 y un aumento del 129% en comparación con el año pasado.
Con la ayuda de tecnologías de personalización, la empresa logró el 19,4% de las ventas a partir de referencias en solo tres meses. Y esta es una gran cantidad si se consideran estos hechos:
- 450 000 .
- 8 500 000 .
Tienda Perekrestok
El supermercado en línea se lanzó en 2017. Desde entonces, la empresa ha crecido enormemente. Sus ingresos aumentaron a 2,09 mil millones de rublos, el número de pedidos superó los 590 mil, mientras que el cheque promedio ascendió a 4026 rublos.
La empresa decidió implementar tecnología de personalización en su sitio web y tuvo razón. Solo la estrategia de recomendación de productos con productos similares en la tarjeta de producto mostró un aumento en la conversión de + 10,9% en relación con el grupo de control y + 12,0% en ingresos para el escritorio.
Además, Perekrestok ha agregado un widget con artículos promocionales en la tarjeta del artículo. Esto logró aumentar los ingresos en el escritorio en un 2,5% y en la versión móvil, en un 1%. La segmentación de la audiencia también condujo a un aumento de los ingresos para los nuevos clientes en un 10%, y para los actuales, en un 5%.
Bueno, el widget "Búsqueda vacía", que ofrece recomendaciones personalizadas de productos en caso de una búsqueda fallida, aumentó los ingresos por usuario en un 3,1%. El crecimiento máximo de ingresos del widget de búsqueda vacío fue del 6,2%.
Detrás de todos estos casos hay un sistema basado en machine learning, que incluye algoritmos de Deep Learning, que, basándose en datos sobre el comportamiento e intereses de los usuarios, así como en las propiedades de los bienes, selecciona para cada usuario los bienes que probablemente sean más relevantes. a él en cada momento de trabajar con el sitio. El aprendizaje automático ayuda a analizar a qué segmento de clientes pertenecen los usuarios, ofrecerles la oferta más interesante y elegir una estrategia individual para utilizar recomendaciones personalizadas.
Como conclusión, cabe decir que la personalización en los próximos años penetrará en todos los sectores empresariales, incluidos los grandes actores del ámbito del retail, la banca y las pequeñas empresas. El aprendizaje automático, el procesamiento de datos, hace posible que la personalización sea lo más efectiva posible. Pero hay otro matiz importante que no debe olvidarse: la protección de los datos del usuario. Los datos recopilados deben ser seguros; sin esto, no se puede utilizar la personalización.